人工智能論述題.doc

精品文檔1.論述題：根據你對人工智能的學習和了解談談人工智能都有哪些主要研究領域你認為在哪些領域還可以進一步應用人工智能如何運用？答：人工智能主要研究領域：博弈，自動定理證明，專家系統，模式識別，機器學習，計算智能，自然語言處理，分布式人工智能，機器人。在專家系統領域可以進一步應用人工智能，因為在專家系統開發(fā)中，只是獲取是后續(xù)工作的基礎，在知識獲取的過程中可以采用自動知識獲取的方法，在此獲取知識的過程中充分利用人工智能學科中相關知識以最高的效率來獲取，要得到的內容。以及在專家系統知識獲取的4個任務中（知識抽取、知識轉換、知識輸入、知識檢測）也可以進一步應用人工智能。引入新興的軟件開發(fā)思想，如面向對象理論、智能Agent、構件化編程思想等，使得專家系統的開發(fā)更加容易，代碼的重用性進一步提高。2.從微觀宏觀的角度認識人工智能：微觀上，考慮的是智能產生的根源或機理。人的智能產生于大腦中不同部位的神經元分工、協作，產生或傳遞各種信號，并產生相應的輸出結果，支配人的具體行為。/宏觀上，從智能產生的認知過程來理解，人腦的智能都是某種心理活動或思維過程的結果；也可以從智能的外在表現來理解，智能是人類和一些動物特有的在解決具體問題所表現出的智力或行為能力。人工智能的基本內容即知識的獲取、知識的處理以及知識的運用。人工智能的研究途徑和方法：傳統劃分法：（1.符號主義學派、2.鏈接主義學派、3.行為主義學派。）現代劃分法：（1.符號智能流派2.計算智能流派3.群體智能流派）3.啟發(fā)性知識就是與被求解問題自身特性相關的知識，包括被求解問題的解的特性、解的分布規(guī)律和在實際當中求解此類問題的經驗技巧等。/啟發(fā)式函數的設計：啟發(fā)式搜索的關鍵就是設計啟發(fā)函數，通常，啟發(fā)函數用來估計搜索樹中節(jié)點x與目標節(jié)點接近程度，記為h(x)。在實際設計過程中，啟發(fā)函數可以是：1.一個節(jié)點到目標節(jié)點的某種距離或差異的量度。2.一個節(jié)點處在最佳路徑的概率。3.根據主觀經驗給節(jié)點打分等。4.機器推理概述：推理是人腦的基本功能和重要功能，幾乎所有的人工智能領域都與推理有關。因此，要實現人工智能，就必須將推理的功能測試的功能賦予機器，實現機器推理。機器推理也稱為計算機推理或自動推理。/自然演繹方法模擬人思維的過程，從一組已知為真的事實出發(fā)，直接運用經典邏輯的推理規(guī)則推出結論。歸結演繹推理就是使用歸結原理進行自動定理證明。5.根據不確定性產生的原因及表現形式，可以將不確定性大致分為以下四個類型。1.隨機不確定性，是基于概率的一種衡量，即已知一個時間有多個可能的結果。2.模糊不確定性3.不完全性，就是指人們對某事物了解還不完全，或者認識不夠完整、不充分。4.不一致性，就是在推理過程中隨著時間或空間的推移，得到了前后不相容的結論。6.機器學習：實現通過經驗來提高對某任務處理性能的行為的計算機程序。/機器學習系統的要素：學習任務、學習經驗、性能評價標準以及使性能不斷完善的學習機制或算法。機器學習系統的基本結構：1.環(huán)境：提供外界信息，類似于教師的角色。2.學習環(huán)節(jié)：處理環(huán)境提供的信息并接收執(zhí)行環(huán)節(jié)的反饋信息，以便得到并改善知識庫中的知識，直到滿足性能標準，相當于各種學習算法。3.知識庫：即學習到的知識，通常是要學習的目標函數的逼近，以某種知識表示形式存儲，以便擴充和改善。