人工智能导论-第1章 人工智能概述

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 4.2

2．主观 Bayes 方法：例 4.8 ，例 4.9

3．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

《导论》教学教案

第一章：概述

1.1 教学目标

让学生了解的定义、发展历程和应用领域。

让学生理解的基本原理和技术。

1.2 教学内容

的定义和发展历程。

的应用领域和挑战。

的基本原理和技术。

1.3 教学方法

采用讲授法，讲解的定义和发展历程。

采用案例分析法，分析的应用领域和挑战。

采用讨论法，探讨的基本原理和技术。

1.4 教学评估

课堂讨论，了解学生对的理解程度。

第二章：机器学习

2.1 教学目标

让学生了解机器学习的定义、分类和应用。

让学生理解监督学习和无监督学习的基本原理。

2.2 教学内容

机器学习的定义和分类。

监督学习和无监督学习的基本原理。 机器学习应用案例。

2.3 教学方法

采用讲授法，讲解机器学习的定义和分类。

采用案例分析法，分析监督学习和无监督学习的基本原理。

采用实践操作法，让学生动手实践机器学习算法。

2.4 教学评估

课堂讨论，了解学生对机器学习的理解程度。

课后作业，让学生完成一个简单的机器学习项目。

第三章：深度学习

3.1 教学目标

让学生了解深度学习的定义、原理和应用。

让学生理解神经网络和卷积神经网络的基本概念。

3.2 教学内容

深度学习的定义和原理。

神经网络和卷积神经网络的基本概念。

深度学习应用案例。

3.3 教学方法

采用讲授法，讲解深度学习的定义和原理。

采用案例分析法，分析神经网络和卷积神经网络的基本概念。

采用实践操作法，让学生动手实践深度学习算法。

3.4 教学评估

课堂讨论，了解学生对深度学习的理解程度。 课后作业，让学生完成一个简单的深度学习项目。

第四章：自然语言处理

4.1 教学目标

让学生了解自然语言处理的定义、原理和应用。

让学生理解词性标注、句法分析和机器翻译的基本概念。

4.2 教学内容

自然语言处理的定义和原理。

词性标注、句法分析和机器翻译的基本概念。

自然语言处理应用案例。

4.3 教学方法

采用讲授法，讲解自然语言处理的定义和原理。

未知驱动探索，专注成就专业

1

人工智能导论-各章习题答案

第一章习题解答

1. 什么是人工智能？

人工智能（Artificial Intelligence，简称AI）是指使机器具有类似或超过人类智能的能力。人工智能研究的目标是使计算机能够进行人类智力活动，例如学习、理解、推理和决策等。

2. 人工智能的基本分类

人工智能可以分为弱人工智能（Narrow AI）和强人工智能（General AI）两类。

弱人工智能是指针对特定任务开发的人工智能系统，比如语音识别、图像处理和机器翻译等。弱人工智能系统有特定的输入和输出，其能力局限于特定任务。

强人工智能是指能够在各种智力活动中与人类媲美或超越人类的人工智能系统。强人工智能拥有自主学习、理解、推理和决策的能力，可以应对复杂的问题和情境。 未知驱动探索，专注成就专业

2

3. 人工智能的应用领域

人工智能已经在多个领域得到应用，包括但不限于以下几个方面：

• 机器学习：基于数据和统计方法，让计算机自动学习并改进性能。

• 自然语言处理：使计算机能够理解和处理人类语言。

• 机器视觉：使计算机能够理解和处理图像和视频。

• 专家系统：建立基于规则和知识的推理系统，用于解决复杂的问题和决策。

• 智能机器人：让机器拥有感知、决策和执行的能力，用于自主操作和交互。

• 数据挖掘：发现数据中的模式和关联，用于预测和决策支持。

4. 人工智能的发展历史

人工智能的发展可以追溯到20世纪50年代，随着计算机技术和算法的进步，人工智能开始逐渐崭露头角。 未知驱动探索，专注成就专业

3

在1956年，达特茅斯会议举行，标志着人工智能的诞生。随后，人工智能经历了繁荣期、低谷期和复兴期等不同的发展阶段。

繁荣期（1956-1974）中，很多初期的人工智能算法被提出，比如逻辑推理、机器学习和专家系统等。然而，由于计算能力限制和算法的局限性，人工智能在这个时期受到了限制。

《人工智能导论》重难点索引

第1章 绪 论

重点:

1. 人工智能的定义

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。

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。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能, 并开发相关理论和技术。

人工智能(能力)：人工智能(能力)是智能机器所执行的通常与人类智能有关的智能行为,

如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。

2. 人工智能的起源与发展过程

了解人工智能的发展历史。

3. 人工智能与人类智能的关系

4. 简介目前人工智能的主要学派

符号主义(Symbolicism), 联结主义(Connectionism), 行为主义(Actionism)。

第2章 数理逻辑基础

重点:

1. 数理逻辑概述

了解数理逻辑的相关概念。

2. 命题逻辑

理解命题逻辑的概念及物理意义, 掌握命题公式及其解释。

3. 谓词与量词

理解谓词与量词的概念, 约束变元、自由变元、改名规则。

4. 谓词公式及其解释

谓词公式的定义, 解释的定义及应用。

5. 谓词公式的等价与蕴涵

等价与蕴涵的概念。

6. 谓词公式的标准形式

范式的概念与类型, 各类范式的获取。

难点:

1. 谓词公式的解释

2. 谓词公式等价与蕴涵的区别

3. 范式的计算

第3章 归结推理方法

重点:

1. 子句集的海伯伦域与海伯伦定理

原子集的定义, 海伯伦域定义与海伯伦解释, 海伯伦定理的应用。

2. 置换与合一算法

置换的定义与特征, 最一般合一算法（mgu算法）的定义与计算。

3. 归结原理与归结反演

归结的概念, 命题逻辑与谓词逻辑中的归结原理, 归结反演的物理意义及其应用。