人工智能考点整理37

目录第1章绪论1．人工智能的定义（能力），人工智能的研究目标2．人工智能的起源与发展过程；典型人物、事件3．人工智能的主要学派及观点4．人工智能所研究的范围与应用领域5．人工智能的基本技术第2章知识表示1.概念：知识及形式化描述、同构变换、同态变换2.知识、信息和数据的区别3.知识表示法应用（一阶谓词、产生式、框架、语义网络）4.产生式系统的基本结构5.语义网络中的语义联系（实例、泛化、聚集、属性、推论）6.推理过程中填槽的方式第3章搜索策略1.状态空间搜索概述状态空间的图描述，搜索，正向逆向搜索，影响搜索方向的因素2.盲目的图搜索策略图搜索、搜索树、回溯法、广度优先法、深度优先法3.启发式图搜索策略启发信息与估价函数、A搜索算法、OPEN表、CLOSED表4.与/或图（树）搜索策略搜索算法、解树及代价、希望树、博弈树搜索、极大极小分析法、α—β剪枝5.遗传算法的基本思想第4章推理1.推理的概念、类型，推理的控制策略、正反向推理2.归结反演系统——归结原理、归结反演、应用归结反演求取问题的答案的过程，归结原理相关概念、置换、合一3.基于规则的演绎推理（正向、反向和双向的演绎推理过程描述）第5章机器学习1.机器学习的概念、主要策略，机器学习系统的功能及结构2.机械学习、示例学习、类比学习、归纳学习的基本原理3.基本思想：基于决策树的归纳学习、强化学习、神经网络、基于BP网络的学习第6章专家系统1.专家系统的概念、理想结构模型，构建专家系统的主要步骤2.基于规则的专家系统的优缺点3.基于框架专家系统：继承、槽、方法4.知识发现的定义第7章机器人系统1.机器人的定义、发展历程（三代）、制造原则、主要构成2.Agent的基本特征、BDI模型、Agent的工作过程图3.Agent的类型、与专家系统和对象的区别4.Agent通信机制：黑板和消息对话5.多Agent系统：特征、协调、协作考试题型1.名词解释题2.单选题3.填空题30分4.简答题5.论述题内容第1章绪论1．人工智能的定义（能力），人工智能的研究目标返回目录人工智能(能力)：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智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。人工智能的研究目标：a)对智能行为有效解释的理论分析;b)解释人类智能;c)构造智能的人工制品。近期目标：实现机器智能——理论和技术基础远期目标：制造智能机器——发展方向2．人工智能的起源与发展过程；典型人物、事件返回目录亚里士多德：给出了形式逻辑的基本规律培根：系统地给出了归纳法莱布尼茨：提出了关于数理逻辑的思想，把形式逻辑符号化，从而能对人的思维进行运算和推理布尔：实现了布莱尼茨的思维符号化和数学化的思想，提出了一种崭新的代数系统——布尔代数哥德尔：证明了一阶谓词的完备性定；任何包含初等数论的形式系统，如果它是无矛盾的，那么一定是不完备的。意义在于，人的思维形式化和机械化的某种极限，在理论上证明了有些事是做不到的图灵提出了一种理想计算机的数学模型（图灵机），1950年提出了图灵试验，发表了“计算机与智能”的论文数学家Mauchly：发明了电子数字计算机ENIAC神经生理学家McCulloch：建立了第一个神经网络数学模型香农：发表了《通讯的数学理论》，代表了“信息论”的诞生麦卡锡：人工智能之父，1956年提出了“ArtificialIntelligence”50年代初：开始有了符号处理。（搜索法）。机器翻译、机器定理证明、跳棋程序等60年代：Simon由试验得到结论：人类问题的求解是一个搜索的过程，效果与启发式函数有关。叙述了智能系统的特点：智能表示、智能推理、智能搜索Nilson发表了A*算法（搜索方法）McCarthy建立了人工智能程序设计语言Lisp1965年Robinson提出了归结原理，（与传统的自然演绎法完全不同的消解法）。