4.執(zhí)行環(huán)節(jié)：利用知識庫中的知識完成某種任務，目的是測試所學習到的知識的性能，并把執(zhí)行中的某種情況回送給學習環(huán)節(jié)（進行評價），進一步可以運用所學知識解決實際問題。7.專家系統的四個特征：1.應用于某專門領域。專家系統是針對某一特定領域的具體問題進行處理的智能程序系統，求解的問題也僅僅局限于一個較窄的范圍，而不是通用問題求解程序。2.擁有專家級知識。專家系統擁有的知識豐富、質量越高，解決問題的能力就越強。3.能模擬人類專家思維和決策過程。除了擁有專家級知識之外，為求解領域內的現實問題，專家系統還必須能模擬人類專家在解決問題時的思維方式和決策過程，能夠依據用戶提供的已知事實，進行有效的推理。4.達到專家級水平。專家系統擁有大量高質量的專家知識，可使問題求解達到較高的水平，即專家水平。/優(yōu)點、特點：專家系統主要依靠知識和推理來解決那些不確定性的、非結構化的、沒有算法解或雖有算法解但在現有的機器上無法實施的困難問題；在專家系統中，強調知識與推理的分離，因而系統具有很好的靈活性和可擴充性；現代專家系統還具有“自學習”能力，即不斷對自己的知識進行擴充、完善和提煉，這一點是傳統系統無法比擬的；另外專家系統不會像人那樣容易疲勞、遺忘，易受環(huán)境、情緒等的影響，它可以始終如一地以專家級的高水平求解問題。8.知識獲取：就是把人類領域專家解決問題的經驗和知識以及領域理論知識經過識別,理解，篩選，歸納等抽取出來，建立知識庫。/知識獲取的方式：按照知識獲取的自動化程度，大致可以分為人工知識獲取，半自動知識獲取和自動知識獲取三種方式。人工知識獲取途徑中，主要是通過只是工程師或計算機人員和領域專家交流來獲取知識。半自動知識獲取途徑中，通過只是工程師和領域專家的交流獲取知識，知識工程師按照專門的知識獲取系統通過交互方式輸入規(guī)則的前提條件，結論及規(guī)則強度，系統能自動將其翻譯為對應的只是表達形式，并能給出自然語言的描述形式，供知識工程師或領域專家檢驗知識的正確性，同時，知識獲取系統還能自動檢驗新規(guī)則與原有知識是否一致，對不一致的知識及時報告，便于領域專家和知識工程師及時修正。自動知識獲取途徑是指系統時自身具有知識獲取能力，能夠在系統自身的運行實踐中總結，歸納出新的知識，并能發(fā)現只是中可能存在的錯誤，不斷自我完善，建立起性能優(yōu)良，知識完善的知識庫。/知識獲取的任務主要是抽取知識，知識的轉換，知識的輸入和知識的檢測四部分。抽取知識。主要是指把領域專家或相關的專業(yè)技術文獻中的知識進行挑選，從而得到所需要的知識。另外，還需要系統具有自動從實踐中學習，總結出新知識的能力。知識的轉換。就是把一種知識表達形式轉換為另一種知識表現形式。知識的輸入。把適當模式表示的知識經編輯，編譯送入知識庫。知識的檢測。在建立知識庫任何環(huán)節(jié)的失誤都會造成知識的錯誤，因此必須對知識進行檢測。知識的檢測包括邏輯等價式的檢測，冗余的檢測，矛盾規(guī)則及矛盾規(guī)則鏈的檢測，從屬規(guī)則的檢測以及環(huán)路檢測等，通過這些檢測來保證知識的一致性，完整性和正確性1、人工智能定義 答：從能力的角度看，人工智能是指用人工的方法在機器(計算機；上實現的智能。從學科的角度看，人工智能是一門研究如何構造智能機器或智能系統，使它能模擬、延伸和擴展人類智能的學科。2、人工智能的目標 答:遠期目標：揭示人類智能的根本機理，用智能機器去模擬、擴展和延伸人類智能。