整理人工智能简答题Word文档格式.docx
《整理人工智能简答题Word文档格式.docx》由会员分享，可在线阅读，更多相关《整理人工智能简答题Word文档格式.docx（8页珍藏版）》请在冰豆网上搜索。
双向推理的推理策略是同时从目标向事实推理和从事实向目标推理，并在推理过程中的某个步骤，实现事实与目标的匹配。
3．算法A*直到一个目标节点被选择扩展才会终止。
然而，到达目标节点的一条路经可能在那个节点被选择扩展前早就找到了。
一旦目标节点被发现，为什么不终止搜索呢？
用一个例子说明你的答案。
4．结合你的研究方向，论述哪些人工智能技术可以得到应用？
解决什么问题？
人工智能目前总结出了对实现人工智能系统来说具有普遍意义的核心课题：
知识的模型化和表示方法，启发式搜索理论，各种推理方法，人工智能系统结构和语言。
主要研究和应用领域：
机器学习，知识表示和推理，智能搜索，模糊逻辑，人工神经网络，遗传算法，自然语言理解，博弈论，知识发现和数据挖掘等。
5．在选择知识表示的方法时，应该考虑哪些因素？
表示能力：
能够将问题求解所需的知识正确有效地表达出来，可理解性：
所表达的知识简单、明了、易于理解，可访问性：
能够有效地利用所表达的知识，可扩充性：
能够方便灵活地对知识进行扩充。
表示范围是否广泛、是否适于推理、是否适于计算机处理、是否有高效的算法、能否表示不精确知识、能否模块化、知识和元知识能否用统一的形式表示、是否加入启发信息、过程性表示还是说明性表示、表示方法是否自然。
总之，人工智能问题的求解是以知识表示为基础的，如何将已获取的有关知识以计算机内部代码形式加以合理地描述、存储、有效利用便是知识表示所应解决的问题。
6．什么是语义网络知识表示?
给出这种表示方法的优缺点。
语义网络是一种用实体及其语义关系来表达知识的有向图。
结点代表实体，表示各种事物、概念、情况、属性、状态、事件、动作等；
弧代表语义关系，表示它所连结的两个实体之间的语义联系，它必须带有标识。
主要优点：
结构性:
把事物的属性以及事物间的各种语义联系显式地表示出来，是一种结构化的知识表示方法。
在这种方法中，下层结点可以继承、新增、变异上层结点的属性。
联想性:
本来是作为人类联想记忆模型提出来的，它着重强调事物间的语义联系，体现了人类的联想思维过程。
自索引性:
把各接点之间的联系以明确、简洁的方式表示出来，通过与某一结点连结的弧可以很容易的找出与该结点有关的信息，而不必查找整个知识库。
这种自索引能力有效的避免搜索时所遇到的组合爆炸问题。
自然性:
这种带有标识的有向图，可比较直观地把知识表示出来，符合人们表达事物间关系的习惯，并且与自然语言语义网络之间的转换也比较容易实现。
主要缺点：
非严格性:
没有象谓词那样严格的形式表示体系，一个给定语义网络的含义完全依赖于处理程序对它所进行的解释，通过语义网络所实现的推理能保证其正确性。
复杂性:
语义网络表示知识的手段是多种多样的，这虽然对其表示带来了灵活性，但同时也由于表示形式的不一致，使得它的处理增加了复杂性。
组合爆炸问题和不充分性。
7．什么是产生式知识表示?
