0510《人工智能导论》2018 年 6 月期末考试指导一、考试说明（一）说明满分为 100 分，考试时间为 90 分钟, 考试形式为开卷。（二）题型及各题型所占分数和相应的答题技巧1. 填空（每空 1 分，共 10 分）答题技巧：先确定考察的知识点，然后填写正确的答案，答案尽量言简意赅。2. 单项选择（每题 2 分，共 10 分）答题技巧：选择正确的选项，可以使用一些常用的选择题答题技巧，如排除法。3.简答题（每题 10 分，共 40 分）答题技巧：审读题干，思考背后考察的知识点，简明扼要的写出答案。4. 应用题（每题 20 分，共 40 分）答题技巧：分析题目中所给出的信息，综合运用所学知识进行作答。二、复习重点内容人工智能的定义人工智能研究的基本内容人工智能的应用领域 问题求解 模式识别 符号运算 自然语言理解 智能检索 机器证明 专家系统 机器人学知识表现状态空间法问题归约法谓词逻辑表示法产生式表示法语义网络法框架表示法盲目搜索盲目所搜又叫无信息搜索，一般只适用于求解比较简单的问题。这其中包括宽度优先搜索和深度优先搜索，宽度优先搜索指的是对于一个图而言，首先搜索的是所有的儿子节点，然后每一层依次搜索，而深度优先搜索做的是找到一个节点然后一直搜索他的子节点直至到叶子节点截止，然后再搜索下一个节点。宽度优先搜索可以被推广用来解决寻找从起始状态至目标状态的具有最小代价的路径问题，这种推广了的宽度优先搜索算法叫做等代价 自然语言情报检索系统 4H>AB　　4H>AB 系统是由伍兹于  年研制成功的一个自然语言情报检索系统，具有语义分析能力，用于帮助地质学家比较从月球卫星 A% 上得到的月球岩石和土壤组成的化学成分数据。这个系统具有一定的实用性，为地质学家们提供了一个有用的工具，也显示了自然语言理解系统对科学和生产的积极作用。　　4H>AB 系统的工作过程可分为  个阶段：　　第一阶段：句法分析采用 A> 及语义探索方法产生人提出的问题的推导树。　　第二阶段：语义解析采用形式化的方法来表示提问语言所包含的语义。　　第三阶段：回答问题产生对提问的回答。 基本概念：）智能机器。能够在定形或不定形、熟悉或不熟悉的环境中自主地或与操作人员交互作用以执行各种拟人任务2$%.$%2& '+'的机器。或者比较通俗地说，智能机器是那些能够自主地代替人类从事危险、厌烦、远距离或高精度等作业的机器。）自动控制。自动控制是能按规定程序对机器或装置进行自动操作或控制的过程。简单地说，不需要人工干预的控制就是自动控制。）智能控制。智能控制是驱动智能机器自主地实现其目标的过程）智能控制系统。用于驱动自主智能机器以实现其目标而无需操作人员干预的系统叫智能控制系统。智能控制的理论结构）二元结构。傅京孙指出智能控制系统描述自动控制系统与人工智能交接的作用，即二元交集结构。）三元结构。萨里迪斯1$&&'于  年提出另一种智能控制结构，它把傅京孙的智能控制扩展为三元结构，即把智能控制看作为人工智能、自动控制和运筹学的交接。萨里迪斯认为，构成二元交集结构的两元互相支配，无助于智能控制的有效和成功应用。必须把运筹学的概念引入智能控制，使它成为三元交集中的一个子集。）四元结构。蔡自兴提出四元智能控制结构，把信息论也包括进去，把信息论作为智能控制结构的一个子集是基于下列理由的：I信息论是解释知识和智能的一种手段；I控制论、系统论和信息论是紧密相互作用的；I信息论已成为控制智能机器的工具；I信息熵成为智能控制的测度；I信息论参与智能控制的全过程，并对执行级起到核心作用。智能控制的特点：I同时具有以知识表示的非数学广义模型和以数学模型表示的混合控制过程。智能控制系统的设计重点不在常规控制器上，而在智能机模型上。I智能控制的核心在高层控制，即组织级，具有一定的智能。I智能控制是一门边缘交叉学科。I智能控制是一个新兴的研究领域。无论在理论上或实践上它都还很不成熟、很不完善，需要进一步探索与开发。智能控制的研究领域：I智能过程控制与规划I专家控制系统I智能调度I语音控制 I康复机器人控制I智能仪器分级递阶智能控制系统是由组织级、协调级和执行级三级组成的。智能控制系统各级的共同要素涉及机器各种作用的不确定性，这就建议采用概率模型来描述这些具有共同度量的作用，即它们各自的熵!