整理人工智能简答题
《人工智能》复习要点

名词解释5X6分/简答题5X10分/论述题1X20分一、选择题1.下列哪个不是人工智能的研究领域( D )A.机器证明B.模式识别C.人工生命D.编译原理2.人工智能是一门( C )A.数学和生理学B.心理学和生理学C.语言学D.综合性的交叉学科和边缘学科3.神经网络研究属于下列( B )学派A.符号主义B.连接主义C.行为主义D.都不是4.(A->B)∧A => B是( C )A.附加律B.拒收律C.假言推理5.命题是可以判断真假的( D )A.祈使句B.疑问句C.感叹句D.陈述句6.MGU是(A)A.最一般合一B.最一般替换C.最一般谓词D.基替换7.要想让机器具有智能,必须让机器具有知识。
因此,在人工智能中有一个研究领域,主要研究计算机如何自动获取知识和技能,实现自我完善,这门研究分支学科叫( B )。
A.专家系统B.机器学习C.神经网络D.模式识别8.下列不在人工智能系统的知识包含的4个要素中( D )A.事实B.规则C.控制D.关系9.语义网络表达知识时,有向弧AKO 链、ISA 链是用来表达节点知识的( C )。
A.无悖性B.可扩充性C.继承性10.仅个体变元被量化的谓词称为( A )A.一阶谓词B.原子公式C.二阶谓词D.全称量词11.或图通常称为( D )A.框架网络B.语义图C.博亦图D.状态图12.不属于人工智能的学派是( B )A.符号主义B.机会主义C.行为主义D.连接主义。
13.所谓不确定性推理就是从( )的初始证据出发,通过运用( )的知识,最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论的思维过程。
( A )A.不确定性, 不确定性B.确定性, 确定性C.确定性, 不确定性D.不确定性确定性14.C(B|A) 表示在规则A->B中,证据A为真的作用下结论B为真的( B )A.可信度B.信度C.信任增长度D.概率15.已知初始问题的描述,通过一系列变换把此问题最终变为一个子问题集合;这些子问题的解可以直接得到,从而解决了初始问题。
人工智能应用考试试题

人工智能应用考试试题一、选择题1. 以下哪项不是人工智能的应用领域?A. 机器视觉B. 自然语言处理C. 人机交互D. 区块链技术2. 人工智能技术最早起源于哪个年代?A. 1950年代B. 1970年代C. 1990年代D. 2010年代3. 以下哪个是深度学习算法的代表性模型?A. Linear Regression(线性回归)B. Naive Bayes(朴素贝叶斯)C. Random Forest(随机森林)D. Convolutional Neural Network(卷积神经网络)4. AlphaGo在2016年击败了世界围棋冠军,使用的是哪种技术?A. 机器学习B. 遗传算法C. 强化学习D. 关联规则挖掘5. 人工智能在医疗领域的应用主要包括以下哪些方面?A. 疾病诊断B. 健康管理C. 医学影像分析D. 以上皆是二、简答题1. 请简要介绍一下人工智能的定义和发展历程。
2. 请列举并简要描述人工智能的几个典型应用领域。
3. 请解释并区分机器学习、深度学习和强化学习。
4. 请说明人工智能在金融领域的应用。
5. 请举例说明人工智能在智能家居中的应用。
三、论述题请论述人工智能在交通领域的应用,并分析其对交通系统的影响和未来发展趋势。
四、实践题请设计一个基于人工智能技术的智能客服系统,能够回答用户的常见问题并具备自主学习和优化的能力。
请说明你所选择的人工智能算法、数据处理过程和系统设计结构。
注意事项:本试卷共四个部分,包括选择题、简答题、论述题和实践题。
请根据题目要求逐个作答,不要漏写或错误填写。
考试时间为120分钟,请合理安排时间。
答卷时请使用黑色或蓝色水笔,不得使用铅笔。
答卷结束后,请将试卷和答卷一并提交。
祝您顺利完成本次考试!。
人工智能期末考试试题

