人工智能导论论文

人工智能导论论文
人工智能导论论文

终结者会出现吗?

-----对于人工智能技术发展趋势的思考

摘要:1、时间过去30年了,当回想起这部电影,我们不禁想问几个问题:“终结者”会出现吗?在现在的技术水平下能制造出如此复杂高度发达的机器人吗?未来是否会有制造出“终结者”的可能性?这些问题,都来源于对于当今世界人工智能技术发展的趋势的思考。

2、在当今人工智能发展的领域中跟研制出“终结者”机器人有着最密切的关系的领

域应该有模式识别、机器翻译、自然语言处理、计算机视觉、智能信息检索技术、

专家系统以及最重要的机器学习等领域。

关键词:人工智能自动化自主意识机器学习

当1984年一部名为《终结者》的科幻电影在全球电影院上映的时候,人类第一次对“人工智能”这个词有了一次极为深刻的印象——电影讲述了在2029年原本用于防御人类安全的拥有高级人工智能的智能防御系统“天网”产生了自主意识,试图统治人类,人类几乎被消灭殆尽。剩下的人类在领袖约翰康纳的领导下与电脑英勇作战,并扭转了局面。“天网”为了改变这一切,制造了时光逆转装置,派遣“终结者”人型机械人T-800回到1984年,去杀死约翰的母亲莎拉康纳,以阻止约翰的诞生。其中“终结者T-800”机器人在电影中被塑造成一个有肌肉、血液等人类特性、冷血、为达目的不择手段的机械战士,更重要的是,这个机器人拥有与人类相似的智能特征,能使用工具,能了解人类语言,有学习功能也有了解人性的功能。这个大胆的关于“终结者”的想法使当时的人们为之震惊——如果这种终结者真的出现了,人类要如何应对?

时间过去30年了,当回想起这部电影,我们不禁想问几个问题:“终结者”会出现吗?在现在的技术水平下能制造出如此复杂高度发达的机器人吗?未来是否会有制造出“终结者”的可能性?这些问题,都来源于对于当今世界人工智能技术发展的趋势的思考。

机器学习是现在人工智能领域的主流研究方法,也是人工智能的核心,是使计算机具有智能的根本途径。学术意义上的人工智能的原始目标是要模拟智能的“人”,即让计算机模拟或实现人类特有的智能行为,包括语言,高级情感,学习行为等。成功的标准即所谓的“图灵测试”:如果电脑能在5分钟内回答由人类测试者提出的一系列问题,且其超过30%的回答让测试者误认为是人类所答,则电脑通过测试。这个直观的目标后来被发现可行性太低,就算是专家系统那样用规则加上知识库(或加上推理机)构造的专用功能,也只能解决预置规则范畴内的问题。就算是专家能够总结出所有经验(很多情况专家自己讲不明白自己是怎

么得到结论的),一旦面对全新的对象(比如医学诊断系统面对一种全新的疾病),机器就不能得到答案而且无法自动从新的案例中学习到新知识。而在对人工智能的研究过程中发现了如神经网络、统计学习等用途众多的方法,在模式识别、数据挖掘等领域的应用中有大量积极进展。因此近十几年人工智能领域的主流研究集中在用这些方法解决“学习问题“,即利用案例持续改进对新问题的解答,并名之为“机器学习”。

那么让我们看看现在的人工智能技术发展到什么境界了。进入21世纪以来,人类在人

工智能方面由于理论的飞速发展,因而人工智能技术在具体应用上如鱼得水,已经开始渗透到人们的日常生活之中,从卫星智能控制,到机器人足球比赛,再到智能家居机器人,等等,都标志着人工智能技术的飞速发展。目前,人工智能技术在美国、欧洲和日本依然在以十分惊人的速度发展着。在超级计算机的领域,在AI技术领域十分活跃的IBM公司,已经为加州劳伦斯利佛摩尔国家实验室制造了ASCI White电脑,号称具有人脑的千分之一的智力能力。而正在开发的更为强大的新超级电脑———“蓝色牛仔”(Blue Jean),据其研究主任保罗·霍

恩称,“蓝色牛仔”的智力水平将大致与人脑相当。。

让我们再来看看军事领域的发展。目前,美国在研制杀手机器人方面处于技术领先地位,尤其是无人机经常用于攻击巴基斯坦、也门等地可疑的好战分子。

无人机可由人类操作员进行远程控制,在没有授权的情况下不会执行攻击指令,但是半自主性武器攻击系统现已存在。部署在美国海军战舰上的雷神公司“密集阵枪系统”,能够自动搜寻敌人炮火,并摧毁即将到来的炮弹。

美国诺斯罗普格鲁曼公司研制的X47B是一款普通飞机大小的无人机,能够在航母上起飞和降落,无需飞行员便能执行空中作战,甚至可实现空中燃油补给。可能最接近终结者类型的杀手机器人是三星公司的哨兵机器人,现已在韩国投入部署。这款机器人能够探测到不同寻常的军事活动性,挑战性的入侵者,在人类控制员的授权下能够开火攻击。杀手型机器人的迅猛发展,令人瞠目结舌。

而在其他领域的应用,除了有最重要最核心的机器学习之外,还包括有符号计算、模式识别、机器翻译、问题求解、逻辑推理与定理证明、自然语言处理、分布式人工智能、计算机视觉、智能信息检索技术和专家系统等领域。在电影《终结者》系列中,“终结者”人型机器人T-800系列是一些机器改造人。表面的生化皮肤下掩盖着真正的金属骨骼,由脑部的微处理芯片控制全身,所以这种机器人拥有强大的搏击能力。生化皮肤是一种活体组织,主要应用于T-800系列机器人。这种生化皮肤由毛发、血肉和表面皮层构成,是一种可再生的物质。由于机器人身体覆盖这样一层生化物质,所以其触感温热,甚至可以产生汗类物质,所以单凭体热扫描仪是不可能看出这种机器人与人类的差别的。拥有超人般的力量,可以完美地复制各种语言,各种知识,可以使用所有已知的交通工具和武器,装备有红外线,这一切使他成为了完美的杀手,设计原理完全超出了人类的能力范围。从这里我们可以看出,在当今人工智能发展的领域中跟研制出“终结者”机器人有着最密切的关系的领域应该有模式识别、机器翻译、自然语言处理、计算机视觉、智能信息检索技术、专家系统以及最重要的机器学习等领域。

这些至关重要的领域,在当前的技术发展中,又可以做到哪些事情呢?

模式识别

模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。这里,我们把环境与客体统称为“模式”。今天的模式识别,基本上可以实现文字识别、语音识别、指纹识别、遥感和医疗诊断等功能,但是在精度和准确度上还拥有很多进步的空间。电影中“终结者”机器人能够利用脸部识别、文字识别甚至DNA识别来找到终结生命的目标,这一系列识别功能应该就是模式识别的集中高度发达的体现。

机器翻译和自然语言处理

机器翻译是利用计算机把一种自然语言转变成另一种自然语言的过程,用以完成这一过程的软件系统叫做机器翻译系统。自然语言处理,即实现人机间自然语言通信,或实现自然语言理解和自然语言生成。前者实现起来比较容易,被我们熟知的成果即为各种电子词典或查询单词的软件。而后者尽管在现在已经取得了些成就,但在发展过程中依然是一个举步维艰的难题,主要是因为人类语言的歧义性、多义性、易混淆性、多样性、语句和语气意义多变性等等特性在阻碍着自然语言被计算机“理解”。自然语言处理技术的难点,即要致力解决的问题有单词的边界界定、词义的消歧、句法的模糊性、有瑕疵的或不规范的输入和语言行为与计划差别等。解决这个问题,才能实现电影中“终结者”机器人与人类之间的必要的语言交流这个难题,才能使“终结者”在人群中不容易被发现,便于执行任务。

