哈工大人工智能复习提纲

人工智能导论复习资料（课程代码：07844）知识点汇总：1.人工智能是一门综合性的交叉学科和边缘学科。

2.人工智能的含义最早由一位科学家于1950年提出，并且同时提出一个机器智能的测试模型，请问这个科学家是图灵。

3.人工智能的远期目标是制造智能机器，近期目标是实现机器智能。

4.要想让机器具有智能，必须让机器具有知识。

因此，在人工智能中有一个研究领域，主要研究计算机如何自动获取知识和技能，实现自我完善，这门研究分支学科叫机器学习。

5.编译原理不属于人工智能的研究的一个领域。

6.AI的英文缩写是Artifical intelligence。

7.“图灵实验”是为了判断一台机器是否具备智能的实验，实验由三个封闭的房间组成，分别放置主持人、参与人和机器。

8.语义网络表达知识时，有向弧AKO 链、ISA 链是用来表达节点知识的继承性。

9.(A->B)∧A => B是假言推理10.命题是可以判断真假的陈述句11.问题归约法是指已知初始问题的描述，通过一系列变换把此问题最终变为一个子问题集合，这些子问题的解可以直接得到，从而解决了初始问题。

12.仅个体变元被量化的谓词称为一阶谓词13.MGU是最一般合一14.关系不在人工智能系统的知识包含的4个要素中15.当前归结式是空子句时，则定理得证。

16.或图通常称为状态图17.不属于人工智能的学派是机会主义18.所谓不确定性推理就是从不确定性的初始证据出发，通过运用不确定性的知识，最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论的思维过程。

( )19.用户不是专家系统的组成部分20.产生式系统的推理不包括简单推理21.C(B|A) 表示在规则A->B中，证据A为真的作用下结论B为真的信度22.在图搜索中，选择最有希望的节点作为下一个要扩展的节点，这种方法叫做有序搜索23.人工神经网络属于反馈网络的是BP网络24.使用一组槽来描述事件的发生序列，这种知识表示法叫做剧本表示法25.产生式系统的推理不包括简单推理26.从已知事实出发，通过规则库求得结论的产生式系统的推理方式是正向推理。

人工智能简略复习大纲 58
PPT文档演模板
2020/11/9
人工智能简略复习大纲58
课程简介
• 通过人工智能课程的学习，了解人工智能 的发展概况、人工智能与人类智能之间的 联系、人工智能的应用领域、机器学习、 神经计算、遗传算法、专家系统等基本概 念，掌握知识表示方式和推理、搜索推理、 消解原理等人工智能原理的基本理论、方 法及其应用技术，注重培养综合运用人工 智能原理的知识解决问题的能力。
PPT文档演模板
人工智能简略复习大纲58
宽度优先搜索与深度优先搜 索的其他区别:
• 只要问题有解，宽度优先搜索总是能找到， 并且找到的总是搜索路径最短的解；而深 度优先搜索却因为可能陷入一条“花园小 径”，不一定能够找到解，并且找到的解 也不一定是搜索路径最短的解。
PPT文档演模板
人工智能简略复习大纲58
• 这种方法，也可称为均一代价法或等代价 法。
PPT文档演模板
人工智能简略复习大纲58
耗散值的概念及应用
• 搜索图中，在任意两节点弧线间移动付出 的代价，叫弧线耗散值。
• 而一条路径的耗散值等于，连接这条路径 各节点间所有弧线耗散值的总和。
• 分支界限法、动态规划法（均一代价法、 等代价搜索法）中，均采用路径耗散值作 为评价函数，即每次扩展优先选择具有最 小路径耗散值的节点进行，记做f(n)=g*(n)。
PPT文档演模板
人工智能简略复习大纲58
PPT文档演模板
•开始
•把S放入OPEN表
•OPEN表为空表？
•是
•失败
•否 •n为目标节点吗？
•是
•成功
•否
•把第一个节点(n)从OPEN表移至CLOSED表
•把n的后继节点放入OPEN表的 末端，提供返回节点n的指针

《人工智能原理》复习大纲《人工智能原理》复习大纲一、课程简介学生通过人工智能原理课程的学习，要了解人工智能的发展概况、人工智能与人类智能之间的联系、人工智能的应用领域、神经计算、模糊逻辑与模糊计算、遗传算法、专家系统等基本概念，掌握知识表示方式和推理、搜索推理、消解原理等人工智能原理的基本理论、方法及其应用技术，注重培养综合运用人工智能原理的知识解决问题的能力。

