第一篇：人工智能2015复习资料解读
1.深度优先方法的特点是什么？ 答:（1）属于图搜索；（2）是一个通用的搜索方法；（3）如果深度限制不合适，有可能找不到问题的解；（4）不能保证找到最优解。
2.什么是置换？置换是可交换的吗？
答: 通常用有序对的集合s＝{t1/v1，t2/v2，„，tn/vn}来表示任一置换，置换集的元素ti/vi的含义是表达式中的变量vi处处以项ti来替换，用s对表达式E作置换后的例简记为Es。一般来说，置换是不可交换的，即两个置换合成的结果与置换使用的次序有关。3.填写下面的三值逻辑表。
其中T，F，U分别表示真，假，不能判定
4.什么是产生式？
答：产生式规则基本形式：P→Q 或者
IF P THEN Q P 是产生式的前提（前件），用于指出该产生式是否可用的条件 Q 是一组结论或操作（后件），用于指出当前提 P 所指示的条件满足时，应该得出的结论或应该执行的操作
5.产生式规则的语义是什么？
产生式规则的语义：如果前提P被满足，则可推出结论 Q 或执行 Q 所规定的操作 6.解释下列模糊性知识： 1)张三，体型，（胖，0.9））。
2)(患者，症状，(头疼，0.95))∧(患者，症状，(发烧，1.1))→(患者，疾病，(感冒，1.2))答：1）表示：命题“张三比较胖”
2）解释为：如果患者有些头疼并且发高烧，则他患了重感冒。
7、简单阐述产生式系统的组成：
答：1）产生式规则库：描述相应领域知识的产生式规则集。2）数据库：（事实的集合）存放问题求解过程中当前信息的数据结构（初始事实、外部数据库输入的事实、中间结果事实和最后结果事实）。3）推理机：（控制系统）是一个程序，控制协调规则库与数据库的运行，包含推理方式和控制策略。
8、补齐产生式系统与图搜索的对比表
答：
9、已知W={P(f(x,g(A,y)),z),P(f(x,z),z)}，求MGU 答：k=0;S0=S;δ0=ε;S0不是单元素集，求得差异集D0={g(A,y)},z},其中z是变元，g(A,y)是项，且z不在g(A,y)中出现。k=k+1=1 有δ1=δ0·｛g(A,y)/z｝=ε·｛g(A,y)/z｝=｛g(A,y)/z｝，S1=S0·｛g(A,y)/z｝={P(f(x,g(A,y)),g(A,y))},S1是单元素集。根据求MGU算法，MGU=δ1=｛g(A,y)/z｝ 10.证明G是否是F1、F2的逻辑结论；
F1：x(P(x)(Q(x)R(x))F2：x(P(x)S(x))G：x(S(x)R(x))证:①┓P(x)∨Q(x)．．．从F1变换
②┓P(y)∨R(y)` ．．．从F1变换 ③P(a)
．．．从F2变换 ④S(a)
．．．从F2变换 ⑤┓S(z)∨┓R(z)．．．结论的否定
⑥R(a)
．．．②③归结｛a/y｝ ⑦┓R(a)
．．．④⑤归结｛a/z｝ ⑧□
．．．⑥⑦归结 得证.11.谓词公式G通过８个步骤所得的子句集合S，称为G的子句集。请写出这些步骤。答：1）消去蕴含式和等价式→，<->
2）缩小否定词的作用范围，直到其作用于原子公式: 3）适当改名，使量词间不含同名指导变元和约束变元。
4.）消去存在量词（形成Skolem标准型）
5）消去所有全称量词
6)化成合取范式
7).适当改名，使子句间无同名变元
8).消去合取词∧，用逗号代替，以子句为元素组成一个集合S 12.已知S={P(f(x),y,g(y)),P(f(x),z,g(x))}，求MGU 答：k=0;S0=S;δ0=ε;S0不是单元素集，求得差异集D0={y,z},其中y是变元，z是项，且y不在z中出现。k=k+1=1 有δ1=δ0·｛z/y｝=ε·｛z/y｝=｛z/y｝，S1=S0·｛z/y｝={P(f(x),z,g(z)),P(f(x),z,g(x))},S1不是单元素集，求得差异集D1=｛z,x｝,k=k+1=2;δ2=δ1·｛z/x｝=｛z/y,z/x｝, S2=S1·｛z/x｝=｛P(f(z),z,g(z))｝是单元素集。根据求MGU算法，MGU=δ2=｛z/y,z/x｝ 13.证明G是否是F的逻辑结论；
F:x(P(x)Q(a)Q(x))G:x(P(x)Q(x))2 证:①P(x)
．．．从F变换
②Q(a)∨Q(x)．．．从F变换 ③┓P(y)∨┓Q(y)．．．结论的否定 ④┓Q(x)
．．．①③归结,{x/y} ⑤□
．．．②④归结,置换{a/x} 得证。
14.某问题由下列公式描述：
试用归结法证明(x)R(x)；
15.下图所示博弈树，按从左到右的顺序进行α-β剪枝搜索，试标明各生成节点的到推值，何处发生剪枝，及应选择的走步。10分
16.设有如下关系：（1）如果x是y的父亲，y又是z的父亲，则x是z的祖父；（2）老李是大李的父亲；（3）大李是小李的父亲；问上述人员中谁和谁是祖孙关系？(10分)解:现定义如下谓词
F(x,y)------x是y的父亲;G(x,z)------x是y的祖父;用谓词逻辑表示已知与求解:(1)F(x,y)∧F(y,z)→G(x,z)(2)F(L,D)(3)F(D,X)(4)G(u,v),u=?,v=? 其中,L表示老李,D表示大李,X表示小李。先证存在祖孙关系
① ～F(x,y)∨～F(y,z)∨G(x,z)．．．从(1)变换 ② F(L,D)
．．．从(2)变换 ③ F(D,X)
．．．从(3)变换 ④ ～G(u,v)
．．．结论的否定 ⑤ ～F(D,z)∨G(L,z)．．．①②归结,置换｛L/x,D/y｝ ⑥ G(L,X)
．．．③⑤归结,置换｛X/z｝ ⑦ □
．．．④⑥归结,置换｛L/u,X/v｝ 得证,说明存在祖孙关系。为了求解用一个重言式④ ④ ～G(u,v)∨G(u,v)．．．用重言式代替结论的否定,重言式恒为真 ⑤ ～F(D,z)∨G(L,z)．．．①②归结,置换｛L/x,D/y｝ ⑥ G(L,X)
．．．③⑤归结,置换｛X/z｝ ⑦ G(L,X)
．．．④⑥归结,置换｛L/u,X/v｝ 得结果:L是X的祖父，即老李是小李的祖父。张某被盗，公安局派了五个侦察员去调查。研究案情时，侦察员Ａ说：“赵与钱中至少有一人作案”；侦察员Ｄ说：“钱与孙至少有一人作案”；侦察员Ｃ说：“孙与李中至少有一个作案”；侦察员Ｄ说“赵与孙至少一个与案无关”；侦察员Ｅ说“钱与李中至少有一人与此案无关”。如果这五个侦察员的话都是可信的，试用消解原理推理求出谁是盗窃犯。（10分）解：设用T(x)表示x是作案者，则
侦察员A的话可表示：T(赵)T(钱)
侦察员B的话可表示：T(钱)T(孙)
侦察员C的话可表示：T(孙)T(李)
侦察员D的话可表示：T(赵)T(孙)
侦察员E的话可表示：T(钱)T(李)上面五个组成子句集S，求谁是作案者，把T(x)ANSWER(x)并入S1得到。即比S1多出如下一个子句：T(x)ANSWER(x)然后利用消解原理对S1进行消解可得答案：钱和孙是作案者。18.将命题：“某个学生读过三国演义”分别用谓词公式和语义网络表示 答：谓词公式表示：
x(student(x)∧read(x,三国演义))语义网络表示如图：
19.利用谓词逻辑表示下列知识（包括已知和结论），然后化成子句集：（1）凡是清洁的东西就有人喜欢；（2）人们都不喜欢苍蝇 求证：苍蝇是不清洁的。证：现定义如下谓词
L(x,y)------某人x喜欢某物y； P(y)------某物y是清洁的东西
(1)yx(P(y)→L(x,y))==> ┓P(y)∨L(f(y),y)(2)x(┓L(x,Fly))==> ┓L(x,Fly)(3)P(Fly)．．．结论的反
(4)L(f(Fly), Fly)．．．(1)(3)归结,置换{Fly/y}(5)□
．．．(2)(4)归结,{f(Fly)/x} 得证。
20.用语义网络表示下列信息：
(1)胡途是思源公司的经理，他35岁，住在飞天胡同68号
(2)清华大学与北京大学进行蓝球比赛，最后以89：102的比分结束。答：
21.图示博弈树，其中末一行的数字为假设的估值，请利用α-β剪枝技术剪去不必要的分枝。（在节点及边上直接加注释）
22.什么是人工智能？
答：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。23.什么是联结主义？
答：联结主义(Connectionism)，又称为仿生学派(Bionicsism)或生理学派(Physiologism)，其原理主要为神经网络及神经网络间的连接机制与学习算法。24.什么是自然语言理解？
答：语言处理也是人工智能的早期研究领域之一，并引起了进一步的重视。语言的生成和理解是一个极为复杂的编码和解码问题。一个能理解自然语言信息的计算机系统看起来就像一个人一样需要有上下文知识以及根据这些上下文知识和信息用信息发生器进行推理的过程。理解口头的和书写语言的计算机系统所取得的某些进展，其基础就是有关表示上下文知识结构的某些人工智能思想以及根据这些知识进行推理的某些技术。
25.什么是知识表示？
答：是研究用机器表示知识的可行性、有效性的一般方法，是一种数据结构与控制结构的统一体，既考虑知识的存储又考虑知识的使用。26.什么是神经网络？
答：神经网络处理直觉和形象思维信息具有比传统处理方式好得多的效果。
神经网络已在模式识别、图象处理、组合优化、自动控制、信息处理、机器人学和人工智能的其它领域获得日益广泛的应用。27.什么是产生式系统？
答：在基于规则系统中，每个if可能与某断言(assertion)集中的一个或多个断言匹配，then部分用于规定放入工作内存的新断言。当then部分用于规定动作时，称这种基于规则的系统为反应式系统(reaction system)或产生式系统(production system)。
28、证明G是否是F1、F2的逻辑结论；
F1：x(P(x)(Q(x)R(x))F2：x(P(x)S(x))G：x(S(x)R(x))
证明G是否是F1、F2的逻辑结论； 证明：①┓P(x)∨Q(x)．．．从F1变换 ②┓P(y)∨R(y)` ．．．从F1变换 ③P(a)
．．．从F2变换 ④S(a)
．．．从F2变换 ⑤┓S(z)∨┓R(z)．．．结论的否定 ⑥R(a)
．．．②③归结｛a/y｝ ⑦┓R(a)．．．④⑤归结｛a/z｝ ⑧□
．．．⑥⑦归结 得证.29.简述产生式系统推理的三种方式。答：正向推理
从一组表示事实的谓词或命题出发，使用一组产生式规则，用以证明该谓词公式或命题是否成立。
一般策略：先提供一批事实（数据）到总数据库中。系统利用这些事实与规则的前提相匹配，触发匹配成功的规则，把其结论作为新的事实添加到总数据库中。继续上述过程，用更新过的总数据库的所有事实再与规则库中另一条规则匹配，用其结论再次修改总数据库的内容，直到没有可匹配的新规则，不再有新的事实加到总数据库中。
逆向推理
从表示目标的谓词或命题出发，使用一组产生式规则证明事实谓词或命题成立，即首先提出一批假设目标，然后逐一验证这些假设。
一般策略：首先假设一个可能的目标，然后由产生式系统试图证明此假设目标是否在总数据库中。若在总数据库中，则该假设目标成立；否则，若该假设为终叶（证据）节点，则询问用户。若不是，则再假定另一个目标，即寻找结论部分包含该假设的那些规则，把它们的前提作为新的假设，并力图证明其成立。这样反复进行推理，直到所有目标均获证明或者所有路径都得到测试为止。
双向推理
双向推理的推理策略是同时从目标向事实推理和从事实向目标推理，并在推理过程中的某个步骤，实现事实与目标的匹配。阐述语义网络的基本语义联系。
答：隶属关系，包含关系，属性关系，时间关系，位置关系，相近关系，因果关系，组成关系 31.阐述求子句集的步骤。
(1)消去蕴涵符号
(2)减少否定符号的辖域
(3)对变量标准化
(4)消去存在量词
(5)化为前束形
(6)把母式化为合取范式
(7)消去全称量词
(8)消去连词符号∧
(9)更换变量名称 32.什么叫信息处理系统？
答：又叫符号操作系统(Symbol Operation System)或物理符号系统(Physical Symbol System)。所谓符号就是模式(pattern)。
一个完善的符号系统应具有下列6种基本功能：(1)输入符号(input)；(2)输出符号(output);(3)存储符号(store);(4)复制符号(copy);(5)建立符号结构：通过找出各符号间的关系，在符号系统中形成符号结构；(6)条件性迁移(conditional transfer):根据已有符号，继续完成活动过程 33.什么是行为主义？
答：又称进化主义(Evolutionism)或控制论学派(Cyberneticsism)，其原理为控制论及感知 34.什么是专家系统？
答：一般地说，专家系统是一个智能计算机程序系统，其内部具有大量专家水平的某个领域知识与经验，能够利用人类专家的知识和解决问题的方法来解决该领域的问题。
发展专家系统的关键是表达和运用专家知识，即来自人类专家的并已被证明对解决有关领域内的典型问题是有用的事实和过程。35.什么是自然语言理解？
答：语言处理也是人工智能的早期研究领域之一，并引起了进一步的重视。语言的生成和理解是一个极为复杂的编码和解码问题。
一个能理解自然语言信息的计算机系统看起来就像一个人一样需要有上下文知识以及根据这些上下文知识和信息用信息发生器进行推理的过程。理解口头的和书写语言的计算机系统所取得的某些进展，其基础就是有关表示上下文知识结构的某些人工智能思想以及根据这些知识进行推理的某些技术。36.什么是智能机器？
答：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。37.什么是符号主义？
答：又称为逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism)，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。38.什么是知识？以及特点和分类
答：是人类智能的基础，是经过加工的信息，是由特定领域的 描述、关系和过程组成的，是事实、信念和启发式规则。
知识的特点：相对正确性，不确定性，可表示性，可利用性。
知识的分类：事实性知识，过程性知识，行为性知识，实例性知识，类比性知识，元知识。39.简述人工智能的研究领域。
答：专家系统；模式识别；机器人学；自动定理证明；自然语言理解；博弈；智能检索；自动 程序设计 ；组合调度 问题；软件集；分布式人工智能；数据挖掘； 40.简述工智能的基本技术。
答：技术，搜索技术，归纳技术，联想技术。41.简述架表示法的特点
答：继承性，结构化，自然性，推理灵活多变。
42.知识是大脑对现实世界认识的表达，它经过对信息的加工整理、解释、挑选和改造而成。通常知识可以从范围、目的和有效性三个方面来描述，其中知识的范围是由具体到一般，知识的目的是由说明性到指定性，知识的有效性是由确定到不确定。
43.不确定性推理：不确定性推理泛指除精确推理以外的其它各种推理问题。包括不完备、不精确知识的推理，模糊知识的推理，非单调性推理等。不确定性推理过程实际上是一种从不确定的初始证据出发，通过运用不确定性知识，最终推出具有一定不确定性但却又是合理或基本合理的结论的思维过程
44.证据理论是由德普斯特(A.P.Dempster)首先提出，并有沙佛(G.Shafer)进一步发展起来的用于处理不确定性的一种理论，也称DS(Dempster-Shafer)理论。它将概率论中的单点赋值扩展为集合赋值，可以处理由“不知道”所引起的不确定性，比主观Bayes方法有着更大的灵活性。
在DS理论中，可以分别用信任函数、似然函数及类概率函数来描述知识的精确信任度、不可驳斥信任度及估计信任度。
读书的好处
1、行万里路，读万卷书。
2、书山有路勤为径，学海无涯苦作舟。
3、读书破万卷，下笔如有神。
4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文
5、少壮不努力，老大徒悲伤。
6、黑发不知勤学早，白首方悔读书迟。——颜真卿
7、宝剑锋从磨砺出，梅花香自苦寒来。
8、读书要三到：心到、眼到、口到
9、玉不琢、不成器，人不学、不知义。
10、一日无书，百事荒废。——陈寿
11、书是人类进步的阶梯。
12、一日不读口生，一日不写手生。
13、我扑在书上，就像饥饿的人扑在面包上。——高尔基
