《人工智能》

第一章 人工智能概述

1、人工智能的定义

​ 人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

2、简述近代以来世界的科技发展：起点终点（简答题）

3、大佬身份

大佬	称号
图灵	计算机科学之父、人工智能之父
约翰·麦卡锡	人工智能之父
约翰·冯·诺依曼	计算机之父

4、图灵机：一种抽象的计算模型，即将人们使用纸笔进行数学运算的过程进行抽象，由一个虚拟的机器替代人类进行数学运算。

5、图灵机的构成：无限长的纸袋、读写头、控制器

6、图灵机的意义（简答题）

• 1、它证明了通用计算理论，肯定了计算机实现的可能性，同时它给出了计算机应有的主要架构；
• 2、图灵机模型引入了读写与算法与程序语言的概念，极大的突破了过去的计算机器的设计理念；
• 3、图灵机模型理论是计算学科最核心的理论，因为计算机的极限计算能力就是通用图灵机的计算能力，很多问题可以转化到图灵机这个简单的模型来考虑。

7、图灵测试：多名评委在隔开的情况下通过一个设备向一名机器人和一名人类随意提问。进行多次测试后，如果机器让平均每个参与者做出超过30%的误判，那么这台机器就通过了测试，并被认为具有人类智能。

8、图灵测试的看法：

• 图灵测试避开了所有存在争议的问题，直指计算机程序是否“真正”拥有智能(或者意识以及其他说法)、程序是否真正有“思维”(或者意识、自主意识什么的)并不是重点，重点在于它能够做到“乱真”，即让测试者无法分辨出程序和真人。图灵是第一个从现代数字计算机的角度探讨这个问题的，因此，他的文章被公认为首篇有关人工智能的论文。

• 然而，我认为图灵测试还是存在着很多问题，就比如通过了测试却不能证明拥有人类智能。如果提的问题刚好是在机器的数据中，它都可以给出了预留的答案，那么这样所得到的答案，很有可能促使它通过测试。所以只要数据库庞大，就可以大大提高通过几率。这些通过的机器，它们并不是自己思考所得出的答案；另外，如果一个机器真正拥有了人类智能，但它并不想被人类发现。于是，他故意给出了像机器的回答，那么我们就不可能知道这个机器已经拥有了人类智能。如果人工智能隐藏自己，成为了人类的敌人，那么就会引发战争等违反人工智能伦理的一系列问题。

6、人工智能的发展（兼分类）

发展历程	含义
弱人工智能	往往只擅长于单个方面的人工智能。不能制造出真正地推理和解决问题的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。
强人工智能	人类级别的人工智能。有可能制造出真正能推理和解决问题的智能机器，并且，这样的机器将被认为是有知觉的，有自我意识的。
超人工智能	各个方面都人类强，具有自我意识和足够智能，足以超越人类的认知能力。

7、人工智能的三大学派

符号学派认为人工智能源于数学逻辑，代表性算法如启发式算法、专家系统、知识工程理论与技术、知识表示，为人工智能走向工程应用和实现理论联系实际具有特别重要的意义。UCLA 的朱松纯团队提出了首个基于符号推理的几何数学题求解器 Inter-GPS。Inter-GPS 将几何题的图片和文字解析为统一的形式语言，运用相关的几何定理，逐步进行符号推理直至预测出最终的答案。

连接学派认为人工智能源于仿生学，特别是对人脑模型的研究。如MP模型、感知机、反向传播（BP）算法、神经网络等。

行为学派认为人工智能源于控制论。模拟人在控制过程中的智能行为和作用，如对自寻优、自适应、自校正、自镇定、自组织和自学习等控制论系统的研究,并进行“控制论动物”的研制。机器人等

（熟悉本章素材，简答题）

第二章 知识表示

1、知识：在长期的生活及社会实践中、在科学研究及实验中积累起来的对客观世界的认识与经验。或者把有关信息关联在一起所形成的信息结构。

2、知识的特性（素材）

• 相对正确性。如二进制和十进制加法，王安石苏轼作诗。
• 不确定性。随机性（有可能）、模糊性（冷热高低大小）、经验（老马识途）、不完全性（火星上可能有水、生命）引起的不确定性。
• 可表示性与可利用性。知识可以用适当形式表示出来，如用语言、文字、图形、神经网络等。知识可以被利用。