二、课程重点章节介绍本课程共分6章，其中第1.1，1.4，2.1~2.5，3.2，3.4~3.6，4.2，4.3，5.1章为重点章节。

三、本课程重点和难点内容简介第1章人工智能的定义(机器、学科、能力)，人工智能三种主要学派及其主要观点，人工智能的应用领域第2章五种主要知识表示方法的应用（状态空间表示法、问题规约法、一阶谓词逻辑、语义网络和框架表示方法），置换与合一第3章图搜索的一般过程，广度优先搜索与有界深度优先搜索，谓词公式化子句集，消解反演，规则正向演绎、逆向演绎推理，不确定推理中证据和结论不确定性的计算。

第4章人工神经元的结构模型，神经元的几种互连形态及其特点，神经网络的推理过程，模糊集合、模糊逻辑、模糊关系合成第5章遗传算法的基本机理第6章专家系统的定义及其特征，专家系统的分类，Prolog的使用难点：置换与合一、五种知识表示方式的应用、消解反演、规则正、逆向演绎推理、模糊运算、遗传算法的基本机理。

通过学习和实践，学生要能够对人工智能的发展概况、基本原理和应用领域有初步了解，对主要技术及应用有一定掌握，初步掌握Prolog的编程方法。

各章具体要求详见《教学大纲》。

四、本课程内容疏理及应用领域、应用方法讲解第1章1．从不同科学或学科出发对人工智能进行了定义，着重掌握下面三种：定义1 智能机器能够在各类环境中自主地或交互地执行各种拟人任务(anthropomorphic tasks)的机器。

定义2 人工智能(学科) 人工智能(学科)是计算机科学中涉及研究、设计和应用智能机器的一个分支。

可编辑修改精选全文完整版《人工智能导论》期末复习一、题型：填空题、简答题、计算题、论述题二、复习重点：第一章：1．什么是人工智能？人工智能的三种观点分别是什么？2．实现人工智能的技术路线是哪四种？3．人工智能要研究的三个主要问题是什么？4．人工智能有哪些主要研究领域？第二章：1．什么是知识？何谓知识表示？2．用谓词逻辑表示法表示猴子摘香蕉问题。

3．产生式系统推理机的推理形式有哪三种？4．产生式系统一般由哪三个基本部分组成？5．用语义网络表示：“苹果树枝繁叶茂，上结了很多苹果，有大的，也有小的，有红的，也有绿的” 。

6．用与 / 或树方法表示三阶Hanoi 塔问题。

第三章：1．推理的含义是什么？2．应用归结原理求解下列问题：任何兄弟都有同一个父亲， John 和Peter 是兄弟，且 John 的父亲是 David ，问 Peter 的父亲是谁？第四章：1．可信度方法：例 4.1 ，例 4.22．主观 Bayes 方法：例 4.8 ，例 4.93．证据理论中描述证据和结论的不确定性采用哪两个函数度量？第五章：1．什么叫搜索？搜索的两层含义是什么？2．用全局最佳优先搜索方法求解以下八数码问题。

3．用代价树的深度优先搜索求解下面的推销员旅行问题。

第六章：1．什么是机器学习？机器学习研究的目标是什么？研究机器学习的意义何在？2．机器学习有哪些主要学习策略？3．机器学习系统的基本模型包含哪四个基本环节？4．实例学习的含义是什么？它包含哪两个空间模型？对规则空间进行搜索的方法有几种？第七章：1．什么是自然语言理解？自然语言理解过程有哪些层次？各层次的功能如何？2．对汉语语料库加工的方法是什么？汉语自动分词的方法有哪些？其难点何在？第八章：1．什么是专家系统？它有哪些基本特点？一般专家系统由哪些基本部分构成？2．知识获取的主要任务是什么？3．有哪几类专家系统开发工具？各有什么特点？第九章：1．解答 B-P 学习算法的流程图，并说明其优缺点。

《人工智能导论》期末复习知识点
人工智能导论知识点总结
一、定义：
人工智能（Artificial Intelligence，AI）是指研究如何实现机器的智能，即使用计算机来模拟或提高人类的智能表现和能力。

基于此，人工智能的主要任务是解决一些超出传统计算能力的问题，其中包括学习、推理和解决一些挑战。

二、技术：
人工智能技术可分为三个主要技术领域：
1、机器学习：机器学习是一种研究机器如何学习，并从这些学习中学习及其反馈环境的解决实际问题的学科。

包括规则学习、支持向量机以及深度学习。

2、自然语言处理：自然语言处理是指人工智能技术在处理人类自然语言的理解和翻译方面的应用研究。

它将注重语言应用的学习、理解、表达和使用，以及语言识别、概念识别和分析。

3、计算机视觉：计算机视觉是指使用计算机的视觉系统来处理可视化的图像、图片、视频信息，以及关于图像的相关内容的研究。

它是一种智能系统，包括图像处理、识别和分析等功能。

三、应用：
人工智能在各行各业都有广泛的应用，有助于改善工作效率，提高工作质量，提升企业竞争力，节省成本。

1、机器人：工业机器人、服务机器人等用于工厂生产线和服务行业，可以大大提高工作效率。

第一章绪论●人工智能的诞生：1965年夏季，在达特茅斯大学●人工智能的学派：符号主义，联结主义，行为主义第二章知识表示方法●知识的特性：1.相对正确性；2.不确定性；3.可表示性；4.可利用性●★用谓词公式表示知识的步骤：1.定义谓词及个体，确定每个谓词及个体的确切含义。