14、书到用时方恨少、事非经过不知难。——陆游
15、读一本好书，就如同和一个高尚的人在交谈——歌德
16、读一切好书，就是和许多高尚的人谈话。——笛卡儿
17、学习永远不晚。——高尔基
18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向
19、学而不思则惘，思而不学则殆。——孔子
20、读书给人以快乐、给人以光彩、给人以才干。——培根
第二篇：人工智能发展史解读
人工智能学科诞生于20世纪50年代中期，当时由于计算机的产生与发展，人们开始了具有真正意义的人工智能的研究。（虽然计算机为AI提供了必要的技术基础,但直到50年代早期人们才注意到人类智能与机器之间的联系.Norbert Wiener是最早研究反馈理论的美国人之一.最熟悉的反馈控制的例子是自动调温器.它将收集到的房间温度与希望的温度比较,并做出反应将加热器开大或关小,从而控制环境温度.这项对反馈 回路的研究重要性在于: Wiener从理论上指出,所有的智能活动都是反馈机制的结果.而反馈机制是有可 能用机器模拟的.这项发现对早期AI的发展影响很大。）
1956年夏，美国达特莫斯大学助教麦卡锡、哈佛大学明斯基、贝尔实验室申龙、IBM公司信息研究中心罗彻斯特、卡内基——梅隆大学纽厄尔和赫伯特.西蒙、麻省理工学院塞夫里奇和索罗门夫，以及IBM公司塞缪尔和莫尔在美国达特莫斯大学举行了以此为其两个月的学术讨论会，从不同学科的角度探讨人类各种学习和其他职能特征的基础，并研究如何在远离上进行精确的描述，探讨用机器模拟人类智能等问题，并首次提出了人工智能的术语。从此，人工智能这门新兴的学科诞生了。这些青年的研究专业包括数学、心理学、神经生理学、信息论和电脑科学，分别从不同角度共同探讨人工智能的可能性。他们的名字人们并不陌生，例如申龙是《信息论》的创始人，塞缪尔编写了第一个电脑跳棋程序，麦卡锡、明斯基、纽厄尔和西蒙都是“图灵奖”的获奖者。
这次会议之后，在美国很快形成了3个从事人工智能研究的中心，即以西蒙和纽威尔为首的卡内基—梅隆大学研究组，以麦卡锡、明斯基为首的麻省理工学院研究组，以塞缪尔为首的IBM公司研究组。随后，这几个研究组相继在思维模型、数理逻辑和启发式程序方面取得了一批显著的成果：
（1）1956年，纽威尔和西蒙研制了一个“逻辑理论家“（简称LT）程序，它将每个问题都表示成一个树形模型,然后选择最可能得到正确结论的那一枝来求解问题，证明了怀特黑德与罗素的数学名著《数学原理》的第2章中52个定理中的38个定理。1963年对程序进行了修改，证明了全部定理。这一工作受到了人们的高度评价，被认为是计算机模拟人的高级思维活动的一个重大成果，是人工智能的真正开端。
（2）1956年，塞缪尔利用对策论和启发式搜索技术编制出西洋跳棋程序Checkers。该程序具有自学习和自适应能力，能在下棋过程中不断积累所获得的经验，并能根据对方的走步，从许多可能的步数中选出一个较好的走法。这是模拟人类学习过程第一次卓有成效的探索。这台机器不仅在1959年击败了塞缪尔本人，而且在1962年击败了美国一个州的跳棋冠军，在世界上引起了大轰动。这是人工智能的一个重大突破。
（3）1958年，麦卡锡研制出表处理程序设计语言LISP，它不仅可以处理数据，而且可以方便的处理各种符号，成为了人工智能程序语言的重要里程碑。目前，LISP语言仍然是研究人工智能何开发智能系统的重要工具。
（4）1960年纽威尔、肖和西蒙等人通过心理学实验，发现人在解题时的思维过程大致可以分为3个阶段：1。首先想出大致的解题计划；2。根据记忆中的公理、定理和解题规划、按计划实施解题过程；3.在实施解题过程中，不断进行方法和目标分析，修改计划。这是一个具有普遍意义的思维活动过程，其中主要是方法和目的的分析。（也就是人们在求解数学问题通常使用试凑的办法进行的试凑是不一定列出所有的可能性，而是用逻辑推理来迅速缩小搜索范围的办法进行的），基于这一发现，他们研制了“通用问题求解程序GPS”，用它来解决不定积分、三角函数、代数方程等11种不同类型的问题，并首次提出启发式搜索概念，从而使启发式程序具有较普遍的意义。
（5）1961年，明斯基发表了一篇名为《迈向人工智能的步骤》的论文，对当时人工智能的研究起了推动作用。
正是由于人工智能在20世纪50年代到60年代的迅速发展和取得的一系列的研究成果，使科学家们欢欣鼓舞，并对这一领域给予了过高的希望。纽威尔和西蒙在1958年曾作出以下预言：
①不出十年，计算机将成为世界象棋冠军，除非规定不让它参加比赛；
②.不出十年，计算机将发现并证明那时还没有被证明的数学定理；
③.不出十年，计算机将谱写出具有较高美学价值并得到评论家认可的乐曲；
④不出十年，大多数心理学家的理论将采用计算机程序来形成。
非常遗憾的是，到目前为止，这样的预言还没有一个得到完全的实现，人工智能的研究状况比纽威尔和西蒙等科学家的设想要复杂和艰难的多。事实上，到了20世纪70年代初，人工智能在经历一段比较快速的发展时期后，很快就遇到了许多问题。这些问题主要表现在：
（1）1965年鲁宾逊发明了归结（消解）原理，曾被认为是一个重大的突破，可是很快这种归结法能力有限，证明两个连续函数之和还是连续函数，推证了十万步竟还没有得证。
（2）塞缪尔的下棋程序，赢得了周冠军后，没能赢全国冠军。
（3）机器翻译出了荒谬的结论。如从英语→俄语→英语的翻译中，又一句话：“The spirit is willing but the flesh is weak”(心有余而力不足)，结果变成了”The wine is good but the meat is spoiled”(酒是好的，肉变质了)，闹出了笑话。
（4）大脑约有10的15次方以上的记忆容量，此容量相当于存放几亿本书的容量，现有的技术条件下在机器的结构上模拟人脑是不大可能的。
（5）来自心理学、神经生理学、应用数学、哲学等各界的科学家们对人工智能的本质、基本原理、方法及机理等方面产生了质疑和批评。
由于人工智能研究遇到了困难，使得人工智能在20世纪70年代初走向低落。但是，人工智能的科学家没有被一时的困难所吓倒，他们在认真总结经验教训的基础上，努力探索使人工智能走出实验室，走向实用化的新路子，并取得了令人鼓舞的进展。特别是专家系统的出现，实现了人工智能从理论研究走向实际应用，从一般思维规律探索走向专门知识应用的重大突破，是人工智能发展史上的重大转折，将人工智能的研究推向了新高潮。下面是几个又代表性的专家系统：
（1）1968年斯坦福大学费根鲍姆教授和几位遗传学家及物理学家合作研制了一个化学质谱分析系统（DENDARL），该系统能根据质谱仪的数据和核磁谐振的数据，以及有关化学知识推断有机化合物的分子结构，达到了帮助化学家推断分子结构的作用。这是第一个专家系统，标志着人工之能从实验室走了出来，开始进入实际应用时代。
（2）继DENDARAL系统之后，费根鲍姆领导的研究小组又研制了诊断和治疗细菌感染性血液病的专家咨询系统MYCIN。经专家小组对医学专家、实习医师以及MYCIN行为进行正式测试评价，认为MYCIN的行为超过了其他所有人，尤其在诊断和治疗菌血症和脑膜炎方面，显示了该系统作为临床医生实际助手的前途。从技术的角度来看，该系统的特点是：1。使用了经验性知识，用可信度表示，进行不精确推理。2.对推理结果具有解释功能，时系统是透明的。3.第一次使用了知识库的概念。正是由于MYCIN基本解决了知识表示、知识获取、搜索策略、不精确推理以及专家系统的基本结构等重大问题（是怎样解决的呢？），对以后的专家系统产生了很大的影响。
（3）1976年，斯坦福大学国际人工智能中心的杜达等人开始研制矿藏勘探专家系统PROSPECTOR，它能帮助地质学家解释地质矿藏数据，提供硬岩石矿物勘探方面的咨询，包括勘探测评，区域资源估值，钻井井位选择等。该系统用语义网络表示地质知识，拥有15中矿藏知识，采用贝叶斯概率推理处理不确定的数据和知识。PROSPECTOR系统于1981年开始投入实际使用，取得了巨大的经济效益。例如1982年，美国利用该系统在华盛顿发现一处矿藏，据说实用价值可能超过1亿美元。
（4）美国卡内基—梅隆大学于20世纪70年代先后研制了语音理解系统HEARSAY-I加入HEARSAY-II，它完成从输入的声音信号转换成字，组成单词，合成句子，形成数据库查询语句，再到情报数据库中去查询资料。该系统的特点是采用“黑板结构”这种新结构形式，能组合协调专家的知识，进行不同抽象级的问题求解。
在这一时期，人工智能在新方法、程序设计语言、知识表示、推理方法等方面也取得了重大进展。例如70年代许多新方法被用于AI开发,著名的如Minsky的构造理论.另外David Marr提出了机器视觉方面的新理论,例如,如何通过一副图像的阴影,形状,颜色,边界和纹理等基本信息辨别图像.通过分析这些信息,可以推断出图像可能是什么，法国马赛大学的柯尔麦伦和他领导的研究小组于1972年研制成功的第一个PROLOG系统，成为了继LISP语言之后的另一种重要的人工智能程序语言；明斯基1974年提出的框架理论；绍特里夫于1975年提出并在MYCIN中应用的不精确推理；杜达于1976年提出并在PROSPECTOR中应用的贝叶斯方法；等等
人工智能的科学家们从各种不同类型的专家系统和知识处理系统中抽取共性，总结出一般原理与技术，使人工智能又从实际应用逐渐回到一般研究。围绕知识这一核心问题，人们重新对人工智能的原理和方法进行了探索，并在知识获取、知识表示以及知识在推理过程中的利用等方面开始出现一组新的原理、工具和技术。1977年，在第五届国际人工智能联合会（IJCAI）的会议上，费根鲍姆教授在一篇题为《人工智能的艺术：知识工程课题及实例研究》的特约文章中，系统的阐述了专家系统的思想，并提出了知识工程（KnowledgeEngineering）的概念。费根鲍姆认为，知识工程是研究知识信息处理的学科，它应用人工智能的原理和方法，对那些需要专家知识才能解决的应用难题提供了求解的途径。恰当的运用专家知识的获取、表示、推理过程的构成与解释，是设计基于知识的系统的重要技术问题。至此，围绕着开发专家系统而开展的相关理论、方法、技术的研究形成了知识工程学科。知识工程的研究使人工智能的研究从理论转向应用，从基于推理的模型转向基于知识的模型。
为了适应人工智能和知识工程发展的需要，在政府的大力支持下，日本于1982年开始了为期10年的“第五代计算机的研制计划”，即“知识信息处理计算机系统KIPS”，总共投资4.5亿美元。它的目的是使逻辑推理达到数值运算那样快。日本的这一计划形成了一股热潮，推动了世界各国的追赶浪潮。美国、英国、欧共体、苏联等都先后制订了相应的发展计划。随着第五代计算机的研究开发和应用，人工智能进入一个兴盛时期，人工智能界一派乐观情绪。
然而，随着专家系统应用的不断深入，专家系统自身存在的知识获取难、知识领域窄、推理能力弱、只能水平低、没有分布式功能、实用性差等等问题逐步暴露出来。日本、美国、英国和欧洲所制订对那些针对人工智能的大型计划多数执行到20世纪80年代中期就开始面临重重困难，已经看出达不到预想的目标。进一步分析便发现，这些困难不只是个别项目的制订又问题，而是涉及人工智能研究的根本性问题。总的来讲是两个问题：一是所谓的交互（Interaction）问题，即传统方法只能模拟人类深思熟虑的行为，而不包括人与环境的交互行为。另一个问题是扩展（Scaling up）问题，即所谓的大规模的问题，传统人工智能方法只适合于建造领域狭窄的专家系统，不能把这种方法简单的推广到规模更大、领域更宽的复杂系统中去。这些计划的失败，对人工智能的发展是一个挫折。
尽管经历了这些受挫的事件,AI仍在慢慢恢复发展.新的技术在日本被开发出来,如在美国首创的模糊逻辑,它可以从不确定的条件作出决策;还有神经网络,被视为实现人工智能的可能途径.1982年后，人工神经网络像雨后春笋一样迅速发展起来，给人们带来了新的希望。人工神经网络的主要特点是信息的分布存储和信息处理的并行化，并具有自组织自学习能力，这使人们利用机器加工处理信息有了新的途径和方法，解决了一些符号方法难以解决的问题，使人工智能的学术界兴起了神经网络的热潮。1987年美国召开了第一次神经网络国际会议，宣布新学科的诞生。1988年以后，日本和欧洲各国在神经网络方面的投资逐步增加，促进了该领域的研究。但是随着应用的深入，人们又发现人工神经元网络模型和算法也存在问题。
20世纪80年代末，以美国麻省理工学院布鲁克斯（R.A.Brooks）教授为代表的行为主义学派提出了“无须表示和推理”的智能，认为智能只在与环境的交互中表现出来，并认为研制可适应环境的“机器虫”比空想智能机器人要好。以后，人工智能学术界充分认识到已有的人工智能方法仅限于在模拟人类智能活动中使用成功的经验知识处理简单的问题，开始在符号机理与神经网机理的结合及引入Agent系统等方面进一步开展研究工作。20世纪90年代，所谓的符号主义、连接主义和行动主义3种方法并存。对此，中国学者认为这3种方法各有优缺点，他们提出了综合集成的方法，即不同的问题用不同的方法来解决，或用联合（混合、融合）的方法来解决，再加上人工智能系统引入交互机制，系统的智能水平将会大为提高。
总而言之，尽管人工智能的发展经历了曲折的过程，但它在自动推理、认知建模、机器学习、神经元网络、自然语言处理、专家系统、智能机器人等方面的理论和应用上都取得了称得上具有“智能”的成果。许多领域将知识和智能思想引入到自己的领域，使一些问题得以较好的解决。应该说，人工智能的成就是巨大的，影响是深远的。
读书的好处
1、行万里路，读万卷书。
2、书山有路勤为径，学海无涯苦作舟。
3、读书破万卷，下笔如有神。
4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文
5、少壮不努力，老大徒悲伤。
6、黑发不知勤学早，白首方悔读书迟。——颜真卿
7、宝剑锋从磨砺出，梅花香自苦寒来。
8、读书要三到：心到、眼到、口到
9、玉不琢、不成器，人不学、不知义。
10、一日无书，百事荒废。——陈寿
11、书是人类进步的阶梯。
12、一日不读口生，一日不写手生。
13、我扑在书上，就像饥饿的人扑在面包上。——高尔基
14、书到用时方恨少、事非经过不知难。——陆游
15、读一本好书，就如同和一个高尚的人在交谈——歌德
16、读一切好书，就是和许多高尚的人谈话。——笛卡儿
17、学习永远不晚。——高尔基
18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向
19、学而不思则惘，思而不学则殆。——孔子
20、读书给人以快乐、给人以光彩、给人以才干。——培根
第三篇：人工智能论文解读
人工智能结课论文
系别：计算机科学与技术系
班级：姓名：于静学号：
13计算机专接本一班
知识处理
***0
摘要：进入2l 世纪，计算机硬件和软件更新的速度越来越快，计算机这个以往总给人以冷冰冰的机器的形象也得到了彻底的改变。人机交互的情形越来越普遍，计算机被人类赋予了越来越多的智能因素。伴随着人类把最新的计算机技术应用于各个学科，对这些学科的认知也进入了日新月异的发展阶段，促使大量的新的研究成果不断涌现。例如：“人机大战”中深蓝计算机轻松的获胜、人类基因组排序工作的基本完成、人类大脑结构性解密、单纯器官性克隆的成功实现等等。随着计算机这个人类有史以来最重要的工具的不断发展，伴随着不断有新理论的出现，人类必须重新对它们进行分析和审视。知识处理是人工智能这一科学领域的关键问题。本文对知识处理的核心问题之——识的表示进行了全面的综述目前流行的知识表达方式不下十种，在此只介绍一阶谓词逻辑、产生式、语义网络、框架、混合等目前最常用的知识表示方法。并对其进行了优缺点分析及简单对比。最后对知识表示的发展趋向作出了展望。
关键词：知识
人工智能（AI）
知识表达式
一阶谓词逻辑
产生式 语义网络
框架
一、知识和知识的表示
1、知识的概念