$%&!'。这些熵在智能控制系统的不同层级所具有的物理意义如下：组织级：以知识为主体，用香农熵来衡量所需知识。协调级：以概率描述的决策方式来表示，这些方案的熵用于度量协调的不确定性。执行级：执行代价等价于系统所消耗的能量，并由 ,-. 的熵来表示。智能控制系统分类）专家控制系统：专家控制的主要形式有二，即专家控制系统和专家式控制器 !6%!$ $!$。前者系统结构复杂，研制代价高，因而目前应用较少。后者结构简单，研制代价明显低于前者，性能又能满足工业过程控制的一般要求，因而获得日益广泛的应用。）模糊控制系统：在理论上，模糊控制器由 > 维关系 B 表示。关系 B 可视为受约于［，］区间的 > 个变量的函数。B 是几个 > 维关系 B& 的组合，每个 B& 代表一条规则$&?FJ)>。控制器的输入 6 被模糊化为一关系 @，它对于多输入单输出?1C控制时为>维。模糊输出 D 可应用合成推理规则进行计算。）学习控制系统是一个能在其运行过程中逐步获得受控过程及环境的非预知信息，积累控制经验，并在一定的评价标准下进行估值、分类、决策和不断改善系统品质的自动控制系统。）神经网络控制系统：基于人工神经网络的控制A>>－'! $，简称神经控制!3$ $，是智能控制的一个崭新研究方向，可能成为智能控制的“后起之秀”。智能控制应用示例I智能机器人规划与控制I自动加工系统的智能控制I智能故障检测与诊断I飞行器的智能控制I医用智能控制I智能仪器4?1（链表处理语言）　　4?1（全名 4?1$ !''$，即链表处理语言），由约翰K麦卡锡在  年左右创造的一种基于 L 演算的函数式编程语言。　　4?1 有很多种方言，各个实现中的语言不完全一样。各种 4?1 方言的长处在于操作符号性的数据和复杂的数据结构。 年代 <3941!!! 编写 了 /..4&'% 试 图 进 行 标 准 化 ， 这 个 标 准 被 大 多 数 解 释 器 和 编 译 器 所 接 受 。在 H&6*4&36 系统中，还有一种和 ). ' 一起的 ). '4&'%（). ' 的拓展语言便是 4&'%）非常流行，并建立了自己的标准。　　 4?1 的祖先是  年代 /$!0&!! 大学的>!E!、12E、1&. 开发的 ?4 语言。　　4?1 语言的主要现代版本包括 /..4&'% 和1 2!.!。　　&'% 拥有理论上最高的运算能力　　&'% 在  绘图软件上的应用非常广泛，普通用户均可以用 &'% 编写出各种定制的绘图命令。4&'% 的表达式是一个原子.或表&'，原子.是一个字母序列，如  ；表是由零个或多个表达式组成的序列，表达式之间用空格分隔开，放入一对括号中，如：　　 　　 69-　　 　　最后一个表是由四个元素构成的，其中第三个元素本身也是一个表。　　正如算数表达式 M 有值  一样，4&'% 中的表达式也有值，如果表达式 !得出值 N，我们说 ! 返回 N。如果一个表达式是一个表，那么我们把表中的第一个元素叫做 操作符，其余的元素叫做自变量。　　4&'% 的  个公理（基本操作符）：　　O3!6返回6，我们简记为P6　　.6当 6 是一个原子或者空表时返回原子 ，否则返回空表。在4&'% 中我们习惯用原子  表示真，而用空表表示假。　　7.P　　　　7.P 　　　　7.P　　　　现在我们有了第一个需要求出自变量值的操作符，让我们来看看 O3! 操作符的作用通过引用O3!一个表，我们避免它被求值。一个未被引用的表达式作为自变量，. 将其视为代码，例如：　　7..P　　　　反之一个被引用的表仅仅被视为表　　7.P.P　　　　引用看上去有些奇怪，因为你很难在其它语言中找到类似的概念，但正是这一特征构成了 4&'% 最为与众不同的特点代码和数据使用相同的结构来表示，而我们用 O3! 来区分它们。 !O69当 6 和 9的值相同或者同为空表时返回 ，否则返回空表　　7!OPP　　　　7!OPP　　7!OPP　　　　 $6要求 6 是一个表，它返回 6 中的第一个元素，例如：　　7 $P　　　　 $6同样要求 6 是一个表，它返回 6 中除第一个元素之外的所有元素组成的表，例如：　　7 $P 　　 　　 '69要求 9 是一个表，它返回一个表，这个表的第一个元素是 6，其后是 9 中的所有元素，例如：　　7 'PP 　　 7 'P 'P 'P 　　 BC4C<$0（$0$..