人工智能期末考试试题一、选择题(每题2分,共20分)1. 人工智能的英文缩写是:A. AIB. IAC. IID. AII2. 以下哪个不是人工智能的分支领域?A. 机器学习B. 深度学习C. 量子计算D. 自然语言处理3. 神经网络的灵感来源于:A. 电子计算机B. 人脑神经结构C. 遗传算法D. 蜂群算法4. 下列哪项技术不属于机器学习算法?A. 决策树B. 支持向量机C. 遗传算法D. 逻辑回归5. 在人工智能领域,以下哪个概念与“深度学习”最不相关?A. 卷积神经网络B. 循环神经网络C. 专家系统D. 长短期记忆网络二、简答题(每题10分,共30分)1. 请简述人工智能与机器学习之间的关系。
2. 解释什么是监督学习和无监督学习,并给出一个实际应用的例子。
3. 描述深度学习在图像识别领域的应用。
三、论述题(每题25分,共50分)1. 论述人工智能在医疗领域的应用及其潜在的伦理问题。
2. 讨论人工智能对就业市场的影响,包括正面和负面的影响。
四、案例分析题(共30分)阅读以下案例:某公司开发了一款智能客服机器人,能够处理客户咨询和解决问题。
请分析该机器人可能面临的技术挑战,并提出解决方案。
五、编程题(共20分)编写一个简单的Python程序,实现一个基于决策树的分类器,对以下数据集进行分类:数据集:```特征1, 特征2, 类别1, 2, 正2, 1, 负3, 3, 正1, 1, 负```要求:- 使用sklearn库中的决策树分类器。
- 训练模型并预测新数据点 [2, 2] 的类别。
六、开放性问题(共10分)你认为人工智能在未来10年内将如何改变我们的日常生活?请给出你的观点和理由。
请注意:所有答案需根据题目要求,结合人工智能的相关知识进行回答。
人工智能导论测试题库及答案

人工智能导论测试题库及答案一、人工智能导论测试题库一、选择题1. 以下哪项不是人工智能的主要研究领域?A. 机器学习B. 计算机视觉C. 数据挖掘D. 神经科学2. 以下哪种编程语言在人工智能领域应用最广泛?A. PythonB. JavaC. C++D. Ruby3. 以下哪种算法是监督学习算法?A. K-均值聚类B. 决策树C. 遗传算法D. 深度学习4. 以下哪个不属于人工智能的主要类型?A. 弱人工智能B. 强人工智能C. 通用人工智能D. 超级智能5. 以下哪个不属于机器学习的主要任务?A. 分类B. 回归C. 聚类D. 排序二、判断题6. 人工智能是计算机科学的一个分支。
()7. 机器学习是一种无需编写明确规则,让计算机自动从数据中学习的算法。
()8. 神经网络是一种模拟人脑神经元结构的算法。
()9. 深度学习是一种基于神经网络的算法。
()10. 计算机视觉的主要任务是让计算机能够理解和解释图像和视频。
()三、填空题11. 人工智能的三大基石是________、________和________。
12. 在机器学习算法中,________和________是两种常用的分类算法。
13. 人工智能可以分为________、________和________三种类型。
四、简答题14. 请简要解释机器学习中的监督学习和无监督学习的区别。
15. 请简要介绍深度学习的概念及其在人工智能领域的应用。
二、答案及解析一、选择题1. D(神经科学是研究人脑结构和功能的学科,不属于人工智能研究领域)2. A(Python在人工智能领域应用广泛,因为它有丰富的库和框架支持)3. B(决策树是一种监督学习算法,用于分类和回归任务)4. D(超级智能是一种假设性的未来状态,目前还未实现)5. D(排序不属于机器学习的主要任务,而是数据结构的一种操作)二、判断题6. √(人工智能确实是计算机科学的一个分支,主要研究如何使计算机具有智能)7. √(机器学习确实是一种无需编写明确规则,让计算机自动从数据中学习的算法)8. √(神经网络确实是一种模拟人脑神经元结构的算法)9. √(深度学习确实是一种基于神经网络的算法)10. √(计算机视觉确实是一种让计算机能够理解和解释图像和视频的技术)三、填空题11. 数据、算法、计算能力12. 支持向量机、决策树13. 弱人工智能、强人工智能、通用人工智能四、简答题14. 监督学习:从标记好的训练数据中学习,以预测新的、未标记的数据。
人工智能概论简答题

人工智能概论简答题
1. 什么是人工智能?