3、知识表示：将人类知识形式化或者模型化。是对知识的一种描述，或者说是一组约定，一种计算机可以接受的用于描述知识的数据结构。

4、给一段话，用一阶谓词逻辑表示：用中文表示即可，问啥答啥（注：存在量词和全称量词必须加括号）

5、谓词公式的性质：（名词解释）

• 永真性：如果谓词公式P对个体域D上的任何一个解释都取得真值T，则称P在D上是永真的；如果P在每个非空个体域上均永真，则称P永真。
• 永假性：如果谓词公式P对个体域D上的任何一个解释都取得真值F，则称P在D上是永假的；如果P在每个非空个体域上均永假，则称P永假。
• 可满足性：对于谓词公式P，如果至少存在一个解释使得P在此解释下的真值为T，则称P是可满足的。
• 不可满足性:对于谓词公式P，如果不存在一个解释使得P在此解释下的真值为T，则称P是不可满足的。
• 等价性：设P与Q是两个谓词公式，D是它们共同的个体域，若对D上的任何一个解释，P与Q都有相同的真值，则称公式P和Q在D上是等价的。如果D是任意个体域，则称P和Q是等价的。
• 永真蕴含： 对于谓词公式P与Q，如果P→Q永真，则称公式P永真蕴含Q，且称Q为P的逻辑结论，称P为Q的前提。

6、一阶谓词逻辑的优缺点

• 优点：自然性 精确性 严密性 容易实现
• 缺点： 不能表示不确定的知识 组合爆炸 效率低

7、产生式系统的基本结构：综合数据库、规则库、推理机

8、产生式表示法的优缺点

• 优点：自然性 模块性 有效性 清晰性
• 缺点：效率不高 不能表达结构性知识

9、框架表示法：一种结构化的知识表示方法，已在多种系统中得到应用。

10、框架表示法的特点（与谓词逻辑和产生式表示法比较）

• 结构性：善于表达结构性的知识，能够把知识的内部结构关系及知识间的联系表示出来，是一结构化的知识表示方法。这一特点是产生式表示法所不具备的，产生式规则只能表示事物间的因果关系，而框架可以通过其他槽表示出事物之间更复杂的联系。
• 继承性：框架表示法通过将槽值设置为另一个框架的名字而实现框架间的联系，建立起表示复杂知识的框架网络。在框架网络中，下层框架可以继承上层框架的槽值，也可以进行补充和修改，这样不仅减少了知识的冗余，而且较好地保证了知识的一致性。
• 自然性：框架表示法体现了人们在观察事物时的思维活动，当遇到新事物时，通过从记忆中调用类似事物的框架，并将其中某些细节进行修改、补充，就形成了对新事物的认识，这与人们的认识活动是一致的。

10、给一段话，用框架表示法表示：不要框架套框架，罗列即可，信息表示全

第三章 机器学习

1、机器学习

机器学习是人工智能的一个分支，它是研究计算机如何模拟或实现人类的学习行为，以及获取新的数据重新组织已有的知识结构使之不断改善自身性能的一种方法，能够实现直接编程无法完成的功能。总结来说，机器学习是对能通过经验自动改进的计算机算法的研究。