1968年Quillian提出了语义网络的知识表示方法1969年Minsky出了一本书“感知机”，给当时的神经网络研究结果判了死刑70年代：开始从理论走向实践，解决一些实际问题。同时很快就发现问题：归结法费时、下棋赢不了全国冠军、机器翻译一团糟。以Feigenbaum为首的一批年轻科学家改变了战略思想，1977年提出了知识工程的概念，以知识为基础的专家咨询系统开始广泛的应用。80年代：人工智能发展达到阶段性的顶峰1986年Rumlhart领导的并行分布处理研究小组提出了神经元网络的反向传播学习算法，解决了神经网络的根本问题之一。从此，神经网络的研究进入新的高潮90年代计算机发展趋势为小型化、并行化、网络化、智能化，人工智能技术逐渐与数据库、多媒体等主流技术相结合，并融合在主流技术之中，旨在使计算机更聪明、更有效、与人更接近3．人工智能的主要学派及观点返回目录符号主义又称为逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism)，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。认为人工智能源于数理逻辑。符号主义仍然是人工智能的主流派。这个学派的代表有纽厄尔、肖、西蒙和尼尔逊(Nilsson)等。联结主义称为仿生学派(Bionicsism)或生理学派(Physiologism)，其原理主要为神经网络及神经网络间的连接机制与学习算法。认为人工智能源于仿生学，特别是人脑模型的研究。行为主义又称进化主义(Evolutionism)或控制论学派(Cyberneticsism)，其原理为控制论及感知-动作型控制系统认为人工智能源于控制论。这一学派的代表作首推布鲁克斯(Brooks)的六足行走机器人，它被看做新一代的“控制论动物”，是一个基于感知－动作模式的模拟昆虫行为的控制系统。4．人工智能所研究的范围与应用领域返回目录智能感知1.模式识别是指用计算机代替人类或帮助人类感知模式，是对人类感知外界功能的模拟2.自然语言理解就像一个人一样需要有上下文知识以及根据这些上下文知识和信息用信息发生器进行推理的过程，其基础就是有关表示上下文知识结构的某些人工智能思想以及根据这些知识进行推理的某些技术智能推理1.问题求解它包含问题的表示、分解、搜索与归约等2.逻辑推理与定理证明重要的是要找到一些方法，只把注意力集中在一个大型数据库中的有关事实上，留意可信的证明，并在出现新信息时适时修正这些证明。定理证明的研究在人工智能方法的发展中曾经产生过重要的影响3.专家系统专家系统是一个智能计算机程序系统，其内部具有大量专家水平的某个领域知识与经验，能够利用人类专家的知识和解决问题的方法来解决该领域的问题，关键是表达和运用专家知识4.自动程序设计不仅可以促进半自动软件开发系统的发展，而且也使通过修正自身数码进行学习(即修正它们的性能)的人工智能系统得到发展智能学习1.机器学习机器学习(自动获取新的事实及新的推理算法)是使计算机具有智能的根本途径；机器学习还有助于发现人类学习的机理和揭示人脑的奥秘。学习是一个有特定目的的知识获取过程，其内部表现为新知识结构的不断建立和修改，而外部表现为性能的改善2.神经网络神经网络处理直觉和形象思维信息具有比传统处理方式好得多的效果。神经网络已在模式识别、图象处理、组合优化、自动控制、信息处理、机器人学和人工智能的其它领域获得日益广泛的应用3.计算智能与进化计算计算智能涉及神经计算、模糊计算、进化计算等研究领域。进化计算是指一类以达尔文进化论为依据来设计、控制和优化人工系统的技术和方法的总称，它包括遗传算法、进化策略和进化规划智能行动1.机器人学包括对操作机器人装置程序的研究。这个领域所研究的问题，从机器人手臂的最佳移动到实现机器人目标的动作序列的规划方法，无所不包。目前已经建立了一些比较复杂的机器人系统。机器人和机器人学的研究促进了许多人工智能思想的发展。2.智能控制智能控制是一类无需(或需要尽可能少的)人的干预就能够独立地驱动智能机器实现其目标的自动控制。