考试大题:一共三道,一道alpha-beta剪枝,一道贝叶斯网络计算,一道人工神经网络计算。分值占的蛮大,这三个是重点。
第一章 绪论
一、什么是人工智能
-
定义?
人工智能(Artificial Intelligence)是从事如何用软件和硬件构建智能主体(Intelligent Agent)的科学与技术。 -
衡量一个AI的好坏
左侧利用和人的行为的逼真程度衡量,右侧依靠一个行为的合理性衡量。我们主要依靠合理性衡量
Thinking humanly Thinking rationally Acting humanly Acting rationally - 像人一样行动,可以依靠图灵测试来检测
- 像人一样思考,可以通过认知建模(认知科学领域)来实现
- 合理思考,有逻辑流派,逻辑主义流派等
- 合理行动,智能体Agent,合理的Agent。合理性比起像人一样行动更具有普适性以及更经得起科学的检验。
二、人工智能的历史:
三、人工智能的三个层次:
- 人工专用智能(弱人工智能)
- 人工通用智能(强人工智能)
- 人工超级智能(超智能)
第二章 智能Agent
一、智能体和环境
- 智能体:通过传感器感知所处环境并通过执行器对该环境产生作用的东西
- 定义:给定感知序列---求取行动,通过智能体函数来实现,抽象的数学表示:[f: P*->A]
- 智能体 = 体系结构 + 程序
二、理性
- 理性的判断
- 定义成功标准的性能度量
- 智能体对环境的先验知识
- 智能体可以采取的行动
- 智能体截止到那时的感知序列
- 理性 != 全知, 理性 != 完美
- 特点:
- 信息收集-为了修改未来的感知信息而采取的行动
- 自主性:学习和自适应
三、环境
-
PEAS
- 性能度量(Performance measure)
- 环境(Environment)
- 执行器(Actuators)
- 传感器(Sensors)
-
环境的类型
- 完全可观察的 vs. 部分可观察的
- 如果agent在每一个时间都能获取环境的完整状态,那么是完全可观察的
- 确定的 vs. 随机的
- 环境的下一个状态完全取决于agent的行为
- 片段式的 vs. 延续式的
- 延续式是当前每一个动作会影响未来决策
- 静态的 vs. 动态的
- 动态:在agent决策的时候会变化
- 离散的 vs. 连续的
- 感知和行动是有限数量且可被清晰定义的
- 单智能体 vs. 多智能体
- 环境中有多少智能体
四、智能体的类型
- 简单反射Agent
- 直接对感知信息做出反应
- 基于模型的反射Agent
- 保持内部状态,追踪记录当前感知信息中反映不出来的世界各方面
- 基于目标的Agent
- 行动是为了达到目标
- 基于效用的Agent
- 试图最大化它期望的值
第三章 通过搜索进行问题求解
一、问题形式化描述
一个问题要用五个部分进行形式化描述
- 初始状态:eg. Agent位置和灰尘位置确定
- 行动 eg. Left(左移),Right(右移),Suck(吸尘)
- 转移模型 eg