中南大学人工智能习题

中南大学人工智能习题：

1-1、什么是人工智能？试从学科和能力两方面加以说明。

从学科方面定义：人工智能是计算机科学中涉及研究、涉及应用智能机器的一个分支。它的近期主要目标在于研究用机器来模范和执行人脑的某些智力功能，并开发相关理论和技术。从能力方面定义：人工智能是智能机器所执行的通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。

1-2、在人工智能的发展过程中，有哪些思想和思潮起了重要作用？

1、数理逻辑和关于计算本质的新思想2、1956年第一次人工智能研讨会召开

3、控制论思想的影响4、计算机的发明发展5、专家系统和知识工程

6、机器学习、计算智能、人工神经网络和行为主义研究

1-3、为什么能够用机器（计算机）模仿人的智能？

物理符号系统的假设：任何一个系统，如果它能够表现出智能，那么它就必定能执行输入符号、输出符号、存储符号、复制符号、建立符号结构、条件性迁移6种功能。反之，任何系统如果具有这6种功能，那么它就能够表现出智能（人类所具有的智能）。

物理符号系统的假设伴随有3个推论：

推论一： 既然人具有智能，那么他(她)就一定是个物理符号系统。

推论二： 既然计算机是一个物理符号系统，它就一定能够表现出智能。

推论三： 既然人是一个物理符号系统，计算机也是一个物理符号系统，那么我们就能够用计算机来模拟人的活动。

1-4、人工智能的主要研究和应用领域是什么？其中，哪些是新的研究热点？

研究和应用领域：问题求解（下棋程序），逻辑推理与定理证明（四色定理证明），自然语言理解，自动程序设计，专家系统，机器学习，神经网络，机器人学（星际探索机器人），模式识别（手写识别，汽车牌照识别，指纹识别），机器视觉（机器装配，卫星图像处理），智能控制，智能检索，智能调度与指挥（汽车运输高度，列车编组指挥），系统与语言工具。

新的研究热点：概率图模型（隐马尔可夫模型、贝叶斯网络）、统计学习理论（SLT）& 支持向量机（SVM）、数据挖掘与知识发现（超市市场商品数据分析），人工生命

1-5、人工智能有哪几种学派?

1）符号主义(Symbolicism)，又称为逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism)，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。

2）连接主义(Connectionism)，又称为仿生学派(Bionicsism)或生理学派(Physiologism)，其原理主要为神经网络及神经网络间的连接机制与学习算法。

3）行为主义(Actionism)，又称进化主义(Evolutionism)或控制论学派(Cyberneticsism)，其原理为控制论及感知-动作型控制系统。

1-6、人工智能有哪几个研究领域？

人工智能的研究领域包括：问题求解；自动程序设计；专家系统；神经网络；模式识别；智能控制；智能检索；智能调度与指挥；知识表示；非经典逻辑 & 非经典推理；搜索技术；机器学习；自然语言理解；知识工程；定理机器证明；计算视觉；遗传算法 & 进化计算；分布式AI；数据挖掘 & 知识发现；人工生命；机器人；AI语言

2-1、知识表示的方法有哪些？

状态空间法、问题归约法、谓词逻辑法、语义网络法、框架表示法。

2-2、状态空间法、问题归约法、谓词逻辑法和语义网络法的要点是什么？它们有何本质上的联系及异同点?

状态空间法是基于解答空间的问题表示和求解方法，是以状态和操作符为基础的。需要扩展过多的节点，容易出现“ 组合爆炸”，因而只适用于表示比较简单的问题。

问题归约法是从目标（要解决的问题）出发逆向推理，建立子问题以及子问题的子问题，直至最后把初始问题归约为一个平凡的本原问题集合。状态空间法是问题归纳法的一种特例。这些本原问题的解可以直接得到，从而解决了初始问题，用与或图来有效地说明问题归约法的求解途径。

谓语逻辑法是采用谓词合式公式和一阶谓词演算把要解决的问题变为一个有待证明的问题，然后采用消解定理和消解反演来证明一个新语句是从已知的正确语句导出的，从而证明这个新语句也是正确的。

语义网络法是用“节点”代替概念，用节点间的“连接弧”代替概念之间的关系。语义网络表示法的优点：结构性、联想性、自然性。

2-6、如何通过消解反演树求取问题的答案?