&0&40& 的缩写）是一种逻辑编程语言。它建立在逻辑学的理论基础之上，最初被运用于自然语言等研究领域。现在它已广泛的应用在人工智能的研究中，它可以用来建造专家系统、自然语言理解、智能知识库等。同时它对一些通常的应用程序的编写也很有帮助。使用它能够比其他的语言更快速地开发程序，因为它的编程方法更象是使用逻辑的语言来描述程序。　　历史　　$0 语言最早由 A&6$'!&! 大学的 A&/.!$3!$ 与 2&&%!B3''! 等人于  年代末研究开发。 年被公认为是 $0 语言正式诞生的年份，自  年以后，分支出多种 $0 的方言。最主要的两种方言为 )&3$02 和 A&6$'!&!。最早的 $0 解释器由 B3''! 建造，而第一个 $0 编译器则是 =N&G$$! 编写的。　　$0 一直在北美和欧洲被广泛使用。日本政府曾经为了建造智能计算机而用 $0来开发 ?/C 第五代计算机系统。在早期的机器智能研究领域，$0 曾经是主要的开发工具。　　 年代 ,$ 开发的 3$$0，进一步普及了 $0 的使用。 年确定了 ?1C$0 标准　　目前比较流行的实现工具包括 1G?$0#D%等　　%$0 的几个特点　　）%$0 程序没有特定的运行顺序，其运行顺序是由电脑决定的，而不是编程序的人。　　从这个意义上来说，%$0 程序不是真正意义上的程序。所谓程序就是按照一定的步骤运行的计算机指令，而 %$0 程序的运行步骤不由人来决定。它更像一种描述型的语言，用特定的方法描述一个问题，然后由电脑自动找到这个问题的答案。举个极端的例子，你只需要把某个数学题目告诉它，它就会自动的找到答案，而不像使用其他的语言一样，必须人工的编制出某种算法。　　）%$0 程序中没有 &"、E2!、 '!、"$ 这样的控制流程语句　　前面已经说了，程序的运行方式有电脑自己决定，当然就用不到这些控制流程的语句了。通常情况下，程序员不需要了解程序的运行过程，只需要注重程序的描述是否全面，不过 %$0 也提供了一些控制流程的方法，这些方法和其他语言中的方法有很大的区别， 希望你在以后的学习当中能够融会贯通。　　）%$0 程序和数据高度统一　　在 %$0 程序中，是很难分清楚哪些是程序，哪些是数据的。事实上，%$0 中的所有东西都有相同的形式，也就是说数据就是程序，程序就是数据。举一个其他语言的例子如果想用 语言编写一个计算某个数学表达式的程序很简单比如：MQ，因为这是一段程序。但是如果想编写一个计算用户输入的表达式的值的程序就很困难了。因为用户输入的是一段数据字符串，如果想让 语言处理这个字符串，就需要很多方面的技术。则正是因为在 语言中，程序和数据是分开的。而在 %$0 就不存在这个问题，你甚至可以很轻松的编写处理其它 %$0 程序的程序。　　）%$0 程序实际上是一个智能数据库　　%$0 的原理就是关系数据库，它是建立在关系数据库的基础上的。在以后的学习中你会发现它和 1R4 数据库查询语言有很多相似之处。使用 %$0 可以很方便的处理数据。　　）强大的递归功能在其它的语言中，你也许已经接触过递归程序了。递归是一种非常简洁的方式，它能够有效的解决许多难题。而在 %$0 中，递归的功能得到了充分的体现，你甚至都会感到惊奇，递归居然又如此巨大的能力。三、重点习题一、单项选择题1、人工智能产生于哪一年： （ ） A. 1957 B. 1962 C. 1956 D. 19792、开发专家系统所要解决的三个基本问题，不包括： （ ） A. 知识的获取 B. 知识的表示 C. 知识的运用 D. 知识的存储3、神经网络研究属于下列哪个学派： （ ）A. 符号主义 B. 连接主义 C. 行为主义 D. 都不是4、下列哪部分不是专家系统的组成部分： （ ） A. 推理机 B. 综合数据库 C. 用户 D. 知识库5、如果问题存在最优解，则下面几种搜索算法中，必然可以得到该最优解的是：（ ）A. 广度优先搜索 B. 深度优先搜索 C. 有界深度优先搜索 D. 