近期目標：研究如何使現有的計算機更聰明，即使她能夠運用知識去處理問題，能夠模擬人類的智能行為。3、人工智能的三大學派 答：人工智能發(fā)展中的3個主要學派：符號主義、連接主義、行為主義。符號主義認為人工智能源于數理邏輯；人的認知基元是符號，認知過程即符號操作過程。連接主義認為源于仿生學；人的思維基元是神經元，不是符號處理過程。行為主義認為源于控制論。智能取決于感知和行動，提出智能行為的“感知動作”模式4、什么是知識？有哪幾種主要的知識分類方法 答：知識是人們在改造客觀世界的實踐中積累起來的認識和經驗。1、按知識的性質：概念、命題、公理、定理、規(guī)則、方法2、按知識的適應范圍：常識性知識、領域性知識3、按知識的作用效果：事實性知識、過程性知識、控制性知識4、按知識的層次：表層知識、深層知識5按知識的等級：零級知識、一級知識、二級知識6按知識的結構及表現形式：邏輯性知識、形象性知識5、知識表示及其要求答：知識表示就是對知識的描述，即用一些約定的符號把知識編碼成一組可以被計算機接收并便于系統使用的數據結構。要求：1；表示能力2；可利用性3；可組織性與可維護性4；可實現性5；自然性與可理解性。6、產生式的基本形式是什么？它與謂詞邏輯中的蘊涵式有什么相同和不同處?答：P-QIFPTHENQ。蘊涵式僅是產生式的一種特殊情況。1；蘊涵式智能表示確定性知識，其真值只能取真或假。而產生式不僅可以表示確定性知識，也可以表示不確定性知識。2；在產生式表示法中，決定一個產生式是否可用，是通過檢查已知事實是否與前提中所規(guī)定的條件匹配來實現的，并且匹配可以是精確度的，也可以是不精確的。而謂詞邏輯中的蘊涵式，其匹配規(guī)則要求一定是精確的。7、何為產生式系統，它由哪幾部分構成？ 答：通常把產生式知識表示方法構造的智能系統稱為產生式系統。一個產生式系統的基本結構包括綜合數據庫、規(guī)則庫和控制系統這三部分。8、什么是推理？它有那些分類方法？答:推理是指按照某種策略從已知事實出發(fā)推出結論的過程。主要有演繹推理和歸納推理。9、推理中的控制策略包括哪幾方面的內容？主要解決那些問題？答：主要包括推理策略和搜索策略。主要解決推理方向、沖突消解等問題。10、何為正向推理？何為逆向推理？何為混合理？答：正像推理是一種從一種從已知事實出發(fā)、正向使用推理規(guī)則的推理方式，也稱為數據驅動推理或向前鏈推理。逆向推理是一種以某個假設目標為出發(fā)點的推理方法，也稱為目標驅動推理或逆向鏈推理。為了更好地發(fā)揮這兩種算法各自的長處，避免各自的短處，互相取長補短，可以將它們結合起來使用。這種推理方法稱為混合推理。11、什么是謂詞公式的可滿足性？什么是謂詞公式的不可滿足性？答：對于謂詞公式P，如果至少存在D上的一個解釋，使公式P在此解釋下的真值為T，則稱公式P在D上是可滿足的。可滿足性又稱為相容性。15、什么是搜索?有哪兩大類不同的搜索方法?兩者的區(qū)別是什么？答：根據問題的實際情況，不斷尋找可利用知識，從而構造一條代價最小的推理路線，使問題得以解決的過程稱為搜索。盲目搜索和啟發(fā)式搜索。狀態(tài)空間搜索和與或樹搜索。狀態(tài)空間法和問題規(guī)約法是最基本的兩種求解方法。狀態(tài)空間法和與或樹表示法則是人工智能中最基本的的兩種問題表示方法。16、什么是狀態(tài)空間？用狀態(tài)空間表示問題時，什么是問題的解？什么是最優(yōu)解？最優(yōu)解唯一嗎？