智能控制是同时具有以知识表示的非数学广义世界模型和数学公式模型表示的混合控制过程，也往往是含有复杂性、不完全性、模糊性或不确定性以及不存在已知算法的非数学过程，并以知识进行推理，以启发来引导求解过程。3.智能检索随着科学技术的迅速发展，出现了“知识爆炸”的情况，研究智能检索系统已成为科技持续快速发展的重要保证。首先，建立一个能够理解以自然语言陈述的询问系统本身就存在不少问题。其次，即使能够通过规定某些机器能够理解的形式化询问语句来回避语言理解问题，但仍然存在一个如何根据存储的事实演绎出答案的问题。第三，理解询问和演绎答案所需要的知识都可能超出该学科领域数据库所表示的知识。4.智能调度与指挥求解某些问题的程序会产生一种组合爆炸的可能性，这时，即使是大型计算机的容量也会被用光。目的是使“时间-问题大小”曲线的变化尽可能缓慢地增长，即使是必须按指数方式增长。为处理组合问题而发展起来的许多方法对其它组合上不甚严重的问题也是有用的。5.分布式人工智能与Agent它是分布式计算与人工智能结合的结果。分布式人工智能系统以鲁棒性作为控制系统质量的标准，并具有互操作性，即不同的异构系统在快速变化的环境中具有交换信息和协同工作的能力。分布式人工智能的研究目标是要创建一种能够描述自然系统和社会系统的精确概念模型。多agent系统更能体现人类的社会智能，具有更大的灵活性和适应性，更适合开放和动态的世界环境6.数据挖掘与知识发现数据挖掘是通过综合运用统计学、粗糙集、模糊数学、机器学习和专家系统等多种学习手段和方法，从大量的数据中提炼出抽象的知识，从而揭示出蕴涵在这些数据背后的客观世界的内在联系和本质规律，实现知识的自动获取。7.人工生命旨在用计算机和精密机械等人工媒介生成或构造出能够表现自然生命系统行为特征的仿真系统或模型系统。自然生命系统行为具有自组织、自复制、自修复等特征以及形成这些特征的混沌动力学、进化和环境适应。人工生命所研究的人造系统能够演示具有自然生命系统特征的行为，在“生命之所能”(lifeasitcouldbe)的广阔范围内深入研究“生命之所知”(lifeasweknowit)的实质。人工生命学科的研究内容包括生命现象的仿生系统、人工建模与仿真、进化动力学、人工生命的计算理论、进化与学习综合系统以及人工生命的应用等。8.机器视觉机器视觉或计算机视觉已从模式识别的一个研究领域发展为一门独立的学科；在视觉方面，已经给计算机系统装上电视输入装置以便能够“看见”周围的东西。机器视觉的前沿研究领域包括实时并行处理、主动式定性视觉、动态和时变视觉、三维景物的建模与识别、实时图像压缩传输和复原、多光谱和彩色图像的处理与解释等。人工智能研究的范围与应用领域总结5．人工智能的基本技术返回目录1.推理技术对推理的研究往往涉及到对逻辑的研究。逻辑是人脑思维的规律，从而也是推理的理论基础。机器推理或人工智能用到的逻辑，主要包括经典逻辑中的谓词逻辑和由它经某种扩充、发展而来的各种逻辑。后者通常称为非经典或非标准逻辑2.搜索技术搜索就是为了达到某一“目标”，而连续地进行推理的过程，搜索技术就是对推理进行引导和控制的技术。所有智能活动的过程，都可看作或抽象为一个“问题求解”过程。而所谓“问题求解”过程，实质上就是在显式的或隐式的问题空间（状态图、与或图等逻辑网络）中进行搜索的过程。搜索技术也是一种规划技术。因为对于有些问题，其解就是由搜索而得到的“路径”。3.知识表示与知识库技术知识表示是指知识在计算机中的表示方法和表示形式，它涉及到知识的逻辑结构和物理结构。知识库类似于数据库，所以知识库技术包括知识的组织、管理、维护、优化等技术。对知识库的操作要靠知识库管理系统的支持。显然，知识库与知识表示密切相关。知识表示实际也隐含着知识的运用，知识表示和知识库是知识运用的基础，同时也与知识的获取密切相关4.归纳技术是指机器自动提取概念、抽取知识、寻找规律的技术。显然，归纳技术与知识获取及机器学习密切相关。归纳可分为基