启发式搜索三、填空题1、人工智能的含义最早是由 于 1950 年提出，并且同时提出一个机器智能的测试模型。2、实现人工智能的方法虽然很多，但归纳起来 、 、 则是人工智能的三个最基 本、最核心的技术。3、不确定性类型按性质分： 、 、 、 。4、产生式系统由三部分组成，分别是： 、 、 。5、假言推理（A→B）∧A=> 。 四、简答题1、什么是人工智能？试从学科和能力两方面加以说明。2、什么是知识和知识表示？请列出知识表示的基本方法，并说明各自的优缺点。3、建造专家系统的关键步骤是什么？4、按推理的方向分推理有哪几类？请分别说明之。 四、应用题1、试说明知识发现的处理过程。2、如图 1，以满足下面的三个搜索策略：深度优先搜索；深度优先迭代加深搜索；宽度优先搜索。列出树的三种搜索策略所生成的节点访问序列（按照从左到右的顺序）。 四、答案一、选择题C D B C A 二、填空题、图灵、表示、推理、搜索、随机性、模糊性、不一致性、不确定性、产生式规则库、推理机、动态数据库、,三、简答题、答：从学科角度来看：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。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智能功能，并开发相关理论和技术。从能力角度来看：人工智能是智能机器所执行的通常与人类智能有关的功能如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。、答：知识是经过加工的信息，它包括事实、信念和启发式规则，知识是信息经过加工整理、解释、挑选和改造而成的信息。所谓知识表示是研究用机器表示知识的可行性 、有效性的一般方法，是一种数据结构与控制结构的统一体，既要考虑知识的存储又考虑知识的使用。知识表示实际上就是对人类知识的一种描述，以把人类知识表示成计算机能够处理的数据结构。对知识进行表示的过程就是把知识编码成某种数据结构的过程。　　知识表示的基本方法：谓词逻辑法；框架表示法；语义网络法；状态空间法 /产生式表示法；问题归约法；剧本表示；过程表示法。基于逻辑的知识表示具有严格的形式化和坚实的数学理论基础，用推理比较严谨。框架的知识表示是以框架理论为基础发展起来的一种适应性强、概括性高、结构性良好、且能把陈述性知识和过程性知识相结合的知识表示方法。语义网络知识表示方法是有向图表示领域知识的一种技术。节点表示实体，弧表示实体之间的关系。产生式表示法应用最为广泛，具有良好的模块性。、答：是否拥有大量知识是专家系统成功与否的关键，因而知识表示就成为设计专家系统的关键。(1) 设计初始知识库：问题知识化, 知识概念化, 概念形式化, 形式规则化, 规则合法化(2) 原型机(prototype)的开发与试验：建立整个系统所需要的实验子集，它包括整个模型的典型知识，而且只涉及与试验有关的足够简单的任务和推理过程(3) 知识库的改进与归纳：反复对知识库及推理规则进行改进试验，归纳出更完善的结果。 、推理方向大致可以分为正向推理、逆向推理和双向推理方法。正向推理是从已知事实出发，通过规则库求得结论。正向推理称为数据驱动方式，也称作自底向上的方式。推理过程是：规则集中规则的前件与数据库中的事实进行匹配 ，得到匹配的规则集合。从匹配规则集合中选择一条规则作为使用规则。执行使用规则，将该使用规则的后件的执行结果送入数据库。重复这个过程直到达到目标。正向推理又称为正向链接推理，其推理基础是逻辑演绎的推理链，它从一组表示事实的谓词或命题出发，使用一组推理规则，来证明目标谓词公式或命题是否成立。反向推理又称为后向链接推理，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。双向推理就是综合上面两个推理，从表示事实的谓词或命题与从表示目标的谓词或命题同时出发，来证明目标的公式或命题是成立。四、应用题、答：费亚德的知识发现过程包括数据选择。根据用户需求从数据库中提取与知识发现相关的数据数据预处理。检查数据的完整性与数据的一致性，对噪音数据进行处理，对丢失的数据利用统计方法进行填补，进行发掘数据库数据变换。