1.把由目标公式的否定产生的每个子句添加到目标公式否定之否定的子句中去。

2.按照反演树，执行和以前相同的消解，直至在根部得到某个子句为止。

3.用根部的字句作为一个回答语句。

2-7、规则演绎系统和产生式系统有哪几种推理方式?各自的特点为何? 简述各自的使用条件。

1. 规则演绎系统和产生式系统均有三种推理方式：正向推理、逆向推理、双向推理。

2. 规则演绎系统的正向推理是从事实或状况向目标或动作进行操作（即：从IF到THEN），而逆向推理是从目标或动作向事实或状况进行操作的（即：从THEN 到IF）。双向推理：具有正向和逆向两个系统的优点，以求克服各自的缺点（局限性）。正向和逆向组合系统是建立在两个系统相结合的基础上的。此组合系统的总数据库由表示目标和表示事实的两个与或图结构组成。这些与或图结构分别用正向系统的F规则和逆向系统的B规则来修正。

产生式系统的正向推理（正向链接推理）：从一组表示事实的谓词或命题出发，使用一组产生式规则，用以证明该谓词公式或命题是否成立。

逆向推理（后向链接推理）：从表示目标的谓词或命题出发，使用一组产生式规则证明事实谓词或命题成立，即首先提出一批假设目标，然后逐一验证这些假设。其基本原理是从表示目标的谓词或命题出发，使用一组规则证明事实谓词或命题成立，即提出一批假设（目标），然后逐一验证这些假设。

双向推理：又称为正反向混合推理，它综合了正向推理和逆向推理的长处，克服了两者的短处。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。

2-8、产生式系统由哪些部分组成？什么是产生式规则？

综合数据库（或全局数据库）、产生式规则库和控制系统。

产生式规则是一个规则库，用于存放与求解问题有关的某个领域知识的规律之集合及交换规则。产生式规则是一个以“如果满足这个条件，就应当采取某些操作”形式表示的语句，其基本形式为：IF 前提 THEN 结论。

3-1、什么是不确定推理？不确定性推理的基本问题是什么？

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。

基本问题是：不确定性的表示与度量，不确定性的匹配，不确定性的传递算法，不确定性的合成。

3-2、在什么情况下需要采用不确定推理 ? 不确定推理的主要方法有哪些？

1、一般推理方法在许多情况下，往往无法解决面临的现实问题，因而需要应用不确定性推理等高级知识推理方法，包括非单调推理、时序推理和不确定性推理等。

2、 不确定性推理大类别上分为模型方法和控制方法。模型方法下有数值方法和非数值方法；数值方法包括概率统计方法、模糊推理方法、粗糙集方法；概率统计方法下细分为绝对概率方法、贝叶斯方法、证据理论方法、HMM方法、可信度方法；非数值方法下又包括发生率计算。控制方法下有：相关性制导回溯、机缘控制、启发式搜索等。

3-3、主观Bayes方法中LN和LS的意义是什么？

LN表示必要性因子，它表示~E 对Ｈ的支持程度。

LS表示充分性因子，它表示E 对H 的支持程度。

4-1、计算智能的含义是什么？

计算智能取决于制造者（manufacturers）提供的数值数据，不依赖于知识；另一方面，人工智能应用知识精品（knowledge tidbits）。人工神经网络应当称为计算神经网络。

当一个系统只涉及数值（低层）数据，含有模式识别部分，不应用人工智能意义上的知识，而且能够呈现出：（1）计算适应性；（2）计算容错性；（3）接近人的速度；（4）误差率与人相近，则该系统就是计算智能系统。

4-2、简述生物神经元及人工神经网络的结构。

人工神经网络由神经元模型构成，这种由许多神经元组成的信息处理网络具有并行分布结构。每个神经元具有单一输出，并且能够与其他神经元连接；存在许多（多重）输出连接方法，每种连接方法对应于一个连接权系数。

4-4、什么是模糊集合和隶属函数或隶属度？

论域U到[0,1]区间的任一映射    ，即              ，都确定U的一个模糊子集F；称为F的隶属函数或隶属度。在论域U中，可把模糊子集表示为元素u与其隶属函数       的序偶集合，记为：

4-5、什么是模糊推理？有哪几种模糊推理方法？

1、逻辑推理是建立在模糊逻辑基础上，它是一种不确定性推理方法，是在二值逻辑三段论基础上发展起来的。它以模糊判断为前提，动用模糊语言规则，推导出一个近似的模糊判断结论。

