演绎推理 归纳推理 类比推理
演绎推理：
演绎推理是从已知的前提中推导出结论的过程。它是基于逻辑关系的准确推理，从而使得结论具有必然性和确定性。演绎推理包括一般式和特殊式的关系，通过逻辑运算来推导出结论。演绎推理是一种精确的推理方法，通常被学术、法律、科学等领域使用。
归纳推理：
归纳推理是从一些特定的实例中推导出一般结论的过程。它是基于经验、观察和感性理解的推理方法。归纳推理是通过对事实进行分析、观察、比较和归纳，从而得出一般性的结论。归纳推理是科学研究和日常生活中常用的推理方法，但它也有一定的局限性，因为结论可能不具有绝对的确定性。
类比推理：
类比推理是通过将两个或多个事物之间的相似之处进行比较，从而推出它们之间的共同特点和关系。类比推理的基础是对比较对象之间的相似性进行分析和比较，从而得出结论。类比推理通常被用于解决新问题或预测未来事件，但也存在一定的风险，因为它基于的相似性可能是表面的而不是本质的。
人工智能复习题汇总(附答案)
一、选择题
1.被誉为“人工智能之父”的科学家是（ C ）。
A. 明斯基 B. 图灵
C. 麦卡锡 D. 冯.诺依曼
2. AI的英文缩写是( B )
A. Automatic Intelligence B. Artificial Intelligence
C. Automatic Information D. Artificial Information
3. 下列那个不是子句的特点（ D ）
A.子句间是没有合取词的(∧) B子句通过合取词连接句子(∧)
C子句中可以有析取词(∨) D子句间是没有析取词的(∨)
4. 下列不是命题的是（ C ）。
A.我上人工智能课 B. 存在最大素数
C.请勿随地大小便 D. 这次考试我得了101分
5. 搜索分为盲目搜索和（ A ）
A启发式搜索 B模糊搜索
C精确搜索 D大数据搜索
6. 从全称判断推导出特称判断或单称判断的过程，即由一般性知识推出适合于某一具体情况的结论的推理是（ B ）
A. 归结推理 B. 演绎推理
C. 默认推理 D. 单调推理
7. 下面不属于人工智能研究基本内容的是（ C ）
A. 机器感知 B. 机器学习 人工智能复习题汇总(附答案)
C. 自动化 D. 机器思维
8. S={P∨Q∨R, ┑Q∨R, Q, ┑R}其中, P 是纯文字，因此可将子句（ A ）从 S中删去
A. P∨Q∨R B. ┑Q∨R
C. Q D. ┑R
9. 下列不属于框架中设置的常见槽的是（ B ）。
A. ISA槽 B. if-then槽
1
方法精讲-判断 6（笔记）
四组翻译:
1. 如果„„那么„„：前推后
2. 只有„„才„„：后推前
3.„„且„„：同时成立
4.„„或„„：至少一个四组推理
1.逆否等价推理：A→B 等价于-B→-A
2.A 且 B 成立的推理规则：A 且 B→A；A 且 B→B
3.A 或 B 成立的推理规则：否一推一4.摩根定律：-(A 且 B)＝-A 或-B
-(A 或 B)＝-A 且-B
【注意】课前答疑：
1. “有的”的推理在《学霸养成课》中讲解，上节课的课程可以解决大部分的翻译推理题，只缺少两个知识点，一个是“有的”的推理，另一个是二难定理， 这两个知识点会在以后的课程中讲解。
2. 翻译推理中只有推出确定答案的题目才可以用代入，答案能写成箭头的推出形式，则不能用代入。翻译推理要掌握好定理，可以比较快速解答，如果遇到答案是确定的“谁是谁”，做题时可以读一句排一句，速度会比较快。
3. 上节课程中“除非„„否则„„”和“„„或者„„”的翻译比较难，否一推一的形式是先打“×”，再打“√”，翻译推理对顺序的要求很高，不能随便变化，要先“×”后“√”。
4. 逆否等价比较容易错，大家要熟记公式。
5. 必要条件（难点）：将必要条件放在箭头后。必要条件在考试中出现比较多，且可以替换的词语也比较多，可以替换为基础/前提/假设/必要条件/必不可少，充分条件没有替换词，如果出现，将充分条件放在箭头前。
6. 充要条件是指两个条件能互相推（A B），在翻译推理中没有出现过，在加强题目中曾经出现过“唯一条件”，“唯一条件”是指“缺了它不行”，可作 启智职教的店 2
为必要条件，但是这个条件又是唯一的，只有它能够满足，因此也可以放在箭头前作为充分条件。故“唯一条件”就是“充要条件”，考试没有涉及，不建议学习。
7. “A 或 B”是指“至少有一个”，“至多有一个”指要么只有 A，要么只有 B，要么 A 和 B 都没有，即可以是 1，也可以是 0，意味着不能同时出现，不能同时都“是”，翻译为“-（A 且 B）”，根据摩根定律，去括号为“-A 或-B”。
不确定性推理概述
4.1.1 不确定推理的概念
所谓推理就是从已知事实出发，运⽤相关知识（或规则）逐步推出结论或证明某个假设成⽴或不成⽴的思维过程。其中已知事实和知识（规则）是构成推理的两个基本要素。已知事实是推理过程的出发点，把它称为证据。4.1.2 不确定性推理⽅法的分类
可信度⽅法、主观Bayes⽅法、证据理论 都是在概率论的基础上发展起来的不确定性推理⽅法。4.1.3 不确定性推理
知识库是⼈⼯智能的核⼼，⽽知识库中的知识既有规律性的⼀般原理，⼜有⼤量的不完全的专家知识，即知识带有模糊性、随机性、不可靠或不知道不确定因素。世界上⼏乎没有什么事情是完全确定的。不确定性推理即是通过某种推理得到问题的精确判断。
（1）不确定性问题的代数模型
⼀个问题的代数模型由论域、运算和公理组成。建⽴不确定性问题模型必须说明不确定知识的表⽰、计算、与语义解释。
不确定性的表⽰问题：指⽤什么⽅法描述不确定性，通常有数值和⾮数值的语义表⽰⽅法。数值表⽰便于计算，⽐较，再考虑到定性的⾮数值描述才能较好的解决不确定性问题。例如对规则A->B（即A真能推导B真）和命题（或称证据、事实）A，分别⽤f(B,A)来表⽰不确定性度量。推理计算问题：指不确定性的传播和更新，也即获得新的信息的过程。包括：
①已知C(A),A->B,f(B,A)，如何计算C(B)
②证据A的原度量值为C1(A),⼜得C2(A)，如何确定C(A)
③如何由C(A1)和C(A2)来计算C(A1∧A2)，C(A1∨A2)等。
⼀般初始命题/规则的不确定性度量常常由有关领域的专家主观确定。
语义问题：是指上述表⽰和计算的含义是什么？即对它们进⾏解释，概率⽅法可以较好地回答这个问题，例如f(B,A)可理解为前提A为真时对结论B为真的⼀种影响程度，C(A)可理解为A为真的程度。特别关⼼的是f(B,A)的值是：
①A真则B真，这时f(B,A)=?②A真则B假，这时f(B,A)=?③A对B没有影响时，这时f(B,A)=?