2.根据所要表达的事物或概念，为每个谓词中的变元赋以特定的值。

3.根据所要表达的知识的语义，用适当的联接符号将各个谓词联接起来，形成谓词公式。

●★★机器人搬弄积木块问题表示P19●★一阶谓词逻辑表示法的特点：1.自然性；2.适宜于精确性知识的表示；3.易实现；4.与谓词逻辑表示法相对应的推理方法。

●产生式系统的组成：1.规则库；2.综合数据库；3.推理机●★产生式系统的推理方式：1.正向推理：①规则库中的规则与综合数据库中的事实进行匹配，得到匹配的规则集合；②使用冲突解决算法，从匹配规则集合中选择一条规则作为启用规则；③执行启动规则的后件。

将该启用规则的后件送入综合数据库或对综合数据库进行必要的修改。

重复这个过程直至达到目标。

2.反向推理：①规则库中的规划后件与目标事实进行匹配，得到匹配的规则集合；②使用冲突解决算法，从匹配规则集合中选择一条规则作为启用规则；③将启用规则的前件作为子目标。

重复这个过程直至各子目标均为已知事实，则反向推理的过程成功结束。

●★★语义网络表示知识举例：P36 例2.5、2.6、2.7；P71 作业18●框架的定义及组成：一个框架由若干个“槽”组成，每个“槽”又可划分为若干个“侧面”。

一个槽用于描述所论及对象的某一方面的属性，一个侧面用于描述相应属性的一个方面。

框架名<槽名><侧面><值>●脚本表示法：美国耶鲁大学的R.C.Schank及其同事们根据概念从属理论提出了一种知识表示方法——脚本表示法。

●问题状态空间的构成：1.状态；(2).算符；3.状态空间。

●★用状态空间表示问题的步骤1.定义状态的描述形式；2.用所定义的状态描述形式把问题的所有可能的状态都表示出来，并确定出问题的初始状态集合描述和目标状态集合描述；3.定义一组算符。