早期产生式知识表示是一种计算形式体系里所使用的术语，主要是使用类似文法的规则，对符号串做替换运算。
一般用三元组（对象，属性，值）或（关系，对象1，对象2）
产生式的基本形式:
P→Q或者IFPTHENQ，P是产生式的前提，也称为前件，它给出了该产生式可否使用的先决条件，由事实的逻辑组合来构成；
Q是一组结论或操作，也称为产生式的后件，它指出当前题P满足时，应该推出的结论或应该执行的动作。
产生式的含义:
如果前提P满足，则可推出结论Q或执行Q所规定的操作
优点：
（1）模块性：
规则与规则之间相互独立。
（2）灵活性：
知识库易于增加、修改、删除。
（3）自然性：
方便地表示专家的启发性知识与经验。
（4）透明性：
易于保留动作所产生的变化、轨迹。
缺点：
知识库维护难，效率低，理解难。
8．写出利用归结原理求解问题答案的步骤。
（1）写出谓词关系公式。
（2）用反演法写出谓词表达式。
（3）SKOLEM标准形式。
（4）命题表示成合取范式并求子句集S。
（5）将结论否定并加入S中，对S中可归结的子句做归结。
（6）归结式仍放入S中，反复归结过程。
（7）得到空子句。
（8）得证。
9．什么是不确定性推理？
不确定推理中需要解决的基本问题有哪些？
不确定性推理是一种建立在非经典逻辑基础上的基于不确定性知识的推理，它从不确定性的初始证据出发，通过运用不确定性知识，推出具有一定程度的不确定性的和合理的或近乎合理的结论。
基本问题：
不确定性的表示与度量，不确定性的匹配，不确定性的传播和更新，不确定性的合成。
10．同传统的计算机程序相比，人工智能程序有哪些特点？
（1）人工智能首先研究的是以符号表示的知识，而不是数值数据为研究对象
（2）人工智能采用的是启发式推理方法,而不是常规算法
（3）人工智能的控制结构与知识领域是分离的，并允许出现不正确的解答
11．谓词逻辑表示法为什么是应用最广泛的表示方法之一？
（1）谓词逻辑与数据库，特别是关系数据库就有密切的关系。
在关系数据库中，逻辑代数表达式是谓词表达式之一。
因此，如果采用谓词逻辑作为系统的理论背景，则可将数据库系统扩展改造成知识库。
（2）一阶谓词逻辑具有完备的逻辑推理算法。
如果对逻辑的某些外延扩展后，则可把大部分的知识表达成一阶谓词逻辑的形式。
（3）谓词逻辑本身具有比较扎实的数据基础，知识的表达方式决定了系统的主要结构。
因此，对知识表达方式的严密科学性要求就比较容易得到满足。
这样对形式理论的扩展导致了整个系统框架的发展。
（4）逻辑推理是公理集合中演绎而得出结论的过程。
由于逻辑及形式系统具有的重要性质，可以保证知识库中新旧知识在逻辑上的一致性（或通过相应的一套处理过程检验）和所演绎出来的结论的正确性。
而其它的表示方法在这点上还不能与其相比。
12．什么是过程性知识表示？
给出它的优缺点。
过程性知识是将有关某一问题领域的知识，连同如何使用这些知识的方法，均隐式地表示为一个求解问题的过程。
其包含两个含义：
（1）把解决一个问题的过程描述出来。
可以称它为解题知识的过程表示。
（2）把客观事物的发展过程用某种方式表示出来。
控制系统就比较容易设计，过程表示用程序来描述问题，具有很高的问题求解效率。
复杂、不直观、容易出错、不便于修改。
由于知识隐含在程序中，难于添加新的知识和扩充功能，所以适用范围较窄。
13．简述人工智能的研究目标。
可分为两个阶段：
（1）近期目标：
近期目标的中心任务是研究如何使计算机去做那些过去只有靠人的智力才能完成的工作。
主要研究依赖于现有计算机去模拟人类某些智力行为的基本理论、基本方法。
（2）远期目标：
探讨智能的基本机理，研究如何利用自动机去模拟人的某些思维过程和智能行为，甚至做的比人还要好。
九个最终目标（从研究内容出发）：
理解人类的认识、有效的自动化、有效的智能拓展、超人的智力、通用问题求解、连贯性交谈、自治、学习、储存信息。
14．简述人工智能的新进展。
多学科基础理论交叉研究，多学派融合研究，集成智能研究，智能机器人研究。
（脑科学为人工智能研究提供人脑神经系统功能的本质和机理；
认知科学为人工智能研究提供感知、思维、学习和语言等基本原理心理学为人工智能研究提供认知、情感、意识等心理过程及联系。
生物学为人工智能研究提供自然界生物运行的机制；
逻辑学为人工智能研究提供思维规律描述的理论和方法；
）
人工智能从以往的追求自主的系统，改变为人机结合的系统。
现在是直觉、形象思维与模式识别的结合、SituatedAI，SensingandActing的结合，并引入概率论、遗传算法等理论。
计算机的定量与人的定性信息处理相结合，取长补短。