利用聚类分析和判别分析，从发掘数据库里选择数据数据挖掘。知识评价。对所获得的规则进行价值评定，以决定所得到的规则是否存入基础知识库知识发现的全过程，可进一步归纳为三个步骤，即数据挖掘预处理，数据挖掘，数据挖掘后处理。2、答：深度优先搜索节点访问序列：1,2,5,6,10,11,3,7,12,13,4,8,9.　 　 深 度 优 先 迭 代 加 深 搜 索 节 点 访 问 序 列 :1,1,2,3,4,1,2,5,6,3,7,4,8,9,1,2,5,6,10,11,3, 7,12,13,4,8,9.　　 宽度优先搜索节点访问序列：1,2,3,4,5,6,7,8,9,10,11,12,1考试指导最后需加注说明内容：说明：本考试指导只适用于 201803 学期 6 月期末考试使用，包括正考和重修。指导中的章节知识点涵盖考试所有内容，给出的习题为考试类型题，习题答案要点只作为参考，详见课程讲义或课程 ppt。在复习中有任何问题请到课程答疑区咨询。祝大家考试顺利！ 搜索算法。启发式搜索针对盲目搜索的不足：效率低，耗费过多的计算空间与时间。人们试图找到一种方法用于排列待扩展节点的顺序，即选择最有希望的节点加以扩展，那么，搜索效率将会大为提高而解决具体问题的特异信息就叫做启发式信息。利用启发式信息的搜索方法叫做启发式搜索方法。启发式搜索策略，假设算符、初始状态、目标状态的定义都是完全确定的，然后确定一个搜索空间。因此，问题就在于如何有效地搜索这个给定的空间。首先需要确定接下来要扩展的节点，以免像在宽度优先搜索或者深度优先搜索中那样盲目地扩展，这样总是选择“最有希望”的节点作为下一个被扩展的节点。这种搜索方法叫做有序搜索。用估价函数来估算节点希望程度。博弈树搜索诸如下棋、打牌、竞技、战争等一类竞争性智能活动称为博弈。博弈有很多种，本节讨论最简单的“二人零和、全信息、非偶然”博弈。极小极大分析法，在二人博弈问题中，为了从众多可供选择的行动方案中选出一个对自己最为有利的行动方案，就需要对当前的情况以及将要发生的情况进行分析，通过某搜索算法从中选出最优的走步。 剪枝技术的基本思想是，边生成博弈树边估算各节点的倒退值，并且根据评估出的倒退值范围，及时停止扩展那些已务必要再扩展的子节点，即相当于剪去了博弈树上的一些分支，从而节约了机器开销，提高了搜索效率。遗传算法是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。它是由美国的  教授  年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。遗传算法的基本运算过程如下初始化设置进化代数计数器 ，设置最大进化代数 ，随机生成  个个体作为初始群体 。个体评价计算群体 中各个个体的适应度。 选择运算将选择算子作用于群体。选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。选择操作是建立在群体中个体的适应度评估基础上的。交叉运算；将交叉算子作用于群体。所谓交叉是指把两个父代个体的部分结构加以替换重组而生成新个体的操作。遗传算法中起核心作用的就是交叉算子。!变异运算将变异算子作用于群体。即是对群体中的个体串的某些基因座上的基因值作变动。群体 经过选择、交叉、变异运算之后得到下一代群体 。"终止条件判断若 #则以进化过程中所得到的具有最大适应度个体作为最优解输出，终止计算。模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据 !$%&' 准则，粒子在温度 时趋于平衡的概率为 !()*+，其中 ) 为温度  时的内能，() 为其改变量，+ 为 ,-.常数。用固体退火模拟组合优化问题，将内能 ) 模拟为目标函数值 "，温度  演化成控制参 数 ，即得到解组合优化问题的模拟退火算法：由初始解 & 和控制参数初值  开始，对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代，并逐步衰减  值，算法终止时的当前解即为所得近似最优解，这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。