人工智能(Artificial Intelligence)是指通过计算机程序和机器
学习等技术手段,实现人类智能的某些方面,使计算机系统能够表现出人类的思维和行为的能力。
2. 人工智能的发展历程是什么?
人工智能的发展历程可以分为三个阶段:
第一阶段是符号推理,主要是基于规则和逻辑,用于解决一些特定的问题。
第二阶段是基于知识的系统,因为知识的描述比规则更加灵活,更适合复杂的应用场景。
第三阶段是数据驱动的人工智能,主要是基于大数据和机器学习技术,能够自动学习并提高系统的精度和准确度。
3. 人工智能的分类有哪些?
人工智能的分类可以分为以下几类:
符号推理:基于规则和逻辑,将问题转化为符号形式进行处理。
机器学习:通过算法让计算机自动识别和学习特定模型。
自然语言处理:用计算机处理人类语言,例如语音识别、自然语言理解等。
计算机视觉:让计算机识别图像和视频,并进行语义解析。
智能控制:通过机器人等智能设备实现自主决策和控制。
4. 人工智能的应用领域有哪些?
人工智能的应用领域广泛,包括但不限于:
智能家居、自动驾驶、智能医疗、智能金融、智能客服、智能安防、智能教育、智能物流等领域。
人工智能简答题

1.人工智能是何时何地怎样诞生的?1956年夏季,来自数学,心理学,神经生理学,信息论和计算机方面的十位专家,在美国达特莫斯大学召开一次历时两个月的研讨会,讨论了关于机器智能的有关问题,会上达特莫斯大学的麦卡锡提议正式采用“人工智能”一词,标志人工智能学科的正式诞生。
2.什么是人工智能?试从学科和能力两方面加以说明。
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能功能,并开发相关理论和技术。
人工智能(能力)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。
3.人工智能的一般研究目标是什么?答:更好的理解人类智能,通过编写程序模仿和检验有关人类智能的理论。
创造有用的灵巧程序,该程序能够执行一般需要人类专家才能实现的任务。
近期目标人工智能的近期目标是实现机器智能。
即先部分地或某种程度地实现机器智能,从而使现有的计算机更灵活好用和更聪明有用。
远期目标人工智能的远期目标是要制造智能机器。
具体讲就是使计算机具有看、听、说、写等感知和交互能力,具有联想、学习、推理、理解、学习等高级思维能力,还要有分析问题解决问题和发明创造的能力。
4.人工智能的基本技术是什么?(1)知识表示技术:研究各种知识的形式化方法,并要求所采用的形式化方法能够便于知识在计算机中进行存贮、组织,便于问题求解中的检索、推理等操作。
(2)知识推理、计算和搜索技术:研究各种问题的求解规律,设计可机械执行的智能算子,用以实现问题求解过程。
(3)系统实现技术:它研究如何实现相关知识的计算机内部表示,将各种智能算子或求解过程转换为程序,对智能应用系统,还要特别考虑人机交互及界面的实现。
5.人工智能的应用领域博弈、自动定理证明、专家系统、模式识别、机器学习、计算智能、自然语言处理分布式人工智能、机器人6.什么是遗传算法,主要遗传操作有哪些?答:遗传算法是仿真生物遗传学和自然选择机理,通过人工方式所构造的一类搜索算法,从某种程度上说遗传算法是对生物进化过程进行的数学方式仿真。
人工智能简答题

人工智能简答题1、人工智能定义答:从能力的角度看,人工智能是指用人工的方法在机器(计算机)上实现的智能。
从学科的角度看,人工智能是一门研究如何构造智能机器或智能系统,使它能模拟、延伸和扩展人类智能的学科。