2．推理方法有Zadeh法，Baldwin法、Tsukamoto法、Yager法和Mizumoto法等方法。

4-6、说明粗糙集理论的基本概念和特点。

粗糙集理论是利用已知的知识库，用知识库中的已知知识近似描述不精确或者不确定的知识。主要是为了描述并处理“含糊”信息。

特点是：1）粗糙集部需要先验知识。2）粗糙集理论是强大的数据分析工具。3）粗糙集和模糊集描述了不完备的两个方面。粗糙集以不可分辨关系为基础，侧重分类；模糊集基于元素对集合隶属程度的不同，强调集合本身的含混性。

4-7、如何求集合的上近似 和下近似？（见课件）

4-8、什么是人工生命？在计算机学科中如何定义人工生命？

人工生命即人造的生命，非自然地生命。人工生命是研究能够演示出自然生命系统特征行为的人造系统。

在计算机科技领域中的人工生命，是指用计算机科学方法和技术设计和制造的具有生命特征的人造系统，如数字生命、数字生态系统、人工脑、虚拟生物等。

4-9、说明人工生命的研究意义、研究内容和研究方法。

意义为：1.开发基于人工生命的工程技术新方法、新系统、新产品。

2.为自然生命的研究提供新模型、新工具、新环境。

3.延长人类寿命、减少衰弱、防治疾病。

4.扩展自然生命，实现人工进化和优生优育。

5促进生命科学、信息科学、系统科学的交叉于发展。

研究内容为：1）构造生物体的内部系统。2）生物体及其群体的外部系统。

科学框架由下列主要内容构成：

1.生命现象仿生系统。2）生命现象的建模与仿真。3）进化动力学。4）人工生命的计算理论和工具。5）进化机器人。6）进化和学习等方面的结合。7）人工生命的应用。

研究方法主要分两类：1）信息模型法。2）工作原理法。

研究技术途径分两种：1）工程技术途径。2）生物科学途径。

5-1、什么是机器学习?为什么要研究机器学习?

机器学习是研究如何使用机器来模拟人类学习活动的一门学科。即：机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。

机器学习是人工智能的主要核心研究领域之一，也是现代智能系统的关键环节和瓶颈。很难想象: 一个没有学习功能的系统能被称具有智能的系统。来自生物、金融与网络等各领域的数据，迫切需要分析或建立模型。

5-2、试述机器学习系统的基本结构，并说明各部分的作用。（见书本）

执行、知识库、学习、环境。

环境向系统的学习部分提供某些信息，学习部分利用这些信息修改知识库，以增进系统执行部分完成任务的效能，执行部分根据知识库完成任务，同时把获得的信息反馈给学习部分。

5-3、试说明归纳学习的模式和学习方法。

归纳学习的一般模式为：

给定：1）观察陈述(事实)F,用以表示有关某些对象、状态、过程等的的顶知识；2)假定的初始归纳断言（可能为空）；3）背景知识，用于定义有关观察陈述、候选纳断言以及任何相关问题领域知识、假设和约束，其中包括能够刻画所求归纳断言的性质的优先准则。

求：归纳断言（假设）H,能重言蕴涵或弱蕴涵观察陈述，并满足背景知识。

假设H永真蕴涵事实F,说明F是H的逻辑推理，则有：

H I>F(读作H特殊化为F)；

或者F I（读作F一般化或消解为H）；

这里，从H推导到F时演绎推理，因此是保真的；而从事实F推导出假设H是归纳推理，因此不是保真的，而是保假的。

6-1、什么是数据挖掘（Data Mining）?

从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。与之相似的概念称为知识发现。

6-2、数据挖掘研究内容是什么?

主要研究内容包括基础理论、发现算法、数据仓库、可视化技术、定性定量互换模型、知识表示方法、发现知识的维护和再利用、半结构化和非结构化数据中的知识发现以及网上数据挖掘等。

6-3、数据挖掘包括哪几个步骤?

答：（1）定义商业问题（2）建立数据挖掘库（3）分析数据（4）准备数据（5）建立模型（6）评价和解释（7）实施

6-4、数据挖掘的主要算法有哪些?