人工智能导论复习资料一、什么是人工智能人工智能，简单来说，就是让机器像人一样思考和行动。

它不是一种单一的技术，而是一个涵盖了多种学科和技术的领域，包括计算机科学、数学、统计学、心理学、语言学等等。

想象一下，你有一个智能助手，它能理解你的需求，回答你的问题，甚至帮你完成一些复杂的任务，比如规划旅行、管理财务。

这就是人工智能在日常生活中的一种应用。

人工智能的目标是创建能够执行需要人类智能才能完成的任务的计算机系统。

这些任务包括学习、推理、解决问题、理解语言、识别图像和声音等等。

二、人工智能的发展历程人工智能的发展并非一蹴而就，它经历了几个重要的阶段。

在早期，科学家们就开始思考机器能否像人类一样思考。

20 世纪50 年代，人工智能的概念被正式提出，当时的研究主要集中在基于规则的系统和符号推理上。

然而，由于计算能力的限制和对智能本质理解的不足，人工智能在20 世纪 70 年代遭遇了第一次寒冬。

到了 20 世纪 80 年代，随着专家系统的出现，人工智能迎来了一次小的复兴。

专家系统是一种基于知识库和推理规则的系统，可以解决特定领域的问题。

但随着问题的复杂度增加，专家系统的局限性也逐渐显现。

近年来，由于大数据的出现、计算能力的大幅提升以及深度学习算法的突破，人工智能再次取得了巨大的进展。

图像识别、语音识别、自然语言处理等领域都取得了令人瞩目的成果。

三、人工智能的核心技术（一）机器学习机器学习是人工智能的核心领域之一。

它让计算机通过数据自动学习模式和规律。

机器学习有监督学习、无监督学习和强化学习等多种方法。

监督学习是最常见的一种，比如通过大量已标记的图片（比如猫和狗的图片）来训练计算机识别新的猫和狗的图片。

无监督学习则是让计算机在没有标记的数据中自己发现模式，例如将相似的客户分组。

强化学习是通过奖励和惩罚机制来训练智能体做出最优决策，比如让机器人学会走路。

（二）深度学习深度学习是机器学习的一个分支，它使用多层神经网络来学习数据的表示。

人工智能应用开发复习资料一、人工智能的基本概念在探讨人工智能应用开发之前，我们首先需要明确什么是人工智能。

简单来说，人工智能就是让计算机能够像人类一样思考和学习，具备智能行为的能力。

它涉及到多个学科领域，如计算机科学、数学、统计学、神经科学等。

人工智能的目标是创建能够执行各种任务的智能系统，这些任务包括但不限于图像识别、语音识别、自然语言处理、决策制定等。

通过使用大量的数据进行训练，计算机模型可以学习到模式和规律，从而能够对新的输入做出准确的预测和决策。

二、人工智能应用开发的流程1、数据收集与预处理数据是人工智能应用的基础。

首先需要收集大量相关的数据，这些数据的质量和数量对模型的性能有着至关重要的影响。

收集到的数据往往存在噪声、缺失值等问题，需要进行清洗、预处理和标注，以便模型能够有效地学习。

2、选择合适的模型架构根据具体的应用场景和问题，选择合适的人工智能模型架构，如神经网络、决策树、支持向量机等。

不同的模型在处理不同类型的数据和任务时具有不同的优势和局限性。

3、训练模型使用预处理后的数据对模型进行训练。

训练过程中，模型会不断调整参数，以最小化损失函数，提高预测的准确性。

训练的时间和计算资源取决于数据量和模型的复杂度。

4、模型评估与优化使用测试集对训练好的模型进行评估，常用的评估指标包括准确率、召回率、F1 值等。

根据评估结果，对模型进行优化，如调整超参数、增加数据量、使用更复杂的模型等。

5、部署与应用将优化后的模型部署到实际的应用环境中，如网站、移动应用、服务器等。

在应用过程中，不断监测模型的性能，根据实际情况进行调整和更新。

三、常见的人工智能应用领域1、图像识别图像识别是指计算机能够识别和理解图像中的内容。

例如，人脸识别、物体识别、场景识别等。

在安防监控、自动驾驶、医疗诊断等领域有着广泛的应用。

2、语音识别语音识别技术能够将人类的语音转换为文字。

常见的应用包括语音助手、语音输入法、智能客服等。

当MD(H,E)>0时，应该有P(H/E)< P(H),那么有 MB(H,E)=0
当MB(H,E)>0时，则为P(H/E)> P(H),那么有 MD(H,E)=0
如果P(H/E)= P(H),则MD(H,E)= MD(H,E)=0表 示，E与H无关
第四章 不确定性推理
不确定性的传递问题
– 单条知识
第四章 不确定性推理
可信度方法 组合证据不确定性表示
– 当多个证据以合取得方式构成一个组合证 据的时候，组合证据的可信度为这些单一 证据的可信度最小值；
– 当多个证据以析取得方式构成一个组合证 据的时候，组合证据的可信度为这些单一 证据的可信度最大值；
第四章 不确定性推理
– MB(H,E)：信任增长度 – MD(H,E)：不信任增长度 – MB(H,E)与MD(H,E)是互斥的 – 解释
学习目标
– 了解不确定性推理的含义、思路和讨论的 主要问题。
– 掌握可信度方法、主观Bayes方法和证据 理论不确定性推理方法
第四章 不确定性推理
计算问题
– 不确定性的传递问题 – 证据不确定性的合成问题 – 结论不确定性的合成问题
第四章 不确定性推理
可信度方法 知识不确定性的表示
– 在基于可信度的不确定性推理模型中，知 识是以产生式规则来表示的，而只是的不 确定性则是以可信度CF(H,E)来表示的， 其一般的形式为：
第一章 绪论
课程研究的主要内容
– 知识表示 – 推理方式
确定性推理（主要归结原理） 不确定性推理
– 搜索技术研究
普通图搜索 超图搜索（与或图搜索）
第一章 绪论
需要解决的问题：
– 万能的人工智能的知识体系结构从根本上 就不可能有，最根本的原因是缺乏知识。 人是根据知识行事的，而不是根据抽象原 则上进行推理。

目录绪论 (1)搜索技术 (1)遗传算法 (8)谓词逻辑 (8)结构化知识表示 (12)绪论1、什么是人工智能？答：人工智能又称机器智能，是用计算机模拟或实现的智能；(人工智能是研究如何制造出人造的智能机器或系统，来模拟人类智能活动的能力，以延伸人们智能的科学)2、什么是符号智能与计算智能？并举例说明。

