人工智能复习参考(2015工程硕士)及答案

人工智能复习参考（2015工程硕士）

第1章绪论

1-1.什么是人工智能？它的研究目标是什么？

人工智能（Artificial Intelligence），简称AI，又称机器智能（Machine Intelligence，MI），主要研究用人工的方法和技术开发智能机器或智能系统，以模仿、延伸和扩展人的智能、生物智能、自然智能，实现机器的智能行为。

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。

1-2.人工智能有哪些研究方法和途径？简单描述它们的特点。

一、传统划分法

1.符号主义：以人脑的心理模型为依据，将问题或知识表示成某种符号，采用符号推演的方法，宏观上模拟人脑

的推理、联想、学习、计算等功能，实现人工智能。

2.连接主义：不仅要求机器产生的智能和人相同，产生的过程和机理也应该相同。人或某些动物所具有的智能皆

源自于大脑，通过对大脑微观结构的模拟达到对智能的模拟，这是一条很自然的研究人工智能的途径。

3.行为主义：模拟人在控制过程中的智能活动和行为特性，如自适应，自寻优、自学习、自组织等，以此来研究

和实现人工智能。

二、现代划分法

1.符号智能：是对智能和人工智能持狭义的观点，侧重于研究任何利用计算机软件来模拟人的抽象思维过程，并

把思维过程看成是一个抽象的符号处理过程。

2.计算智能：计算机智能又重新回到依靠数值计算解决问题的轨道上来，它是对符号智能中符号推演的再次否定。

3.群体智能：它认同智能同样可以表现在群体的整体特性上，群体中每个个体的智能虽然很有限，但通过个体之

间的分工协作和相互竞争，可以表现出很高的智能。

1-3.为什么能够用机器（计算机）模仿人的智能？

假设：任何一个系统，如果它能够表现出智能，那么它就必定能够执行上述6种功能

：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：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，这种智能指的是人类所具有的那种智能。把这个假设称为物理符号系统的假设。物理符号系统的假设伴随3个推论，

推论1：既然人具有智能，那么他（她）就一定是个物理符号系统。

推论2：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3：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，那么就能够用计算机来模拟人的活动。

1-4.人工智能的主要研究内容和应用领域是什么？其中，哪些是新的研究热点？

研究领域：问题求解，逻辑推理与定理证明，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，模式识别，机器视觉，智能控制，智能检索，智能调度与指挥，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，人工生命，系统与语言工具。

研究热点：专家系统，机器学习，神经网络，机器人学，模式识别，分布式人工智能与Agent，数据挖掘与知识发现。

1-5.人工智能的发展对人类有哪些方面的影响？试结合自己了解的情况和理解，从经济、社会和文化等方面加以说明？

1、人工智能对经济的影响：人工智能系统的开发和应用，已为人类创造出可观的经济效益，专家系统就是一个

例子。随着计算机系统价格的继续下降，人工智能技术必将得到更大的推广，产生更大的经济效益。

2、人工智能对社会的影响：劳务就业问题；社会结构变化；思维方式与观念的变化；心理上的威胁；技术失控

的危险。

3、人工智能对文化的影响：改善人类知识；改善人类语言；改善文化生活。

1-6.试评述人工智能的未来发展。

主要有以下两个发展方向：1、计算机能直接而人类大脑实现人机交流。借助以上技术，人类可以用思维控制自己想看到的，想听到的，使媒体技术中的感官媒体更真实化，对虚拟的事物不仅可以看见听见，更可以摸得，闻得着。同时电脑可以进一步辅助人类做出一定的判断，储存大量信息，甚至可以以身体为媒介，执行电脑程序，是人类更快的学会各种技巧，掌握更多知识。同时，提高了生物验证的渠道，比如利用DNA染色体作为密码的载体，相信是很难伪造的。2、电脑拥有机器思维：机器学会人类的思维方式，帮助人更好的思考问题。

第2章基于图的知识表示与图搜索技术

2-1.什么是知识？知识有哪些分类？知识的表示方法有哪些？掌握用状态图表示知识的方法。

概括地说，知识是高度组织起来的信息集团，是人们在长期的生活和社会实践中、科学研究和科学实验中积累起来的经验或对客观世界规律的认识等。

知识分类：

（1）从应用领域来划分

常识性知识

领域（专业）性知识

（2）从在问题求解中的作用来划分

叙述性知识

过程性知识

控制性知识

（3）从确定性来划分

确定性知识

非确定性知识

（4）从知识的表现形式来划分，可分为文字、符号、声音、图形、图像等。

知识的表示方法有：胃词逻辑表示法、产生式表示法、框架表示法、语义网络表示法、面向对象表示法。

2-2.什么是盲目搜索？什么是启发式搜索？它们各有什么特点？

盲目搜索：无向导的搜索，也称穷举搜索。在搜索过程中，没有任何背景知识作指导，不考虑任何与解有关的信息，随机地或按预先规定的顺序生成树的节点，并判断是否为解，直到找到解或证明问题无解为止。

启发式搜索：利用“启发性信息”作为导航的搜索过程。用于问题有关的、有利于尽快找到问题解的信息或知识，如待解问题解的分布规律、求解该类问题的经验、窍门等，引导搜索。

对于较大或无限状态空间问题，盲目搜索效率太低，所以在实际当中往往是不可行的。启发式搜索广泛地应用于实际问题求解中，如博弈、机器学习、数据挖掘、智能检索等。

2-3.深度优先搜索和广度优先搜索各有什么特点？

广度优先搜索：广度优先搜索是严格按节点在树中的出现位置一层一层向下的搜索过程。通过将OPEN表设计为一个队列来实现，将新生成的子节点放在OPEN表的后面，保证先生成的节点先考察。

广度优先中OPEN表是一个队列，CLOSED表是一个顺序表，表中各节点按顺序编号，正被考察的节点在表中编号最大。

广度优先搜索又称为宽度优先或横向搜索。

广度优先策略是完备的，即如果问题的解存在，则它一定可以找到解，并且找到的解还是最优解。

广度优先搜索策略与问题无关，具有通用性。

缺点搜索效率低。

深度优先搜索：深度优先搜索是一种一直向下的搜索过程，它优先在自己的子结点集合中选择下一个被考察的结点，不断向纵深方向前进，直到到达叶子结点或受到深度限制时，才返回到上一级结点沿另一方向继续前进。

OPEN表为一个堆栈。

深度优先又称纵向搜索。

一般不能保证找到最优解。如下图所示：