人工智能

一

1.什么是智能？它有哪些特征或特点？

定义：智能是知识与智力的总和。其中，知识是一切智能行为的基础，而智力是获取知识并应用知识求解问题的能力。

特点：主要体现为感知能力（通过视觉、听觉、触觉、嗅觉等感觉器官感知外部世界的能力。

80%以上信息通过视觉得到，10%信息通过听觉得到。）、记忆与思维能力（思维可分为逻辑思维、形象思维以及顿悟思维）、学习能力(学习既可能是自觉的、有意识的，也可能是不自觉的、无意识的；既可以是有教师指导的，也可以是通过自己实践的。)、行为能力(人们的感知能力：用于信息的输入。行为能力：信息的输出。)。

2.什么是人工智能？（名解）

定义：用人工的方法在机器（计算机）上实现的智能；或者说是人们使机器具有类似于人的智能。

4. 人工智能研究的基本内容有哪些？

解：1.知识表示(知识表示：将人类知识形式化或者模型化。知识表示方法：符号表示法、连接机制表示法。)2.机器感知(机器感知：使机器（计算机）具有类似于人的感知能力。以机器视觉与机器听觉为主。)3.机器思维(机器思维：对通过感知得来的外部信息及机器内部的各种工作信息进行有目的的处理。)4机器学习(机器学习：研究如何使计算机具有类似于人的学习能力，使它能通过学习自动地获取知识。)5.机器行为(机器行为：计算机的表达能力，即“说”、“写”、“画”等能力。)

5. 人工智能有哪些主要研究领域？

1. 自动定理证明2. 博弈3. 模式识别4. 机器视觉5. 自然语言理解6. 智能信息检索

7. 数据挖掘与知识发现8. 专家系统9. 自动程序设计10. 机器人11. 组合优化问题

12. 人工神经网络13. 分布式人工智能与多智能体14. 智能控制 15. 智能仿真16. 智能CAD 17. 智能CAI 18. 智能管理与智能决策19. 智能多媒体系统20. 智能操作系统21. 智能计算机系统22. 智能通信23. 智能网络系统24. 人工生命

解：二

1. 什么是知识？它有哪些特性？

定义：在长期的生活及社会实践中、在科学研究及实验中积累起来的对客观世界的认识与经验。把有关信息关联在一起所形成的信息结构。

特性：相对正确性( 任何知识都是在一定的条件及环境下产生的，在这种条件及环境下才是正确的。)、不确定性(随机性引起的不确定性 ,模糊性引起的不确定性 ,经验引起的不确定性 ,不完全性引起的不确定性)、可表示性和可利用性(知识的可表示性: 知识可以用适

当形式表示出来，如用语言、文字、图形、神经网络等。知识的可利用性: 知识可以被利用。)。

2. 何谓知识表示？如何选择知识的表示方法？

定义：将人类知识形式化或者模型化。知识表示是对知识的一种描述，或者说是一组约定，一种计算机可以接受的用于描述知识的数据结构。

（1）充分表示领域知识。

（2）有利于对知识的利用。

（3）便于对知识的组织、维护与管理。

（4）便于理解与实现。

3 知识有哪几种表示方法？

（1） 一阶谓词逻辑表示法 （2） 产生式表示法

（3） 语义网络表示法 （4） 框架表示法 （5） 过程表示法

三

1. 什么是演绎推理？什么是归纳推理？

演绎推理是从全称判断推导出单称判断的过程，即由一般性知识推出适合于某一具体情况的结论。这是一种从一般到个别的推理。

归纳推理是从足够的事例中归纳出一般性结论的推理过程，是一种从个别到一般的推理。

自然演绎推理：从一组已知为真的事实出发，运用经典逻辑的推理规则推出结论的过程。

2. 自然演绎推理的优点和缺点。

优点：1.表达定理证明过程自然，易理解。2.拥有丰富的推理规则，推理过程灵活。3.便于嵌入领域启发式知识。缺点：易产生组合爆炸，得到的中间结论一般呈指数形式递增

五

1.搜索中需要解决的基本问题：

（1）是否一定能找到一个解。

（2）找到的解是否是最佳解。

（3）时间与空间复杂性如何。

（4）是否终止运行或是否会陷入一个死循环

2.搜索的主要过程：

(1) 从初始或目的状态出发，并将它作为当前状态。

(2) 扫描操作算子集，将适用当前状态的一些操作算子作用于当前状态而得到新的状态，并建立指向其父结点的指针 。

(3) 检查所生成的新状态是否满足结束状态，如果满足，则得到问题的一个解，并可沿着有关指针从结束状态反向到达开始状态，给出一解答路径；否则，将新状态作为当前状态，返回第(2)步再进行搜索