知识是人类世界特有的概念，他是人类对客观世界的一种比较准确、全面的认识和理解的结晶。(1)知识只有相对正确的特性。常言道：实践出真理。只是源于人们生活、学习与工作的实践，知识是人们在信息社会中各种实践经验的汇集、智慧的概括与积累。只是爱源于人们对客观世界运动规律的正确认识，是从感知认识上升成为理性认识的高级思维劳动过程的结晶，故相应于一定的客观环境与条件下，只是无疑是正确的。然而当客观环境与条件发生改变时，知识的正确性就接受检验，必要时就要对原来的认识加以修改和补充，一至全部更新而取而代之。例如知道1543年哥白尼学说问世之前，人们一直都以为地球是宇宙的核心；再有：人们都知道一个关于“瞎子摸象”的故事，它通俗地说明了完整的只是形式是一个复杂的智能过程。通常人们获取知识的重要手段是：利用信息，把各种信息提炼、概括并关联在一起，就形成了知识。而利用信息关联构成知识的形式有多种多样。
(2)知识的确定与不确定性如前说述，知识有若干信息关联的结构组成，但是，其中有的信息是精确的，有的信息却是不精确的。这样，则由该信息结构形成的知识也有了确定与不确定的特征。例如，在我国中南地区，根据天上出现彩虹的方向及其位置，可以预示天气的变化。有谚语曰：“东边日（晴天），西边雨。”但是，这只是一种常识性经验，并不能完全肯定或否定。再如：家有一头秀发，一时两鬓如霜。我们则认为家一定是年轻人，乙就是老年人嘛？不能完全肯定，因为相反的事例是很多的。比如，当年的白毛女就不是老人，而现在六十多岁的演员有一头黑发也不足为奇。
2、知识表达及其映像原理
智能机器系统如同智能生物一样，在运用知识进行信息交流或只能问题求解时，都需要预先进行知识表示。进而实现知识调用，达到利用知识求解问题的目的。因而只是表示是知识信息处理系统必不可少的关键环节。对智能机器系统而言只是表示，实际上就是对知识的一种描述或约定。其本质，就是采用某种技术模式，八所要求解决的问题的相关知识，映射为一种便于找到该问题解的数据结构。对知识进行表示的过程，实质上就是把相关只是映射（或称为变换：Transformation；或称为映像：Mapping；或称为编码：Coded）为该数据结构的过程。如图1。
图1 只是表达及其映射原理
如图，其目标是要对复杂的智能性问题实现机器求解，但机器直接对原始问题求解难度很大，可采用知识表达的映射原理，把原始问题映射为它的一种同构或同态问题，然后在对同构或同态问题求出它的解答，则相对容易而方便。顺便指出：同构解答与原始问题有相同的形式解，然而对于同态问题，如果得到原始解，只需对同台解答再施行反运算即可。在自然科学实际应用研究中，利用映射（称之为变换）原理迂回求解的思想，是一种非常有效而广为使用的重要手段。目前比较常见的知识表达方法主要有：常用的知识表示方法：一阶谓词逻辑表示法，产生式表示法，框架表示法，语义网络表示法，脚本表示法，过程表示法，面向对象表示法，神经网络表示法。如图2
二、常用知识表示法：
2.1一阶谓词逻辑表示法：
一阶谓词逻辑表示法是目前应用最广的方法之一，在AI系统上已经得到了应用。它是通过分析命题内容和谓词逻辑，尽可能正确地表述它的各种意境的过程。知识的谓词逻辑表示符合人的思维习惯，可读性好，逻辑关系表达简便。使用谓词逻辑既便于表达概念、状态、属性等事实性知识，又能方便地采用谓词公式的表达形式，进行各种智能行为的过程性描述与演绎推理。一阶谓词的一般形式为P(x1，x2，„，xn)其中P是谓词名，xi为个体常量、变元，或函数。例如：STUDENT(zhangsan)：zhangsan是学生
STUDENT(x)：x是学生Greater(x，5)：x>5TEACHER(father(Wanghong))：王宏的父亲是教师。在一阶谓词表示法中连接词是非常重要的其中： 连接词：¬、∨、∧、→、↔ 量词：∀、∃
(∀x)P(x)为真、为假的定义
(∃x)P(x)为真、为假的定义
结合具体事例可以看到一阶谓词逻辑在知识表示法中的优越性： 李明是计算机系的学生，但他不喜欢编程。定义谓词：
COMPUTER(x):x是计算机系的 学生
LIKE(x,y):x喜欢y 谓词公式为：
LIKE(liming，programming)COMPUTER(liming)∧
谓词逻辑是一种传统经典也是最基本的形式化方法。谓词逻辑知识表示规范性严，逻辑性强，自然性好，推理过程严密，易于实现。这些优良特性使得谓词逻辑最早用于人工智能机器定理证明，并获得了成功。但是必须看到，谓词逻辑属于标准的二值（T与F）逻辑，难以直接进行不确定性问题的处理。对于复杂系统的求解问题，容易陷入冗长演绎推理中，常常不可避免地带来求解效率低,甚至产生“组合爆炸”问题。因此，针对谓词逻辑，尚待人们不断加以改进，以寻求自然性好而效率更高的技术方法。
2.2产生式表示法
目前，产生式表示方法是专家系统的第一选择的知识表达方式。是美国数学家Post在1943年提出了一种计算形式体系里所使用的术语。产生式表示的基本形式为：（1）确定性知识的表示：
产生式形式：P→Q或者IF P THEN Q 它的含义：如果前提P满足，则可以推出结论Q或执行Q操作。例如：IF CLEAR(B)AND HANDEMPTYTHEN Pickup(B)如果积木B上是空的，且机械手空，则机械手从桌面上抓起积木B。（2）不确定知识的表示：
产生式形式：P→Q（置信度）或者IF P THEN Q（置信度）在不确定推理中，当已知事实与前提P不能精确匹配时，只要按照“置信度”的要求达到一定的相似度，就认为已知事实与前提条件相匹配，再按照一定的算法将这种可能性（不确定性）传递到结论Q。
产生式表示法其优点在于模块性。规则与规则之间相互独立灵活性。知识库易于增加、修改、删除自然性。方便地表示专家的启发性知识与经验透明性。易于保留动作所产生的变化、轨迹，但仍有不少缺点：知识库维护难。效率低。为了模块一致性理解难。由于规则一致性彼此之间不能调用。
2.3 语义网络表达式
语义网络是人工智能常用的知识表示法之一。是一种使用概念及其语义关系来表达知识的有向图。它作为人类联想记忆的一个显示心理学模型，是由J.R.Quillian于1968年在他的博士论文中首先提出，并用于自然语言处理。语义网络结构共使用了三种图形符号：框、带箭头及文字标识的线条和文字标识线。分别称为:（1）节(结)点;弧(又叫做边或支路);指针。
（2）节点(Node)：也称为结点。用圆形、椭圆、菱形或长方形的框图来表示，用来表示事物的名称、概念、属性、情况、动作、状态等。
（3）弧(Arc)：这是一种有向弧，又称之为支路（Branch）。节点之间用带箭头及文字标识的有向线条来联结，用以表示事物之间的结构，即语义关系。
（4）指针(Pointer)：也叫指示器。是在节点或者弧线的旁边，另外附加必要的线条及文字标识，用来对节点、弧线和语义关系作出相宜的补充、解释与说明。
语义网络是一种结构化知识表示方法，具有表达直观，方法灵活，容易掌握和理解的特点。概括起来，主要优点在于采用语义关系的有向图来连接，语义、语法、词语应用兼顾，具有描述生动，表达自然，易于理解等。
虽然语义网络知识表示和推理具有较大的灵活性和多样性，但是没有公认严密的形式表达体系，却不可避免地带来了非一致性和程序设计与处理上的复杂性，这也是语义网络知识表示尚待深入研究解决的一个课题。
2.4．框架表式式
框架表示法诞生于1975年，这也是一种结构化的知识表示方法，并已在多种系统中得到成功的应用。框架理论是由人工智能科学创始人之一，美国著名的人工智能学者M.L.Minsky(明斯基)提出来的。
自然界各种事物都可用框架(Frame)组织构成。每个被定义的框架对象分别代表着不同的特殊知识结构，从而可在大脑或计算机中表示、存储并予以认识、理解和处理。框架是一种被用来描述某个对象（诸如一个事物、一个事件或一个概念）属性知识的数据结构。下面是一个关于“大学教师”的框架设计模式。
n
框架名：
〈大学教师〉 n
姓名：
单位（姓，名）n
年龄：
单位（岁）
n
性别：
范围(（男，女）缺省：男)n
学历：
范围（学士，硕士，博士）
n
职称：
范围(（教授，副教授，讲师，助教）缺省：讲师)n
部门：
范围（学院（或系、处）n
住址：
〈住址框架〉 n
工资：
〈工资框架〉 n
参加工作时间：
单位（年，月）
n
健康状况：
范围（健康，一般，较差）n
其它：
范围（〈个人家庭框架〉，〈个人经济状况框架〉）
上述框架共有十一个槽，分别描述了关于“大学教师”的十一个方面的知识及其属性。在每个槽里都指定了一些说明性的信息，表明了相关槽的值的填写要有某些限制。框架表示法支持上层框架概念抽象和下层框架信息继承共享的思想，不仅减少了框架信息和属性知识表达的冗余，而且保证了上、下层框架知识表达的一致性。
主要缺点：框架表示法过于死板，难以描述诸如机器人纠纷等类问题的动态交互过程生动性。
三、各知识表达式的比较与展望
以上若知识表达方法，绝大多数在应用中得到了很好的应用。但实际工作中，如果要建立一个人工智能系统、专家系统时，还是要根据具体情况提出一个混合性的知识表达方式。每一种知识表示方法各有特点，而且适用的领域也不同：
（1）谓词逻辑方法只适用于确定性、陈述性、静态性知识，而对动态的、变化性、模糊性知识则很难表示。
（2）产生式规则方法推理方法太单一，如果前提条件太多，或规则条数太多，则推理的速度将慢得惊人。
（3）语义网络方法表达的知识面比较窄。（4）框架方法表示的知识横向关系不太明确。（纵向从属继承关系很明确）
因此，对于复杂的、深层次的知识，应根据需要表示知识的特征，来决定用二种或三种方法联合表示，例如：
（1）逻辑与框架：框架里的槽值可以对应于谓词项。
（2）语义网络与框架：结点对应与框架，结点的参数就是框架的槽值。
（3）产生式与框架：框架的槽值对应于一条产生式规则。与神经网络结合。
参考文献：
[1] 蔡之华；模糊Petri网及知识表示 [J];计算机应用与软件；1994年03期 [2].张科杰,袁国华,彭颖红； 知识表示及其在机械工程设计中的应用探讨[J];
机械设计；2004年06期。
[3].刘晓霞。新的知识表示方法——概念图［Ｊ］。航空计算技术。1997（4）。[4].王永庆人工智能原理与方法［Ｍ］。西安交通大学出版社。1998。
读书的好处
1、行万里路，读万卷书。
2、书山有路勤为径，学海无涯苦作舟。
3、读书破万卷，下笔如有神。
4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文
5、少壮不努力，老大徒悲伤。
6、黑发不知勤学早，白首方悔读书迟。——颜真卿
7、宝剑锋从磨砺出，梅花香自苦寒来。
8、读书要三到：心到、眼到、口到
9、玉不琢、不成器，人不学、不知义。
10、一日无书，百事荒废。——陈寿
11、书是人类进步的阶梯。
12、一日不读口生，一日不写手生。
13、我扑在书上，就像饥饿的人扑在面包上。——高尔基
14、书到用时方恨少、事非经过不知难。——陆游
15、读一本好书，就如同和一个高尚的人在交谈——歌德
16、读一切好书，就是和许多高尚的人谈话。——笛卡儿
17、学习永远不晚。——高尔基
18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向
19、学而不思则惘，思而不学则殆。——孔子
20、读书给人以快乐、给人以光彩、给人以才干。——培根
第四篇：人工智能及其应用复习资料
人工智能及其应用(2)
第一章 绪 论
1-1.什么是人工智能？试从学科和能力两方面加以说明。
从学科角度来看：人工智能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能功能，并开发相关理论和技术。
从能力角度来看：人工智能是智能机器所执行的通常与人类智能有关的功能，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动
1-2.在人工智能的发展过程中，有哪些思想和思潮起了重要作用？
控制论之父维纳 1940 年主张计算机五原则。他开始考虑计算机如何能像大脑一样工作。系统地创建了控制论，根 据这一理论，一个机械系统完全能进行运算和记忆。
帕梅拉·麦考达克(Pamela McCorduck)在她的著名的人工智能历史研究《机器思维》(Machine Who Think,1979)中曾 经指出：在复杂的机械装置与智能之间存在着长期的联系。
著名的英国科学家图灵被称为人工智能之父,图灵不仅创造了一个简单的通用的非数字计算模型，而且直接证明了计 算机可能以某种被理解为智能的方法工作。提出了著名的图灵测试。
数理逻辑从 19 世纪末起就获迅速发展；到 20 世纪 30 年代开始用于描述智能行为。计算机出现后，又在计算机上 实现了逻辑演绎系统。
1943 年由生理学家麦卡洛克(McCulloch)和数理逻辑学家皮茨(Pitts)创立的脑模型，即 MP 模型。60-70 年代，联结 主义，尤其是对以感知机(perceptron)为代表的脑模型的研究曾出现过热潮，控制论思想早在40-50 年代就成为时代思潮的重要部分，影响了早期的人工智能工作者。到60-70 年代，控制论系 统的研究取得一定进展，播下智能控制和智能机器人的种子。
1-3.为什么能够用机器（计算机）模仿人的智能？
物理符号系统的假设：任何一个系统，如果它能够表现出智能，那么它就必定能执行输入符号、输出符号、存储符 号、复制符号、建立符号结构、条件性迁移6 种功能。反之，任何系统如果具有这6 种功能，那么它就能够表现出 智能(人类所具有的智能)。
物理符号系统的假设伴随有3 个推论。
推论一: 既然人具有智能，那么他(她)就一定是个物理符号系统。
推论二: 既然计算机是一个物理符号系统，它就一定能够表现出智能。
推论三: 既然人是一个物理符号系统，计算机也是一个物理符号系统，那么我们就能够用计算机来模拟人的活动。
1-4.现在人工智能有哪些学派？它们的认知观是什么？
符号主义(Symbolicism)，又称为逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism)[ 其原理 主要为物理符号系统(即符号操作系统)假设和有限合理性原理。]
认为人的认知基元是符号，而且认知过程即符号操作过程。认为人是一个物理符号系统，计算机也是一个物理符号 系统，因此，我们就能够用计算机来模拟人的智能行为。知识是信息的一种形式，是构成智能的基础。人工智能的 核心问题是知识表示、知识推理和知识运用。
联结主义(Connectionism)，又称为仿生学派(Bionicsism)或生理学派(Physiologism)[ 其原理主要为神经网络及神经网 络间的连接机制与学习算法 ]
认为人的思维基元是神经元，而不是符号处理过程。认为人脑不同于电脑，并提出联结主义的大脑工作模式，用于 取代符号操作的电脑工作模式。
行为主义(Actionism)，又称进化主义(Evolutionism)或控制论学派(Cyberneticsism)[ 其原理为控制论及感知-动作型控 制系统 ] 认为智能取决于感知和行动。认为智能不需要知识、不需要表示、不需要推理；人工智能可以象人类智能一样逐步进化。智能行为只能在现实世界中与周围环境交互作用而表现出来。符号主义、联结主义对真实世界客观事物的描 述及其智能行为工作模式是过于简化的抽象，因而是不能真实地反映客观存在的。
1-5.你认为应从哪些层次对认知行为进行研究？
心理活动的最高层级是思维策略，中间一层是初级信息处理，最低层级是生理过程，与此相应的是计算机程序、语 言和硬件。
研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人 的思维策略水平，而用计算机语言模拟人的初级信息处理过程。
1-6.人工智能的主要研究和应用领域是什么？其中，哪些是新的研究热点？
问题求解(下棋程序)，逻辑推理与定理证明(四色定理证明)，自然语言理解，自动程序设计，专家系统，机器学习，神经网络，机器人学(星际探索机器人)，模式识别(手写识别，汽车牌照识别，指纹识别)，机器视觉(机器装配，卫星图像处理)，智能控制，智能检索，智能调度与指挥(汽车运输高度，列车编组指挥)，系统与语言工具。
新的研究热点： 分布式人工智能与Agent，计算智能与进化计算，数据挖掘与知识发现(超市市场商品数据分析)，人工生命。
第二章 知识表示方法
2-2 设有 3 个传教士和 3 个野人来到河边，打算乘一只船从右岸渡到左岸去。该船的负载能力为两人。在任何时候，如果野人人数超过传教士人数，那么野人就会把传教士吃掉。他们怎样才能用这条船安全地把所有人都渡过河去?