15．什么是遗传算法？
解释遗传算法中的个体和种群的含义？
遗传算法思想来源于生物进化过程，它是基于进化过程中的信息遗传机制和优胜劣汰的自然选择原则的搜索算法。
遗传算法用概率搜索过程在该状态空间中搜索，产生新的样本。
遗传算法是模仿生物遗传学和自然选择机理，通过人工方式构造一类优化搜索算法，是对生物进化过程的一个数学仿真，属于进化计算中的一类方法。
个体：
个体就是模拟生物个体而对问题中的对象（一般就是问题的解）的一种称呼，一个个体也就是搜索空间中的一个点。
遗传算法先将搜索结构编码为字符串形式，每个字符串结构被称为个体。
种群：
就是模拟生物种群而由若干个体组成的群体，它一般是整个搜索空间的一个很小的子集。
一组字符串结构，被称为一个群体。
16．人工智能研究主要有哪三大学派，其特点是什么？
（1）符号主义：
又称为功能模拟学派，主要观点认为智能活动的基础是物理符号系统，思维过程是符号模式的处理过程。
其特点：
（a）立足于逻辑运算和符号操作,适合于模拟人的逻辑思维过程,解决需要逻辑推理的复杂问题。
（b）知识可用显示的符号表示,在已知基本规则的情况下,无需输入大量的细节知识。
（c）便于模块化,当个别事实发生变化时,易于修改。
（d）能与传统的符号数据库进行连接。
（e）可对推理结论进行解释,便于对各种可能性进行选择。
（2）连接主义：
又称为结构模拟学派，是基于神经网络及网络间的连接机制和学习算法的人工智能学派。
主要观点认为大脑是一切智能活动的基础，因而从大脑神经元及其连接机制出发进行研究，渴望揭示人类智能的奥秘，从而真正实现人类智能在机器上的模拟。
（a）通过神经元之间的并行协作实现信息处理,处理过程具有并行性,动态性,全局性。
（b）可以实现联想的功能,便于对有噪声的信息进行处理。
（c）可以通过对神经元之间连接强度的调整实现学习和分类等。
（d）适合模拟人类的形象思维过程。
（e）求解问题时,可以较快的得到一个近似解。
（3）行为主义：
又称为模拟学派、进化主义或控制论学派，认为智能行为的基础是“感知-行为”的反应机制。
基于智能控制系统的理论、方法和技术，研究拟人的智能控制行为。
（a）知识和形式化表达和模型化方法是人工智能的重要障碍之一。
（b）智能取决于感知和行动，应直接利用机器对环境作用后，以环境对作用的响应为原型。
（c）智能行为只能体在世界中，通过与周围环境交互而表现出来。
（d）人工智能可以像人类智能一样逐步进化，分阶段发展和增强。
17．知识发现和数据挖掘可以应用在很多领域中，它们具有哪些公共特征？
（1）海量数据集
（2）数据利用非常不足（3）在开发知识发现系统时，领域专家对该领域的熟悉程度至关重要（4）最终用户专门知识缺乏
18．试述数据挖掘的发展趋势。
（1）视频和音频数据挖掘
（2）科学和统计数据挖掘（3）数据挖掘的应用探索（4）可伸缩的数据挖掘方法（5）数据挖掘与数据库系统、数据仓库和Web数据库系统的集成（6）数据挖掘语言的标准化（7）可视化数据挖掘（8）复杂数据类型挖掘的方法（9）Web挖掘（10）数据挖掘中的隐私保护与信息安全
19．试述第三代数据挖掘系统的特征及其关键技术。
特点：
（1）和预测模型系统之间能无缝的集成，使得由数据挖掘软件产生的模型的变化能够及时反映到预测模型系统中。
（2）由数据挖掘软件产生的预测模型能够自动地被操作型系统吸收，从而与操作型系统中的预测模型相联合提供决策支持的功能。
（3）能够挖掘网络环境下的分布式和高度异质的数据，并且能够有效地和操作型系统集成。
第三代的特征是能够挖掘Internet/Extranet的分布式和高度异质的数据，并且能够有效地和操作型系统集成。
这一代数据挖掘系统关键的技术之一是提供对建立在异质系统上的多个预测模型以及管理这些预测模型的元数据提供第一级别（firstclass）的支持。
20．什么是问题归约？
问题归约的操作算子与一般图搜索有何不同？
问题规约是在问题求解过程中，将一个大的问题变成若干个子问题，子问题又可以分解成更小的子问题，这样一直分解到可以直接求解为止，全部子问题的解就是原问题的解；
并称原问题为初始问题，可直接求解的问题为本原问题。
问题规约的操作算子是一组变换规则，通过一个操作算子把一个问题化成若干个子问题。
而一般图搜索的操作算子是引起状态中的某分量发生改变，从而使问题由一个具体状态A变化为另一个具体状态B的作用。
使问题一种状态变化为另一种状态的手段称为操作符或算符，操作符可为走步、过程、规则、数学算子、运算符号或逻辑符号等。
21．什么是自然语言理解？