2、人工智能的目标答: 远期目标:揭示人类智能的根本机理,用智能机器去模拟、扩展和延伸人类智能。
近期目标:研究如何使现有的计算机更聪明,即使她能够运用知识去处理问题,能够模拟人类的智能行为。
3、人工智能的三大学派答:人工智能发展中的3个主要学派:符号主义、连接主义、行为主义。
符号主义认为人工智能源于数理逻辑;人的认知基元是符号,认知过程即符号操作过程。
连接主义认为源于仿生学;人的思维基元是神经元,不是符号处理过程。
行为主义认为源于控制论。
智能取决于感知和行动,提出智能行为的“感知—动作”模式4、什么是知识?有哪几种主要的知识分类方法答:知识是人们在改造客观世界的实践中积累起来的认识和经验。
1)、按知识的性质:概念、命题、公理、定理、规则、方法2)、按知识的适应范围:常识性知识、领域性知识3)、按知识的作用效果:事实性知识、过程性知识、控制性知识4)、按知识的层次:表层知识、深层知识5)按知识的等级:零级知识、一级知识、二级知识7)按知识的结构及表现形式:逻辑性知识、形象性知识5、知识表示及其要求答:知识表示就是对知识的描述,即用一些约定的符号把知识编码成一组可以被计算机接收并便于系统使用的数据结构。
要求:1)表示能力2)可利用性3)可组织性与可维护性4)可实现性5)自然性与可理解性。
6、产生式的基本形式是什么?它与谓词逻辑中的蕴涵式有什么相同和不同处?答:P->Q IF P THEN Q。
蕴涵式仅是产生式的一种特殊情况。
1)蕴涵式智能表示确定性知识,其真值只能取真或假。
而产生式不仅可以表示确定性知识,也可以表示不确定性知识。
2)在产生式表示法中,决定一个产生式是否可用,是通过检查已知事实是否与前提中所规定的条件匹配来实现的,并且匹配可以是精确度的,也可以是不精确的。
简答人工智能的题目简答题

简答题:一、什么是知识表示?请介绍3种您所熟悉的知识表示方法?并比较它们的优缺点。
(10分) 答:知识表示是对知识的描述,即用一组约定的符号把知识编码成一组可以被计算机接收,并便于系统使用的数据结构。
(2分)方法:一阶逻辑表示、产生式表示、语义框架表示(2分)优缺点:(每点1分)一阶逻辑表示:优点:自然、明确、精确?。
缺点:知识表示能力差、知识库管理困难?产生式:优点:自然性、模块性?。
缺点:效率低、不便于表示结构性知识框架表示:优点:结构性、自然性?。
缺点:缺乏形式理论、缺乏过程性知识表示二、设有如下图所示的博弈树,其中最下面的数字是假设的估值,请对该博弈树作如下工作:(1) 计算各节点的倒推值;(2) 利用α-β剪枝技术剪去不必要的分枝,并说明剪枝的条件。
(10分)剪枝方法(1) MAX节点(或节点)的α值为当前子节点的最大到推值; (2)MIN节点(与节点)的β值为当前子节点的最小倒推值; (3) α-β剪枝的规则如下:任何MAX节点n的α值大于或等于它先辈节点的β值,则n以下的分枝可停止搜索,并令节点n的倒推值为α。
这种剪枝称为β剪枝。
任何MIN节点n的α值小于或等于它先辈节点的α值,则n以下的分枝可停止搜索,并令节点n的倒推值为β。
这种剪枝称为α剪枝。
三、什么是机器学习?机器学习的主要策略有哪些?答:机器学习就是让机器(计算机)来模拟和实现人类的学习功能。
按学习策略来分类即按学习中所使用的推理方法来分,可分为记忆学习、传授学习、演绎学习、归纳学习等。
按应用领域分类专家系统学习、机器人学习、自然语言理解学习等。
按对人类学习的模拟方式符号主义学习、连接主义学习等。
四、. 什么是人工智能?他的研究目标有哪些?(10分)答:综合各种不同观点,可从能力和学科两个方面讨论,从能力方面角度看,人工智能就是用人工的方法在机器(计算机)上实现的智能,或称机器智能。
