人工智能重点词汇表

1. 人工智能从狭义的概念上来讲，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，是智能计算机系统的研究。从广义上来讲，人工智能是指人类智能行为规律、智能理论方面的研究。

2. 图灵试验

当一个人与一个封闭房间里的人或者机器交谈，如果他不能分辨自己问题的回答是计算机还是人给出，则称该机器是具有智能的。以往该试验几乎是衡量机器人工智能的唯一标准，但是从九十年代开始，现代人工智能领域的科学家开始对此试验提出异议。反对封闭式的，机器完全自主的智能。提出与外界交流的，人机交互的智能。

3. 归结原理又称为消解原理。该原理是一种基于逻辑的、采用反证法的推理方法。由于其理论上的完备性，归结原理成为机器定理证明的主要方法。

4. 命题描述事实、事物的状态、关系等性质的文字串，取值为真或假（表示是否成立）的句子。

5. 范式范式是公式的标准形式，公式往往需要变换为同它等价的范式，以便对它们作一般性的处理。

6. 前束范式

A 是一个前束范式，如果A 中的一切量词都位于该公式的最左边（不含否定词），且这些量词的辖域都延伸到公式的末端。

7.Skolem 标准形

前束范式中消去所有的存在量词，则称这种形式的谓词公式为Skolem 标准形。

8.文字

不含任何连接词的谓词公式。

9.子句

一些文字的析取（谓词的和）。

10.子句集

所有子句的集合。

11.一阶逻辑

谓词中不再含有谓词的逻辑关系式。

12.个体词

表示主语的词。

13. 谓词

刻画个体性质或个体之间关系的词。

14. 量词

表示数量的词。15. 置换

可以简单的理解为是在一个谓词公式中用置换项去置换变量。置换是形如{t1/x1, t2/x2, …，

tn/xn}

的有限集合。其中，x1, x2,…，xn是互不相同的变量，t1, t2, …，tn 是不同于xi的项（常量、变量、函数）；ti/xi表示用ti置换xi，并且要求ti与xi不能相同，而且xi不能循环地出现在另一个ti中。16. 归类

设有两个子句C和D,若有置换b使得C b D

成立，则称子句C把子句D归类。

17.支撑集

设有不可满足子句集S的子集T,如果S-T是可满足的，则T是支持集。

18.公式G永真

对于G的所有解释，G都为真。

19.公式G永假(矛盾)

没有一个解释使G 为真。

20.可满足

若A至少有一个成真赋值，则称A为可满足的。

21.不可满足

若A一个成真赋值都没有，则称A为不可满足的。

22.完全语义树

S的语义树是完全的，如果对该语义树的所有叶结点N来说，l(N)包含了S的原子集A={A1，A2,…}

中的所有元素Ai或~ Ai，i=1…n。

23.失败结点

当(由上)延伸到点N时，l(N)已表明了S的某子句的某个基例为假。但N以前尚不能判断这事实。

就称N为失败结点。

24.封闭语义树

如果S的完全语义树的每个分枝上都有一个失败结点，就称它是一棵封闭语义树。

25.不确定性推理

建立在不确定性知识和证据的基础上的推理。

26.Bayes 定理

设事件A i，A，A，…，A中任意两个事件都不相容，则对任何事件B有下式成立：

上式称为Bayes 公式

27. 全概率公式

这是Bayes 定理的另一种形式。

28. 贝叶斯网

由一个有向无环图（DAG及描述顶点之间的概率表组成。其中每个顶点对应一个随机变量。这个图表达了分布的一系列有条件独立属性：在给定了父节点的状态后，每个变量与它在图中的非继承节点在概率上是独立的。该图抓住了概率分布的定性结构，并被开发来做高效推理和决策。