2、有监督学习：有标签数据，直接反馈，预测结果/未来

3、无监督学习：无标签，无反馈，寻找数据中的隐藏结构（K-means）

4、解释SVM：

• 间隔最大策略得到原始问题
• 引入松弛变量平衡间隔最大与极端点
• 通过拉格朗日对偶法将原始问题转化成对偶问题，便于核函数引入，降低问题复杂性

5、原始问题（背）

6、对偶问题（背）

7、支持向量：距离超平面最近的且满足a*>0的几个训练样本点。

第四章 人工神经网络

1、人工神经网络

人工神经网络是对人脑或生物神经网络若干基本特性的抽象和模拟。模拟人脑神经系统的结构和功能，运用大量简单处理单元经广泛连接而组成的人工网络系统。

2、BP是前馈，Hopfield反馈，感知机是非常简单的BP网络。

3、神经元：激励函数（sigmoid、tanh）

4、BP网络的P是什么意思

5、结构：前馈、反馈

6、工作方式：

• 同步（并行）方式：任一时刻神经网络中所有神经元同时调整状态。
• 异步（串行）方式：任一时刻只有一个神经元调整状态，而其它神经元的状态保持不变。

7、BP和Hopfield机理：不考网络稳定性（Hopfield先定参数，后训练）

（不简答题）

第五章 启发式算法

1、启发式算法

一个基于直观或经验构造的算法，在可接受的花费（指计算时间和空间）下给出待解决组合优化问题每一个实例的一个满意解，该满意解与最优解的偏离程度一般不能被预计。

现阶段，启发式算法以仿自然体算法为主，主要有蚁群算法、模拟退火法、神经网络等。

2、启发式算法应用、特点（例子：汉诺塔问题、简答题）

3、贪婪算法

在算法的每个阶段，都作出在当时看上去最好的决策，以获得最大的“好处”，换言之，就是在每一个决策过程中都要尽可能的“贪”， 直到算法中的某一步不能继续前进时，算法才停止。

4、禁忌搜索算法

对于找到的一部分局部最优解，有意识地避开它（但不是完全隔绝），从而获得更多的搜索区间。

5、模拟退火算法

它是一种随机寻优算法，其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。模拟退火算法从某一较高初温出发，伴随温度参数的不断下降,结合概率突跳特性在解空间中随机寻找目标函数的全局最优解，即在局部最优解能概率性地跳出并最终趋于全局最优。

6、6个启发式算法选择题

第六章 人工智能伦理

1、人工智能伦理原则包括五个主要方面

• 责任－国防部人员将适当谨慎的判断，同时对人工智能的发展、部署和使用负责。
• 公平－国防部应采取慎重措施，在军事人工智能系统的开发和部署中，避免因偏见造成意外伤害。
• 可追溯－国防部所采用的人工智能技术应足够先进，以使专家对技术开发过程和操作方法有明晰的理解，包括透明性、审核方法、数据源、设计过程中的相关文档等。
• 可靠－人工智能系统应定义明确的应用范围，并且在该应用范围内进行测试，确保此类系统在整个生命周期内的安全性、保密性和鲁棒性。
• 可控－国防部人工智能系统的设计应实现其预期功能，同时具有检测和避免意外破坏的能力，并能对显示出意外行为的人工智能系统进行解除或停用的能力。

2、谈谈对人工智能伦理的看法（简答题）

第一，AI的最高原则是安全可控

一辆无人车如果被黑客攻击了，它有可能变成一个杀人武器，这是绝对不允许的，我们一定要让它是安全的，是可控的。

第二，AI的创新愿景是促进人类更平等地获取技术和能力

如今，中国的BAT，美国的Facebook、Google，微软，都拥有很强的AI能力，但是世界上不仅仅只有这几个大公司需要AI的能力、技术，世界上有几千万家公司、组织、机构也很需要AI的技术、能力。我们需要认真思考怎么能够在新的时代让所有的企业、所有的人能够平等地获取AI的技术和能力，防止在AI时代因为技术的不平等导致人们在生活、工作各个方面变得越来越不平等。

第三，AI存在的价值是教人学习，让人成长，而非超越人、替代人

AI做出来的很多东西不应该仅仅是去简单的模仿人，也不是根据人的喜好，你喜欢什么就给你什么。我们希望通过AI，通过个性化推荐，教人学习，帮助每一个用户变成更好的人。

第四，AI的终极理想是为人类带来更多的自由与可能

我们现在一周工作五天，休息两天，未来一周也许工作两天，休息五天。但是更重要的是，很可能因为人工智能，劳动不再成为人们谋生的手段，而是变成个人自由意志下的一种需求。你想去创新，你想去做创造，所以你才去工作，这是AI的终极理想——为人类带来更多自由和可能。

3、对人工智能伦理的要求

​ 增进人类福祉、促进公平公正、保护隐私安全、确保可控可信、强化责任担当、提升伦理素养