从学科方面角度看,人工智能是一门研究如何构造智能机器或智能系统,以模拟、延伸和扩展人类智能的学科。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
一.简答题1.在什么情况下需要采用不确定推理或非单调推理?答:一般推理方法在许多情况下,往往无法解决面临的现实问题,因而需要应用不确定性推理等高级知识推理方法,包括非单调推理、时序推理和不确定性推理等。
例如,当一个人打开电灯的开关而发现灯泡未亮时,就会根据以往的经验而觉得“停电了”。
但当他打开另外一只灯的开关发现灯亮时,就否定了先前“停电了”的结论,想到也许是开关或者灯具出问题了。
这个改变原先推导结论的过程其实就是一个非单调推理。
即,随着信息与知识的增加,并没有在肯定原来的结论基础上,增加了更多并立的知识与结论,而是否定了原先结论并有了新的看法。
以下情况需要采用不确定推理:所需知识不完备,不精确所需知识描述模糊,多种原因导致同一结论,问题的背景知识不足,解题方案不唯一。
不确定性推理,是指其推理过程中,由于各种偶然性误差、干扰以及证据的不确定性等因素,导致所获得的结果或结论本身具有未置可否的不确定性。
一般来说,出现不精确推理的原因和特征可能有:①证据不足或称为证据的不确定性;②规则的不确定性;③研究方法的不确定性。
由于以上“三性”的存在,决定了推理的最后结果具有不确定但却近乎合理的特性,人们把这种性质的推理及其理论和方法总称为不确定推理2.产生式系统有哪几种推理方式?各自特点为何?答:(1)正向推理(正向链接推理):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。
(2)逆向推理(后向链接推理):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。
(其基本原理是从表示目标的谓词或命题出发,使用一组规则证明事实谓词或命题成立,即提出一批假设(目标),然后逐一验证这些假设。
(3)双向推理:又称为正反向混合推理,它综合了正向推理和逆向推理的长处,克服了两者的短处。
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。
3.算法A*直到一个目标节点被选择扩展才会终止。
然而,到达目标节点的一条路经可能在那个节点被选择扩展前早就找到了。
一旦目标节点被发现,为什么不终止搜索呢?用一个例子说明你的答案。
4.结合你的研究方向,论述哪些人工智能技术可以得到应用?解决什么问题?答:人工智能目前总结出了对实现人工智能系统来说具有普遍意义的核心课题:知识的模型化和表示方法,启发式搜索理论,各种推理方法,人工智能系统结构和语言。
主要研究和应用领域:机器学习,知识表示和推理,智能搜索,模糊逻辑,人工神经网络,遗传算法,自然语言理解,博弈论,知识发现和数据挖掘等。
5.在选择知识表示的方法时,应该考虑哪些因素?答:表示能力:能够将问题求解所需的知识正确有效地表达出来,可理解性:所表达的知识简单、明了、易于理解,可访问性:能够有效地利用所表达的知识,可扩充性:能够方便灵活地对知识进行扩充。
表示范围是否广泛、是否适于推理、是否适于计算机处理、是否有高效的算法、能否表示不精确知识、能否模块化、知识和元知识能否用统一的形式表示、是否加入启发信息、过程性表示还是说明性表示、表示方法是否自然。
总之,人工智能问题的求解是以知识表示为基础的,如何将已获取的有关知识以计算机内部代码形式加以合理地描述、存储、有效利用便是知识表示所应解决的问题。