答：符号智能是模拟闹智能的人工智能，是以符号形式的知识和信息为基础，主要通过逻辑推理，运用知识进行问题求解。

如搜索技术、专家系统、定理证明等；计算智能是模拟群智能的人工智能，以数值数据为基础，主要通过数值计算，运用算法进行问题求解。

搜索技术1.状态图是由什么组成的？答：状态图是由节点与有向边组成；2.简述图搜索的方式和策略。

答：搜索方式：线式搜索和树式搜索；搜索策略：盲目搜索和启发式搜索；3.阐述图搜索策略中OPEN表与CLOSED表的作用。

答：OPEN表用来保存当前待考察的节点，并按照某种排列，来控制搜索的方向和顺序；CLOSED表用来记录搜索过程中已考察过的节点，保存全局搜索信息，并可根据节点返回指针得到搜索解路径。

4.简述广度优先策略与深度优先策略的不同点。

答：广度优先搜索是始终在同一级节点中考查，当同一级节点考查完毕，才考查下一级节点。

因此，是自顶向下一层一层逐渐搜索的，属于横向搜索策略，其搜索是完备的，得到的解为最优解；深度优先搜索是在搜索树的每一层始终只扩展一个子节点，不断向纵深前进，直到不能再前进时，才从当前节点返回到上一级节点，沿另一方向又继续前进。

因此，是从树根开始一枝一枝逐渐搜索的，属于纵向搜索策略，其搜索是不完备的，得到的解不一定为最优解。

5.什么是启发式搜索？并以八数码难题为例，说明其原理。

答：启发式搜索是利用问题拥有的启发信息来引导搜索，达到减少搜索范围，降低问题复杂度的目的。

对于八数码难题，可以利用不在位将牌数或者与目标距离信息来作为启发函数，可以加快搜索目标的步数。

6.简述启发函数的单调性判别。

人工智能原理及应用复习提纲第一章1.什么是人工智能？答：人工智能从学科角度说是一门研究如何构造智能机器或智能系统，使它能模拟、延伸和扩展人类智能的学科。

2.人工智能的产生和发展过程有哪些？答：①孕育期（1956年以前）②形成期（1956年～1970年）③知识应用期（1971年～80年代末）④综合集成期3.人工智能的研究和应用领域答：机器学习；自然语言理解；专家系统；模式识别；计算机视觉；机器人学；博弈；自动定理证明；自动程序设计；智能控制；智能决策支持系统；人工神经网络；知识发现和数据挖掘；分布式人工智能第二章1.什么是知识表示？答：知识表示：就是对知识的一种描述，即用一些约定的符号把知识编码成一组计算机可以接受的数据结构。

2.常用的知识表示方法有哪些？答：目前使用较多的有：一阶谓词逻辑表示法、产生式表示法、语义网络表示法、框架表示法等。

3.产生式系统的基本结构答：综合数据库；规则库；控制系统4. 什么是产生式系统？答：用产生式知识表示方法构造的智能系统称为产生式系统。

第三章1.什么是推理？答：所谓推理是指按照某种策略从已知事实出发去推出结论的过程2.推理的控制策略包括哪些内容？分别解决什么问题？答：推理的控制策略又可分为推理策略和搜索策略推理策略主要解决推理方向、冲突消解等问题。

搜索策略主要解决推理线路、推理效果、推理效率等问题。

3.推理的方向有哪些？答：推理分为正向、逆向及混合推理。

4.冲突消解策略有几种？答：特殊知识优先；新鲜知识优先；差异性大的知识优先；领域特点优先；上下文关系优先；前提条件少者优先第四章1.什么是不确定性推理答：不确定性推理就是从不确定性的初始证据出发，通过运用不确定性的知识，最终推理出具有一定程度的不确定性，但又是合理或者基本合理的结论的思维过程。

2.C-F模型（大题）在C-F模型中，知识是用产生式规则表示的，其一般形式为：IF E THEN H (CF(H,E))例4.2 设有如下一组知识：r1: IF E1 THEN H (0.9)r2: IF E2 THEN H (0.6)r3: IF E3 THEN H (-0.5)r4: IF E4 AND (E5 OR E6 ) THEN E1 (0.8)已知：CF(E2)=0.8, CF(E3)=0.6, CF(E4)=0.5, CF(E5)=0.6, CF(E6)=0.8 求：CF(H)=?解：由r4得到：CF(E1)=0.8xmax{0,CF(E4 AND (E5 OR E6 ))}= 0.8xmax{0,min{CF(E4),CF(E5 OR E6 )}}= 0.8xmax{0,min{CF(E4),max{CF(E5),CF(E6)}}}= 0.8xmax{0,min{CF(E4),max{0.6,0.8}}}= 0.8xmax{0,min{0.5,0.8}}= 0.8xmax{0,0.5}= 0.4由r1得到：CF1(H) = CF(H,E1) x max{0, CF(E1)}=0.9x max{0,0.4}=0.36由r2得到：CF2(H) = CF(H,E2) x max{0, CF(E2)}=0.6x max{0,0.8}=0.48由r3得到：CF3(H) = CF(H,E3) x max{0, CF(E3)}= -0.5x max{0,0.6}= -0.3根据结论非精确性的合成算法得到：CF1,2(H)＝CF1(H) + CF2(H) － CF1(H) x CF2(H)＝0.36＋0.48－0.36x0.48＝0.84－0.17=0.67= 0.53CF(H)=0.53第五章1.什么是搜索？答：根据问题的实际情况，不断寻找可利用知识，从而构造一条代价最小的推理路线，使问题得以解决的过程称为搜索。