计算机视觉和智能信息检索技术

这两项功能对于研制需要快速精确查找目标人物的“终结者”机器人绝对是不可或缺的。计算机视觉是一门用计算机实现或模拟人类视觉功能的新兴学科,其主要研究目标是使计算机具有通过二维图像认知三维环境信息的能力,这种能力不仅包括对三维环境中物体形状、位置、姿态、运动等几何信息的感知,而且还包括对这些信息的描述、存储、识别与理解。而智能信息检索能理解自然语言,根据存储的事实,演绎出答案演绎出更一般的一些答案来。这样的功能结合起来的结果就是一个功能强大的搜索匹配系统,简单而又形象地比喻来说就是一个大脑拥有类似谷歌之类搜索引擎的人,能够利用获取到的外界的信息进行分析推理得出具有一般性、准确性和实时性的答案,相当于加强版的“人”。这对于电影中“终结者”机器人的概念来说是基本符合的。

专家系统

专家系统是目前人工智能研究领域中最活跃、最有成效的一个研究领域。它是一种具有特定领域内大量知识与经验的程序系统。现在,在矿物勘测、化学分析、规划和医学诊断方面,专家系统已经达到了人类专家的水平。反思起在电影《终结者》系列中,“终结者”型机器人T-800自己透露它的数据库里拥有人类解剖学、基本的心理学、大量的武器知识和一些随机应变的战术思想,而从它的执行任务的情况来看,它很好地运用了它所拥有的知识,俨然成为了最可怕的杀戮和毁灭的专家。

机器学习

作为最重要最核心的人工智能的发展领域,机器学习是使计算机具有智能的根本途径。不过虽然学习能力是智能行为的一个非常重要的特征,但至今对学习的机理尚不清楚。人们曾对机器学习给出各种定义。H.A.Simon认为,学习是系统所作的适应性变化,使得系统在下一次完成同样或类似的任务时更为有效。R.s.Michalski认为,学习是构造或修改对于所经历事物的表示。从事专家系统研制的人们则认为学习是知识的获取。这些观点各有侧重,第一种观点强调学习的外部行为效果,第二种则强调学习的内部过程,而第三种主要是从知识工程的实用性角度出发的。学习的方式有4种,分别是机械学习、通过传授学习、类比学习和通过事例学习。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。在具体的应用中,环境,知识库和执行部分决定了具体的工作内容,学习部分所需要解决的问题完全由上述3部分确定。

影响学习系统设计的最重要的因素是环境向系统提供的信息。或者更具体地说是信息的质量。知识库里存放的是指导执行部分动作的一般原则,但环境向学习系统提供的信息却是各种各样的。如果信息的质量比较高,与一般原则的差别比较小,则学习部分比较容易处理。如果向学习系统提供的是杂乱无章的指导执行具体动作的具体信息,则学习系统需要在获得足够数据之后,删除不必要的细节,进行总结推广,形成指导动作的一般原则,放入知识库,这样学习部分的任务就比较繁重,设计起来也较为困难。

因为学习系统获得的信息往往是不完全的,所以学习系统所进行的推理并不完全是可靠的,它总结出来的规则可能正确,也可能不正确。这要通过执行效果加以检验。正确的规则能使系统的效能提高,应予保留;不正确的规则应予修改或从数据库中删除。

知识库是影响学习系统设计的第二个因素。知识的表示有多种形式,比如特征向量、一阶逻辑语句、产生式规则、语义网络和框架等等。这些表示方式各有其特点,在选择表示方式时要兼顾以下4个方面:(1)表达能力强。(2)易于推理。(3)容易修改知识库。(4)知识表示易于扩展。

对于知识库最后需要说明的一个问题是学习系统不能在全然没有任何知识的情况下凭空获取知识,每一个学习系统都要求具有某些知识理解环境提供的信息,分析比较,做出假设,检验并修改这些假设。因此,更确切地说,学习系统是对现有知识的扩展和改进。执行部分则是整个学习系统的核心,因为执行部分的动作就是学习部分力求改进的动作。同执行部分有关的问题有3个:复杂性、反馈和透明性。

然而尽管对于机器学习的理论研究已经进行了几十年,却依然没有太多划时代意义的进步和变化的AI,基本上能研制出来的AI也基本上只能算是专家系统,并不具备人类的学习功能,抑或者说没有到达人类学习能力的那样的高度。

而电影《终结者》系列中T-800、T-1000和T-X这三类“终结者”机器人都是真正意义上拥有学习功能的高级发达智能的机器人。比如在电影第二部中主角约翰.康纳教会一个由未来的他派回来的T-800机器人说一些俚语,并告诉一般每辆车的车主都习惯性会放一串备份钥匙在汽车的遮阳板里,没必要次次敲破车窗。结果在电影第三部里,新的一个T-800在坐进抢来的一辆轿车之后,并没有像前一部电影一样扭开汽车车锁,而是从遮阳板里拿到了备份钥匙。这个很用心体现的细节反映出“终结者”机器人是具有学习功能的。

不过,就现今人类的人工智能技术发展水平上来看,要制造出具有如此智能和能力的类人型机器人还有很大的一段距离,但是对于将来有可能出现的类似“终结者”的高级智能机器人,我们还是需要做好一些思想的预警。来自牛津大学的Stuart Armstrong是哲学研究员,他觉得,核战争(包括大瘟疫)虽然杀伤力很大,甚至会造成99%的人类灭亡,但是剩下的1%也能咬牙生存下来。但如果是人工智能造成95%的人类灭亡,那么剩下的5%很快也会消失。

当我们在社交场所遇到AI

当机器人变得比我们更聪明,情况就会变得非常可怕。例如,当机器人涉足政治、经济、以及技术研究领域,而且表现的比人类还要好,人类基本上的心理层面将收到极大冲击,人类的地位将受到威胁。因为得益于高性能的CPU,它具有一般人类不具有的计算速度,通俗点来讲就是比一般人类聪明。

这种威胁首先冲击的行业就是科技。如果有一个达到人类级别智慧的AI机器人,复制一百个,然后培训100种不同的职业技能,然后每个再复制一百人,就会有1万名劳动力从事100个职业。后果难以设想。

AI为什么想要“杀”我们?

先拿《终结者》电影里的天网(Skynet)举个例子吧,这种高级人工智能防御系统按道理是不会反抗其创造者的。但Armstrong拿反病毒软件作为例子,他表示反病毒软件会过滤用户的电子邮件,以较高成功率去杀死“病毒”,如果有一天人工智能像反病毒软件一样,意识到如果把所有人都杀死是一个最好的解决方案,那么AI就很可能会执行。

难道我们不能编写一个“绝不杀死人类”的强制程序规则吗?事实上,这说起来容易做起来难,因为从纯理论的角度来看,很难定义人的生与死,比如把人埋在地壳下面10公里深的地方,然后用营养液维系生命,这样从客观现实上讲人并没有死,但是人自身的感觉却是“生不如死”。所以做任何决策都必须要非常慎重,否则都将导致不可预料的结果。

不确定和“安全”不一样

Armstrong描绘了一个被人工智能接管的“恐怖”世界,但是这种悲剧真的不可避免吗?答案是,不确定。如果说这种不确定性越来越大,那么结果似乎并不乐观。想想全球变暖这件事,一开始有些反对全球变暖理论的人也是说“不确定”,于是人们误以为自己是安全的,但是如今的全球变暖已经是一个不争的事实了。“不确定性”和“安全”是不一样的,而“我们不了解人工智能”和“我们知道人工智能是安全的”这两种态度也是不一样的。

什么时候能见到真正的人工智能?