答：狀態(tài)空間法的基本思想是用狀態(tài)和操作來表示和求解問題的。由初始狀態(tài)到達目標狀態(tài)所用的運算符序列就是該問題的一個解。18、在狀態(tài)空間一般搜索過程中，Open表與Closed表的作用與區(qū)別是什么？答：1；存放結點不同。Open表存放未擴展的結點，Closed表存放已經擴展過的借點。2；Open Open表為空時，算法停止。表里結點的順序對算法效率有影響320、什么是不確定性推理?為什么要采用不確定性推理?答：不確定性推理實際上是一種從不確定的初始證據出發(fā)。通過運用不確定性知識，最終推出具有一定程度的不確定性但卻又是合理或基本合理的結論的思維過程。1；所需知識不完備、不精確2；所需知識描述模糊3；多種原因導致同一結論4；解決方案不唯一。21、不確定性推理需要解決的基本問題有哪些？ 答:1；定性的表示(知識的不確定性和證據的不確定性；2；不確定性的匹配3；組合證據不確定性的計算4；不確定性的更新5；不確定性結論的合成。22、統的基本模型 答1；環(huán)境與學習環(huán)節(jié)2)知識庫3；執(zhí)行環(huán)節(jié)(復雜度、反饋、透明性；。23、專家系統的概念和基本結構。答:主要特點：靈活性、啟發(fā)性、透明性。1；知識庫2；數據庫3；推理機4；解釋模塊5；知識獲取模塊6)人機接口。1.什么是人類智能？它有哪些特征或特點？定義：人類所具有的智力和行為能力。特點：主要體現為感知能力、記憶與思維能力、歸納與演繹能力、學習能力以及行為能力。2.人工智能是何時、何地、怎樣誕生的？解：人工智能于1956年夏季在美國Dartmouth大學誕生。此時此地舉辦的關于用機器模擬人類智能問題的研討會，第一次使用“人工智能”這一術語，標志著人工智能學科的誕生。3.什么是人工智能？它的研究目標是？定義：用機器模擬人類智能。研究目標：用計算機模仿人腦思維活動，解決復雜問題；從實用的觀點來看，以知識為對象，研究知識的獲取、知識的表示方法和知識的使用。4.人工智能的發(fā)展經歷了哪幾個階段？解：第一階段：孕育期（1956年以前）；第二階段：人工智能基礎技術的研究和形成（19561970年）；第三階段：發(fā)展和實用化階段（19711980年）；第四階段：知識工程和專家系統（1980年至今）。5.人工智能研究的基本內容有哪些？解：知識的獲取、表示和使用。7.人工智能有哪幾個主要學派？各自的特點是什么？主要學派：符號主義和聯結主義。特點：符號主義認為人類智能的基本單元是符號，認識過程就是符號表示下的符號計算，從而思維就是符號計算；聯結主義認為人類智能的基本單元是神經元，認識過程是由神經元構成的網絡的信息傳遞，這種傳遞是并行分布進行的。8.人工智能的近期發(fā)展趨勢有哪些？解：專家系統、機器人學、人工神經網絡和智能檢索。9.什么是以符號處理為核心的方法？它有什么特征？解：通過符號處理來模擬人類求解問題的心理過程。特征：基于數學邏輯對知識進行表示和推理。11.什么是以網絡連接為主的連接機制方法？它有什么特征？解：用硬件模擬人類神經網絡，實現人類智能在機器上的模擬。特征：研究神經網絡。12.人工智能的近遠期目標：現階段人工智能的研究目標是，研究機器智能，即研究如何使現有的計算機具備更好的智能，在一定領域或一定程度上去完成需要人的復雜腦力勞動才能完成的工作，人工智能的遠期目標是智能機器，即探索智能的基本機理，研究如何使用各種機器，各種方法模擬人的思維過程或智能行為，最終制造出和人有相似智力水平和行為能力的綜合智能系統。