ON（B，A）
WOODEN（B）
HEAVY（B）
ON（E，B）
下列语句提供了有关这个积木世界的一般知识：
每个大的蓝色积木块是在一个绿色积木块上。
每个重的木制积木块是大的。
所有顶上没有东西的积木块都是蓝色的。
所有木制积木块是蓝色的。
以具有单文字后项的蕴涵式的集合表示这些语句。绘出能求解"哪个积木块是
a) 如果可以推动的物体是蓝色的，那么不可以推动的物体是绿色的 b) 所有的物体或者是蓝色的，或者是绿色的，但不能同时具有两种颜色。 c) 如果存在一个不能推动的物体，那么所有的可推动的物体是蓝色的。 d) 物体 O1 是可以推动的 e) 物体 O2 是不可以推动的
解： 把上述条件化为逻辑表达式：
1) ( x)( pushable (x) ) → blue(x) ) → ( x)(～pushable(x) → green(x) ) 2) ( x) ( ( (blue(x) ∧ ～green(x)) ∨ (～blue(x) ∧ green(x))) 3) ( x) (～pushable(x)) → ( x) ( pushable(x) → blue(x) ) 4) pushable(O1) 5) ～pushable(O2) 将结果命题否定：
解：定义谓词：father(x,y): 表示 x 是 y 的父亲。 Grandfather(x,y):表示 x 是 y 的祖父。
已知条件的谓词公式表示如下： 1) (∀x) (∀y) (∀z)father(x, y)∧father(y,z) →Grandfather(x,z) 2) (∀y)(∃x)father(x, y) 结论的谓词公式表示：
1
b) PLAY(x,y):表示 x 打 y，AFTERNOON(t), 表示 t 是下午 (∃x)(∀t) (AFTERNOON(t)→ PLAY(x,篮球))

第一章1．人工智能的定义（能力）？人工智能的研究目标？人工智能(学科)是计算机科学中涉及研究、设计和应用智能机器的一个分支。

近期目标：实现机器智能——理论和技术基础远期目标：制造智能机器——发展方向2．人工智能的起源与发展过程；典型人物、事件（1）古希腊，亚里士多德，形式逻辑的基本规律（2）英国，培根，归纳法（3）德国，莱布尼茨，数理逻辑（4）英国，布尔，布尔代数（5）奥地利，哥德尔，一阶谓词完备性（6）英国，图灵，图灵机（7）美国，Mauchly，ENIAC（8）美国，McCulloch，神经网络模型（9）美国，香农，信息论1956年，麦卡锡，人工智能之父，50年代开始符号处理，70年代理论走向实践，Nilson A*算法，1977年，专家系统广泛应用，80年代达到顶峰，90年代趋向小型化、并行化、网络化、智能化。

3．人工智能的主要学派及观点符号主义，认为人工智能源于数理逻辑。

联结主义，认为人工智能源于仿生学。

行为主义，认为人工智能源于控制论。

4．人工智能所研究的范围与应用领域智能感知：模式识别、自然语言理解智能推理：问题求解、逻辑推理与定理证明、专家系统、自动程序设计智能学习：机器学习、神经网络、计算智能与进化计算智能行动：机器人学、智能控制、智能检索、智能调度与指挥、分布式人工智能与Agent、数据挖掘与知识发现、人工生命、机器视觉5.人工智能的基本技术推理技术、搜索技术、知识表示与知识库技术、归纳技术、联想技术第二章1.概念：知识及形式化描述、同构变换、同态变换把有关信息关联在一起所形成的信息结构称为知识。

同构变换可使问题更明确，便于求解，同构问题的解答等价于原始问题的解答。

同态变换可使问题更加简化，易于求解。

原始问题有解，则同态问题有解，同态问题无解，则原始问题无解，它们之间是蕴含关系。

2.知识、信息和数据的区别数据是记录信息的符号，是信息的载体和表示；信息是对数据的解释，是数据在不同场合下的具体含义；只有将有关的信息关联到一起才能使用，才称之为知识。