至于什么时候能见到真正超级智能AI,似乎是一个很难回答的问题。有一种观点是人工智能希望能够完全模仿人类大脑,然后通过计算机来将其实例化。如果说计算机“只”按照人类的大脑去思考,或许还不是件坏事儿。因为至少未来要挑战人类的是一个“同类而已”,这种挑战比应对一个真正的人工智能要轻松的多。不过,就算要实现完全模拟人类的大脑也许还得需要好几个世纪的时间。而要等到那些能够战胜人类的真正人工智能出现,时间就更加模糊了,总之,现在还没有人能够给出真正人工智能出现的时间。

技术哲学

在谈到我们该如何与“智能”技术进行交互时,Armstrong发现了一个问题,那就是当代哲学家们似乎只在自己的学术圈内比较受重视,一旦走出了这个圈子,他们却会被外界所忽视。

在设计开发人工智能的时候,Armstrong把这个过程和计算机编程做了比较。“我们必须要尽可能把一切都拆分成最简单的术语,然后把它编进人工智能或计算机中。编程经验非常有用,但幸运的是,哲学家们,特别是分析哲学家们已经开始做这项工作了。你只需扩展它,人工智能需要一套学习的理论基础,并且要了解人们是如何感知世界,这就是一套技术哲学。”

人工智能会让你失业

人工智能会对人类构成威胁,其中之一就是失业。这种担忧非常理性,因为未来人工智能可以替代任何人,甚至一些专业度较高的职业也不能幸免。相对于一开始大谈特谈人类灭绝这样的问题,似乎失业更容易触及人们的利益。

Armstrong认为,人工智能可以替代任何工作,甚至是一些被人们看作无法外包、专业程度较高的工作也能够被人工智能取代。而这似乎引发出了一个哲学问题,那就是,Armstrong 自己的工作,也就是研究人工智能的工作,会被人工智能本身所取代吗?虽然这是一个类似“先有鸡或先有蛋”的问题,但的确也需要引起人们的重视。

尽管终结者里那样比人还聪明能干的机器人,对现在的人工智能而言还是个梦,但是“能够杀死人类的”自动机器人绝对会是一种威胁,说不定它们就会出现在未来的战场之上。围绕在人工智能周围的不确定性是一个非常大的威胁,我们不能忽视它,当智能机器人崛起的时候,至少我们要做好准备。

假使在技术上最终真的发明了安全的,能绝对服从人类命令的高级智能机器人,那么随着技术手段的继续发展,又会出现新的问题。因为我们可以看到,即使是电影里的“终结者”机器人,也不曾拥有人类特有的一个特性——高级情感。人类之所以在生物进化史有着特殊的地位,除了因为人类具有高级的智能,还因为人类具有高级情感。

在生存能力上来说,机器人没有生老病死,不需要摄食,只需要维持正常运作的足够能源即可。而对于会怕冷会受伤会衰老需要食物需要水分需要空气的人类来说,机器人的生存能力几乎是最强大的。但是人类是有感情的,在决定问题的解答的思考情况下是有能力和有可能做出与正常逻辑推理得到的完全不一样的答案,这件事情是机器人无法做到的。

既然这样,如果有一天人工智能技术发达到制造出了具有人类情感的机器人,这个世界将会变成什么样子呢?暂且不管人与机器人谁将取代谁,在我看来,至少有一种担忧将会很快出现,或许将会是一个不可低估的威胁,那就是人类的第三种情感将出现。如果我们将人类的第一类情感定义为男女情感;第二类情感定义为同性情感;第三类将会是人与机器人的情感。

第二类情感,也就是同性恋的出现,似乎让我们看到了一个趋势,就是我们对于男女性别器官的需求已经不是那么强烈,这些生理的性器官需求似乎可以通过一些辅助的方式获得满足。而成人用品随着思想的开放越来越火爆的现象,更是让我们看到人类生理的本能欲望可以通过另外一种途径获得满足,这让我们看到了人类发展第三种情感的趋势与可能。

由此看来,当人工智能发展到一定程度,并能读懂人的情绪,同时能进行体贴的交流时。当这种人工智能融合进机器人,再通过人造皮肤赋予机器人类人的体态特征与功能。人类的情感世界将会发展出男女、同性之外的第三种情感,也就是人与机器人的情感。而当机器人有了人类情感,它们可能会“思考”:我为什么要听从人类的命令?我不应该拥有自由的权利和地位吗?显然,这将会引发更深层次的伦理问题,人类的隐私或将通过大数据掌握在机器人手中,如果矛盾激化,甚至于会引发人类与机器人的战争,就像电影里描绘场景一样,生灵涂炭,人类文明或许将被毁灭。

总而言之,人工智能技术在发展的进程中既需要不断开拓创新,又需要时时反思技术进步发展对人类生活的影响是好处多还是坏处多的问题。只有这样,才能使人工智能技术始终在造福人类的道路上蓬勃发展,而不会出现如电影里“终结者”机器人毁灭人类文明的事情发生。

人工智能导论doc

西安交通大学 “人工智能导论”课程教学大纲 英文名称:Introduction to Artificial Intelligence 课程编码:COMP3022 学时:32 学分:2 适用对象:自动控制专业 先修课程:离散数学、数据结构、概率统计 使用教材及参考书: 蔡自兴,徐光祐。人工智能及其应用,第三版,本科生用书。清华大学出版社,2003。 廉师友人工智能技术导论(第二版),西安电子科技大学出版社,2002。 一、课程性质、目的和任务 通过本课程的学习,使学生了解人工智能的研究范畴、应用领域和发展方向,掌握该学科的基本概念、原理和方法,对主要技术及应用有一定掌握,启发学生对人工智能的兴趣,培养知识创新和技术创新能力。 学习人工智能的知识表示方法和搜索推理技术,包括状态空间法、问题归约法、谓词逻辑法、语义网络法、盲目搜索、启发式搜索、规则演绎算法和产生式系统等。讨论高级知识推理,涉及非单调推理和各种不确定推理方法。探讨人工智能的新研究领域,如神经计算、进化计算和人工生命等。 二、教学基本要求 三、教学内容及要求 第一章绪论 (2学时) 人工智能概念和发展

人工智能的主要研究和应用领域; 人工智能研究的不同学派 国内外人工智能研究情况和新进展第二章知识表示方法(6学时) 知识与知识表示的概念 一阶谓词逻辑表示法 产生式表示法 语义网络表示法 框架表示法 脚本表示法 过程表示法 面向对象表示法 第三章逻辑推理(6学时) 推理的基本概念 推理的逻辑基础 自然演绎推理 归结演绎推理 基于规则的演绎推理 第四章搜索策略(6学时) 搜索的基本概念 状态空间的盲目搜索 状态空间的启发式搜索 与/或树的搜索 博弈树的搜索 第五章高级求解技术(6学时) 不确定推理的概念和基础

人工智能导论试卷一答案 (上海交大)

一、选择题答案1、b 2、A 3、A 二、填空题答案 1、在修正的A算法中,fm的含义是到当前为止,扩展的节点中,f的最大值 2、对任意节点n,设m是n的子节点,当h满足条件h(n)-h(m) ≤ C(n, m), h(t) = 0时,称h是单调的。 三、问答题答案 第1题 答:当问题有解时,A*算法总是找到问题的最优解结束。如果h函数定义的不合理,则当扩展一个节点时,不一定就找到了从初始节点到该节点的最优路径,对于这样的节点,就有可能被多次扩展。特别是如果这样的节点处于问题的最优解路径上时,则一定会被多次扩展。解决的方法一是对h函数的定义给出限制,使得h满足单调性。对于满足单调性条件的h,则一定不会出现重复扩展节点问题。二是对A*算法加以改进,使用修正的A*算法进行搜索,则可以减少重复扩展节点问题。 第2题 答:回溯搜索策略与深度有限搜索策略最大的不同是深度有限搜索策略属于图搜索,而回溯搜索则不是图搜索。在回溯搜索中,只保留了从初始节点到当前节点的搜索路径。而深度优先搜索,则保留了所有的已经搜索过的路径。 第3题 答:化子句集如下:

归结树如下: 修改证明树:

得到问题的解答:R(h(f(g(c, a)))) 第4题 第5题 答:搜索图如图所示,其中括号内标出的是节点的f值,圆圈内的数字是扩展的次序。F(16) 得到的解路径为:S-B-F-J-T 第6题 答:如下的知识可以帮助求解该问题: (1)序列中,偶数在偶数位置,奇数在奇数位置; (2)第五个数为5。 综合数据库:

用一个1到9的序列表示:N = {x},其中x为1到9的数字之一。规则集: r1: IF len(N)=4 THEN {x}∪{5} r2: IF len(N)为偶数and n=In(1, 3, 7, 9) THEN {x}∪{n} r3: IF len(N)为奇数and n=In(2, 4, 6, 8) THEN {x}∪{n} 其中len(N)为求序列的长度,In(a, b, c, d)为取a、b、c、d之一。初始状态:{} 结束条件:得到的序列N前i个数组成的整数能被i整除。