退火过程由冷却进度表 /&01 2!3!控制，包括控制参数的初值  及其衰减因子(、每个  值时的迭代次数 4 和停止条件 1。模拟退火算法可以分解为解空间、目标函数和初始解三部分。　模拟退火的基本思想　　初始化：初始温度 充分大，初始解状态 1是算法迭代的起点，每个  值的迭代次数 4　　对 +，……，4 做第至第  步：　　产生新解 1 ′　　计算增量 ( /1 /1′ ′ ，其中 /1为评价函数　　若 ( 5′ 则接受 1′作为新的当前解，否则以概率 !6%( *′ 接受 1′作为新的当前解　　如果满足终止条件则输出当前解作为最优解，结束程序。终止条件通常取为连续若干个新解都没有被接受时终止算法。　　 逐渐减少，且 7，然后转第  步。免疫算法是模仿免疫系统抗原识别、抗原与抗体结合及抗体产生过程，并利用免疫系统多样性和记忆机理抽象得到的一种免疫算法，它在人工免疫系统发展的早期阶段形成。典型算法有 /23 等提出的免疫遗传算法、$&、)2 等。抗原识别．输入目标函数和各种约束作为免疫算法的抗原．产生初始抗体．在第一次迭代时，抗体通常是在解空间中用随机的方法产生的．计算亲和性．分别计算抗原和抗体 8 之间的亲和性及抗体和抗体之间的亲和性记忆单元更新：将与抗原的亲和性高的抗体加人到记忆单元中．由于记忆单元数目有限，所以在记忆单元中用新加人的抗体取代与其亲和性最高的原有抗体．基于评价解的选择：计算抗体的期望值，期望值低的抗体将受到抑制．产生抗体：通过交叉和变异，产生进入下一代的抗体．终止条件：终止条件满足后，优化过程结束．17.所谓推理是指从已知事实出发，运用已掌握的知识，推导出其中蕴含的事实性结论或归纳出某些新的结论的过程。 其中，推理所用的事实可分为两种情况： 一种是与求解问题有关的初始证据； 另一种是推理过程中所得到的中间结论，这些中间结论可以作为进一步推理的已知事实或证据。18.推理方法 （1）演绎推理 从已知的一般性知识出发，推理出适合于某种个别情况的结论的过程。它是一种由一般到个别的推理方法。 （2）归纳推理  归纳推理是从大量特殊事例出发，归纳出一般性结论的推理过程，是一种由个别到一般的推理方法。 （3）默认推理 默认推理又称缺省推理，是在知识不完全的情况下假设某些条件已经具备所进行的推理。19.推理分类 按所用知识的确定性分类 确定性推理：推理所使用的证据、知识以及结论都是可以精确表示的，其真值要么为真、要么为假。 不确定性推理：推理所使用的证据、知识都不是确定的，推出的结论也不完全是确定的，真值会位于真假之间。 不确定性的表示 不确定性主要包括两个方面，一是证据的不确定性，一是知识的不确定性。因而，不确定性的表示问题就包括证据表示和知识表示。 < 证据不确定性的 对于由观察所得到的初始证据，其值一般由用户或专家给出；而对于用前面推理所得结论作为当前推理的证据，其值则是由推理中的不确定性传递算法计算得到。 <知识不确定性的表示 在表示具有不确定性的知识时，要考虑两个方面的因素：一是要将领域问题的特征比较准确的描述出来，满足问题求解的需要；另一个是要便于推理过程中对不确定性的推算。通常，专家系统中的知识之不确定性要由领域专家给出，即用一个数值表示相应知识的不确定程度。 推理计算  不确定推理过程主要包括不确定性的传递计算算法、组合证据不确定性算法和结论不确定性的更新或合成算法。 假设：证据 E 的不确定性程度：CF(E)表示  知识（规则）E→H 的不确定性程度：CF(H,E)表示，要解决： (1)不确定性的传递  如何将二者传递到结论 H 上。如何计算 CF(H) (2)证据不确定性的合成  如何由 CF(E1)和 CF(E2)来计算 CF(E1∧E2)和 CF(E1∨E2) (3)结论不确定性的合成  如果：已知 E1→H CF(E1)，CF(H,E1)  E2→H CF(E2)，CF(H,E2) 如何计算 CF(H) 不确定性的量度  在确定一种量度方法及其范围时，应注意以下几点： （1）量度要能充分表达相应知识及证据的不确定性程度。 （2）量度范围的指定应便于领域专家及用户对证据或知识不确定性的估计。 （3）量度要便于不确定性的推理计算，而且所得到的结论之不确定值应落在不确定性量度所规定的范围之内。 （4）量度的确定应当是直观的，同时应当有相应的理论依据。 推理方法是指在推理控制策略确定之后，在进行具体推理时所要采取的匹配方法或不确定性传递算法等方法。 推理方向用来确定推理的驱动方式，即是数据（证据）驱动或是目标驱动。所谓数据驱动即指推理过程从初始证据开始直到目标结束，而目标驱动则是指推理过程从目标开始进行反向推理，直到出现与初始证据相吻合的结果。 按照对推理方向的控制，推理可分为正向推理、反向推理、混合推理及双向推理四种情况。20.自然演绎推理的概念  自然演绎推理是指从一组已知为真的事实出发，直接运用命题逻辑或谓词逻辑中的推理规则推出结论的过程。21.基于谓词逻辑的归结推理方法 基于谓词逻辑的归结推理方法是一种确定性的推理方法，所以，它所做的知识模式匹配也是一种确定性的匹配。 置换是形如{t1/x1,t2/x2,…,tn/xn}的一个有限集。其中 xi 是变量，ti 是不同于 xi 的项（常量，变量，函数），且 xi 1xj（i1j），i，j=1,2,…,n 。 置换乘法 置换乘法作用是将两个置换合成为一个置换。 假设 q={t1/x1,t2/x2,…,tn/xn}  l={u1/y1,u2/y2,…,um/ym} 是两个置换，则它们的乘积是一个新置换，其作用于公式 E 时，相当于先 q 后 λ 对 E 的作用。 置换结合率 一般地说，下列的置换结合律成立 (q • l) • m= q •(l • m) 但除了空置换外，置换的交换律不成立。即只有 e•q=q•e = q 合一的概念 定义 3.14 设有公式集{E1,E2,…,En}和置换 θ ，使  E1 θ = E2 θ =…=En θ 便称 E1，E2，…，En 是可合一的 ，且 θ 称为合一置换。 若 E1，E2，…，En 有合一置换 σ，且对 E1，E2，…，En 的任一置换 θ 都存在一个置换λ，使得 θ= σ • λ ，则称 σ 是 E1，E2，…，En 的最一般合一置换，记为 mgu。机器学习 2&!4!$&0是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。）机械学习学习者无需任何推理或其它的知识转换，直接吸取环境所提供的信息。如塞缪尔的跳棋程序，纽厄尔和西蒙的 4 系统。这类学习系统主要考虑的是如何索引存贮的知识并加以利用。系统的学习方法是直接通过事先编好、构造好的程序来学习，学习者不作任何工作，或者是通过直接接收既定的事实和数据进行学习，对输入信息不作任何的推理。２）演绎学习4!$&09!3 :。学生所用的推理形式为演译推理。推理从公理出发，经过逻辑变换推导出结论。这种推理是;保真;变换和特化'%! &&-:的过程，使学生在推理过程中可以获取有用的知识。这种学习方法包含宏操作. $%!$:学习、知识编辑和组块/23+&0技术。演绎推理的逆过程是归纳推理。）类比学习4!$&0909。利用二个不同领域（源域、目标域）中的知识相似性，可以通过类比，从源域的知识（包括相似的特征和其它性质）推导出目标域的相应知识，从而实现学习。类比学习系统可以使一个已有的计算机应用系统转变为适应于新的领域，来完成原先没有设计的相类似的功能。类比学习需要比上述三种学习方式更多的推理。它一般要求先从知识源（源域）中检索出可用的知识，再将其转换成新的形式，用到新的状况（目标域）中去。类比学习在人类科学技术发展史上起着重要作用，许多科学发现就是通过类比得到的。例如著名的卢瑟福类比就是通过将原子结构（目标域）同太阳系（源域）作类比，揭示了原子结构的 奥秘。）基于解释的学习)6%:'!!$&0#),4。学生根据教师提供的目标概念、该概念的一个例子、领域理论及可操作准则，首先构造一个解释来说明为什该例子满足目标概念，然后将解释推广为目标概念的一个满足可操作准则的充分条件。),4 已被广泛应用于知识库求精和改善系统的性能。著名的 ),4 系统有迪乔恩（<=!0）的 <)>)1?1#米切尔（& 2!）的 4)@?? 和 4)A#以及明顿（1&）等的 BC=?<D。）