《人工智能应用技术》复习大纲一、人工智能概述略二、谓词公式与逻辑推理定义2.1 命题(Proposition)，即具有真(T)假(F)意义的陈述性语句。

定义2.2 所谓个体，是指可以独立存在的某个事物。

定义2.3 谓词：由定义的谓词名、变元，共同构成了具有陈述性表达的形式化语句，称为谓词。

一个谓词可以有n（其中n=0,1,2, ……）个变元，并称之为n元谓词。

定义2.3 谓词中包含个体或变元的数目，称为谓词的元或谓词的目。

定义2.4 谓词表达形式中所包容相叠加的含义层次数数目，称为谓词的阶。

例2-2 比较下列谓词或谓词形式的命题：①LIKE(john，mary)；②ROBOT(john)；③ROBOT(mary)；④ADDQ(x，y，z)。

试解释具体含义，并指出它们各是几元谓词。

解：上述谓词①②③意即“机器人约翰喜欢玛丽”；②和③都只有一个个体，称为一元谓词；相应①则称为二元谓词；④表示为表达式“x+y=z”，其中包含有3个变元，故称为三元谓词。

依此类推，可推出关于n元谓词的概念。

例2-3 为了说明谓词的阶，我们来比较下列谓词形式的命题：①LIFELESS(outer-stars)；外星球没有智能生命。

②INCORRECT(lifeless(outer-stars))；说“外星球没有智能生命”是不确切的。

解：在上述谓词形式的命题中，谓词①只有一层含义，称为一阶谓词；谓词②在前一层含义基础上，又增加了一层新意，共有二层含义。

故把谓词②称为二阶谓词。

依此类推，可推出关于n阶谓词的概念。

注意：在谓词逻辑演算中，最重要的有三大类：即：命题逻辑演算、一阶谓词逻辑演算和二阶谓词演算。

命题逻辑表示比较简单，只能表达具体固定的情况，命题是谓词逻辑特殊事例的生动描述，谓词逻辑可以灵活表现多种或变化的情况；谓词表达是命题逻辑的抽象与推广。

总的看来，命题和谓词的知识表示形式可以相互转换，而谓词比命题有更强的表达能力。

知识点1. 什么是人工智能？它的研究目标是什么？人工智能的研究目标远期目标揭示人类智能的根本机理，用智能机器去模拟、延伸和扩展人类的智能涉及到脑科学、认知科学、计算机科学、系统科学、控制论等多种学科，并依赖于它们的共同发展近期目标研究如何使现有的计算机更聪明，即使它能够运用知识去处理问题，能够模拟人类的智能行为。

相互关系远期目标为近期目标指明了方向近期目标则为远期目标奠定了理论和技术基础2. 人工智能有哪几个主要学派？各自的特点是什么？人工智能研究的三大学派：随着人工神经网络的再度兴起和布鲁克（R.A.Brooks）的机器虫的出现，人工智能研究形成了符号主义、联结主义和行为主义三大学派。

符号主义学派是指基于符号运算的人工智能学派，他们认为知识可以用符号来表示，认知可以通过符号运算来实现。

例如，专家系统等。

联结主义学派是指神经网络学派，在神经网络方面，继鲁梅尔哈特研制出BP网络之后，人工神经网络研究掀起了第二次高潮。

之后，随着模糊逻辑和进化计算的逐步成熟，又形成了“计算智能”这个统一的学科范畴。

行为主义学派是指进化主义学派，在行为模拟方面，麻省理工学院的布鲁克教授1991年研制成功了能在未知的动态环境中漫游的有6条腿的机器虫。

智能科学技术学科研究的主要特征(1) 由对人工智能的单一研究走向以自然智能、人工智能、集成智能为一体的协同研究；(2) 由人工智能学科的独立研究走向重视与脑科学、认知科学、等学科的交叉研究；(3) 由多个不同学派的独立研究走向多学派的综合研究；(4) 由对个体、集中智能的研究走向对群体、分布智能的研究；(5) 智能技术应用已渗透到人类社会的各个领域。