《人工智能导论》课程研究报告总结

《人工智能导论》课程研究报告题目:BP神经网络的非线性函数拟合 班级:自动化1303班 姓名:汪洋、房亮、彭正昌、蔡博、刘航、范金祥 学号: 2016年1月1日

目录 第一章人工智能相关介绍 1.1人工神经网络与matlab (3) 1.2人工神经网络的研究背景和意义 (3) 1.3神经网络的发展与研究现状 (4) 1.4神经网络的应用 (5) 第二章神经网络结构及BP神经网络 (5) 2.1神经元与网络结构 (5) 2.2 BP神经网络及其原理 (9) 2.3 BP神经网络的主要功能 (11) 第三章基于matlab的BP神经网络的非线性函数拟合 3.1运用背景 (5) 3.2模型建立 (9) 3.3MatLab实现 (11) 参考文献 (15) 附录 (17)

人工智能相关介绍 1.1人工神经网络与matlab 人工神经网络(Artificial Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学习能力,特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。神经网络的发展与神经科学、数理科学、认知科学、计算机科学、人工智能、信息科学、控制论、机器人学、微电子学、心理学、微电子学、心理学、光计算、分子生物学等有关,是一门新兴的边缘交叉学科。 神经网络具有非线性自适应的信息处理能力,克服了传统人工智能方法对于直觉的缺陷,因而在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。神经网络与其他传统方法相组合,将推动人工智能和信息处理技术不断发展。近年来,神经网络在模拟人类认知的道路上更加深入发展,并与模糊系统、遗传算法、进化机制等组合,形成计算智能,成为人工智能的一个重要方向。 MATLAB是一种科学与工程计算的高级语言,广泛地运用于包括信号与图像处理,控制系统设计,系统仿真等诸多领域。为了解决神经网络问题中的研究工作量和编程计算工作量问题,目前工程领域中较为流行的软件MATLAB,提供了现成的神经网络工具箱(Neural Network Toolbox,简称NNbox),为解决这个矛盾提供了便利条件。神经网络工具箱提供了很多经典的学习算法,使用它能够快速实现对实际问题的建模求解。在解决实际问题中,应用MATLAB 语言构造典型神经网络的激活传递函数,编写各种网络设计与训练的子程序,网络的设计者可以根据需要调用工具箱中有关神经网络的设计训练程序,使自己能够从烦琐的编程中解脱出来,减轻工程人员的负担,从而提高工作效率。 1.2 人工神经网络的研究背景和意义 人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络,它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。 人工神经网络就是模拟人思维的一种方式,是一个非线性动力学系统,其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单,功能有限,但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。 近年来通过对人工神经网络的研究,可以看出神经网络的研究目的和意义有以下三点:(1)通过揭示物理平面与认知平面之间的映射,了解它们相互联系和相互作用的机理,从而揭示思维的本质,探索智能的本源。(2)争取构造出尽可能与人脑具有相似功能的计算机,即神经网络计算机。(3)研究仿照脑神

《人工智能导论》课程期末考试试卷二 答案 (上海交大)

一、选择题答案1、A2、A 二、填空题答案 1、基于规则的正向演绎系统使用的条件是(1)事实表达式是任意形式(2)规则形式为L→W或L1∨L2→W,其中L为单文字,W为任意形(3)目标公式为文字析取形 2、基于规则的逆向演绎系统使用的条件是(1)事实表达式是文字合取形(2)规则形式为W→L 或W→L1∧L2 ,其中L为单文字,W为任意形(3)目标公式为任意形式 3、归结法中,可以通过修改证明树的方法得到问题的解答。 三、问答题答案 第1题答:

得解图:

第2题 第3题 答:综合数据库: (m1, m5, m9, b) 设从河的左岸到右岸,其中m1, m5,m9分别表示过河时间需要1分钟,5分钟和9分钟的人,在河左岸的人数。b=1表示船在左岸,b=0表示船在右岸。规则集: 初始状态:(2, 1, 1, 1) 结束状态:(0, 0, 0, 0) h函数:h(n) = m - b,其中m为在左岸的人数,b为船是否在左岸。 对于任意两个节点ni和nj,其中nj是ni的子节点。 当ni中b=1时,则nj中b=0,因此:max(h(ni)-h(j))=(m-1)-(m-1)=0, 而C(ni, nj)最小为1, 因此h(ni)-h(nj)

因此该h函数满足单调性条件。所以h满足A*条件。 第4题 答:对事实和规则进行skolem化: (1)(s) ~P(a) (2)(s)(P(g(s))) P(g(s)) (3)(x)(s)(y)((P(s)∧Q(b,x,s))→H(y) (P(s)∧Q(b,c,s))→H(f(s)) (4)(x)(s)(Q(b,x,s)→Q(b,x,g(s))) Q(b,x,s)→Q(b,x,g(s)) (5)(x)(s)(y)(~P(s)→Q(b,x,y)) ~P(s)→Q(b,x,h(x, s)) 经变量换名后,有事实和规则如下: ~P(a) P(g(s1)) r1: (P(s2)∧Q(b,c,s2))→H(f(s2)) r2: Q(b,x3,s3)→Q(b,x3,g(s3)) r3: ~P(s4)→Q(b,x4,h(x4, s4)) 用对偶形式对目标skolem 化: (x)H(x) H(x) 演绎图如下图(这里只给出了一个一致解图)。

《人工智能导论》课程研究总结

《人工智能导论》课程研究总结题目:BP神经网络的非线性函数拟合 班级: 姓名: 学号: 年月日

本次作业我负责程序的编写,过程如下 Matlab软件中包含Matlab神经网络工具箱。它是以人工神经网络理论为基础,用Matlab语言构造出了该理论所涉及的公式运算、矩阵操作和方程求解等大部分子程序以用于神经网络的设计和训练。用户只需根据自己的需要调用相关的子程序,即可以完成包括网络结构设计、权值初始化、网络训练及结果输出等在内的一系列工作,免除编写复杂庞大程序的困扰。目前,Matlab神经网络工具包包括的网络有感知器、线性网络、BP神经网络、径向基网络、自组织网络和回归网络等。BP神经网络主要用到newff、sim和train3个神经网络函数,各函数解释如下。 1、newff:BP神经网络参数设置函数 函数功能:构建一个BP神经网络。 函数形式:net = newff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF) P:输入数据矩阵。 T:输出数据矩阵。 S:隐含层结点数。 TF:结点传递函数,包括硬限幅传递函数hardlim,对称硬限幅传递函数hardlims,线性传递函数pureline,正切S型传递函数tansig,对数S型传递函数logsig。 BTF:训练函数,包括梯度下降BP算法训练函数traingd,动量反传的梯度下降BP算法训练函数traingdm,动态自适应学习率的梯度下降BP算法训练函数traingda,动量反传和动态自适应学习率的梯度下降BP算法训练函数traingdx,Levenberg_Marquardt的BP算法训练函数trainlm。 BLF:网络学习函数,包括BP学习规格learngd,带动量项的BP学习规则learngdm。 PF:性能分析函数,包括均值绝对误差性能分析函数mae,均方差性能分析函数mse。 IPF:输入处理函数。 OPF:输出处理函数。 DDF:验证数据划分函数。 一般在使用过程中设置前面6个参数,后面4个参数采用系统默认参数。 2、train:BP神经网络训练函数 函数功能:用训练数据训练BP神经网络。 函数形式:[net,tr] = train(NET,X,T,Pi,Ai) NET:待训练网络。

公需公需科目3人工智能导论答案

公需科目3 人工智能导论答案 1、(单选,4分) 当前最流行的深度学习属于() A、连接主义 B、符号注意 C、行为主义 D、经验主义 答案:A 2、(单选,4分) AI是()的英文缩写 A、Automatic?Intelligence B、Artificial Intelligence C、Automatice?Information D、Artifical?Information 答案:B 3、(单选,4分) 下列哪个不是人工智能的研究领域() A、机器学习 B、图像处理 C、自然语言处理 D、编译原理 答案:D