用S i(nC, nY)表示第i 次渡河后，河对岸的状态，nC 表示传教士的数目，nY 表示野人的数目，由于总人数的确定 的，河对岸的状态确定了，河这边的状态也即确定了。考虑到题目的限制条件，要同时保证，河两岸的传教士数目 不少于野人数目，故在整个渡河的过程中，允许出现的状态为以下3 种情况：
1.nC=0 2.nC=3
3.nC=nY>=0(当nC 不等于0 或3)
用d i(dC, dY)表示渡河过程中，对岸状态的变化，dC 表示，第i 次渡河后，对岸传教士数目的变化，dY 表示，第i 次渡河后，对岸野人数目的变化。当i 为偶数时，dC,dY 同时为非负数，表示船驶向对岸，i 为奇数时，dC, dY 同时 为非正数，表示船驶回岸边。
初始状态为S 0(0, 0)，目标状态为S 0(3, 3)，用深度优先搜索的方法可寻找渡河方案。在此，用图求法该问题，令横坐标为 nY, 纵坐标为 nC，可行状态为空心点表示，每次可以在格子上，沿对角线移 动一格，也可以沿坐标轴方向移动1 格，或沿坐标轴方向移动2 格。第奇数次数状态转移，沿右方，上方，或右上 方移动，第偶数次数状态转移，沿左方，下方，或左下方移动。
从(0,0)开始，依次沿箭头方向改变状态，经过11 步之后，即可以到达目标状态(3,3)，相应的渡河方案为： d1(1,1)--d2(-1,0)--d3(0,2)--d4(0,-1)--d5(2,0)--d6(-1,-1)--d7(2,0)--d8(0,-1)--d9(0,2)--d10(-1,0)--d11(1,1)
2-4 试说明怎样把一棵与或解树用来表达图2.28 所示的电网络阻抗的计算。单独的R、L 或C 可分别用R、jωL 或1/jωC 来计算，这个事实用作本原问题。后继算符应以复合并联和串联阻抗的规则为基础。
约定，用原来的与后继算法用来表达并联关系，用原来的或后继算法用来表达串联关系
2-5 试用四元数列结构表示四圆盘梵塔问题，并画出求解该问题的与或图。
用四元数列(nA, nB, nC, nD)来表示状态，其中nA 表示A 盘落在第nA 号柱子上，nB 表示B 盘落在第nB 号柱子 上，nC 表示C 盘落在第nC 号柱子上，nD 表示D 盘落在第nD 号柱子上。初始状态为 1111，目标状态为 3333
如图所示，按从上往下的顺序，依次处理每一个叶结点，搬动圆盘，问题得解。
2-6 把下列句子变换成子句形式：
(1)(x)｛P(x)→P(x)｝
(2)x y(On(x,y)→Above(x,y))
(3)x y z(Above(x,y)∧Above(y,z)→Above(x,z))(4)～｛(x)｛P(x)→｛（y）〔p(y)→p(f(x,y))〕∧(y)〔Q(x,y)→P(y)〕｝｝｝(1)(ANY x){ P(x)P(x)}(ANY x){~P(x)OR P(x)} ~P(x)OR P(x)
最后子句为 ~P(x)OR P(x)
(2)(ANY x)(ANY y){ On(x,y)Above(x,y)}(ANY x)(ANY y){ ~On(x,y)OR Above(x,y)} ~On(x,y)OR Above(x,y)
最后子句为 ~On(x,y)OR Above(x,y)
(3)(ANY x)(ANY y)(ANY z){ Above(x,y)AND Above(y,z)Above(x,z)}(命题联结词之优先级如下:否定→合取→析取→蕴涵→等价)
(ANY x)(ANY y)(ANY z){ ~ [ Above(x,y)AND Above(y,z)] OR Above(x,z)} ~ [ Above(x,y)AND Above(y,z)] OR Above(x,z)最后子句为 ~[Above(x,y), Above(y,z)] OR Above(x,z)
(4)~{(ANY x){ P(x){(ANY y)[ p(y)p(f(x,y))] AND(ANY y)[ Q(x,y)P(y)] } } } ~ {(ANY x){ ~P(x)OR {(ANY y)[ ~p(y)OR p(f(x,y))] AND(ANY y)[ ~Q(x,y)OR P(y)] } } }(EXT x){ P(x)AND {(EXT x)[ p(y)AND ~p(f(x,y))] OR(EXT y)[ Q(x,y)AND ~P(y)] } }(EXT x){ P(x)AND {(EXT w)[ p(y)AND ~p(f(w,y))] OR(EXT v)[ Q(x,v)AND ~P(v)] } } P(A)AND { [ p(y)AND ~p(f(B,y))] OR [ Q(A,C)AND ~P(C)] }
P(A)AND { [ p(y)AND ~p(f(B,y))OR Q(A,C)] AND [ p(y)AND ~p(f(B,y))OR ~P(C)] } P(A)AND { { p(y), ~p(f(B,y))} OR Q(A,C)} AND { { p(y), ~p(f(B,y))} OR ~P(C)} 最后子句为
P(A)
{ p(x), ~p(f(B,x))} OR Q(A,C){ p(y), ~p(f(B,y))} OR ~P(C)
2-7 用谓词演算公式表示下列英文句子(多用而不是省用不同谓词和项。例如不要用单一的谓词字母来表示每个句 子。)A computer system is intelligent if it can perform a task which, if performed by a human, requires intelligence.先定义基本的谓词
INTLT(x)means x is intelligent
PERFORM(x,y)means x can perform y REQUIRE(x)means x requires intelligence CMP(x)means x is a computer system HMN(x)means x is a human 上面的句子可以表达为
(任意x)
{(存在t)(存在y)[ HMN(y)合取 PERFORM(y,t)合取 REQUIRE(t)合取 CMP(x)合取 PERFORM(x,t)] INTLT(x)}
2-8 把下列语句表示成语义网络描述：
(1)All man are mortal.(2)Every cloud has a silver lining.(3)All branch managers of DEC participate in a profit-sharing plan.(1)
(2)
(3)
2-9 作为一个电影观众，请你编写一个去电影院看电影的剧本。
(1)开场条件
(a)顾客想看电影
(b)顾客在足够的钱
(2)角色
顾客，售票员，检票员，放映员
(3)道具
钱，电影票
(4)场景
场景 1 购票
(a)顾客来到售票处
(b)售票员把票给顾客
(c)顾客把钱给售票员
(d)顾客走向电影院门
场景 2 检票
(a)顾客把电影票给检票员
(b)检票员检票
(c)检票员把电影票还给顾客
(d)顾客进入电影院
场景 3 等待
(a)顾客找到自己的座位
(b)顾客坐在自己座位一等待电影开始
场景 4 观看电影
(a)放映员播放电影
(b)顾客观看电影 场景 5 离开
(a)放映员结束电影放映
(b)顾客离开电影院
(5)结果
(a)顾客观看了电影
(b)顾客花了钱
(c)电影院赚了钱
2-10 试构造一个描述你的寝室或办公室的框架系统。
第三章 搜索推理技术
3-1 什么是图搜索过程?其中，重排OPEN 表意味着什么，重排的原则是什么?
图搜索的一般过程如下：
(1)建立一个搜索图G(初始只含有起始节点S)，把S 放到未扩展节点表中（OPEN 表）中。
(2)建立一个已扩展节点表（CLOSED 表），其初始为空表。
(3)LOOP：若OPEN 表是空表，则失败退出。
(4)选择OPEN 表上的第一个节点，把它从OPEN 表移出并放进CLOSED 表中。称此节点为节点n，它是CLOSED 表中 节点的编号
(5)若n 为一目标节点，则有解并成功退出。此解是追踪图G 中沿着指针从n 到S 这条路径而得到的(指针将在第7 步中设置)
(6)扩展节点n，生成不是n 的祖先的那些后继节点的集合M。将M 添入图G 中。
(7)对那些未曾在G 中出现过的(既未曾在OPEN 表上或CLOSED 表上出现过的)M 成员设置一个通向n 的指针，并将 它们加进OPEN 表。对已经在OPEN 或CLOSED 表上的每个M 成员，确定是否需要更改通到n 的指针方向。对已在CLOSED 表上的每个M 成员，确定是否需要更改图G 中通向它的每个后裔节点的指针方向。(8)按某一任意方式或按某个探试值，重排OPEN 表。
(9)GO LOOP。
重排OPEN 表意味着，在第(6)步中，将优先扩展哪个节点，不同的排序标准对应着不同的搜索策略。
重排的原则当视具体需求而定，不同的原则对应着不同的搜索策略，如果想尽快地找到一个解，则应当将最有可能 达到目标节点的那些节点排在OPEN 表的前面部分，如果想找到代价最小的解，则应当按代价从小到大的顺序重排 OPEN 表。
3-2 试举例比较各种搜索方法的效率。
(1)把起始节点放到OPEN 表中(如果该起始节点为一目标节点，则求得一个解答)。
(2)如果OPEN 是个空表，则没有解，失败退出；否则继续。
(3)把第一个节点(节点n)从OPEN 表移出，并把它放入CLOSED 扩展节点表中。
(4)扩展节点n。如果没有后继节点，则转向上述第(2)步。
(5)把n 的所有后继节点放到OPEN 表的末端，并提供从这些后继节点回到n 的指针。
(6)如果n 的任一个后继节点是个目标节点，则找到一个解答，成功退出；否则转向第(2)步。
有界深度优先搜索
(1)把起始节点S 放到未扩展节点OPEN 表中。如果此节点为一目标节点，则得到一个解。
(2)如果OPEN 为一空表，则失败退出。
(3)把第一个节点(节点n)从OPEN 表移到CLOSED 表。
(4)如果节点n 的深度等于最大深度，则转向(2)。
(5)扩展节点n，产生其全部后裔，并把它们放入OPEN 表的前头。如果没有后裔，则转向(2)。
(6)如果后继节点中有任一个为目标节点，则求得一个解，成功退出；否则，转向(2)。
等代价搜索方法以g(i)的递增顺序扩展其节点，其算法如下：
(1)把起始节点S 放到未扩展节点表OPEN 中。如果此起始节点为一目标节点，则求得一个解;否则令g(S)=0。
(2)如果OPEN 是个空表，则没有解而失败退出。
(3)从 OPEN 表中选择一个节点 i，使其 g(i)为最小。如果有几个节点都合格，那么就要选择一个目标节点作为节 点i(要是有目标节点的话)；否则，就从中选一个作为节点i。把节点i 从OPEN 表移至扩展节点表CLOSED 中。(4)如果节点i 为目标节点，则求得一个解。
(5)扩展节点i。如果没有后继节点，则转向第(2)步。(6)对于节点 i 的每个后继节点 j，计算g(j)=g(i)+c(i,j)，并把所有后继节点 j 放进 OPEN 表。提供回到节点 i 的指针。
(7)转向第(2)步。
3-3 化为子句形有哪些步骤?请结合例子说明之。
任一谓词演算公式可以化成一个子句集。其变换过程由下列九个步骤组成：
(1)消去蕴涵符号
将蕴涵符号化为析取和否定符号
(2)减少否定符号的辖域
每个否定符号最多只用到一个谓词符号上，并反复应用狄· 摩根定律
(3)对变量标准化
对哑元改名以保证每个量词有其自己唯一的哑元
(4)消去存在量词
引入Skolem 函数，消去存在量词
如果要消去的存在量词不在任何一个全称量词的辖域内，那么我们就用不含变量的Skolem 函数即常量。
(5)化为前束形
把所有全称量词移到公式的左边，并使每个量词的辖域包括这个量词后面公式的整个部分。
前束形 =(前缀)(母式)前缀 = 全称量词串
母式 = 无量词公式
(6)把母式化为合取范式
反复应用分配律，将母式写成许多合取项的合取的形式，而每一个合取项是一些谓词公式和(或)谓词公式的否定的析取
(7)消去全称量词
消去前缀，即消去明显出现的全称量词
(8)消去连词符号(合取)
用{合取项1,合取项2}替换明显出现的合取符号
(9)更换变量名称
更换变量符号的名称，使一个变量符号不出现在一个以上的子句中
3-4 如何通过消解反演求取问题的答案?