6.什么是语义网络知识表示?给出这种表示方法的优缺点。
答:语义网络是一种用实体及其语义关系来表达知识的有向图。
结点代表实体,表示各种事物、概念、情况、属性、状态、事件、动作等;弧代表语义关系,表示它所连结的两个实体之间的语义联系,它必须带有标识。
主要优点:结构性:把事物的属性以及事物间的各种语义联系显式地表示出来,是一种结构化的知识表示方法。
在这种方法中,下层结点可以继承、新增、变异上层结点的属性。
联想性:本来是作为人类联想记忆模型提出来的,它着重强调事物间的语义联系,体现了人类的联想思维过程。
自索引性:把各接点之间的联系以明确、简洁的方式表示出来,通过与某一结点连结的弧可以很容易的找出与该结点有关的信息,而不必查找整个知识库。
这种自索引能力有效的避免搜索时所遇到的组合爆炸问题。
自然性:这种带有标识的有向图,可比较直观地把知识表示出来,符合人们表达事物间关系的习惯,并且与自然语言语义网络之间的转换也比较容易实现。
主要缺点:非严格性:没有象谓词那样严格的形式表示体系,一个给定语义网络的含义完全依赖于处理程序对它所进行的解释,通过语义网络所实现的推理能保证其正确性。
复杂性:语义网络表示知识的手段是多种多样的,这虽然对其表示带来了灵活性,但同时也由于表示形式的不一致,使得它的处理增加了复杂性。
组合爆炸问题和不充分性。
7.什么是产生式知识表示?给出这种表示方法的优缺点。
答:早期产生式知识表示是一种计算形式体系里所使用的术语,主要是使用类似文法的规则,对符号串做替换运算。
一般用三元组(对象,属性,值)或(关系,对象1,对象2)产生式的基本形式:P→Q或者IF P THEN Q ,P是产生式的前提,也称为前件,它给出了该产生式可否使用的先决条件,由事实的逻辑组合来构成;Q 是一组结论或操作,也称为产生式的后件,它指出当前题 P满足时,应该推出的结论或应该执行的动作。
产生式的含义:如果前提P满足,则可推出结论 Q或执行Q所规定的操作优点:(1)模块性:规则与规则之间相互独立。
(2)灵活性:知识库易于增加、修改、删除。
(3)自然性:方便地表示专家的启发性知识与经验。
(4)透明性:易于保留动作所产生的变化、轨迹。
缺点:知识库维护难,效率低,理解难。
8.写出利用归结原理求解问题答案的步骤。
答:(1)写出谓词关系公式。
(2)用反演法写出谓词表达式。
(3)SKOLEM标准形式。
(4)命题表示成合取范式并求子句集S。
(5)将结论否定并加入S中,对S中可归结的子句做归结。
(6)归结式仍放入S中,反复归结过程。
(7)得到空子句。
(8)得证。
9.什么是不确定性推理?不确定推理中需要解决的基本问题有哪些?答:不确定性推理是一种建立在非经典逻辑基础上的基于不确定性知识的推理,它从不确定性的初始证据出发,通过运用不确定性知识,推出具有一定程度的不确定性的和合理的或近乎合理的结论。
基本问题:不确定性的表示与度量,不确定性的匹配,不确定性的传播和更新,不确定性的合成。
10.同传统的计算机程序相比,人工智能程序有哪些特点?答:(1)人工智能首先研究的是以符号表示的知识,而不是数值数据为研究对象(2)人工智能采用的是启发式推理方法,而不是常规算法(3)人工智能的控制结构与知识领域是分离的,并允许出现不正确的解答11.谓词逻辑表示法为什么是应用最广泛的表示方法之一?答:(1)谓词逻辑与数据库,特别是关系数据库就有密切的关系。
在关系数据库中,逻辑代数表达式是谓词表达式之一。
因此,如果采用谓词逻辑作为系统的理论背景,则可将数据库系统扩展改造成知识库。
(2)一阶谓词逻辑具有完备的逻辑推理算法。