1什么是人工智能？試從學科和能力兩方面加以論述。人工智能又稱機器智能。主要研究用人工的方法和技術開發(fā)智能機器或智能系統。以模仿，延伸和擴展人的智能，生物質能，自然智能實現機器的智能行為。能力：用機器模擬和實現人類智能。學科：人工智能是一門結合性極強的交叉性學科。當前的人工智能是計算機科學與技術領域的前沿。也是信息處理和自動化技術的前沿領域。2為什么使用歸結原理進行定理證明時要使用歸結策略。在歸結原理進行定理證明時要用到歸結策略，主要是因為歸結策略是一種線性策略，將上一步終得結論運用到下一步的證明中，使得歸結證明更加方便簡單。3什么是啟發(fā)函數什么是啟發(fā)式搜索？啟發(fā)式搜索過程：是一啟發(fā)知識為導航指導搜索朝著最有希望解的方向前進，獲得較高的搜索效率和近似最優(yōu)解。啟發(fā)函數：要實現啟發(fā)式搜索需要把啟發(fā)知識形式化。即一定的形式表示出來，并用函數計算來評價每種選擇的價值大小，用以指導搜索過程這樣的函數稱為啟發(fā)函數。4什么是不確定性推理，不確定性推理中需要解決的問題有哪些？一不確定性推理是建立在非經典邏輯的基礎之上從不確定性的事實出發(fā)運用不確定性的知識推理出一定程度的不確定的近乎合理的。二不確定性推理要解決的問題不確定性的表示和肚量不確定性的匹配算法不確定性的計算和傳播。5根據你的理解給出機器學習系統的基本結構及其各部分的主要作用。學習環(huán)境：提供外界信息類似教師的角色。學習環(huán)節(jié)：處理環(huán)境提供的信息并接收執(zhí)行環(huán)節(jié)的反饋信息。知識庫：即學習的知識通常學習的目標函數得的逼近。執(zhí)行環(huán)節(jié)：利用知識庫中的知識來完成某種任務檢測所學到的知識性能并把執(zhí)行中某種情況送給學習環(huán)節(jié)。6知識獲取是專家系統開發(fā)中一切后續(xù)工作的基礎，談談知識獲取的任務和知識獲取的方法。知識獲取的任務知識抽取從專家系統相關領域抽取相關的知識，知識轉化從一種形式轉化為另一種形式，知識輸入，將專家系統中的相關知識進行輸入，知識檢測對獲取系統中的知識進行檢測，知識獲取的方法：人工知識獲取，半自動知識獲取，自動知識獲取。2. 證據傳遞的不確定性指什么? 答:在推理過程中常常有這種情況:一條規(guī)則的結論又是另一條規(guī)則的前提.這樣.不確定的初始證據就會沿著這條推理鏈向下傳遞.其不確定性在傳遞的過程中會伴隨著規(guī)則的不確定性不斷地放大或縮小。3.什么是知識?知識有什么特性?什么是知識表示? 答:有格式的數據經過處理、解樣過程會形成信息.而把有關的信息關聯到一起，經過處理過程就形成了知識。知識的特性有:相對正確性，不確定性，可表示性和可利用性.知識表示是研究用機器表示知識的可行性、有效性的一般方法，是一種數據結構與控制結構的統一體.既考慮知識的存儲又考慮知識的使用。7.什么是搜索?有哪兩大類不同的搜索方法?答:搜索是一種求解問題的方法.是尋找從問題初始事實最終答案的推理路線的一種過程。在利用這種方法求解問題，要按照一定的策略.從知識庫中尋找可利用的知識.從而構造一條使問題獲得解決的推理路線.有兩大類搜索方法.即盲目搜索和啟發(fā)式搜索.8.什么是盲目搜索?主要有幾種盲目搜索策略? 答:盲目搜索又稱無信息搜索，即在搜索過程中，只按預先規(guī)定的搜索控制策略進行搜索，而沒有任何中間信息來改變這些控制策略. 主要的盲目搜索策略