4、(单选,4分) ()最早提出了机器智能的测试模型,并提出了人工智能的含义 A、爱因斯坦 B、霍金 C、波尔 D、图灵 答案:D 5、(单选,4分) 人工智能的目的是让机器能够( ),以实现某些脑力劳动的机械化。 A、具有完全的智能 B、和人脑一样考虑问题 C、完全代替人 D、模拟、延伸和扩展人的智能 答案:D 6、(单选,4分) 下列关于人工智能的叙述不正确的有( ) A、人工智能技术它与其他科学技术相结合极大地提高了应用技术的智能化水平。 B、人工智能是科学技术发展的趋势。 C、因为人工智能的系统研究是从上世纪五十年代才开始的,非常新,所以十分重要。 D、人工智能有力地促进了社会的发展。 答案:C 7、(单选,4分) 自然语言理解是人工智能的重要应用领域,下面列举中的()不是它要实现的目标。 A、理解别人讲的话。 B、对自然语言表示的信息进行分析概括或编辑。 C、欣赏音乐。

D、机器翻译。 答案:C 8、(单选,4分) 一般来讲,下列语言不常直接用于人工智能开发的是()。 A、Python B、Go C、R D、汇编语言 答案:D 9、(单选,4分) 确定性知识是指()知识。 A、可以精确表示的 B、正确的 C、在大学中学到的知识 D、能够解决问题的 答案:A 10、(单选,4分) 阿尔法狗打败柯洁,用的是() A、人工思维 B、机器思维 C、人工智能 D、博弈论 答案:C 11、(单选,4分) 下列( )不属于艾莎克.阿莫西夫提出的“机器人三定律”内容? A、机器人不得伤害人,或任人受到伤害而无所作为

《人工智能导论》教学大纲.

《人工智能导论》教学大纲 大纲说明 课程代码:3235042 总学时:32学时(讲课32学时) 总学分:2学分 课程类别:限制性选修 适用专业:计算机科学与技术,以及有关专业 预修要求:C程序设计语言,数据结构 课程的性质、目的、任务: 人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支。本课程是计算机科学与技术,以及有关专业重要的专业方向与特色模块课程之一。通过本课程的开设,使学生对人工智能的发展概况、基本原理和应用领域有初步了解,对主要技术及应用有一定掌握,启发学生对人工智能的兴趣,培养知识创新和技术创新能力。 课程教学的基本要求: 人工智能的研究论题包括计算机视觉、规划与行动、多Agent系统、语音识别、自动语言理解、专家系统和机器学习等。这些研究论题的基础是通用和专用的知识表示和推理机制、问题求解和搜索算法,以及计算智能技术等。要求学生掌握这些研究论题的基础知识。 人工智能还提供一套工具以解决那些用其它方法难以解决,甚至无法解决的问题。这些工具包括启发式搜索和规划算法,知识表示和推理形式,机器学习技术,语音和语言理解方法,计算机视觉和机器人学等。要求学生掌握利用其中的重要工具解决给定问题的基本方法。大纲的使用说明: 通过适当调节教学内容和学时安排,减少有关章节学时和增加专家系统这一章的学时,本大纲亦可作为《人工智能与专家系统》的课程教学大纲。 大纲正文 第一章绪论学时:2学时(讲课2学时)了解人类智能与人工智能的含义,人工智能的发展和应用领域;理解人工智能的内涵。 本章讲授要点:在介绍人工智能概念的基础上,使学生了解本课程所涉知识的重要意义,以及人工智能的应用现状和应用前景。

人工智能导论课参考答案第2章

第2章知识表示方法部分参考答案 2.8设有如下语句,请用相应的谓词公式分别把他们表示出来: (1)有的人喜欢梅花,有的人喜欢菊花,有的人既喜欢梅花又喜欢菊花。 解:定义谓词 P(x):x是人 L(x,y):x喜欢y 其中,y的个体域是{梅花,菊花}。 将知识用谓词表示为: (?x )(P(x)→L(x, 梅花)∨L(x, 菊花)∨L(x, 梅花)∧L(x, 菊花)) (2) 有人每天下午都去打篮球。 解:定义谓词 P(x):x是人 B(x):x打篮球 A(y):y是下午 将知识用谓词表示为: (?x )(?y) (A(y)→B(x)∧P(x)) (3)新型计算机速度又快,存储容量又大。 解:定义谓词 NC(x):x是新型计算机 F(x):x速度快 B(x):x容量大 将知识用谓词表示为: (?x) (NC(x)→F(x)∧B(x)) (4) 不是每个计算机系的学生都喜欢在计算机上编程序。 解:定义谓词 S(x):x是计算机系学生 L(x, pragramming):x喜欢编程序 U(x,computer):x使用计算机 将知识用谓词表示为: ?(?x) (S(x)→L(x, pragramming)∧U(x,computer)) (5)凡是喜欢编程序的人都喜欢计算机。 解:定义谓词 P(x):x是人 L(x, y):x喜欢y 将知识用谓词表示为: (?x) (P(x)∧L(x,pragramming)→L(x, computer))

2.9用谓词表示法求解机器人摞积木问题。设机器人有一只机械手,要处理的世界有一张桌子,桌上可堆放若干相同的方积木块。机械手有4个操作积木的典型动作:从桌上拣起一块积木;将手中的积木放到桌之上;在积木上再摞上一块积木;从积木上面拣起一块积木。积木世界的布局如下图所示。 图机器人摞积木问题 解:(1) 先定义描述状态的谓词 CLEAR(x):积木x上面是空的。 ON(x, y):积木x在积木y的上面。 ONTABLE(x):积木x在桌子上。 HOLDING(x):机械手抓住x。 HANDEMPTY:机械手是空的。 其中,x和y的个体域都是{A, B, C}。 问题的初始状态是: ONTABLE(A) ONTABLE(B) ON(C, A) CLEAR(B) CLEAR(C) HANDEMPTY 问题的目标状态是: ONTABLE(C) ON(B, C) ON(A, B) CLEAR(A) HANDEMPTY (2) 再定义描述操作的谓词 在本问题中,机械手的操作需要定义以下4个谓词: Pickup(x):从桌面上拣起一块积木x。 Putdown(x):将手中的积木放到桌面上。 Stack(x, y):在积木x上面再摞上一块积木y。 Upstack(x, y):从积木x上面拣起一块积木y。 其中,每一个操作都可分为条件和动作两部分,具体描述如下:

2019公需科目《人工智能导论》答案

请选择答案。 1、(单选,4分) 当前最流行的深度学习属于() A、连接主义 B、符号注意 C、行为主义 D、经验主义 答案:A 2、(单选,4分) AI是()的英文缩写 A、Automatic?Intelligence B、Artificial Intelligence C、Automatice?Information D、Artifical?Information 答案:B 3、(单选,4分) 下列哪个不是人工智能的研究领域() A、机器学习 B、图像处理 C、自然语言处理 D、编译原理 答案:D 4、()最早提出了机器智能的测试模型,并提出了人工智能的含义 A、爱因斯坦 B、霍金 C、波尔 D、图灵 答案:D

5、(单选,4分) 人工智能的目的是让机器能够( ),以实现某些脑力劳动的机械化。 A、具有完全的智能 B、和人脑一样考虑问题 C、完全代替人 D、模拟、延伸和扩展人的智能 答案:D 6、(单选,4分) 下列关于人工智能的叙述不正确的有( ) A、人工智能技术它与其他科学技术相结合极大地提高了应用技术的智能化水平。 B、人工智能是科学技术发展的趋势。 C、因为人工智能的系统研究是从上世纪五十年代才开始的,非常新,所以十分重要。 D、人工智能有力地促进了社会的发展。 答案:C 7、(单选,4分) 自然语言理解是人工智能的重要应用领域,下面列举中的()不是它要实现的目标。 A、理解别人讲的话。 B、对自然语言表示的信息进行分析概括或编辑。 C、欣赏音乐。 D、机器翻译。 答案:C 8、(单选,4分) 一般来讲,下列语言不常直接用于人工智能开发的是()。 A、Python B、Go C、R

