人工智能概念简介说课讲解

人工智能概念简介

1，哈什么是人工智能？

人工智能（Artificial Intelligence）简称AI，主要研究如何用人工的方法和技术，使用各种自动化机器或智能机器（主要指计算机）模仿、延伸和扩展人的智能，实现某些机器思维或脑力劳动自动化。

人工智能是那些与人的思维相关的活动，诸如决策、问题求解和学习等的自动化（Bellman, 1978）；人工智能是一种计算机能够思维，使机器具有智力的激动人心的新尝试（Haugeland, 1985）；人工智能是研究如何让计算机做现阶段只有人才能做得好的事情（Rich Knight,1991）；人工智能是那些使知觉、推理和行为成为可能的计算的研究（Winston, 1992）；广义地讲，人工智能是关于人造物的智能行为，而智能行为包括知觉、推理、学习、交流和在复杂环境中的行为（Nilsson，1998）

2，人工智能有哪些研究途径？说明其研究特点。

1.心理模拟，符号推演:模拟人脑的逻辑思维，利用显式的知识和推理来解决问

题。擅长实现人脑的高级认知功能。2.生理模拟，神经计算:具有高度的并行分布型，很强的鲁棒性和容错性，擅长人脑的形象思维，便于实现人脑的低级感知功能。3.行为模拟，控制进化:具有自学习，自适应，自组织特性的智能控制系统和智能机器人。4.

群体模拟，仿生计算：成果可以直接付诸应用，解决工程问题和实际问题。5.博采广鉴，自然计算:模仿和借鉴自然界的某种机理而设计技术模型。7.原理分析，数学建模：纯粹用人的智能去实现机器智能

3，给出人工智能的五个应用领域。

难题求解，自动规划、调度与配置，机器定理证明，自动程序设计，机器翻译，智能控制，智能管理，智能决策，智能通信，智能仿真，智能CAD，智能制造，智能CAI，智能人机接口，模式识别，数据挖掘与数据库中的知识发现，计算机辅助创新，计算机文艺创作，机器博弈，智能机器人。

4，枚举出各种搜索策略。

盲目搜索：无向导的搜索，树式盲目搜索就是穷举搜索，不回溯的线式搜索是随机碰撞式搜索，回溯的线式搜索也是穷举式搜索。

启发式搜索：是利用“启发性信息”引导的搜索策略。“启发性信息”就是与问题有关的有利于尽快找到问题解的信息或知识。启发式搜索分为不同的策略，如全局择优，局部择优，最佳图搜索。按扩展顺序不同分为广度优先和深度优先。

5，人工智能的基本技术有哪些？

表示：符号智能的表示是知识表示，计算智能的表示一般是对象表示

运算：符号智能的运算是基于知识表示的推理或符号操作，计算智能的运算是基于对象表示的操作或计算

搜索：符号智能在问题空间内搜索进行问题求解，计算智能在解空间搜索进行求解

6，你认为人工智能未来的发展趋势是什么？

多种途径齐头并进，多种方法协作互补。

新思想、新技术不断涌现，新领域、新方向不断开拓。

理论研究更加深入，应用研究愈加广泛。

研究队伍日益壮大，社会影响越来越大。

7，你认为机器的智能会超过人类吗？为什么？

8，归结原理进行定理证明的步骤有哪些？归结原理进行求解问题的答案的步骤有哪些？

证明

1.先求出要证明的命题公式的否定式的子句集S；

2.然后对子句集S（一次或者多

次）使用归结原理；3.若在某一步推出了空子句，即推出了矛盾，则说明子句集S是不可满足的，从而原否定式也是不可满足的，进而说明原公式是永真的。

求解

1.先为待求解的问题找一个合适的求证目标谓词；

2.再增配（以析取形式）一个辅

助谓词，该谓词的变元必须与对应目标谓词中的变元完全一致；3.进行归结；4.当归结是刚好只剩下辅助谓词时，辅助谓词中原变元位置上的项就是所求的结果。

9，简要说明各种归结策略。

删除策略：及早删除无用子句，以避免无效归结，缩小搜索规模；并尽量使归结式朝“小”的方向发展。从而尽早导出空子句。删除策略是完备的。

支持集策略：尽量避免在可满足的子句集中做归结，因为从中导不出空子句。而求证公式的前提通常是一致的，所以支持集策略要求归结时从目标公式否定的子句出发进行归结。支持集策略实际是一种目标制导的反向推理。支持集策略是完备的。

线性归结策略：线性归结策略是完备的，高效的。可与许多别的策略相兼容。

输入归结策略：是一种自底而上的归结策略。输入归结策略是不完备的。输入归结策略常同线性归结策略结合，构成线性输入归结策略。也可以与支持集策略相结合。

单元归结策略：单元归结的思想是用单元子句归结可以使归结式含有较少的文字，因而有利于逼近空子句。单元归结策略是不完备的，但效率高。

祖先过滤型策略：是线性输入策略的改进。是完备的

10，说明与或图的在知识表示中的两种应用

与或图一般表示问题的变换过程，就是从原问题出发，运用某些规则不断的进行问题的分解（得到与分支）和变换（得到或分支），而得到一个与或图，与或图的节点一般代表问题，整个图就表示问题空间。

11，博弈问题状态空间图的特点是什么，为什么？

博弈树的特点

n 博弈的初始格局是初始节点。

n 在博弈树中，“或”节点和“与”节点是逐层交替出现的。自己一方扩展的节点之间是“或”关系，对方扩展的节点之间是“与”关系。双方轮流地扩展节点。

n 所有自己一方获胜的终局都是本原问题，相应的节点是可解节点；所有使对方获胜的终局都是不可解节点。

12，博弈问题求解有哪些方法，简述其过程。

极小极大分析法的基本思想

设博弈的双方中一方为A，另一方为B。然后为其中的一方(例如A)寻找一个最优行动方案。

为了找到当前的最优行动方案，需要对各个可能的方案所产生的后果进行比较。

为计算得分，需要根据问题的特性信息定义一个估价函数，用来估算当前博弈树端节点的得分。这时估算出来的得分为静态估值。

当端节点的估值计算出来后，再推算出父节点的得分，推算的方法是：

对“或”节点，选其子节点中一个最大的得分作为父节点的得分，这是为了使自己在可供选择的方案中选一个对自己最有利的方案；

对“与”节点，选其子节点中一个最小的得分作为父节点的得分，这是为了立足于最坏的情况。这样计算出的父节点的得分称为倒推值。

如果一个行动方案能获得较大的倒推值，则它就是当前最好的行动方案。

α－ß剪枝技术。基本思想为：

对于一个与节点MIN,若能估计出其倒推值的上确界β,并且这个β值不大于MIN的父节点(一定是或节点)的估计倒推值的下确界α,即α≥β,则就不必再扩展该MIN节点的其余子节点了(因为这些节点的估值对MIN父节点的倒推值已无任何影响了)。这一过程称为α剪枝。

对于一个或节点MAX,若能估计出其倒推值的下确界α,并且这个α值不小于MAX的父节点(一定是与节点)的估计倒推值的上确界β,即α≥β,