人工智能复习提纲

人工智能知识梳理

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

1. 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。

2. 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

   1. 像人一样行动，可以依靠图灵测试来检测
   2. 像人一样思考，可以通过认知建模（认知科学领域）来实现
   3. 合理思考，有逻辑流派，逻辑主义流派等
   4. 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：

1. 人工专用智能（弱人工智能）
2. 人工通用智能（强人工智能）
3. 人工超级智能（超智能）

第二章 智能Agent

一、智能体和环境

1. 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
2. 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]
3. 智能体 = 体系结构 + 程序

二、理性

1. 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
2. 理性 != 全知， 理性 != 完美
3. 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

1. PEAS

   • 性能度量（Performance measure）
   • 环境（Environment）
   • 执行器（Actuators）
   • 传感器（Sensors）

2. 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

1. 简单反射Agent
   • 直接对感知信息做出反应
2. 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
3. 基于目标的Agent
   • 行动是为了达到目标
4. 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