给出一个公式集S 和目标公式L，通过反证或反演来求证目标公式L，其证明步骤如下：
(1)否定L，得～L；
(2)把～L 添加到S 中去；
(3)把新产生的集合｛～L，S｝化成子句集；
(4)应用消解原理，力图推导出一个表示矛盾的空子句NIL。
3-5 什么叫合适公式?合适公式有哪些等价关系? 合式公式的递归定义为：
(1)原子谓词公式是合式公式
(2)若A 为合式公式，则A 的否定也是合式公式
(3)若A、B 都是合式公式，则A AND B, AOR B, AB, A>B 也都是合式公式
(4)若A 是合式公式，x 为A 中的自由变元，则(ANY x)A 和(EXT x)A 都是合式公式
(5)只有按规则(1)~(4)求得的公式，才是合式公式 等价关系有：否定之否定，蕴含与与或形式的等价，狄.摩根定律；分配律，交换律，结合律，逆否律，否定跨越量 词，全称量词同与或连词，量词中的哑元
3-6 用宽度优先搜索求图3.33 所示迷宫的出路。
第一步 SAB 第二步 BH
BC
第三步 HG
CF
最终路径为SABCF
3-7 用有界深度优先搜索方法求解图3.34 所示八数码难题。
解：定义操作符集：F={f1,f2,f3,f4}，其中： f1 表示空格右移； f2 表示空格上移；
f3 表示空格左移； f4 表示空格下移。
搜索时，节点的扩展顺序规定为按右、左、上、下方向移动空格。并设置深度界限为8。
由上述有界深度优先搜索树中可见，当d=8 时，八数码难题的一个解为： f4, f4, f3, f2, f2, f3, f4, f3
3-10 一个机器人驾驶卡车，携带包裹(编号分别为＃
1、＃2 和＃3)分别投递到林(LIN)、吴(WU)和胡(HU)3 家住宅处。规定了某些简单的操作符，如表示驾驶方位的drive(x,y)和表示卸下包裹的unload(z)都有一定的先决条件和结果。试说明状态空间问题求解系统如何能够应用谓词演算求得一个操作符序列，该序列能够生成一个满足AT(#1，LIN)∧AT(#2，WU)∧AT(#3,HU)的目标状态。
初始状态可描述为：AT(#1, ~LIN)AND AT(#2, ~WU)AND AT(#1, ~HU)AND AT(#1, CAR)AND AT(#2, CAR)AND AT(#3, CAR)目标状态可描述为：AT(#1, LIN)AND AT(#2, WU)AND AT(#1, HU)AND AT(#1, ~CAR)AND AT(#2, ~CAR)AND AT(#3, ~CAR)
对每个操作符都有一定的先决条件和结果，详细如下
drive(x, y)
先决条件：AT(CAR, x)
结果： AT(CAR, y)unload(z)先决条件：AT(z, CAR)AND AT(CAR, x)结果： AT(z, ~CAR)AND AT(z, x)
原问题就转换为寻找一个可将初始状态转换到目标状态的操作序列 如何求得该操作序列???
3-11 规则演绎系统和产生式系统有哪几种推理方式?各自的特点为何?
规则演绎系统的推理方式有正向推理、逆向推理和双向推理
双向推理组合了正向推理和逆向推理的优点，克服了各自的缺点，具有更高的搜索求解效率。
产生式系统的推理方式有正向推理、逆向推理和双向推理
双向推理结合了正向推理和逆向推理的长处，克服了两者的短处，其控制策略比两者都要复杂。
3-12 为什么需要采用系统组织技术?有哪几种系统组织技术?
如果不采用系统组织技术，而直接写出包含所有知识的规则，并让系统利用这些规则，找出一条从给定状态到目标 状态的路径，这种方法有严重的缺点：
(1)随着规则的增加，既要加入新的规则，又要使新规则不与现有规则产生冲突，这将使问题变得愈来愈困难
(2)在问题求解过程中，由于每一步都必须考虑所有规则，效率就会大大降低，然而，实际上却往往是只有应用完 一组规则之后，才考虑另一组别的规则
(3)一种问题求解技术和知识表达形式可能对问题的某一部分是最好的，而对另一部分却不是最好的 因此，采用系统组织技术，将一个大系统中的知识分成一组相对独立的模块比较合适。
有3 种系统组织技术：议程表、黑板法和Delta 极小搜索法
3-13 研究不确定性推理有何意义?有哪几种不确定性?
不确定性推理是研究复杂系统不完全性和不确定性的有力工具。
有3 种不确定性，关于证据的不确定性(观测有误差)，关于结论的不确定性和多个规则支持同一事实时的不确定性。
3-14 单调推理有何局限性?什么叫缺省推理?非单调推理系统如何证实一个节点的有效性?
单调系统不能很好地处理常常出现在现实问题领域中的3 类情况，即不完全的信息、不断变化的情况、以及求解复杂问题过程中生成的假设
有两种方法可以证实节点的有效性：
(1)支持表。
(SL(IN-节点表)(OUT-节点表))
如果某节点的IN 节点表中提到的节点当前都是IN, 且OUT 节点表中提到的节点当前都是OUT，则它是有效的(2)条件证明。
(CP(结论)(IN-假设)(OUT-假设))
条件证明(CP)的证实表示有前提的论点，无论何时，只要在IN 假设中的节点为IN, OUT 假设中的节点为OUT, 则 结论节点往往为IN，于是条件证明的证实有效。
3-15 在什么情况下需要采用不确定推理或非单调推理?
不完全的信息、不断变化的情况、以及求解复杂问题过程中生成的假设
3-16 下列语句是一些几何定理，把这些语句表示为基于规则的几何证明系统的产生式规则：
(1)两个全等三角形的各对应角相等。
(2)两个全等三角形的各对应边相等。
(3)各对应边相等的三角形是全等三角形。
(4)等腰三角形的两底角相等。
规则(1): IF 两个三角形全等
THEN 各对应角相等
规则(2): IF 两个三角形全等
THEN 各对应边相等
规则(3): IF 两个三角形各对应边相等
THEN 两三角形全等
规则(4): IF 它是等腰三角形
THEN 它的两底角相等
第四章 计算智能（1）：神经计算 模糊计算
4-1 计算智能的含义是什么？它涉及哪些研究分支？
贝兹德克认为计算智能取决于制造者提供的数值数据，而不依赖于知识。计算智能是智力的低层认知。
主要的研究领域为神经计算，模糊计算，进化计算，人工生命。
4-2 试述计算智能（CI）、人工智能（AI）和生物智能（BI）的关系。
计算智能是智力的低层认知，主要取决于数值数据而不依赖于知识。人工智能是在计算智能的基础上引入知识而产 生的智力中层认知。生物智能，尤其是人类智能，则是最高层的智能。即CI 包含AI 包含BI
4-3 人工神经网络为什么具有诱人的发展前景和潜在的广泛应用领域？
人工神经网络具有如下至关重要的特性：
(1)并行分布处理 适于实时和动态处理
(2)非线性映射 给处理非线性问题带来新的希望
(3)通过训练进行学习
一个经过适当训练的神经网络具有归纳全部数据的能力，能够解决那些由数学模型或描述规则难以处理的问题
(4)适应与集成
神经网络的强适应和信息融合能力使得它可以同时输入大量不同的控制信号，实现信息集成和融合，适于复杂，大 规模和多变量系统
(5)硬件实现
一些超大规模集成是电路实现硬件已经问世，使得神经网络成为具有快速和大规模处理能力的网络。
4-4 简述生物神经元及人工神经网络的结构和主要学习算法。
生物神经元
大多数神经元由一个细胞体(cell body 或soma)和突(process)两部分组成。突分两类，即轴突(axon)和树突(dendrite)，轴突是个突出部分，长度可达 1m，把本神经元的输出发送至其它相连接的神经元。树突也是突出部分，但一般较 短，且分枝很多，与其它神经元的轴突相连，以接收来自其它神经元的生物信号。
轴突的末端与树突进行信号传递的界面称为突触(synapse)，通过突触向其它神经元发送信息。对某些突触的刺激促 使神经元触发(fire)。只有神经元所有输入的总效应达到阈值电平，它才能开始工作。此时，神经元就产生一个全强 度的输出窄脉冲，从细胞体经轴突进入轴突分枝。这时的神经元就称为被触发。突触把经过一个神经元轴突的脉冲 转化为下一个神经元的兴奋或抑制。学习就发生在突触附近。
每个人脑大约含有 10^11-10^12 个神经元，每一神经元又约有 10^3-10^4 个突触。神经元通过突触形成的网络，传 递神经元间的兴奋与抑制。大脑的全部神经元构成极其复杂的拓扑网络群体，用于实现记忆与思维。
人工神经网络的结构
人工神经网络由神经元模型构成。每个神经元具有单一输出，并且能够与其它神经元连接，存在许多输出连接方法，每种连接方法对应于一个连接权系数。
人工神经网络的结构分为2 类：
(1)递归(反馈)网络 有些神经元的输出被反馈至同层或前层神经元。信号能够从正向和反向流通。Hopfield 网络，Elmman 网络和Jordan 网络是代表。
(2)前馈网络 具有递阶分层结构，由一些同层神经元间不存在互连的层级组成。从输入层至输出层的信号通过单向连接流通，神 经元从一层连接至下一层，不存在同层神经元之间的连接。多层感知器(MLP)，学习矢量量化网络(LVQ)，小脑模 型连接控制网络(CMAC)和数据处理方法网络(GMDH)是代表。
人工神经网络的主要学习算法
(1)指导式(有师)学习
根据期望和实际的网络输出之间的差来调整神经元连接的强度或权。包括Delta 规则，广义Delta 规则，反向传播算 法及LVQ 算法。
(2)非指导(无导师)学习
训练过程中，神经网络能自动地适应连接权，以便按相似特征把输入模式分组聚集。包括 Kohonen 算法，Carpenter-Grossberg 自适应谐振理论(ART)(3)强化学习
是有师学习的一种特例。它不需要老师给出目标输出，而是由一个“评论员”来评介与给定输入相对应的神经网络 输出的优度。例如遗传算法(GA)
4-10 什么是模糊集合和隶属函数或隶属度？
论域U 模糊子集F 隶属函数
序偶 P119
4-11 模糊集合有哪些运算，满足哪些规律？
并(取max)，交(取min)，补
幂等律，交换律，结合律，分配律，吸收律，同一律，Demorgan 律，复原律，对偶律，互补律不成立
4-12 什么是模糊推理？有哪几种模糊推理方法？
模糊推理是建立在模糊逻辑基础上的，一种不确定性推理方法，是在二值逻辑三段论基础上发展起来的。它以模糊判断为前提，动用模糊语言规则，推导出一个近似的模糊判断结论。
有许多模糊推理方法。在Zadeh 法中，有2 种重要的模糊推理规则：广义取式(肯定前提)假言推理法(GMP)和广义 拒式(否定结论)假言推理法(GMT)，分别简称为广义前向推理法和广义后向推理法。
4-13 有哪些模糊蕴含关系？ 模糊合取，模糊析取，基本蕴涵，命题演算，GMP 推理，GMT 推理
4-14 什么叫模糊判决？有哪几种常用的模糊判决方法？
从推理得到的模糊集合中，取一个相对最能代表这个模糊集合的单值的过程就称为解模糊或模糊判决。
常用的模糊判决方法有：重心法，最大隶属度法，系数加权平均法，隶属度限幅元素平均法
第五章 计算智能(2):进化计算 人工生命
5-1 什么是进化计算？它包括哪些内容？它们的出发点是什么？
什么是？
进化计算包括遗传算法，进化策略，进化编程和遗传编程。
出发点？
5-2 试述遗传算法的基本原理，并说明遗传算法的求解步骤。
基本原理？
求解步骤：
(1)随机产生一个由确定长度的特征字符串组成的初始种群体
(2)对该字符串种群迭代地执行下步的步骤[1]和步骤[2]，直到满足停止准则为止：
[1] 计算种群中每个个体字符中的适应值
[2] 应用复制，交叉和变异等遗传算子产生下一代种群
(3)把在后代中出现的最好个体字符指定为遗传算法的执行结果，这个结果可以表示问题的一个解。
5-5 进化策略是如何描述的？
最简单的进化策略可描述如下： P137
5-6 简述进化编程的机理和基本过程，并以四状态机为例说明进化编程的表示。
机理？
基本过程？
P139
5-7 遗传算法、进化策略和进化编程的关系如何？有何区别？
关系： 它们都是模拟生物界自然进化过程而建立的鲁棒性计算机算法。
区别：
进化策略和进化编程把变异作为主要搜索算子，标准遗传算法中，变异处于次要位置。
交叉在遗传法起着重要作用，而在进化编程中却被完全省去，在进化策略中与自适应结合使用，起了很重要的作用。标准遗传算法和进化编程都强调随机选择机制的重要性，而进化策略的选择是完全确定的。
进化策略和进化编程，确定地把某个个体排除在被选择之外，而标准遗传算法都对每个个体指定一个非零的选择概率。
5-8 人工生命是否从1987 年开始研究？为什么？
不是。
1987 年第一次人工生命研讨会上，美国圣塔菲研究所非线性研究组的兰顿正式提出了人工生命的概念，建立起人工 生命新学科。世纪，60 年代，罗森布拉特研究感知机，斯塔尔建立细胞活动模型，林登迈耶提出了生长发育中的细胞交互作 用数学模型。
年代，康拉德等人研究人工仿生系统中的自适应，进化和群体动力学，提出不断完善的“人工世界”模型。细胞 自动机被用于图像处理。康韦提出生命的细胞自动机对策论。
年代，人工神经网络再度兴起，促进了人工生命的发展。
5-9 什么是人工生命？请按你的理解用自己的语言给人工生命下个定义。
1987 年兰德提出的人工生命定义为：人工生命是研究能够演示出自然生命系统特征行为的人造系统。通过计算机或 其它机器对类似生命的行为进行综合研究，以便对传统生物科学起互补作用。
凡是具有自然生命现象和特征的人造系统，都可称为人工生命。
5-10 人工生命要模仿自然生命的特征和现象。自然生命有哪些共同特征？
自然生命的共同特征和现象，包括但不限于：
18(1)自繁殖，自进化，自寻优
(2)自成长，自学习，自组织
(3)自稳定，自适应，自协调
(4)物质构造
(5)能量转换
(6)信息处理
5-11 为什么要研究人工生命？
具有重大的科学意义和广泛的应用价值
(1)开发基于人工生命的工程技术新方法，新系统，新产品(2)为自然生命的研究提供新模型、新工具、新环境(3)延伸人类寿命，减缓衰老，防治疾病(4)扩展自然生命，实现人工进化和优生优育
(5)促进生命科学，信息科学，系统科学的交叉发展
5-12 人工生命包括哪些研究内容？其研究方法如何？ 研究内容大致分为两类：
（1）构成生物体的内部系统，包括脑，神经系统，内分泌系统，免疫系统，遗传系统，酶系统，代谢系统
（2）生物体及其群体的外部系统，包括环境适应系统和遗传进化系统 研究方法主要可分为两类：
（1）信息模型法，根据内部和外部系统所表现出来的生命行为来建造信息模型
（2）工作原理法：生命行为所显示的自律分散和非线性行为，其工作原理是混沌和分形，以此为基础研究人工生命的机理。
第六章 专家系统
6-1 什么叫做专家系统？具有哪些特点和优点？
专家系统是一种模拟人类专家解决领域问题的智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说，专家系统是一个具有 大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某一个领域或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，一边解决那些需要人类专家处理的复杂问题。特点：
（1）启发性 专家系统能运用专家的知识与经验进行推理、判断和决策
（2）透明性 专家系统能够解释本身的推理过程和回答用户提出的问题，以便让用户能够了解推理过程，提高对专家系统的信赖感。
（3）灵活性 专家系统能不断地增长知识，修改原有知识，不断更新 优点
（1）专家系统能够高效率、准确、周到、迅速和不知疲倦地进行工作（2）专家系统解决实际问题时不受周围环境的影响，也不可能遗漏忘记
（3）可以使专家的专长不受时间和空间的限制，以便推广珍贵和稀缺的专家知识与经验
（4）专家系统能够促进各领域的发展，它使各领域专家的专业知识和经验得到总结和精炼，能够广泛有力地传播专家的知识、经验和能力
（5）专家系统能够汇集多领域专家的知识和经验以及他们写作解决重大问题的能力，它拥有更渊博的 19 知识、更丰富的经验和更强的工作能力
（6）军事专家系统的水平是一个国家国防现代化的重要标志之一（7）专家系统的研制和应用，具有巨大的经济效益和社会效益
（8）研究专家系统能够促进整个科学技术的发展。专家系统对人工智能的各个领域的发展起了很大的促进作用，并将对科技、经济、国防、教育、社会和人民生活产生极其深远的影响。