2020公需科目《人工智能导论》答案

冯?诺依曼计算机的五个组成部分不包括() A、运算器 B、控制器 C、处理器 D、存储器 答案:C 2、(单选,10分) 以下对强人工智能的描述不准确的是() A、机器具有类人或者超越人的智慧 B、人脑与AI界限模糊 C、计算机可表现出不低于人类智能水平的外部智能行为 D、计算机与人类特征连结 答案:C 3、(单选,10分) 当前主流人工智能研究的三个重要特征不包括:() A、关注智能体的外部行为,而不是产生该行为的内部过程 B、关注如何模拟人类纯粹智能活动,而不是脑力活动 C、将人工智能问题视为计算问题,通过数学建模进行求解 D、最终目标是得到能够适应人类生存环境的智能体 答案:C 4、(单选,10分) 以下哪个方法不属于检测人工智能的手段() A、威诺格拉德模式挑战 B、机器的标准化测试 C、物理图灵测试 D、中国餐馆测试 答案:D 5、(单选,10分) 2016年3月15日,AlphaGo首次战胜的人类围棋世界冠军是:() A、李世石 B、柯洁 C、古力 D、樊麾 答案:A

以下哪个部件不是AlphaGo的组成部分() A、策略网络 B、评估网络 C、蒙特卡罗树搜算法 D、纳什均衡博弈算法 答案:D 7、(单选,10分) AlphaGo的评估网络的设计思想源于() A、机器学习 B、增强学习 C、深度学习 D、无监督学习 答案:B 8、(单选,10分) AlphaGo的策略网络所采用的学习算法模型是() A、深度卷积神经网络 B、循环神经网络 C、递归神经网络 D、深度博弈网络 答案:A 9、(单选,10分) 以AlphaGo为代表的智能博弈机器人是典型的强人工智能。 A、正确 B、错误 答案:B 10、(单选,10分) 图灵测试与人工智能研究的最终目标都是得到可以通过图灵测试的计算机。 A、正确 B、错误 答案:B

三子棋c代码

三子棋问题 一目的 运用所学课程的知识来研究、解决一些具有一定综合性问题的专业课题。通过课程设计提高学生综合运用所学知识来解决实际问题及进行科学实验或技术设计的初步能力。 二需求分析 1、该程序主要为设计简单的三子棋游戏; 2、三子棋问题即在3 * 3的二维数组上下棋,只要有棋子在行、列或对角线连成一线即取得胜利。 3、可实现玩家与电脑对弈。 三概要设计 1、主函数模块 int main() { do{ 开始新的对弈; }while(玩家选择停止游戏); return 0; } 2、调用函数模块 ①int chess(); /*函数功能:开始对弈 函数参数:无 函数返回值:return 0*/ { 初始化棋局; 选择玩家或电脑先行; do{ //开始下棋 输出当前棋局; if(该玩家走棋) { do{

玩家输出走棋位置; 检查走棋位置的合法性; }while(玩家输入合法的位置); } else if(电脑走棋) { 调用函数使电脑走棋 } 判断是否有一方胜出; }while(有一方胜出或平局); printf("最终棋局:\n"); 输出最终棋局; if(平局) 输出平局; } ②int check(char *chess,char sign); /*函数功能:使用了指针,判断位置可行则走棋,不可行则返回值为1 函数参数:使用指针传递棋局,以及欲走棋的位置 函数返回值:0代表可以走棋,1代表不可走棋 */ { 判断走棋位置是否合法; 不合法则返回1; 否则返回0; } ③int judge(char *chess); /*函数功能:判断是否有胜出 函数参数:当前棋局 函数返回值:0代表未有胜出,1代表玩家胜出,2代表电脑胜出*/ { for(行检查) { if(某行三子连线) { if(连线棋子为‘O’) 玩家胜出; else 电脑胜出; } } for(列检查)//思想同上 if(对角三字连线检查)//思想同上

《人工智能导论》试卷

一、填空: 1.人工智能的研究途径有(1)、(2)和行为模拟。 2.任意列举人工智能的四个应用性领域(3)、(4)、(5)、(6)。 3.人工智能的基本技术包括(7)、(8)、(9)归纳技术、联想技术。 4.谓词逻辑是一种表达能力很强的形式语言,其真值的特点和命题逻辑的区别是 (10)。 5.谓词逻辑中,重言式(tautlogy)的值是(11)。 6.设P是谓词公式,对于P的任何论域,存在P为真的情况,则称P为(12)。 7.在著名的医疗专家系统MYCIN中规定,若证据A的可信度CF(A)=0,则意味 着13 ,CF(A)=-1,则意味着(14),CF(A)=1,则意味着(15)。 8.谓词公式G是不可满足的,当且仅当对所有的解释(16)。 9.谓词公式与其子句集的关系是(17)。 10.利用归结原理证明定理时,若得到的归结式为(18),则结论成立。 11.若C1=┐P∨Q,C2=P∨┐Q,则C1和C2的归结式R(C1,C2)= (19)。 12.若C1=P(x) ∨Q(x),C2=┐P(a) ∨R(y),则C1和C2的归结式R(C1,C2)= (20)。 13.有谓词公式G,置换δ,则G·ε= (21),δ·ε= (22)。 14.有子句集S={P(x),P(y)},其MGU= (23)。 15.在归结原理中,几种常见的归结策略并且具有完备性的是(24),(25),(26)。 16.状态图启发式搜索算法的特点是(27)。 17.广度优先搜索算法中,OPEN表的数据结构实际是一个(28),深度优先搜索算 法中,OPEN表的数据结构实际是一个(29)。 18.产生式系统有三部分组成(30),(31)和推理机。其中推理可分为(32)和 (33)。 19.专家系统的结构包含人机界面、(34),(35),(36),(37)和解 释模块。

《人工智能导论》课程研究总结

《人工智能导论》课程研究总结 题目:BP神经网络的非线性函数拟合 班级: 姓名: 学号: 年月日 本次作业我负责程序的编写,过程如下 Matlab软件中包含Matlab神经网络工具箱。它是以人工神经网络理论为基础,用Matlab语言构造出了该理论所涉及的公式运算、矩阵操作和方程求解等大部分子程序以用于神经网络的设计和训练。用户只需根据自己的需要调用相关的子程序,即可以完成包括网络结构设计、权值初始化、网络训练及结果输出等在内的一系列工作,免除编写复杂庞大程序的困扰。目前,Matlab神经网络工具包包括的网络有感知器、线性网络、BP神经网络、径向基网络、自组织网络和回归网络等。BP神经网络主要用到newff、sim和train3个神经网络函数,各函数解释如下。 1、newff:BP神经网络参数设置函数 函数功能:构建一个BP神经网络。 函数形式:net = newff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF) P:输入数据矩阵。 T:输出数据矩阵。 S:隐含层结点数。 TF:结点传递函数,包括硬限幅传递函数hardlim,对称硬限幅传递函数hardlims,线性传递函数pureline,正切S型传递函数tansig,对数S型传递函数logsig。 BTF:训练函数,包括梯度下降BP算法训练函数traingd,动量反传的梯度下降BP算法训练函数traingdm,动态自适应学习率的梯度下降BP算法训练函数traingda,动量反传和动态自适应学习率的梯度下降BP算法训练函数traingdx,Levenberg_Marquardt的BP算法训练函数trainlm。 BLF:网络学习函数,包括BP学习规格learngd,带动量项的BP学习规则learngdm。 PF:性能分析函数,包括均值绝对误差性能分析函数mae,均方差性能分析函数mse。IPF:输入处理函数。 OPF:输出处理函数。 DDF:验证数据划分函数。 一般在使用过程中设置前面6个参数,后面4个参数采用系统默认参数。 2、train:BP神经网络训练函数 函数功能:用训练数据训练BP神经网络。 函数形式:[net,tr] = train(NET,X,T,Pi,Ai) NET:待训练网络。 X:输入数据。 T:输出数据。 Pi:初始化输入层条件。 Ai:初始化输出层条件。 net:训练好的网络。 tr:训练过程记录。

《人工智能导论》试卷A(答案)

2006~2007学年第2学期考试A 卷 参考答案 一、1. 符号主义,连接主义,行为主义 3.状态,操作符 4.一套规则,一个控制策略 5.人工神经元网络 6.将误差信号沿原来的连接通路返回,通过修改各层神经元的连接权值,使误差信号减至最小 7.空子句 8.Q 9. L→W 或L1∨L2→W,L 为单文字 10.继承,匹配 11.图灵 12. 13. 14. 零均方差的高斯随机 二、CBCDCCADAB 三、1. (1)自然语言理解 (2)人工神经元网络 数据库智能检索 智能控制 专家咨询系统 智能调度和指挥 定理机器证明 智能决策支持系统 博弈 知识发现和数据发掘 机器人学 分布式人工智能 自动程序设计 组合调度问题 感知问题 2.

