《人工智能复习剖析》由会员分享，可在线阅读，更多相关《人工智能复习剖析（14页珍藏版）》请在金锄头文库上搜索。
1、知识点1. 什么是人工智能？它的研究目标是什么？ 人工智能的研究目标远期目标 揭示人类智能的根本机理，用智能机器去模拟、延伸和扩展人类的智能 涉及到脑科学、认知科学、计算机科学、系统科学、控制论等多种学科，并依赖于它们的共同发展近期目标 研究如何使现有的计算机更聪明，即使它能够运用知识去处理问题，能够模拟人类的智能行为。相互关系 远期目标为近期目标指明了方向 近期目标则为远期目标奠定了理论和技术基础 2. 人工智能有哪几个主要学派？各自的特点是什么？人工智能研究的三大学派： 随着人工神经网络的再度兴起和布鲁克（R.A.Brooks）的机器虫的出现，人工智能研究形成了符号主义、联结主义和行为主义
2、三大学派。 符号主义学派 是指基于符号运算的人工智能学派，他们认为知识可以用符号来表示，认知可以通过符号运算来实现。例如，专家系统等。联结主义学派 是指神经网络学派，在神经网络方面，继鲁梅尔哈特研制出BP网络之后，人工神经网络研究掀起了第二次高潮。之后，随着模糊逻辑和进化计算的逐步成熟，又形成了“计算智能”这个统一的学科范畴。 行为主义学派 是指进化主义学派，在行为模拟方面，麻省理工学院的布鲁克教授1991年研制成功了能在未知的动态环境中漫游的有6条腿的机器虫。智能科学技术学科研究的主要特征 (1) 由对人工智能的单一研究走向以自然智能、人工智能、集成智能为一体的协同研究； (2) 由人工智能
3、学科的独立研究走向重视与脑科学、认知科学、等学科的交叉研究； (3) 由多个不同学派的独立研究走向多学派的综合研究； (4) 由对个体、集中智能的研究走向对群体、分布智能的研究； (5) 智能技术应用已渗透到人类社会的各个领域。知识表示的类型 按知识的不同存储方式： 陈述性知识：知识用某种数据结构来表示； 知识本身和使用知识的过程相分离。 过程性知识：知识和使用知识的过程结合在一起。知识表示的基本方法 非结构化方法： 一阶谓词逻辑 产生式规则 结构化方法： 语义网络 框架知识表示的其它方法 状态空间法和问题归约法。推理过程的心理形式 从心理学的角度，推理是一种心理过程。可有以下几种主要形式：
4、(1) 三段论推理 由两个假定真实的前提和一个可能符合也可能不符合这两前提的结论组成。 (2) 线性推理 或称线性三段论，这种推理的三个判断之间具有线性关系。 (3) 条件推理 即前一命题是后一命题的条件。 (4) 概率推理 即用概率来表示知识的不确定性，并根据所给出的概率来估计新的概率。推理方法的分类形式演绎推理与归纳推理的区别 演绎推理是在已知领域内的一般性知识的前提下，通过演绎求解一个具体问题或者证明一个结论的正确性。它所得出的结论实际上早已蕴含在一般性知识的前提中，演绎推理只不过是将已有事实揭露出来，因此它不能增殖新知识。 归纳推理所推出的结论是没有包含在前提内容中的。这种由个别事物或
5、现象推出一般性知识的过程，是增殖新知识的过程。推理控制策略及其分类推理的控制策略 推理的控制策略是指如何使用领域知识使推理过程尽快达到目标的策略。它可分为推理策略和搜索策略。 推理策略 主要解决推理方向、冲突消解等问题，如推理方向控制策略、求解策略、限制策略、冲突消解策略等 推理方向控制策略用于确定推理的控制方向，可分为正向推理、逆向推理、混合推理及双向推理。 求解策略是指仅求一个解，还是求所有解或最优解等。 限制策略是指对推理的深度、宽度、时间、空间等进行的限制。 冲突消解策略是指当推理过程有多条知识可用时，如何从这多条可用知识中选出一条最佳知识用于推理的策略。 搜索策略 主要解决推理线路、