如果对逻辑的某些外延扩展后,则可把大部分的知识表达成一阶谓词逻辑的形式。
(3)谓词逻辑本身具有比较扎实的数据基础,知识的表达方式决定了系统的主要结构。
因此,对知识表达方式的严密科学性要求就比较容易得到满足。
这样对形式理论的扩展导致了整个系统框架的发展。
(4)逻辑推理是公理集合中演绎而得出结论的过程。
由于逻辑及形式系统具有的重要性质,可以保证知识库中新旧知识在逻辑上的一致性(或通过相应的一套处理过程检验)和所演绎出来的结论的正确性。
而其它的表示方法在这点上还不能与其相比。
12.什么是过程性知识表示?给出它的优缺点。
答:过程性知识是将有关某一问题领域的知识,连同如何使用这些知识的方法,均隐式地表示为一个求解问题的过程。
其包含两个含义:(1)把解决一个问题的过程描述出来。
可以称它为解题知识的过程表示。
(2)把客观事物的发展过程用某种方式表示出来。
优点:控制系统就比较容易设计,过程表示用程序来描述问题,具有很高的问题求解效率。
缺点:复杂、不直观、容易出错、不便于修改。
由于知识隐含在程序中,难于添加新的知识和扩充功能,所以适用范围较窄。
13.简述人工智能的研究目标。
答:可分为两个阶段:(1)近期目标:近期目标的中心任务是研究如何使计算机去做那些过去只有靠人的智力才能完成的工作。
主要研究依赖于现有计算机去模拟人类某些智力行为的基本理论、基本方法。
(2)远期目标:探讨智能的基本机理,研究如何利用自动机去模拟人的某些思维过程和智能行为,甚至做的比人还要好。
九个最终目标(从研究内容出发):理解人类的认识、有效的自动化、有效的智能拓展、超人的智力、通用问题求解、连贯性交谈、自治、学习、储存信息。
14.简述人工智能的新进展。
答:多学科基础理论交叉研究,多学派融合研究,集成智能研究,智能机器人研究。
(脑科学为人工智能研究提供人脑神经系统功能的本质和机理;认知科学为人工智能研究提供感知、思维、学习和语言等基本原理心理学为人工智能研究提供认知、情感、意识等心理过程及联系。
生物学为人工智能研究提供自然界生物运行的机制;逻辑学为人工智能研究提供思维规律描述的理论和方法;)人工智能从以往的追求自主的系统,改变为人机结合的系统。
现在是直觉、形象思维与模式识别的结合、Situated AI,Sensing and Acting的结合,并引入概率论、遗传算法等理论。
计算机的定量与人的定性信息处理相结合,取长补短。
15.什么是遗传算法?解释遗传算法中的个体和种群的含义?答:遗传算法思想来源于生物进化过程,它是基于进化过程中的信息遗传机制和优胜劣汰的自然选择原则的搜索算法。
遗传算法用概率搜索过程在该状态空间中搜索,产生新的样本。
遗传算法是模仿生物遗传学和自然选择机理,通过人工方式构造一类优化搜索算法,是对生物进化过程的一个数学仿真,属于进化计算中的一类方法。
个体:个体就是模拟生物个体而对问题中的对象(一般就是问题的解)的一种称呼,一个个体也就是搜索空间中的一个点。
遗传算法先将搜索结构编码为字符串形式,每个字符串结构被称为个体。
种群:就是模拟生物种群而由若干个体组成的群体,它一般是整个搜索空间的一个很小的子集。
一组字符串结构,被称为一个群体。
16.人工智能研究主要有哪三大学派,其特点是什么?答:(1)符号主义:又称为功能模拟学派,主要观点认为智能活动的基础是物理符号系统,思维过程是符号模式的处理过程。
其特点:(a)立足于逻辑运算和符号操作,适合于模拟人的逻辑思维过程,解决需要逻辑推理的复杂问题。
(b)知识可用显示的符号表示,在已知基本规则的情况下,无需输入大量的细节知识。
(c)便于模块化,当个别事实发生变化时,易于修改。