6-2 专家系统由哪些部分构成？各个部分的的作用为何？
（1）知识库（knowledge base）知识库用于存储某领域的专门知识，包括事实、可行操作与规则等。（2）综合数据库（global database）综合数据库又称全局数据库或总数据库，它用于存储领域或问题的厨师数据和推理过程中得到的中间数据（信息），即被处理对象的一些当前事实。
（3）推理机（reasoning machine）推理机用于记忆所采用的规则和控制策略的程序，使整个专家系统能够以逻辑方式协调地工作。推理机能够根据指示进行推理和导出结论，而不是简单地搜索现成的答案。（4）解释器（explanator）解释器能够向用户解释专家系统的行为，包括解释推理结论的正确性以及系统输出其他候选解的原因。
（5）接口（interface）又称界面，他能够使系统与用户进行对话，使用户能够输入必要的数据、提出问题和了解推理过程及推理结果等。系统则通过接口，要求用户回答提问，并回答用户提出的问题，进行必要的解释。
6-3 建造专家系统的关键步骤是什么？
是否拥有大量知识是专家系统成功与否的关键，因而知识表示就成为设计专家系统的关键（1）设计初始知识库
问题知识化、知识概念化、概念形式化、形式规则化、规则合法化
（2）原型机（prototype）的开发与试验
建立整个系统所需要的实验子集，它包括整个模型的典型知识，而且只涉及与试验有关的足够简单的任务和推理过程
（3）知识库的改进与归纳
反复对知识库及推理规则进行改进试验，归纳出更完善的结果
6-4 专家系统程序与一般的问题求解软件程序有何不同？开发专家系统与开发其他软件的任务有何不同？
一般应用程序与专家系统的区别在于：前者把问题求解的知识隐含地编入程序，而后者则把其应用领域的问题求解知识单独组成一个实体，即为知识库。知识库的处理时通过与知识库分开的控制策略进行的。更明确地说，一般应用程序把知识组织为两级：数据级和程序级；大多数专家系统则将知识组织成三级：数据、知识库和控制。
在数据级上，是已经解决了的特定问题的说明性知识以及需要求解问题的有关事件的当前状态、在知识库级是专家系统的专门知识与经验。是否拥有大量知识是专家系统成功与否的关键，因而知识表示就成为设计专家系统的关键。
在控制程序级，根据既定的控制策略和所求解问题的性质来决定应用知识库中的哪些知识。
6-5 基于规则的专家系统是如何工作的？其结构为何？
系统的主要部分是知识库和推理引擎。
知识库由谓词演算事实和有关讨论主题的规则构成。“知识工程师”与应用领域的专家共同工作以便把专家的相关知识表示成一种形式，由一个知识采集子系统协助，输入到知识库。
推理引擎由所有操作知识库来演绎用户要求的信息的过程构成-如消解、前向链或反向链。
用户接口可能包括某种自然语言处理系统，它允许用户用一个有限的自然语言形式与系统交互。也可是用带有菜单的图形接口界面。
解释子系统分析被系统只需的推理结构，并把它解释给用户。
6-6 基于框架的专家系统与面向目标的编程技术，以提高系统的能力和灵活性。它们共享许多特征。面向目标的编程其所有数据结构均以目标形式出现，每个目标含有两种基本信息：描述目标的信息和说明目标能做什么的信息。面向目标的编程为表示实际世界目标提供了一种自然的方法。应用专家系统的术语来说，每个目标具有陈述性知识和过程知识。
结构的主要特点在于基于框架的专家系统采用框架而不是规则来表示知识。框架提供一种比规则更丰富的获取问题知识的方法，不仅提供某些目标的包描述，而且还规定了该目标如何工作。开发基于框架的专家系统的主要任务有：
（1）定义问题（对问题和结论的考察与综述）
（2）分析领域（定义事物、事物特征、事件和框架结构）（3）定义类及其特征（4）定义例及其框架结构（5）确定模式匹配法则（6）规定事物通信方法（7）设计系统界面（8）对系统进行评价
（9）对系统进行扩展，深化和扩展知识
6-7 为什么要提出基于模型的专家系统？试述神经网络专家系统的一般结构。
有一种关于人工智能的观点认为：人工智能是对各种定性模型的获得、表达及使用的计算方法进行研究 21 的学问。根据这一观点，一个知识系统中的知识库是由各种模型综合而成的，而这些模型又往往是定性的模型。
采用各种定性模型来设计专家系统，一方面它增加了系统的功能，提高了性能指标，另一方面，可独立地深入研究各种模型及其相关问题，把获得的结果用于改进系统设计。
6-8 新型专家系统有何特征？什么是分布式专家系统和协同式专家系统？ 新型专家系统的特征：（1）并行于分布处理（2）多专家系统协同工作（3）高级语言和知识语言描述
知识工程师只需用一种高级专家系统描述语言对系统进行功能、性能及接口描述，并用知识表示语言描述领域知识，专家系统生成系统就能自动或半自动地生成所需专家系统。（4）具有自学习功能
具有高级的知识获取与学习能力（5）引入新的推理机制
除了能进行演绎推理之外，还有归纳推理（联想、类比）、非标准逻辑推理（非单调逻辑推理、加权逻辑推理）及各种基于不完全知识和模糊知识的推理。（6）具有自纠错和自完善能力（7）先进的智能人机接口
理解自然语言，实现语声、文字、图形和图像的直接输入输出时如今人们对智能计算机提出的要求。
分布式专家系统
具有分布处理的特征，能把一个专家系统的功能经分解以后分布到多个处理器上去并行地工作，从而有总体上提高系统的处理效率。它可以工作在紧耦合的多处理器系统环境中，也可工作在松耦合的计算机网络环境中，其总体结构在很大程度上依赖于其所在的硬件环境。
协同式专家系统
又称为“群专家系统”，是一个能综合若干个相近领域或一个领域的多个方面的子专家系统互相协作，共同解决一个更广领域问题的专家系统。是克服一般专家系统的局限性的重要途径。它不着重于处理的分布和知识的分布，而是更强调子系统间的协同合作。它并不一定要求有多高处理机的硬件环境，而且一般都是在同一个处理机上实现各子专家系统的。
6-9 在设计专家系统时，应考虑哪些技术？（1）具有可靠知识与数据的小搜索空间问题
数据可靠（无噪声、无错误、不丢失、不多余）和知识可靠（不出现假的、近似的或推测性的结论），决定了系统具有单调性并可采用单路推理路线。而小搜索空间的问题一般允许采用穷举搜索策略。（2）不可靠的数据或知识
这种情况应采用概率推理、模糊推理、不可靠数据的精确推理方法或专门的不确定性推理技术。（3）时变数据
一般要设计时间推理技术，推理过程要求较复杂的表示法。（4）大搜索空间的问题
一般要引入启发式搜索策略或采用分层体系结构，来降低求解过程的复杂程度。对打空间的问题通常还要根据具体问题的特征来去相应的对策。
6-10 什么是建造专家系统的工具？你知道哪些专家系统工具，各有什么特点？
专家系统开发工具室一些比较通用的工具，作为设计和开发专家系统的辅助手段和环境，以求提高专家系统的开发效率、质量和自动化水平。专家系统工具是一种更高级的计算机程序设计语言。比一般的计算机高级语言具有更强的功能。主要分为骨架型工具（又称外壳）、语言型工具、构造辅助工具和支撑环境等四类。（1）骨架型工具
借用以前开发好的专家系统，将描述领域知识的规则从原系统中“挖掉”，只保留其独立于问题领域知识的推理机部分，这样形成的工具成为骨架型工具，如EMYCIN, KAS 以及EXPERT等。（2）语言型工具
提供给用户的是建立专家系统所需要的基本机制，其控制策略也不固定于一种或几种形式，用户可以通过一定手段来影响其控制策略。因此语言型工具的结构变化范围广泛，表示灵活，所适应的范围要比骨架型工具广泛得多。像OPS5，OPS83，RLL及ROSIE等，均属于这一类工具。（3）构造辅助工具
主要分两类：一类是设计辅助工具，典型的有AGE系统，另一类是知识获取工具，典型的有TEIRESIAS系统。
（4）支撑环境
是指帮助进行程序设计的工具，它常备作为知识工程语言的一部分。工具支撑环境仅是一个附带的软件包，以便使用户界面更友好，它包括四个典型组件：调试辅助工具、输入输出设施、解释设施和知识库编辑器。ART就属于这一类系统。
第七章 机器学习
7-1 什么是学习和机器学习？为什么要研究机器学习？
按照人工智能大师西蒙的观点，学习就是系统在不断重复的工作中对本身能力的增强或者改进，使得系统在下一次执行同样认为或类似任务时，会比现在做得更好或效率跟高。
机器学习室研究如何使用机器来模拟人类学习活动的一门学科，机器学习是一门研究机器获取新知识和 23 新技能，并识别现有知识的学问。这里说的“机器”，指的就是计算机。
现有的计算机系统和人工智能系统没有什么学习能力，至多也只有非常有限的学习能力，因而不能满足科技和生产提出的新要求。
7-2 试述机器学习系统的基本结构，并说明各部分的作用。
环境向系统的学习部分提供某些信息，学习部分利用这些信息修改知识库，以增进系统执行部分完成任务的效能，执行部分根据知识库完成任务，同时把获得的信息反馈给学习部分。
7-3 试解释机械学习的模式。机械学习有哪些重要问题需要加以研究？
机械学习是最简单的机器学习方法。机械学习就是记忆，即把新的知识存储起来，供需要时检索调用，而不需要计算和推理。是最基本的学习过程。任何学习系统都必须记住它们获取的知识。在机械学习系统中，知识的获取是以较稳定和直接的方式进行的，不需要系统进行过多的加工。要研究的问题：
（1）存储组织信息
只有当检索一个项目的时间比重新计算一个项目的时间短时，机械学习才有意义，检索的越快，其意义也就越大。
（2）环境的稳定性
机械学习基础的一个重要嘉定是在某一时刻存储的信息必须适用于后来的情况。（3）存储与计算之间的权衡
如果检索一个数据比重新计算一个数据所花的时间还要多，那么机械学习就失去了意义。
7-4 试说明归纳学习的模式和学习方法。
归纳是一种从个别到一般，从部分到整体的推理行为。归纳学习的一般模式为：
给定：观察陈述（事实）F，嘉定的初始归纳断言（可能为空），及背景知识 求：归纳断言（假设）H，能重言蕴含或弱蕴含观察陈述，并满足背景知识。学习方法：
（1）示例学习
它属于有师学习，是通过从环境中取得若干与某概念有关的例子，经归纳得出一般性行概念的一种学习方法。示例学习就是要从这些特殊知识中归纳出适用于更大范围的一般性知识，它将覆盖所有的正例并排除所有的反例。（2）观察发现学习
它属于无师学习，其目标是确定一个定律或理论的一般性描述，刻画观察集，制定某类对象的性质。它分为观察学习与机器发现两种，前者用于对事例进行聚类，形成概念描述，后者用于发现规律，产生定律或规则。
7-5 什么是类比学习？其推理和学习过程为何？
类比是一种很有用和很有效的推理方法，它能清晰，简洁地买哦书对象间的相似性，是人类认识世界的 24 一种重要方法。类比推理的目的是从源域S中，选出与目标域T最近似的问题及其求解方法，解决当前问题，或者建立起目标域中已有命题间的联系，形成新知识。
类比学习就是通过类比，即通过对相似事物加以比较所进行的一种学习。类比推理过程如下：（1）回忆与联想
通过回忆与联想在源域S中找出与目标域T相似的情况。（2）选择
从找出的相似情况中，选出与目标域T最相似的情况及其有关知识。（3）建立对应关系
在源域S与目标域T之间建立相似元素的对应关系，并建立起相应的映射。（4）转换
把S中的有关知识引导T中来，从而建立起求解当前问题的方法或者学习到关于T的新知识。
类比学习过程主要包括：
（1）输入一组已经条件（已解决问题）和一组未完全确定的条件（新问题）（2）按照某种相似性的定义，寻找两者可类比的对应关系
（3）根据相似变换的方法，建立从已解决问题到新问题的映射，以获得带求解问题所需的新知识。（4）对通过类比推理得到的关于新问题的知识进行校验。验证正确的知识存入知识库中，暂时无法验证的知识作为参考性知识，置于数据库中。
7-10 考虑一个具有阶梯型阈值函数的神经网络，假设（1）用一常数乘所有的权值和阈值（2）用一常数加于所有权值和阈值 试说明网络性能是否会变化？（1）不会（2）会
7-11 什么是知识发现？知识发现与数据挖掘有何关系？
根据费亚德的定义，数据库中的知识发现时从大量数据中辨识出有效的，新颖的，潜在有用的，并可被理解的模式的高级处理过程。
数据挖掘时知识发现中的一个步骤，它主要是利用某些特定的知识发现算法，在一定的运算效率内，从数据中发现出有关知识。
7-12 增大权值是否能使BP学习变慢？ 是
7-13 试说明知识发现的处理过程。费亚德的知识发现过程包括：（1）数据选择
根据用户需求从数据库中提取与知识发现相关的数据（2）数据预处理
检测数据的完整性与数据的一致性，对噪音数据进行处理，对丢失的数据利用统计方法进行填补，进行发掘数据库
（3）数据变换
利用聚类分析和判别分析，从发掘数据库里选择数据（4）数据挖掘（5）知识评价
对所获得的规则进行价值评定，以决定所得到的的规则是否存入基础知识库
知识发现的全过程，可进一步归纳为三个步骤，即数据挖掘预处理，数据挖掘，数据挖掘后处理。
7-14 有哪几种比较常用的知识发现方法？试略加介绍。常用的知识发现方法有：（1）统计方法
统计方法是从事物外在数量上的表现去推断事物可能的规律性，包括传统方法，模糊集，支持向量机，粗糙集
（2）机器学习方法
包括规则归纳、决策树、范例推理、贝叶斯信念网络，科学发现，遗传算法（3）神经计算方法
常用的有剁成感知器，反向传播网络，自适应映射网络（4）可视化方法
使用有效的可视化界面，可以快速，高效地与大量数据打交道，以发现其中隐藏的特征，关系，模式和趋势
7-15知识发现的应用领域有哪些？试展望知识发现的发展和应用评估。（1）金融业
数据清理，金融市场分析和预测，账户分类，银行担保和信用评估（2）保险业
通过对索赔者的资料与索赔历史数据模式进行比较，以判定用户的索赔是否合理（3）制造业
零部件故障诊断，资源优化，生产过程分析（4）市场和零售业
销售预测，库存需求，零售点选择和价格分析（5）医疗业
数据清理，预测医疗保险费用（6）司法
案件调查，诈骗检测，洗钱认证，犯罪组织分钟（7）工程与科学 工程与科学数据分析
第八章 机器人规划
8-1 有哪几种重要的机器人高层规划系统？它们各有什么特点？你认为哪种规划方法有较大的发展前景？
基于谓词逻辑的规划是用谓词逻辑来描述世界模型机规划过程的一种规划方法（1）规划演绎法。用F规则求解规划序列
（2）逻辑演算和通用搜索法。STRIPS和ABSTRIPS系统。（3）具有学习能力的规划系统。如PULP-I系统
（4）分层规划方法。如NOAH规划系统，他具有更快的规划速度，更强的规划能力和更大的适应性。发展前景？
8-5 机器人Rover 正在房外，想进入房内，但不能开门让自己进去，而只能喊叫，让叫声促使开门。另一机器人Max 在房间内，他能够开门并喜欢平静。Max 通常可以把门打开来使Rover 停止叫喊。假设 Max 和Rover 各有一个STRIPS规划生产系统和规划执行系统。试说明Max 和 Rover 的STRIPS规则和动作，并描述导致平衡状态的规划序列和执行的步骤。用来描述状态的谓词公式有： INROOM(X): X在房间里 OUTROOM(X): X不在房间里 SOUND(X): X在喊叫 QUIET(X): X保持安静
OPENEN(X): X处于打开状态 CLOSED(X): X处于关闭状态
Rover 可执行的动作有： Shout(X): X喊叫
先决条件：OUTROOM(X)AND CLOSED(Door)AND QUIET(X)删除表：QUIET(X)添加表：SOUND(X)ComeIn(X): X走进房间
先决条件：OUTROOM(X)AND OPEN(Door)删除表：OUTROOM(X)添加表：INROOM(X)
Max 可执行的动作有：
Open(X, Door): 为X打开门
先决条件：SOUND(X)AND OUTROOMX AND CLOSED(Door)删除表：OPENED(X)添加表：CLOSED(X)
初始状态M0 OUTROOM(Rover)AND QUIET(Rover)AND CLOSED(Door)AND INROOM(Max)目标状态G0 INROOM(Rover)AND QUIET(Rover)AND CLOSED(Door)AND INROOM(Max)