6、推理效果、推理效率等问题。 机器人移盒子问题：机器人从c点出发，将盒子从a桌拿到b桌，然后再回到c处。 研究的对象： 桌子x的个体域是a, b 机器人y的个体域是robot 位置z的个体域是a, b, c 物体w的个体域是box 描述状态的谓词： TABLE(x)：x是桌子 EMPTY(y)：y手中是空的 AT(y, z)：y在z的附近 HOLDS(y, w)：y拿着w ON(w, x)：w在x桌面上 问题的初始状态 AT(robot, c) EMPTY(robot) ON(box, a) TABLE(a) TABLE(b) 问题的目标状态 AT(robot, c) EMPTY(robot)
7、ON(box, b) TABLE(a) TABLE(b) 机器人需要执行的操作 Goto(x, y)：从x处走到y处。 Pickup(x)：在x处拿起盒子。 Setdown(x)：在x处放下盒子。 操作对应的条件和动作如下 Goto(x，y) 条件：AT(robot，x) 动作：删除表：AT(robot，x) 添加表：AT(robot，y) Pickup(x) 条件：ON(box，x)，TABLE(x)，AT(robot，x)，EMPTY(robot) 动作：删除表：EMPTY(robot)，ON(box，x) 添加表：HOLDS(robot，box) Setdown(x) 条件：AT(rob
8、ot，x)，TABLE(x)，HOLDS(robot，box) 动作：删除表：HOLDS(robot，box) 添加表：EMPTY(robot)，ON(box，x)l 猴子摘香蕉问题：请写出猴子摘香蕉的求解过程 描述状态的谓词 AT(x, y)：x在y处 ONBOX：猴子在箱子上 HB：猴子得到香蕉 其中，x 的个体域是 Monkey, Box, Banana Y 的个体域是 a, b, c 问题的初始状态 AT(Monkey, a) AT(Box, b) ONBOX ， HB 问题的目标状态 AT(Monkey, c) ，AT(Box, c) ONBOX ， HB 需要的操作 Goto(u,
9、 v)： 猴子从u处走到v处 Pushbox(v, w)：猴子推着箱子从v处移到w处 Climbbox： 猴子爬上箱子 Grasp： 猴子摘取香蕉 操作对应的先决条件及动作 Goto(u, v) 条件：ONBOX ，AT(Monkey, u)， 动作：删除表：AT(Monkey, u) 添加表：AT(Monkey, v) Pushbox(v, w) 条件：ONBOX ，AT(Monkey, v)，AT(Box, v) 动作：删除表：AT(Monkey, v)，AT(Box, v) 添加表：AT(Monkey, w)，AT(Box,w) Climbbox 条件：ONBOX ，AT(Monkey,
10、 w)，AT(Box,w) 动作：删除表：ONBOX 添加表：ONBOX Grasp 条件：ONBOX，AT(Box, c) 动作：删除表：HB 添加表：HB 猴子摘香蕉问题的求解过程如下： 状态1（初始状态） AT( monkey, a ) 开始 AT( box, b ) = ONBOX HB 状态2 AT( monkey, b ) Goto( a, b ) AT( box, b ) = ONBOX HB 状态3 AT( monkey, c ) Pushbox( b, c ) AT( box, c ) = ONBOX HB 状态4 AT( monkey, c) Climbbox AT( bo
11、x, c ) = ONBOX HB 状态5(目标状态) AT( monkey, c ) Grasp AT( box, c ) = ONBOX HB谓词逻辑表示的特征主要优点 自然：一阶谓词逻辑是一种接近于自然语言的形式语言系统，谓词逻辑表示法接近于人们对问题的直观理解 明确：有一种标准的知识解释方法，因此用这种方法表示的知识明确、易于理解 精确：谓词逻辑的真值只有“真”与“假”，其表示、推理都是精确的 灵活：知识和处理知识的程序是分开的，无须考虑处理知识的细节 模块化：知识之间相对独立，这种模块性使得添加、删除、修改知识比较容易进行主要缺点 知识表示能力差：只能表示确定性知识，而不能表示非确定性知识、过程性知识和启发式知识 知识库管理困难：缺乏知识的组织原则，知识库管理比较困难