粗糙集、聚类、关联规则、决策树、模糊集、神经网络和支持向量机、回归分析。

6-5、什么是关联规则挖掘？ 关联规则的支持度与可信度是什么? （要求会计算，见课件）

答：所谓关联规则是指数据集中支持度和信任度分别满足给定阈值的规则。

6-6、什么是聚类分析？

聚类分析又称群分析，它是研究（样品或指标）分类问题的一种统计分析方法。聚类分析关注于根据一些不同种类的度量构造一些相似的对象组成的群体，将多元分析的技术引入到数值分类学形成了聚类分析。

6-7． 简述决策树方法及其使场合；在构造决策树的过程中，测试属性的选取采用什么原则？如何计算属性增益？

决策树学习是以样本为基础的归纳学习方法。

决策树的表现形式是类似于流程图的树结构，在决策树的内部节点进行属性值测试，并根据属性值判断由该节点引出的分支，在决策树的叶节点得到结论。内部节点是属性或属性的集合，叶节点代表样本所属的类或类分布。经由训练样本集产生一棵决策树后，为了对未知样本集分类，需要在决策树上测试未知样本的属性值。测试路径由根节点到某个叶节点，叶节点代表的类就是该样本所属的类。

决策树学习的基本算法是贪心算法，采用自顶向下的递归方式构造决策树。

适合场合：实例由“属性-值”对表示，目标函数具有离散的输出值，可能需要析取的描述，训练数据可以包含错误，训练数据可以包含缺少属性值的实例。

测试属性的选取采用的原则：信息增益，用熵度量样例的均一性，增益比率，基尼指数。

7-1、你怎样评价人工智能的发展与争论？争论与发展的关系如何？

7-2、人工智能不同学派在理论、方法和技术路线上各有何争论?

1、对人工智能理论的争论：（1）符号主义认为人的认知基元是符号，而且认知过程即符号操作过程。（2）联结主义认为人的思维基元是神经元，而不是符号处理过程。它对物理符号系统假设持反对意见，认为人脑不同于电脑，并提出联结主义的大脑工作模式，用于取代符号操作的电脑工作模式。（3）行为主义认为智能取决于感知和行动（所以被称为行为主义），提出智能行为的“感知-动作”模式。行为主义者认为智能不需要知识、不需要表示、不需要推理；行为主义还认为：符号主义（还包括联结主义）对真实世界客观事物的描述及其智能行为工作模式是过于简化的抽象，因而是不能真实地反映客观存在的。　

2、对人工智能方法的争论：（1）符号主义认为人工智能的研究方法应为功能模拟方法。（2）联结主义主张人工智能应着重于结构模拟，即模拟人的生理神经网络结构，并认为功能、结构和智能行为是密切相关的。（3）行为主义认为人工智能的研究方法应采用行为模拟方法，也认为功能、结构和智能行为是不可分开的。

3、对人工智能技术路线的争论：（1）专用路线强调研制与开发专用的智能计算机、人工智能软件、专用开发工具、人工智能语言和其它专用设备。（2）通用路线认为通用的计算机硬件和软件能够对人工智能开发提供有效的支持，并能够解决广泛的和一般的人工智能问题。

（3）硬件路线认为人工智能的发展主要依靠硬件技术，智能机器的开发主要有赖于各种智能硬件、智能工具及固化技术。（4）软件路线强调人工智能的发展主要依靠软件技术，智能机器的研制主要在于开发各种智能软件、工具及其应用系统。

7-3、人工智能的发展对人类有哪些方面的影响？试结合自己了解的情况和理解，从经济、社会和文化等方面加以说明？

1、人工智能对经济的影响：人工智能系统的开发和应用，已为人类创造出可观的经济效益，专家系统就是一个例子。随着计算机系统价格的继续下降，人工智能技术必将得到更大的推广，产生更大的经济效益。

2、人工智能对社会的影响：劳务就业问题；社会结构变化；思维方式与观念的变化；心理上的威胁；技术失控的危险。

3、人工智能对文化的影响：改善人类知识；改善人类语言；改善文化生活。

7-4、试评述人工智能的未来发展。

人工智能的未来发展主要可以概括为更新的理论框架，更好的技术集成，更成熟的应用方法。而在具体的应用方面，我认为主要有以下两个发展方向： 1、计算机能直接而人类大脑实现人机交流。借助以上技术，人类可以用思维控制自己想看到的，想听到的，使媒体技术中的感官媒体更真实化，对虚拟的事物不仅可以看见听见，更可以摸得，闻得着。同时电脑可以进一步辅助人类做出一定的判断，储存大量信息，甚至可以以身体为媒介，执行电脑程序，是人类更快的学会各种技巧，掌握更多知识。同时，提高了生物验证的渠道，比如利用DNA染色体作为密码的载体，相信是很难伪造的。2、电脑拥有机器思维：机器学会人类的思维方式，帮助人更好的思考问题。

7-5、你对“人工智能” 课程及其教学有何建议？