导致平衡状态的规划序列为{Shout(Rover), Open(Rover, Door), ComeIn(Rover), Close(Door)} 执行步骤：(1)M0：OUTROOM(Rover)AND QUIET(Rover)AND CLOSED(Door)AND INROOM(Max)OP1：Shout(Rover)M1：OUTROOM(Rover)AND SOUND(Rover)AND CLOSED(Door)AND INROOM(Max)(2)M1：OUTROOM(Rover)AND SOUND(Rover)AND CLOSED(Door)AND INROOM(Max)OP2：Open(Rover，Door)M2：OUTROOM(Rover)AND QUIET(Rover)AND OPENED(Door)AND INROOM(Max)(3)M2：OUTROOM(Rover)AND QUIET(Rover)AND OPENED(Door)AND INROOM(Max)OP3：ComeIn(Rover)M3：INROOM(Rover)AND QUIET(Rover)AND OPENED(Door)AND INROOM(Max)OP4：Close(Door)M4(G0)：INROOM(Rover)AND QUIET(Rover)AND CLOSED(Door)AND INROOM(Max)
8-6 用本章讨论过的任何规划生成系统，解决图8.22所示机械手堆积木问题。
用来描述状态的谓词公式有： ON(A,B): 积木A在积木B 上 ONTABLE(A): 积木A在桌子上 CLEAR(A): A上没有东西
HOLDING(A): 机械手正抓住A HANDEMPTY: 机械手为空
机械手可执行的动作有：
Stack(X,Y): 把积木X堆在积木Y上
先决条件：HOLDING(X)AND CLEAR(Y)删除表：HOLDING(X)AND CLEAR(Y)添加表：HANDEMPTY AND ON(X,Y)
UnStack(X,Y): 把堆在积木Y上的积木X抬起
先决条件：HANDEMPTY AND ON(X,Y)AND CLEAR(X)删除表：HANDEMPTY AND ON(X,Y)添加表：HOLDING(X)AND CLEAR(Y)28
PickUp(X): 从桌面上抓起积木X 先决条件：HANDEMPTY AND ONTABLE(X)AND CLEAR(X)删除表：ANDEMPTY AND ONTABLE(X)添加表：HOLDING(X)
PutDown(X): 将积木X 放到桌面上 先决条件：HOLDING(X)删除表：HOLDING(X)添加表：ONTABLE(X)AND HANDEMPTY 初始布局M0：
ON(D,B)AND ON(A,C)AND CLEAR(D)AND ONTALBE(B)AN ONTALBE(C)AND HANDEMPTY 目标布局G0：
ON(A,B)AND ON(B,C)AND ON(C,D)AND ONTABLE(D)AND CLEAR(A)AND HANDEMPTY 如何规划？
第九章 Agent 9-1 分布式人工智能系统有何特点？试与多艾真体系统的特性加以比较。分布式人工智能系统的特点：（1）分布性
系统信息（数据、知识、控制）在逻辑上和物理上都是分布的（2）连接性
各个子系统和求解机构通过计算机网络相互连接（3）协作性
各个子系统协调工作（4）开放性
通过网络互连和系统的分布，便于扩充系统规模（5）容错性
具有较多的冗余处理结点、通信路径和知识，提高工作的可靠性（6）独立性
系统把求解任务规约为几个相对独立的子任务，降低了问题求解及软件开发的复杂性
9-2 什么是艾真体？你对Agent的译法有何见解？
Agent是能够通过传感器感知其环境，并借助执行器作用于该环境的实体，可以看做是从感知序列到动作序列的映射。
其特征为：行为自主性，作用交互性，环境协调性，面向目标性，存在社会性，工作协作性，运行持续性，系统适应性，结构分布性，功能智能性 把agent 译为艾真体的原因有：
（1）一种普遍的观点认为，Agent是一种果果传感器感知其环境，并通过执行器作用于该环境的实体。（2）“主体”一词考虑到了Agent 具有自主性，但并未考虑Agent 还具有交互性，协调性，社会性，适应性和分布性等特性。
（3）“代理”一词在汉语中已经有明确的含义，并不能表示出Agent的原意。
（4）把Agent译为艾真体，含有一定物理意义，即某种“真体”或事物，能够在十分广泛的领域内得到认可。
（5）在找不到一个确切和公认的译法时，宜采用音译。
9-3 艾真体在结构上有什么特点？在结构上如何分类？每种结构的特点如何？ 真体=体系结构+程序
（1）在计算机系统中，真体相当于一个独立的功能模块，独立的计算机应用系统（2）真体的核心部分是决策生成器或问题求解器，起到主控作用（3）真体的运行时一个或多个进程，并接受总体调度
（4）各个真体在多个计算机CPU上并行运行，其运行环境由体系结构支持
结构分类及特点：（1）反应式
只是简单地对外部刺激产生响应，没有内部状态（2）慎思式
是一个具有显示符号模型的基于知识的系统（3）跟踪式
是具有内部状态的反应式真体，通过找到一个条件与现有的环境匹配的规则进行工作，然后执行与规则相关的作用
30（4）基于目标
真体的程序能够与可能的作用结果信息结合起来，以便选择达到目标的行为，只要指定新的目标，就能够产生新的作用（5）基于效果
一个具有显示效果函数的真体能够比较由不同作用获得的效果，从而做出理性决策（6）复合式
在一个真体内组合多种相对独立和并行执行的智能形态，其结构包括感知、动作、反应、建模、规划、通信和决策。
9-4 艾真体为什么需要互相通信？
一些交谈能向受话者传送信息，还有一些交谈要受话者采取行动。通信的双重目的就是建立信任和创建社会联系。
9-5 试述艾真体通信的步骤、类型和方式。通信的步骤：
在一个通信事件中，讲话者（T）要使用文字（W）向受话者（H）调查建议（P）在讲话者身上发生三种作用：（1）意向：T要H相信P（2）生成：T选择文字W（3）总和：H决定相信P 在受话者身上发生四种作用：
（1）感知：H 感知W(理想状态下W’=W，但可能会有错觉)（2）分析：H推断，W’有多个可能的含义P1，P2，P3…….Pn（3）消岐：H推断，T要调查Pi(理想地，Pi=P，但误解是可能的)（4）总和：H决定相信Pi 通信的类型：
（1）使用TELL和ASK通信
真体分享相同的内部表示语言，并通过界面TELL 和ASK 直接访问相互的知识库（2）使用形式语言通信
外部通信语言可以与内部表示语言不同，并且这些真体的每一个都可以有不同的内部语言，只人每个真体能可靠地从外部语言映射到自己的内部语言，它们就无须同意任何内部符号，其通信是通过语言而不是直接访问知识库而实现的 通信的方式：
（1）黑板结构方式
黑板提供公共工作区，真体可以交换信息，数据和知识（2）消息/对话方式
这是实现灵活和复杂的协调策略的基础。各真体使用规定的协议相互交换信息，用于建立通信和协调机制。两真体之间的信息是直接交换的，执行中没有缓冲。
9-6 艾真体有哪几种主要通信语言？它们各自有什么特点？ 知识询问与操作语言KQML KQML定义了一种真体间传递信息的标准语法以及一些动作表达式，分为通信、消息和内容三个从此 知识交换语言KIF 其语法基本上类似于用LISP语法书写的一阶谓词演算
9-7 多艾真体系统有哪几种基本模型？其体型结构又有哪几种？ 基本模型：
（1）BDI模型
它是一个概念和逻辑上的理论模型，渗透在其他模型中，成为研究真体理性和推理机制的基础。将BDI模型扩展至多真体系统时，提出了联合意图、社会承诺、合理行为等描述真体行为的形式化定义。（2）协商模型
产生于经济活动理论，主要用于资源竞争，任务分配和冲突消解等问题（3）协作规划模型
用于制定其协调一致的问题求解规划。每个真体都具有自己的求解目标，考虑其它真体的行动与约束，并进行独立规划。（4）自调整模型
为适应复杂控制系统的动态实时控制和优化而提出来。自协调模型随环境变化自适应地调整行为，是简历在开放和动态环境下的多真体系统模型。
体系结构：
（1）真体网络
无论是远距离还是短距离的真体，其通信都是直接进行的，当真体数目较大时，这种一一交互的结构将导致系统效率低下。（2）真体联盟
若干近程真体通过助手真体进行交互，而远程真体则由各个局部真体群体的助手真体完成交互和消息发送。一个真体无须知道其他真体的详细信息，比真体网络有较大的灵活性。（3）黑板结构
局部真体群体共享数据存储——黑板。其中控制外壳真体负责信息交互，而网络控制真体负责局部真体群体之间的远程信息交互。
9-8 试说明多艾真体的协作方法、协商技术和协调方式。
协作是保持非对抗真体间行为协调的特例，它通过适当的协调，合作完成共同目标。协作方法：
（1）决策网络和递归建模
决策网络可看做是增加了决策节点和效益节点的贝叶斯网络。根据对环境和其他真体的观察信息和贝叶斯学习方法来修正模型，即修正对其他真体行为的信念，并预测它们的行为。（2）Markov对策
单真体系统中真体的动态决策其实是一个Markov过程，在多真体系统中真体的Markov决策过程的扩展形式就是随机对策，即Markov对策（3）真体学习方法
多真题系统的协作，本质上说是每个真体学习其他真体的邢翁策略模型而采取相应的最优反应。（4）决策树和对策树
实质是将对策理论和对策过程形式化，以实现真体的自动推理过程 协商时多真体系统实现协同，协作，冲突消解和矛盾处理的关键环节
协商技术：
（1）协商协议
主要研究真体通信语言的定义，表示，处理和语义解释，主要处理协商过程总，真体之间的交互
32（2）协商策略
用于真体决策及选择协商协议和通信消息，主要修改真体内的决策和控制过程（3）协商处理
侧重描述和分析单个真体和多真体协商社会的整体协作行为，包括协商算法和系统分析两方面 协调时一种动态行为，是真体对环境及其它真体的适应，往往通过改变真体的心智状态来实现
协调方法：
（1）基于集中规划
至少有一个真体具备其他真体的知识，能力和环境资源知识，它作为主控真体，对系统的目标进行分解，任务进行规划，并指示其他真体执行任务（2）基于协商
属于分布式协调，系统中没有作为规划的主控真体（3）基于对策论
包括无通信协调和有通信协调两类（4）基于社会规划
以每个真体都必须遵循的社会规则，过滤策略，标准和惯例为基础的协调方法
9-9 为什么多艾真体需要学习与规划？
学习能力是衡量多真体系统和其他智能系统的重要特征之一。多真体系统学习比单真体学习复杂得多，因为其学习对象处于动态变化中，且其学习离不开真体间的通信。只要给计算机设定一个目标，然后计算机不断与环境交互以达到该目标。
规划是连接精神状态（打算，设想）与执行动作的桥梁。多真体系统中的规划与经典规划有所不同，需要反映环境的持续变化。
9-10 你认为多艾真体系统的研究方向应是哪些？其应用前景又如何？ 研究方向？
应用领域有：多机器人协调，过程智能控制，网络通信与管理，交通控制，电子商务，远程教学，远程医疗，网上数据挖掘，信息过滤、评估和集成以及数据库管理。
第五篇：人工智能课程论文解读
人工智能课程论文
题目：人工智能：用科学解密生命与智慧
姓
名：
学
号：
指导老师：
人工智能：用科学解密生命与智慧
摘要
本文是对人工智能及其应用的一个综述。首先介绍了人工智能的理论基础以其与人类智能的区别和联系。然后简要介绍了人工智能的发展现状以及未来趋势，并列举了一些人工智能在生活中的应用。对人工智能的一个热门分支——神经计算进行了着重介绍，人工神经网络通过模拟人脑的学习机制，将人工智能的重点从符号表示可靠的推理策略问题转化到学习和适应的问题，描述了其在字符识别问题上的实际应用。
人工智能：用科学解密生命与智慧
目录
一，人工智能与人类智能..............................................................................................4
1，什么是智能？.................................................................................................4 2，机器智能不等同于人类智能.........................................................................5 二，人工智能当前进展..................................................................................................6 三，人工智能在生活中的应用......................................................................................7 四，人工智能的前沿分支：神经计算..........................................................................9
1，人工神经网络：从大脑得到灵感.................................................................9 2，神经网络应用实例：基于Deep autoencoder的字符图像识别...............10 五，人工智能未来发展趋势........................................................................................12 小结................................................................................................................................13 参考文献........................................................................................................................1
4人工智能：用科学解密生命与智慧
一，人工智能与人类智能
人工智能（Artificial Intelligence，AI）是计算机科学的一个分支，它关心智能行为的自动化。AI是计算机科学的一部分，因而必须建立在坚实的理论知识之上并应用于计算机科学领域。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。1，什么是智能？
虽然大多数人确信看到智能行为是能判断它是智能的，但是似乎没有人能够使“智能”的定义既足够又具体以评估计算机程序的智能性，同时又反映了人类意识的生动性和复杂性。
这样实现一般智能就是塑造特定智能的人工制品。这些制品通常以诊断、预测或可视化工具实现，能够使得人类使用者完成复杂的任务。例如：用语言理解的马尔可夫模型，提供新数学理论的自动推理系统，通过大脑皮层网跟踪信号的动态贝叶斯网络，以及基因表达的数据模式的可视化，等等。
因此，定义人工智能完全领域的问题就变成了定义智能本身的问题：智能是一种独立的才能，还是一系列独一无二且不相关的能力的总称？在多大程度上可以说智能是学到的不是预先存在的？准确的说，学习时发生什么？什么是创造力？什么是直觉？智能是从可观察行为推断出的，还是需要特定内部机制的证据？在一个生物体的神经组织中，知识是以何种方式表示的？什么是自觉，它在智能中起着怎样的作用？另外，有必要按照已知的人类智能模式来设计智能计算机程序吗？智能实体是不是需要只有在生物中存在的丰富感受和经历？
这一系列的问题很难回答，但这些问题帮助我们勾勒出现代人工智能研究的核心问题以及求解方法。实际上，人工智能提供了一种独特而强大的工具来精确探索这些问题。AI为智能理论提供了一种媒介和实验台：首先用计算机程序语言表达出这些理论，然后在实际计算机上执行来进行测试和验证。
人工智能：用科学解密生命与智慧
2，机器智能不等同于人类智能
玛丽·雪莱在她的《弗兰肯斯坦》一书的序言中这样写道：