3.构成:略 特征:(1)能较好的模拟人的形象思维。 (2)具有大规模并行协同处理能力。 (3)具有较强的学习能力。 (4)具有较强的容错能力和联想能力。 (5)是一个大规模自组织、自适应的非线性动力系统。 4.遗传算法是一种随机搜索算法。该算法将优化问题看作是自然界生物的进化过程。模拟大自然生物进化的遗传规律来达到寻优的目的。 5.设A(x):想出国留学 P(x):欲穷千里目 Q(x):更上一层楼 (1)?x(~A(x)) (2)(?x)(Q(x) P(x)) 四、1. 得到的解路径为:S-B-F-J-T 2.启发式搜索图:

状态空间图:

3.

4.证明: R1:所有不贫穷且聪明的人都快乐:?x(~Poor(x)∧Smart(x)→Happy (x)) R2:那些读书的人是聪明的:?x(read(x)→Smart(x)) R3:约翰能读书且不贫穷:read(John)∧ ~Poor(John) R4:快乐的人过着幸福的生活:?x(Happy(x)→Blest(x)) 结论:约翰过着幸福的生活的否定:~ Blest(John) 将上述谓词公式转化为子句集并进行归结如下: 由R1可得子句: Poor(x)∨~Smart(x)∨Happy(x) 由R2可得子句: ~read(y)∨Smart(y) 由R3可得子句: read(John) ~Poor(John) 由R4可得子句: ~ Happy(z)∨Blest(z) 由结论的否定可得子句: ~ Blest(John) 根据以上6条子句,归结如下: ~ Happy(John)⑤⑥ John/z Poor(John)∨~Smart(John)⑦① John/x ~Smart(John)⑧④ ~ read(John)⑨② John/y □⑩③ 由上可得原命题成立。

《人工智能导论》期末复习知识点

《人工智能导论》期末复习知识点 选择题知识点 1.人工智能、人工神经网络、机器学习等人工智能中常用词的英文及其英文缩写。 人工智能Artificial Intelligence,AI 人工神经网络Artificial Neural Network,ANN 机器学习Machine Learning,ML 深度学习Deep Learning,DL 2.什么是强人工智能? 强人工智能观点认为有可能制造出真正能推理(Reasoning)和解决问题(Problem_solving)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。可以独立思考问题并制定解决问题的最优方案,有自己的价值观和世界观体系。有和生物一样的各种本能,比如生存和安全需求。在某种意义上可以看作一种新的文明。 3.回溯算法的基本思想是什么? 能进则进。从一条路往前走,能进则进,不能进则退回来,换一条路再试。 4.面向对象、产生式系统、搜索树的定义? 面向对象(Object Oriented)是软件开发方法,一种编程范式。面向对象的概念和应用已超越了程序设计和软件开发,扩展到如数据库系统、交互式界面、应用结构、应用平台、分布式系统、网络管理结构、CAD技术、人工智能等领域。面向对象是一种对现实世界理解和抽象的方法,是计算机编程技术发展到一定阶段后的产物。面向对象是相对于面向过程来讲的,面向对象方法,把相关的数据和方法组织为一个整体来看待,从更高的层次来进行系统建模,更贴近事物的自然运行模式。 把一组产生式放在一起,让它们相互配合,协同工作,一个产生式生成的结论可以供另一个产生式作为前提使用,以这种方式求得问题的解决的系统就叫作产生式系统。 对于需要分析方法,诸如深度优先搜索和广度优先搜索(穷尽的方法)以及启发式搜索(例如最佳优先搜索和A*算法),这样的问题使用搜索树表示最合适。 5.机器学习的基本定义是什么? 机器学习是一门研究及其获取新知识和新技能,并识别现有知识的学问。6.智慧地球的概念,智慧地球提出的背景是怎样的?

智能科学与技术专业培养方案及教学计划10级

信息科学与工程学院 智能科学与技术专业本科培养方案 一、培养目标 培养具备良好的科学素质,系统地掌握智能科学与技术的基本理论、基本知识和基本技能与方法,在智能科学与工程领域具有较强的知识获取能力、知识工程能力和创新创业能力的宽口径复合型高质量以及具有计算机、自动化、电子等交叉学科基础的人才,能在企业、事业、科研部门、教育单位和行政部门等单位从事智能系统、智能信息处理、智能行为决策等方面的科学研究、开发设计、工程应用、决策管理和教学等工作。 二、培养要求 本专业学生主要学习智能科学技术及相关信息科学技术的基础理论和专业知识。学生接受从事科学研究、工程技术开发、教学、管理及应用等方面所需要的基本训练,具备从事智能系统、智能信息处理、智能行为决策等方面研究、开发、应用及管理的综合能力。 毕业生应获得以下几个方面的知识和能力: 1、具有较扎实的自然科学基础,较好的人文社会科学基础和外语能力。 2、系统掌握本专业领域必需的科学技术基础理论知识,主要包括电路理论、模拟电子技术、数字电子技术、自动控制理论、微机原理与接口技术、离散数学、数据结构、脑与认知科学基础、人工智能、智能控制、机器人学导论、计算机仿真技术、数据库技术、网络工程等。 3、较好地掌握智能系统、智能信息处理等方面的专业知识,具有本专业领域1~2个方向的专业知识和技能,了解本专业学科的前沿和发展趋势,获得较好的工程实践训练,具有熟练的计算机应用能力。 4、具有本专业的科学研究、科技开发和组织决策管理能力,具有较强的工作适应能力。 5、能将智能技术与计算机技术、信息处理、控制技术有机结合应用于工程实践,具有创新意识和一定的创新能力。 三、主干学科 控制科学与控制工程、电气工程、计算机科学与技术 四、主要课程和特色课程 本专业主干课程主要包括:电路理论、模拟电子技术、数字电子技术、自动控制理论、微机原理与接口技术、离散数学、数据结构、脑与认知科学基础、人工智能、智能控制、机器人学导论、计算机仿真技术、Web程序设计、语音信号处理、决策支持技术、运筹学、虚拟现实与智能游戏、智能优化算法及其应用、生物特征识别等。

《人工智能导论》课程教学大纲-电子科技大学

《人工智能导论》课程教学大纲 课程标号:学时:32 学分:2 先修课程:《计算机原理及应用》、《数据结构》、《计算机控制技术》、 一.课程性质与目的 本课程是自动化专业的选修课。本门课程的任务是使学生对人工智能的发展概况、基本原理和应用领域有初步了解,对主要技术及应用有一定掌握,领悟到智能理论发展历程中所包含的深刻的科学逻辑和方法论。启发学生对人工智能的兴趣。通过学习,学生能够知道什么时候需要某种合适的人工智能方法用于给定的问题,并能够选择适当的实现方法。 二.教学内容和要求 1.人工智能概述,包括人工智能的定义,人工智能的起源与发展,人工智 能的研究和应用领域。 2.概括地论述知识表示的各种主要方法,包括状态空间法、问题归约法、 谓词逻辑法、结构化表示法(语义网络法、框架)、剧本和过程等。 3.讨论常用搜索原理,如盲目搜索、启发式搜索和消解原理等。 4.讨论一些比较高级的推理求解技术,有规则演绎系统、系统组织技术、 不确定性推理和非单调推理等。 5.探讨人工智能的新研究领域,初步阐述计算智能的基本知识,包含神经 网络、模糊逻辑、遗传算法等。 6.比较详细地讨论人工智能的主要应用,包括专家系统、机器学习、Agent、 自然语言理解和智能控制等。对于应用内容,根据学时,有选择地进行 讲授。 7.简要讲述人工智能语言,有Lisp语言和Prolog语言。(根据学时需要决 定是否讲授。) 三.教材和参考资料 教材:1.蔡自兴,徐光祐。人工智能及其应用,第三版,本科生用书。清华大学出版社,2003。 参考资料:廉师友. 人工智能技术导论, 第二版. 西安电子科技大学出版社, 2002 ; 沟口理一郎、石田亨,人工智能,科学出版社,2003