自然语言理解的准则是什么？
自然语言理解与“智能”一样，存在各种各样的理解和解释，是利用计算机对自然语言进行理解。
自然语言理解的准则：
给计算机输入一段自然语言文本，如果计算机能
问答——机器能正确地回答输入文本中的有关问题；
文摘生成——机器有能力产生输入文本的摘要；
释义——机器用不同的词语和语句复述输入文本；
翻译——机器把一种语言（源语言）翻译为另一种语言（目标语言）
22．简述自然语言理解的层次划分及对应的技术。
语音分析：
根据音位规则，从语音流中区分出独立的音素，根据音位形态规则找出音节及其对应的词素或词。
对应技术：
模式匹配
词法分析：
找出词汇的各个词素（词根），从中获得语言学信息对应技术：
词典结构
句法分析：
对句子和短语的结构进行分析，找出词、短语等的相互关系以及各自在句子中的作用等。
在语言自动处理的研究中，句法分析的研究是最为集中的，这与乔姆斯基的贡献是分不开的，主要方法有：
短语结构语法、格语法、扩充转移网络、功能语法等。
语法分析：
将单词之间的线性次序变换成一个显示单词如何与其它单词相关联的结构。
确定语句是否合乎语法。
扩展转移网络，CF规则
语义分析：
通过分析找出词义，结构意义及其结合意义，从而确定语言所表达的真正（实际）含义或概念。
在语言自动理解中，语义越来越成为一个重要的研究内容，尤其是对话系统。
产生式规则、概念相依理论、脚本、框架、语义网络、逻辑
语用分析：
研究语言所在的外界环境对语言使用所产生的影响。
描述语言的环境知识、语言与语言使用者在某个给定语言环境中的关系。
为确定真正含义，对表达的结构重新加以解释。
23．什么是本体？
设计本体的准则是什么？
本体理论属于人工智能的内容理论范畴，是共享概念模型的明确形式化规范说明，研究特定领域知识的对象分类、对象属性和对象间的关系，它为领域知识的描述提供术语。
简单说，可以将本体理解为公共认同的关于领域知识的明确描述。
“本体是关于某个主题的形式化和说明性表示，包括它的论域、论域中诸对象的名称、定义及相互关系。
设计准则：
1）明确性和客观性（Clarity）：
本体应该有效地传达所定义的术语的内涵。
2）一致性（Coherence）：
一个本体应该是前后一致的，也就是说，由它推断出来的概念定义应该与本体中的概念定义一致。
至少。
所有的公理应该具有逻辑一致性。
3）可扩展性（Extensibility）：
一个本体提供一个共享的词汇，它应该在预期的任务范围内提供概念的基础，同时，它的表示应该使得人们能够单调地扩展和专门化对这个词汇的说明；
也就是说，人们应该能够在不改变原有定义的前提下，以这组存在的词汇为基础定义新术语。
4）最小编码偏差（Minimalencodingbias）：
本体应该处于知识的层次，而与特定的符号级编码无关。
5）最小本体承诺（Minimalcommitment）：
一个本体应该在提供必须的共享知识的条件下，要求有最小的本体承诺。
也就是说，它应该对所模拟的事物产生尽可能少的推断，而让共享者自由地按照他们的需要去专门化和实例化这个本体。
24．什么是专家系统？
专家系统的一般结构是什么？
专家系统目前尚无统一的定义，简单定义为专家级、智能型的计算机程序系统。
费根鲍姆：
“专家系统是一种智能的计算机程序，它运用知识和推理步骤来解决只有专家才能解决的复杂问题”。
专家系统的一般结构：
知识库：
用以存放领域专家提供的专门知识，知识库中拥有知识的数量和质量是系统性能和问题求解能力的关键因素，此是建立ES的核心人物。
综合数据库：
用于存放问题求解的初始证据、中间结果、目标、求解状态及最终结果等。
推理机：
在一定控制策略下针对综合数据库中的当前信息，识别和选取知识库中的有用知识进行推理。
常采用不精确推理。
解释程序：
根据用户的提问，对系统得出的结论、求解过程提供说明。
除了能增加系统的可接受性外，在系统自身的生成、测试、运行和维护过程中起着重要的作用。
知识获取程序：
辅助知识工程师获取知识的程序及系统的自学习模块等。
人机接口：
专家或用户能理解的信息，等价于系统能理解的形式
25．试述机器学习系统的基本结构，并说明各部分的作用。
环境：
外部信息的来源，它将为系统的学习提供有关信息
代表系统已经具有的知识
学习环节：
系统的学习机构，它通过对环境的感知取得外部信息，然后经分析、综合、类比、归纳等思维过程获得知识，生成新的知识或改进知识库的组织结构。
执行环节：
基于学习后得到的新的知识库，执行一系列任务，并将运行结果报告学习环节，以完成对新知识库的评价，知道进一步的学习工作，是该模型的核心。
升级会员 