知识表示的类型按知识的不同存储方式：陈述性知识：知识用某种数据结构来表示；知识本身和使用知识的过程相分离。

过程性知识：知识和使用知识的过程结合在一起。

知识表示的基本方法非结构化方法：一阶谓词逻辑产生式规则结构化方法：语义网络框架知识表示的其它方法状态空间法和问题归约法。

⼈⼯智能技术导论复习⼤纲⼀、⼈⼯智能概述1、什么是⼈⼯智能？谈谈你对⼈⼯智能的认识。

“ArtificialIntelligence”，简称AI。

⽬前的“⼈⼯智能”⼀词是⼈造智能，指⽤计算机模拟或实现的智能，同时，⼈⼯智能⼜是⼀个学科名称。

研究⼈⼯智能也是当前信息化社会的迫切要求。

我们知道, ⼈类社会现在已经进⼊了信息化时代。

信息化的进⼀步发展, 就必须有智能技术的⽀持。

例如, 当前迅速发展着的互联⽹(Internet)、万维⽹(WWW)和⽹格(Grid)就强烈地需要智能技术的⽀持。

也就是说,⼈⼯智能技术在Internet、 WWW和Grid上将发挥重要作⽤。

智能化也是⾃动化发展的必然趋势。

⾃动化发展到⼀定⽔平, 再向前发展就必然是智能化。

事实上,智能化将是继机械化、⾃动化之后, ⼈类⽣产和⽣活中的⼜⼀个技术特征。

　⼈⼯智能作为⼀门学科, 其研究⽬标就是制造智能机器和智能系统, 实现智能化社会。

随着⼈⼯智能的发展⼈类社会会更加智能化，更加美好！2、⼈⼯智能有哪些应⽤领域或课题？1）、难题求解2）、⾃动规划、调度与配置3）、机器定理证明4）、⾃动程序设计5）、机器翻译6）、智能控制7）、智能管理8）、智能决策9）、智能通讯10）、智能仿真11）、智能CAD（计算机辅助设计Computer Aided Design）12）、智能制造13）、智能CAI（计算机辅助教学Computer Aided Instruction）14) 、智能⼈机接⼝15) 、模式识别16）、数据挖掘与数据库中的知识发现17）、计算机辅助创新18）、计算机⽂艺创作19）、机器博弈20）、智能机器⼈⼆、逻辑程序设计语⾔PROLOGPROLOG是⼀种逻辑型智能程序设计语⾔，以horn⼦句逻辑为基础，因此⽤它编写的程序就是逻辑程序，即在PROLOG程序中⼀般不需告诉计算机“怎么做”，只需要告诉它“做什么”。

1.试编写⼀个描述亲属关系的PROLOG程序，然后再给出⼀些事实数据，建⽴⼀个⼩型演绎数据库。

复习提纲：第二章：1.一个表的表头和表尾的求法；2.Prolog程序的基本构成部分:给出几个部分,能够通过添加补充成一个完整的可运行的程序；3.Prolog程序的基本运行过程；4.Prolog程序的中关于循环控制的实现方法：读程序，写出程序结果.第三章：1.搜索算法中,OPEN表和CLOSE表的作用；2.掌握画出问题的状态空间搜索图（不断扩展节点的方法），并给出解路径.3.按和代价法及最大代价法求解树的代价.第五章：1.文字,互补文字;纯文字；2.子句，求一个命题逻辑公式的子句集,求一个谓词逻辑的子句集,求一个命题（有前提和结论）的子句集；3.求一个公式在一个替换下的例;求两个公式之间的所有差异集;求一个公式集的最一般合一.4.判断一个子句集是否不可满足；5.命题逻辑中的归结原理；谓词逻辑中的归结原理,有归结原理进行推理.6.Horn子句归结方法；7.课本后面所有的习题.第/、章：1.产生式系统的三个组成部分；2.推理机的正向推理基本过程；3.产生式系统常推理方法；4.产生式系统常用的产生式规则冲突消解策略.第七章：知识表示：1.常见事物之间8种关系的语义网络表示方法；2.用语义网络表示命题.(习题七:4, 5题)一、填空题1、文字P (X)与文字____________________ 互补。

2、产生式系统由产生式规则库、动态数据库和_________________ 三部分组成。

3、己知表：[[a,b], [c], [d,e]],则表头是：_____________ ,表尾是：______________4、设谓词公式:G= 3xVyVz (P(x, y, z) A -.Q(x, y, z)),则G 的子句集为：5、命题“不是毎个计算机系的都喜欢计算机程序设计语言”，用谓词公式表达为:2.试用Horn子句归结法,证明P(a, c)是子句集｛(1), (2)，(3), (4)｝的逻辑结论.(1)P(x, z) <—Pi(x, y), P2(y, z)(2)Pi (u, v) <—Pu (u, v)(3)Pn(a, b) <—(4)P“b，c) e(5)<-P(a, c)3.计算机科学系要招聘一名教师，侖A, B, C三人前來应聘，经面试后，计算机系表示如下想法：①如果录用B，则一定录用C;②如果录用A而不录用B，则一定录用C;③三人中至少录用一人。