3.搜索的概念：在搜索中需要解决是否能找到一个解、是否终止运行、找到的解是否最佳解、搜索过程的时间与空间复杂性如何等基本问题。

4.搜索策略

(1) 数据驱动：从初始状态出发的正向搜索。

目的驱动：从目的状态出发的逆向搜索。

1）盲目搜索：对特定问题不具有任何有关信息的条件下，按固定的步骤（依次或随机调用操作算子）进行的搜索。

2）启发式搜索：考虑特定问题领域可应用的知识，动态地确定调用操作算子的步骤，

优先选择较适合的操作算子，尽量减少不必要的搜索，以求尽快地到达结束状态。

七

1.专家系统的定义

一类包含知识和推理的智能计算机程序 。专家系统是基于知识的系统，用于在某种特定的领域中运用领域专家多年积累的经验和专门知识，求解需要专家才能解决的困难问题。

“专家系统是一种智能的计算机程序，它运用知识和推理来解决只有专家才能解决的复杂问题。”

2.专家系统的一般结构

人机接口、推理机、知识库、数据库、知识获取机构、解释机构

3.工作原理：一般的专家系统是通过推理机与知识库和综合数据库的交互作用来求解领域问题的，其大致过程如下：

1）根据用户的问题对知识库进行搜索，寻找有关的知识；（匹配）

2）根据有关的知识和系统的控制策略形成解决问题的途径，从而构成一个假设方案集合；

3）对假设方案集合进行排序，并挑选其中在某些准则下为最优的假设方案；（冲突解决）

4）根据挑选的假设方案去求解具体问题；（执行）

5）如果该方案不能真正解决问题，则回溯到假设方案序列中的下一个假设方案，重复求解问题；

6）循环执行上述过程，直到问题已经解决或所有可能的求解方案都不能解决问题而宣告“无解”为止。

4.知识发现和数据挖掘的目的：从数据集中抽取和精化一般规律或模式。

5.知识发现过程分为：数据准备、数据挖掘以及结果的解释评估等三步。

6.数据挖掘：数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。从数据库中挖掘知识。

7. 2.数据挖掘

数据挖掘阶段首先要确定挖掘的任务或目的是什么，如数据总结、分类、聚类、关联规则或序列模式等。

确定了挖掘任务后，就要决定使用什么样的挖掘算法。同样的任务可以用不同的算法来实现。

选择实现算法有两个考虑因素：

一是不同的数据有不同的特点，因此需要用与之相关的算法来挖掘；

二是用户或实际运行系统的要求，有的用户可能希望获取描述型的、容易理解的知识，而有的用户系统的目的是获取预测准确度尽可能高的预测型知识。

九

智能体：Agent可以看做是一个程序或者一个实体，它嵌入在环境中，通过传感器(sensors)感知环境，通过效应器（effectors）自治地作用于环境并满足设计要求。

9.1.2 智能体的特性

（1）自主性：Agent具有独立的局部于自身的知识和知识处理方法，能够根据其内部状态和感知到的环境信息自主决定和控制自身的状态和行为。

（2）反应性：Agent能够感知、影响环境。Agent的行为是为了实现自身内在的目标，在某些情况下，Agent能够采取主动的行为，改变周围的环境，以实现自身的目标。

（3）社会性：很多Agent同时存在，形成多智能体系统，模拟社会性的群体。Agent具有和外部环境中其它Agent相互协作的能力，在遇到冲突时能够通过协商来解决问题。

（4）进化性：Agent应该能够在交互过程中逐步适应环境，自主学习，自主进化。

9.3.2 Agent通信的方式

1. 黑板系统

黑板系统的模型有三个主要组成部分：

① 知识源，即Agent，是作为求解问题的独立单元，具有不同的专门知识，独立完成特定的任务。

② 黑板，即公共工作区，为知识源提供信息和数据，同时，供知识源进行修改。

③ 监控机制。根据黑板当前的问题求解状态，以及各知识源的不同求解能力，对其进行监控，使之能适时相应黑板变化，及时进行问题求解。

2. 2. 消息/对话系统

有如下两种方式来实现Agent间的消息传递：

① 直接通信方式：每个Agent必须知道消息在什么时候发送到什么地方，系统中有哪些Agent可以合作，这些Agent各具备什么样的能力等。这要求系统中的每个Agent都拥有其他Agent的信息。

② 中介的通信：在基于中介的消息传送中，若干相距较近的Agent通过通信服务器来进行交互和消息发送，而远程Agent之间的交互是由局部群体中的通信服务器协作完成的。