29. 知识

很难给出明确的定义，只能从不同侧面加以理解，不同的人有不同的理解：

Feigenbaum :知识是经过消减、塑造、解释和转换的信息。

Bernstein ：知识是由特定领域的描述、关系和过程组成的。

Hayes-roth :知识是事实、信念和启发式规则。

从知识库的观点看，知识是某领域中所涉及的各有关方面的一种符号表示。

30.表示观

对于"什么是表示"这一基本问题的不同理解和采用的方法论。

31.计算效率

不同于以前的多用计算复杂性来衡量一种智能系统的方法, 而采用计算困难度来衡量。

32. 逻辑表示法

逻辑是一种重要的知识表示方法。使用逻辑法表示知识，须将以自然语言描述的知识，通过引入谓词、函数加以形式描述，获得有关的逻辑公式，进而以机器内码表示。

33.知识库由规则库和数据库组成。规则库是产生式规则的集合，数据库存放输入事实、外部数据库输入的事实以及中间结果和最后结果。

34.推理机是一个程序，控制协同规则库与数据库的运行，包含了推理方式和控制策略。推理方式有正向推理、反向推理和双向推理。

35. 产生式系统把一组产生式放在一起，让它们互相配合，协同工作，一个产生式生成的结论可以供另一个产生式作为前提使用，以这种方式求得问题的解决，这样的系统就叫做产生式系统。

36.与或图

各个事实之间的逻辑关系图。

37.正向推理是从已知事实出发，通过规则库求得结论。或称数据驱动方式为Bottom-up 。

38.反向推理从目标出发，反向使用规则，求得已知事实，或称目标驱动方式也称自顶向下( Top-down)。

39.双向推理

既自顶向下(Top-down)又自底向上(bottom-down )直至之间环节两个方向底结果相符便成功结束。显然，这种推理方式的推理网络较小，效率也较高。

40.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，表示它所连接的两个实体之间的语义联系。

41. 框架是由若干结点和关系(统称为槽)构成的网络，是语义网络一般化的形式，与后者没有本质的差别。

框架是表示某一类情景的结构化的一种数据结构，框架的最顶层是固定的一类事物，基于概念的抽象程度表现出自上而下的分层结构。框架由框架名和一些槽组成，每个槽有槽值，槽值就代表信息。

42. 对象是由一组数据和与该组数据相关的操作构成的实体。在面向对象表示中类和类继承是一组重要概念。

类由一组变量和一组操作组成，它描述了一组具有相同属性和操作的对象。每一个对象都属于某一类，每个对象都可由相关的类生成，换言之，对象是类的实例。一个类可以通过继承拥有另一类的全部变量和操作，继承是面向对象表示法的主要推理形式。同时，由于一个事物的描述都集中在一个类中，又体现了类的封装性。继承和封装是面向对象的两大特点。

43. 学习

是人类具有的一种重要智能行为。按照人工智能大师西蒙( Simon, 1983)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任务或相类似的任务时，会比现在做得更好或效率更高。西蒙对学习给出的定义本身，就说明了学习的重要作用。

44.符号处理技术

基于符号演算的知识推理和知识学习技术。

45.信息水平信息的一般性程度，也就是适用范围的广泛性。这里的一般性程度是相对执行环节的要求而言的。高

水平信息比较抽象，适用于更广泛的问题。该种信息需要具体化才能够成为知识；低水平信息比较具体，是特殊的实例，只适用于个别的问题，需要归纳才能够成为知识。

46. 信息的质量信息的正确性、是否是适当的选择和合理的组织。

47.记忆学习也称死记硬背学习或机械学习。这种学习方法不要求系统具有对复杂问题求解的能力，也就是没有推

理技能，系统的学习方法就是直接记录问题有关的信息，然后检索并利用这些存储的信息来解决问题。

48.传授学习即通过对计算机指点教授进行的学习方法。系统中已有一些通过某种方式得到的知识，传授学习就是

通过人机对话，把用户一般性意见或建议具体化，或者协助用户补充和修改原有的知识库。系统把这些建议看成为要达到的目标，并通过规划求解出可直接执行的过程，因此系统要求具有推理的能力。学习使得系统性能有所改变（增强），或者是具有了新的能力。

49.演绎学习是基于演绎推理的一种学习。演绎推理是一种保真变换，即若前提为真时推出的结论也为真。在演绎