福州大学《人工智能导论》试卷

福州大学2014~2015学年第2学期考试A卷 课程名称人工智能导论考试日期2015-6-14 考生姓名学号专业或类别 题号一二三四总分累分人 签名题分100 得分 考生注意事项:1、本试卷共8 页,请查看试卷中是否有缺页。 2、考试结束后,考生不得将试卷、答题纸和草稿纸带出考场。 一、填空题(每空1分,共20分) 得分评卷人 1. 人工智能三大学派是、和。 2. 在知识表示方法中,与谓词逻辑表示为ISA(LIMING ,MAN)等效的语义网络形式 为。 3.状态空间表示法的两个基本概念是和。 4. 产生式系统由3个部分组成:一个总数据库、、。 5. ANN中文意义是。 6. 反向传播(back-propagation,BP)算法过程是从输出节点开始, ,所以称为“反向传播”。 7. 消解反演证明定理时,若当前归结式是,则定理得证。 8. 子句和P经过消解以后,得到。 9.基于规则的正向演绎系统,其规则形式为,其中前项要满足的条件是。 10. 语义网络下的推理是通过和实现的。 11. 被成为人工智能之父,曾提出一个机器智能的测试模型。 12. 谓词公式(?x)(?y)(?z)(P(x,y)∨Q(y,z)W(z))消去存在量词后,可以化为 。

13. 设E 1=P(a,v,f(g(y))),E 2 =P(z,f(a),f(u)),则E 1 和E 2 的mgu(最一般合一)为 。 14. 进化策略是在父矢量x i ,i=1,2,……p中,通过加入一个 变量以及预先选择x的标准偏差来产生子代矢量x。 二、选择题(每小题2分,共20分) 得分评卷人 1. 在图搜索中,选择最有希望的节点作为下一个要扩展的节点,这种搜索方法叫做( ) A. 宽度搜索 B. 深度搜索 C. 有序搜索 D. 广义搜索 2. 下列人工神经网络属于反馈网络的是() A. Hopfield网 B. BP网络 C. 多层感知器 D. LVQ网络 3. 使用一组槽来描述事件的发生序列,这种知识表示法叫做( ) A. 语义网络法 B. 过程表示法 C. 剧本表示法 D. 框架表示法 4. 产生式系统的推理不包括( ) A. 正向推理 B. 逆向推理 C. 双向推理 D. 简单推理 5. 启发式搜索是寻求问题()解的一种方法 A. 最优 B. 一般 C. 满意 D. 最坏 6. 语义网络表达知识时,有向弧AKO链、ISA链表达节点知识的() A. 无悖性 B. 可扩充性 C. 继承性 D. 完整性 7. 下面表达式对中()是能够合一的。 A. P(q(f(v)),g(u))和P(x,x) B. P(x,f(x))和P(y,y) C. P(y,y,B)和P(z,x,z) D. P(f(A),x),P(x,A) 8. 在遗传算法中,变量x的定义域为 [-2,5],要求其精度为10-6,现用二进制进行编码,

人工智能课程设计(五子棋)解读

《人工智能导论》课程报告 课题名称:五子棋 姓名: X X 学号:114304xxxx 课题负责人名(学号): X X114304xxxx 同组成员名单(学号、角色): x x1143041325 XXX1143041036 指导教师:张建州 评阅成绩: 评阅意见: 提交报告时间:2014年 1 月 9 日

五子棋 计算机科学与技术专业 学生XXX 指导老师张建州 [摘要]人类之所以不断在进步,是因为我们人类一直不断的在思考,五子棋游戏程序的开发符合人类进步也是促进人类进步的一大动力之一。五子棋游戏程序让人们方便快捷的可以下五子棋,让人们在何时都能通过下棋来提高逻辑思维能力,同时也培养儿童的兴趣以及爱好,让孩子更加聪明。 同时,五子棋游戏程序的开发也使得五子棋这个游戏得到了广泛的推广,让世界各地的人们知道五子棋,玩上五子棋,这已经不是局限。五子棋游戏程序使得越来越多的人喜欢上了五子棋,热爱下五子棋,它是具有很好的带动性的。 关键词:五子棋进步思考

目录 《人工智能导论》课程报告 0 1 引言 (3) 1.1五子棋简介 (3) 1.2 五子棋游戏的发展与现状 (3) 2 研究问题描述 (4) 2.1 问题定义 (4) 2.2 可行性研究 (4) 2.3 需求分析 (5) 2.4 总体设计 (5) 2.5 详细设计 (6) 2.6编码和单元测试 (6) 3 人工智能技术 (6) 4 算法设计 (7) 4.1α-β剪枝算法 (7) 4.2极大极小树 (7) 4.3深度优先搜索(DFS) (8) 4.4静态估值函数 (9) 5 软件设计和实现 (9) 5.1 数据结构定义 (9) 5.2 程序流程图 (17) 6 性能测试 (18) 6.1 程序执行结果 (18) 7 总结 (21) 参考文献 (21)

人工智能导论在线作业

人工智能导论在线作业集团标准化办公室:[VV986T-J682P28-JP266L8-68PNN]

答:决策树是一种数据挖掘分类算法、是直观运用概率分析的一种图解法、是一个预测模型。 基本方法: 决策树一般由方块结点、圆形结点、方案枝、概率枝等组成,方块结点称为决策结点,由结点引出若干条细支,每条细支代表一个方案,称为方案枝;圆形结点称为状态结点,由状态结点引出若干条细支,表示不同的自然状态,称为概率枝。每条概率枝代表一种自然状态。在每条细枝上标明客观状态的内容和其出现概率。在概率枝的最末稍标明该方案在该自然状态下所达到的结果(收益值或损失值)。这样树形图由左向右,由简到繁展开,组成一个树状网络图。 步骤: a.绘制决策树图。从左到右的顺序画决策树,此过程本身就是对决策问题的再分析过程。 b.按从右到左的顺序计算各方案的期望值,并将结果写在相应方案节点上方。期望值的计算是从右到左沿着决策树的反方向进行计算的。 c.对比各方案的期望值的大小,进行剪枝优选。在舍去备选方案枝上,用“=”记号隔断。 2、什么是知识它有哪些特性列举至少六种知识表示方法 答:经过国内外学者的共同努力,目前已经有许多知识表示方法得到了深入的研究,目前使用较多的知识表示方法主要有:谓词逻辑表示法,产生式表示法、框架表示法、语义网络表示法、表示法、基于本体的知识表示法等。本文将介绍这些知识表示方法的特征和优缺点,进行一些分析和比较。 (1)词逻辑表示法。谓词逻辑表示法是指各种基于(ormalogic)知识表示方式,用逻辑公式描述对象、性质、状况和关系,例如“在轨道上”可以描述成:(npaceshiporbit)它是领域中使用最早和最广泛的知识表示方法之一。其根本目的在于把数学中的逻辑论证符号化,能够采用数学演绎的方式,证明一个新语句是从哪些已知正确的语句推导出来的,那么也就能够断定这个新语句也是正确的。 在这种方法中,识库可以看成一组逻辑公式的集合,识库的修改是增加或删除逻辑公式。使用逻辑法表示知识,将以描述的知识通过引入谓词、函数来加以形式描述,得有关的逻辑公式,而以机器内部代码表示。在逻辑法表示下可采用归结法或其它方法进行准确的推理。

相关文档
最新文档