大多是拜伦勋爵和雪莱之间的对话，而我只是一个虔诚、安静的听众。其中有一次，他们讨论了各种哲学学说，以及有关生命原理的问题，并且谈到这些原理有否可能曾被发现和讨论过。他们谈及了达尔文博士的实验（我不能确认达尔文博士是否真正做过这个实验，我只是说当时有人讲他做过这样的实验），他把一段蠕虫（vermicelli）储藏在玻璃罐中，在采取了一些特殊方法之后，它开始自发运动。难道生命不是这样形成的吗？或许死尸还可能复活；流电电流实验已经让我们看到了这样的迹象：生命体的组成部分可以被制造、组合并注入活力（Butler 1998）。
玛丽·雪莱告诉我们，诸如达尔文的进化论和发现电流这样的科学进步已经使普通民众相信：自然法则并非奥妙无穷，而是可以被系统分析和理解的。弗兰肯斯坦的魔鬼并不是“萨满教”咒语或与地狱可怕交易的产物；而是由一个个单独“制造”的部件组装起来的，并且被注入了强大的电能。尽管19世纪的科学还不足以使人认识到理解和创造一个完全智能主体的意义，但它至少加深了这样的认识：生命和智慧的奥秘可以被纳入到科学分析中。也就是说，人可以让机器拥有所谓的“智能”。[1] 1936年，哲学家阿尔弗雷德·艾耶尔思考心灵哲学问题：我们怎么知道其他人曾有同样的体验。在《语言，真理与逻辑》中，艾尔建议有意识的人类及无意识的机器之间的区别。
1950年，图灵发表了一篇划时代的论文，文中预言了创造出具有真正智能的机器的可能性[1]。由于注意到“智能”这一概念难以确切定义，他提出了著名的图灵测试：如果一台机器能够与人类展开对话（通过电传设备）而不能被辨别出其机器身份，那么称这台机器具有智能。这一简化使得图灵能够令人信服地说明“思考的机器”是可能的。论文中还回答了对这一假说的各种常见质疑。[2] 图灵测试是人工智能哲学方面第一个严肃的提案。
1952年，在一场BBC广播中，图灵谈到了一个新的具体想法：让计算机来冒充人。如果不足70%的人判对,也就是超过30%的裁判误以为在和自己说话的是人
人工智能：用科学解密生命与智慧
而非计算机，那就算作成功了。
2014年6月8日，一台计算机成功让人类相信它是一个13岁的男孩，成为有史以来首台通过图灵测试的计算机。这被认为是人工智能发展的一个里程碑事件，但专家警告称，这项技术可用于网络犯罪。[3-5]。
尽管图灵测试具有直观上的吸引力，图灵测试还是受到了很多无可非议的批评。其中一个重要的质疑时它偏向于纯粹的符号求解任务。它并不测试感知技能或要实现手工灵活性所需的能力，而这些都是人类智能的重要组成部分。另一方面，有人提出图灵测试没有必要把机器智能强行套入人类智能的模具之中。人工智能或许本就不同于人类智能，我们并不希望一台机器做数学题像人类一样又慢又不准，我们希望的是它自身有点的最大化，比如快速准确的处理数据，长久的存储数据，没有必要模仿人类的认知特征。
但是，人工智能中一部分主要的研究着偏重于研究对人类智能的理解。人们为智能活动提供了一种原型实例，一些应用（比如诊断理解）通常有意地将模型建立在该领域的权威专家的解决过程上。更为重要的是，理解人类智能本身就是一个吸引人的、有待研究的科学挑战。
二，人工智能当前进展 问题的求解
人工智能中的问题解求，就是如何让机器去解决人类会遇到的问题，如何根据某一具体问题找到思考问题并解决这个问题的方法。目前，人工智能技术已经可以通过计算机程序解决了如何考虑要解决的问题，并能寻求较为准确的解决方案。2逻辑的推理与定理的证明
人工智能研究中最持久的探究领域之一就是逻辑推理。有关定理的证明就是让机器证明非数值性的真假。其中比较重要的是，通过找到合理、准确的方法，集中注意力在大型数据库中的有效事实，关注可信度证明，并在出现新信息时适时修改这些证明。[2] 3 人工智能应用之自然语言的处理
智能的另一表现就是进行自然语言的交流，自然语言处理就是让机器与人类进行
人工智能：用科学解密生命与智慧
无阻碍的沟通，这正是人工智能技术应用于实际领域的典型范例。目前此领域的主要研究内容是：如何利用计算机系统以主题和对话情境为基础，生成和理解自然语言。[3] 4 人工智能应用之模式的识别
如何使机器具有感知能力也是智能的表现。模式的识别是利用人工智能技术开发智能机器的关键，主要是通过计算机用数学技术方法来研究模式的自动处理和判读，让计算机实现“看见”，“听见”等功能。计算机模式识别的主要特点是速度快，准确率高，效率高，计算机模式识别也为人类认识自身智能提供了有利帮助。5 人工智能应用之智能信息的检索技术
在科学技术飞速发展的今天，人类已进入了“知识爆炸”的时代。传统检索系统已经满不足了对如今如此数量巨大以及种类繁多的文献检索要求。人工智能科技持续稳定发展的重要前提就是智能检索模块，可以说，智能信息的检索技术的运用势在必行。人工智能应用之专家系统
我们常说的专家系统就是指从人类专家那里获取的知识，并用来解决只有专家才能解决的疑难问题。这是一种基于知识的系统，从而也被称为知识基系统。专家系统是人工智能技术中研究最活跃，最有成效的一个领域。现在的专家系统尤其特殊的模仿了专家在处理故障时的思维方式，其水平有时甚至可以超过人类专家的水平。人工智能应用之机器人学
机器人对我们并不陌生，已在多个领域获得了越来越普遍的应用，诸如农业、工业、商业、旅游业、航空和海洋等。那么，机器人学所研究的问题主要包括从机器人手臂的最佳移动到实现机器人目标的动作序列的规划方法。机器人和机器人学的研究对人工智能思想的发展都起到了促进作用。
三，人工智能在生活中的应用
计算机科学
人工智能产生了许多方法解决计算机科学最困难的问题。它们的许多发明已
人工智能：用科学解密生命与智慧
被主流计算机科学采用，而不认为是AI的一部份。下面所有内容原在AI实验室发展：时间分配，介面演绎员，图解用户介面，计算机鼠标，快发展环境，联系表数据结构，自动存储管理，符号程序，功能程序，动态程序，和客观指向程序。[3] 金融
银行用人工智能系统组织运作，金融投资和管理财产。2001年8月在模拟金融贸易竞赛中机器人战胜了人。
金融机构已长久用人工神经网络系统去发觉变化或规范外的要求，银行使用协助顾客服务系统；帮助核对帐目，发行信用卡和恢复密码等。 医院和医药
医学临床可用人工智能系统组织病床计划；并提供医学信息。
人工神经网络用来做临床诊断决策支持系统。计算机帮助解析医学图像。这样系统帮助扫描数据图像，从计算X光断层图发现疾病，典型应用是发现肿块、心脏声音分析。 重工业
在工业中已普遍应用机器人。它们常做对人是危险的工作。全世界日本是利用和生产机器人的先进国；1999年世界范围使用1,700,000台机器人。 顾客服务
人工智能是自动上线的好助手，可减少操作，使用的主要是自然语言加工系统。呼叫中心的回答机器也用类似技术，如语言识别软件可使计算机的顾客较好操作。 运输
汽车的变速箱已使用模糊逻辑控制器。 运程通讯
许多运程通讯公司正研究管理劳动力的机器；如BT组研究可管20000工程师的机器。 玩具和游戏
1990年企图用基本人工智能大量为教育和消遣生产民用产品。现在，大众在生活的许多方面都在应用人工智能技术。 音乐
人工智能：用科学解密生命与智慧
技术常会影晌音乐的进步，科学家想用人工智能技术尽量赶上音乐家的活动；现正集中在研究作曲，演奏，音乐理论，声音加工等。
四，人工智能的前沿分支：神经计算
1，人工神经网络：从大脑得到灵感
神经计算科学是从信息科学的角度来研究如何加速神经网络模仿和延伸人脑的高级精神活动，如联想、记忆、推理、思维及意识等智能行为。这涉及到脑科学、认知科学，神经生物学、非线性科学、计算机科学、数学、物理学诸学科的综合集成。它是综合研究和实现类脑智能信息系统的一个新思想和新策略。[6] 深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。
一个神经网络的结构示意图如图1所示
图1 神经网络的结构示意图
神经网络将人工智能的重点从符号表示和可靠的推理策略问题转移到学习和适应的问题。同人和其他动物一样，神经网络是适应世界的一种机制：经过训练的神经网络结果是通过学识形成的。这种网络是通过和世界交互形成的，通过经验的不明确痕迹反映出来。神经网络的这种途径对我们理解智能起了极大的作用。
人工神经网络特有的非线性适应性信息处理能力，克服了传统人工智能方法对于直觉，如模式、语音识别、非结构化信息处理方面的缺陷，使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。人工神经网络与其它传统方法相结合，将推动人工智能和信息处理技术不断发展。近年来，人工神经网络正向模拟人类认知的道路上更加深入发展，与模糊系统、遗传算法、人工智能：用科学解密生命与智慧
进化机制等结合，形成计算智能，成为人工智能的一个重要方向，将在实际应用中得到发展。将信息几何应用于人工神经网络的研究，为人工神经网络的理论研究开辟了新的途径。神经计算机的研究发展很快，已有产品进入市场。光电结合的神经计算机为人工神经网络的发展提供了良好条件。
神经网络在很多领域已得到了很好的应用，但其需要研究的方面还很多。其中，具有分布存储、并行处理、自学习、自组织以及非线性映射等优点的神经网络与其他技术的结合以及由此而来的混合方法和混合系统，已经成为一大研究热点。由于其他方法也有它们各自的优点，所以将神经网络与其他方法相结合，取长补短，继而可以获得更好的应用效果。目前这方面工作有神经网络与模糊逻辑、专家系统、遗传算法、小波分析、混沌、粗集理论、分形理论、证据理论和灰色系统等的融合。
2，神经网络应用实例：基于Deep autoencoder的字符图像识别
深度信念网络(Deep Belief Network, DBN)[7]由 Geoffrey Hinton 在 2006 年提出。它是一种生成模型，通过训练其神经元间的权重，我们可以让整个神经网络按照最大概率来生成训练数据。我们不仅可以使用 DBN 识别特征、分类数据，还可以用它来生成数据。
DBN 由多层神经元构成，这些神经元又分为显性神经元和隐性神经元（以下简称显元和隐元）。显元用于接受输入，隐元用于提取特征。因此隐元也有个别名，叫特征检测器(feature detectors)。最顶上的两层间的连接是无向的，组成联合内存(associative memory)。较低的其他层之间有连接上下的有向连接。最底层代表了数据向量(data vectors)，每一个神经元代表数据向量的一维。
DBN 是由多层 RBM 组成的一个神经网络，它既可以被看作一个生成模型，也可以当作判别模型，其训练过程是：使用非监督贪婪逐层方法去预训练获得权值。训练过程：
1.首先充分训练第一个 RBM；
2.固定第一个 RBM 的权重和偏移量，然后使用其隐性神经元的状态，作为第二个 RBM 的输入向量；
人工智能：用科学解密生命与智慧
3.充分训练第二个 RBM 后，将第二个 RBM 堆叠在第一个 RBM 的上方； 4.重复以上三个步骤任意多次；
5.如果训练集中的数据有标签，那么在顶层的 RBM 训练时，这个 RBM 的显层中除了显性神经元，还需要有代表分类标签的神经元，一起进行训练： a)假设顶层 RBM 的显层有 500 个显性神经元，训练数据的分类一共分成了 10 类；
b)那么顶层 RBM 的显层有 510 个显性神经元，对每一训练训练数据，相应的标签神经元被打开设为 1，而其他的则被关闭设为 0。6.DBN 被训练好后如下图：
图2 训练好的深度信念网络。图中的绿色部分就是在最顶层 RBM 中参与训练的标签。注意调优(FINE-TUNING)过程是一个判别模型
调优过程(Fine-Tuning)：
生成模型使用 Contrastive Wake-Sleep 算法进行调优，其算法过程是：
1.除了顶层 RBM，其他层 RBM 的权重被分成向上的认知权重和向下的生成权重；
2.Wake 阶段：认知过程，通过外界的特征和向上的权重(认知权重)产生每一层的抽象表示(结点状态)，并且使用梯度下降修改层间的下行权重(生成权重)。也就是“如果现实跟我想象的不一样，改变我的权重使得我想象的东西就是这样的”。
3.Sleep 阶段：生成过程，通过顶层表示(醒时学得的概念)和向下权重，生成底
人工智能：用科学解密生命与智慧
层的状态，同时修改层间向上的权重。也就是“如果梦中的景象不是我脑中的相应概念，改变我的认知权重使得这种景象在我看来就是这个概念”。
在附件中提供了程序代码。实验利用MNIST字符图像，验证该方法的特征提取与识别能力。
五，人工智能未来发展趋势
科学技术是第一生产力，但技术的发展往往是远远超越我们的想象。就目前的一些前瞻性研究可以看出，未来人工智能技术的发展有如下几大趋势： 1 问题求解
问题求解一般包括两种，一种是指解决管理活动中由于意外引起的非预期效应或与预期效应之间的偏差。正在逐渐发展成为搜索和问题归约这类人工智能的基本技术；另一种问题的求解程序，是把各种数学公式符号汇编在一起。其性能已达到非常高的水平，并正在被许多工程师和科学家应用，甚至还有些程序能够用经验来改善其性能。2 机器学习
人工智能研究的核心课题之一就是机器学习。我们知道学习是人类智能的重要特征，那么机器学习就是指机器自动获取知识的过程。机器学习是机器获取知识的根本途径，也是机器智能的重要标志。计算机的机器学习主要研究内容为如何让计算机模拟或实现人类的学习能力。今后机器学习的研究主要是研究人脑思维的过程、人类学习的机理等。3 模式识别
用计算机实现模式(文字、声音、人物、物体等)的自动识别，弥补计算机对外部世界感知能力低下的缺陷，使计算机能够通过感官接受外界信息，识别和理解周围环境。依然是人工智能技术今后研究的重要方向。因为模式识别能为人类
人工智能：用科学解密生命与智慧
认识自身智能提供线索，也是开发智能机器的一个最关键的突破口。目前计算机模式识别系统的研究热点主要为三维景物、活动目标的识别和分析方面。传统的用统计模式和结构模式的识别方法将会被近年来迅速发展起来的模糊数学模式、人工神经网络模式的方法逐渐取代，特别是神经网络方法在模式识别中取得较大进展。4 专家系统
专家系统是根据某领域中一个或多个专家提供的知识或经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题的智能软件，它是一个具有大量的专门知识与经验的程序系统。目前各种专家系统已遍布各个专业领域，因此专家系统还将是人工智能应用研究最广泛和最活跃的应用领域之一。5 人工神经网络
人工神经网络，常被简称为神经网络或类神经网络。是未来人工智能应用的新领域，人工神经网络是指由大量处理单元（神经元）互连而成的网络。人工神经网络具有很强的自学习能力，主要擅长处理复杂的多维的非线性问题，不但可以解决定量的问题，还可以解决定性的问题，同时人工神经网络还具有大规模并行处理和分布的信息存储能力。或许未来智能计算机的结构可能就是作为主机的冯• 诺依曼型机与作为智能外围的人工神经网络的结合。
小结
人工智能是一个年轻而充满希望的研究领域，其宗旨是寻找一种有效的方式把智能问题求解、规划和通信技巧应用在更广泛的实际问题中。人工智能的工作者是工具的制造者。我们的表示、算法和语言都是一些工具，用来设计和建立那些展现智能行为的机制。通过实验，我们同时检验了它们解决问题的计算合适性，也检验了我们对智能现象的理解。然而，人工智能仍有很多尚待解答的问题，需要探索和研究。
人工智能：用科学解密生命与智慧
参考文献
[1] Artificial intelligence507, 28 July 2006.读书的好处
1、行万里路，读万卷书。
2、书山有路勤为径，学海无涯苦作舟。
3、读书破万卷，下笔如有神。
4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文
5、少壮不努力，老大徒悲伤。
6、黑发不知勤学早，白首方悔读书迟。——颜真卿
7、宝剑锋从磨砺出，梅花香自苦寒来。
8、读书要三到：心到、眼到、口到
9、玉不琢、不成器，人不学、不知义。
10、一日无书，百事荒废。——陈寿
11、书是人类进步的阶梯。
12、一日不读口生，一日不写手生。
13、我扑在书上，就像饥饿的人扑在面包上。——高尔基
14、书到用时方恨少、事非经过不知难。——陆游
15、读一本好书，就如同和一个高尚的人在交谈——歌德
16、读一切好书，就是和许多高尚的人谈话。——笛卡儿
17、学习永远不晚。——高尔基
18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向
19、学而不思则惘，思而不学则殆。——孔子
20、读书给人以快乐、给人以光彩、给人以才干。——培根
点击咨询 