AI技术押人工智能考试题

选择、填空

人工智能的提出

1956年，达特茅斯会议上，麦卡锡 提出了“AI”

“AI之父”：麦卡锡

第一个人工智能测试系统：图灵测试

推理过程

医疗专家系统（综合数据库、知识库、推理机）

归结

$c_1$ 和$c_2$是$c_{12}$的亲本子句

状态空间（搜索策略中的知识表示方法）

利用状态变量和操作符号，表示系统问题或问题的有关知识的符号体系，状态空间是一个四元组，（S,O,$S_0$,G）

遗传算法

生物学基础是生物进化理论

Holland 提出了遗传算法

生物遗传概念	遗传算法应用
个体	解
染色体	解的编码
基因	编码中的每一个分量
适应性	适应度函数值
群体	解集

kNN中k的含义

选择k个与判别值最近邻的值

分类模型学习算法

• SVN
• kNN
• DT
• ANN

神经网络

1943年，心理学家麦克洛奇（McCulloch）和数学家皮兹（Pitts）对神经元进行形式化研究，提出了神经元的数学模型

简答题

人工智能的概念

用人工的方法在机器上实现的智能

智能的特征

• 感知能力
• 记忆与思维能力
• 学习能力
• 行为能力

思维的种类

• 逻辑思维（抽象思维）
• 形象思维（直感思维）
• 顿悟思维（灵感思维）

三大主义学派——实现AI的主要途径

符号主义

• 基本思想
  模拟人类的逻辑思维
• 主要代表成果
  纽威尔和西蒙提出的“逻辑理论家LT”数学定理证明程序

行为主义

• 基本思想
  模拟生物进化
• 主要代表成果
  布鲁克斯设计的“六足机器虫”

连接主义

• 基本思想
  模拟人类的大脑结构
• 主要代表成果
  各种人工神经网络算法

为什么引入谓词逻辑（命题的缺点）

无法把它所描述的事物结构及逻辑思维特征反映出来，也不能把不同事物间的共同特征反映出来

量词顺序的解释

存在、任意先后顺序

智能的主要流派

• 思维理论
• 知识阈值理论
• 进化理论

知识的特性

• 相对正确性
• 不确定性
• 可表示性与可利用性

产生式表示的优点和缺点

优点：自然清晰，模块儿有效
缺点：效率不高，不能表达结构性知识

产生式系统

规则库 推理机 综合数据库

冲突消解策略

• 按针对性排序
• 按已知事实的新鲜性排序
• 按匹配度排序
• 按条件个数排序

遗传算法的步骤

• 参数编码
• 初始种群的设定
• 适应度函数的设定
• 遗传变异操作
• 控制参数设定

注意：控制参数设定

分类

分类的定义

根据对某一类事物的认识（经验） 来判断之前 未曾见过的新对象（实例） 是否属于该类事物

举例说明分类过程的两个阶段

当一个幼儿学习橘子、苹果这两类事物时，我们可以给他提供3个橘子、两个苹果，并告诉他前3个对象是橘子、后2个是苹果，他通过观察果实的颜色、形状，以及品尝他们的味道来学习这两种事物，从而在大脑中建立起关于苹果和橘子的概念模型（分类模型生成阶段）
当再次看到之前未见到过的橘子和苹果时，通过建立起的分类模型，若能判断准确，说明已经掌握了这两个是事物的概念。（分类阶段）

机器学习中的几种“学习任务”

• 分类
• 回归
• 聚类
• 关联规则挖掘

应用题

知识表示

知识表示方法

• 一阶谓词逻辑知识表示法
  (任意x)[ROBOT (x) → COLOR (x,GRAY)]
• 产生式表示
  老李年龄是40岁： （Li，age，40）
  老李年龄很可能是40岁：（Li，age，40，0.8）
• 框架表示法

框架

框架名 <框架名>
槽名1：值1
槽名2：值2
槽名3：值3
…………
槽名n：值n

例如：（课后题）
框架名 <地震>
日期：2008.08
地点：四川
震级：7.0
水含氧量：0.43
…………

框架式特点：结构性、继承性

确定性推理

化成子句集

一消二移三标准（使用两次）

第一次：消蕴含、等价符号，移否定，变量标准化
第二次：消存在量词，移全称量词，分配公式标准化

归结原理求证结论

三人面试问题
注意：NIL

归结原理求解问题

小李和小张的老师

注意：量词、结论否定析取答案

不确定性推理

证据的不确定性

AND 合取 求解min

OR 析取 求解max

求解结论的可信度

CF（结论）= CF（过程）+max（0，CF（条件））

CF（过程） 为 可信度因子 ，取值范围 [ -1 , 1 ]

证据理论

概率分配函数

对于样本空间D，任何一个子集都指派到0和1 之间的一个数M(A)，并且所有的子集的概率分配值为1.

M(A)：A的基本概率数

所有子集加和为1

信任函数

Bel 函数 ，Bel(A) 对命题A为真的总的信任度

似然函数

Pl(A) = 1 - Bel(非A)

搜索

BFS、DFS、启发式（3选2）

open表、closed 表、八数码问题

机器学习

kNN

计算欧氏距离，取最接近的k个样例