归纳学习4!$&0"$.&3 :。归纳学习是由教师或环境提供某概念的一些实例或反例，让学生通过归纳推理得出该概念的一般描述。这种学习的推理工作量远多于示教学习和演绎学习，因为环境并不提供一般性概念描述（如公理）。从某种程度上说，归纳学习的推理量也比类比学习大，因为没有一个类似的概念可以作为;源概念;加以取用。归纳学习是最基本的，发展也较为成熟的学习方法，在人工智能领域中已经得到广泛的研究和应用。）加强学习（$!&"$ !.!!$&0）。加强学习的特点是通过与环境的试探性（$&!$$$）交互来确定和优化动作的选择，以实现所谓的序列决策任务。在这种任务中，学习机制通过选择并执行动作，导致系统状态的变化，并有可能得到某种强化信号（立即回报），从而实现与环境的交互。强化信号就是对系统行为的一种标量化的奖惩。系统学习的目标是寻找一个合适的动作选择策略，即在任一给定的状态下选择哪种动作的方法，使产生的动作序列可获得某种最优的结果（如累计立即回报最大）。专家系统的评价：系统所作的决定和建议的质量　　所用推理技术的正确性 人机之间对话的质量　　　　① 在提问和由程序来产生解答时用词的选择。　　② 专家系统解释它如何作出决策的基本能力以及使系统的解释适合于使用者专门知识水平的能力。　　③ 当使用者对系统要求他们做的事情疑惑不解时，或在使用程序时因为某种原因需要帮助时，专家系统对使用者提供帮助的能力。　　④ 专家系统以容易理解的方式或以使用者熟悉的术语来提出建议或向使用者进行解释。效率!成本效果或工程经济分析专家系统开发工具　　主要分为骨架型工具又称外壳、语言型工具、构造辅助工具和支撑环境等  类。知识的使用　　作为一个实验性的系统，在专家系统的设计中有两个关于控制的问题。这是两个相互关连的目标：　　得到准确的结论。　　询问恰当的问题以帮助分析和作出决策。决策的解释　　系统的设计者和使用者都需要系统对它所作出的决策给予解释。但是它们对决策解释的要求又各不相同。以下我们对此分别介绍：　　）对系统设计者的解释。 　　如果是对系统的设计者解释决策，那么只需显示为了推论出给定假设所需满足的那组规则，就是最直接的解释）对系统使用者的解释。一种解释方法是用语句来说明结论。这些语句要比只是声明一个结论要自然一些。系统所用的假设可能是任何形式的包含说明和建议的语句。有时系统的设计者可以预先提出某些适合于给定假设的解释。27 自动规划是一种重要的问题求解技术，与一般问题求解相比，自动规划更注重于问题的求解过程，而不是求解结果。此外，规划要解决的问题，如机器人世界问题，往往是真实世界问题，而不是比较抽象的数学模型问题。与一些求解技术相比#自动规划系统与专家系统均属高级求解系统与技术。规划的概念及作用　　规划的概念：规划是一种重要的问题求解技术，它从某个特定的问题状态出发，寻求一系列行为动作，并建立一个操作序列，直到求得目标状态为止。　　规划的作用：规划可用来监控问题求解过程，并能够在造成较大的危害之前发现差错规划的好处可归纳为简化搜索、解决目标矛盾以及为差错补偿提供基础。问题分解途径及方法　　把某些较复杂的问题分解为一些较小的子问题。有两条实现这种分解的重要途径。　　第一条重要途径是当从一个问题状态移动到下一个状态时，无需计算整个新的状态，而只要考虑状态中可能变化了的那些部分。第二条重要途径是把单一的困难问题分割为几个有希望的较为容易解决的子问题。机器人规划系统的任务与方法　　在规划系统中，必须具有执行下列各项任务的方法：　　根据最有效的启发信息，选择应用于下一步的最好规则。　　应用所选取的规则来计算由于应用该规则而生成的新状态。　　对所求得的解答进行检验。　　检验空端，以便舍弃它们，使系统的求解工作向着更有效的方向进行。检验殆正确的解答，并应用具体的技术使之完全正确。积木世界的机器人问题　　机器人问题既比较简单，又很直观。在机器人问题的典型表示中，机器人能够执行一套动作。　　在这个例子中机器人能够执行的动作举例如下：3' +#：把堆放在积木  上的积木  拾起。在进行这个动作之前，要求机器人的手为空手，而且积木  的顶上是空的。' +#：把积木  堆放在积木  上。动作之前要求机械手必须已抓住积木 ，而且积木 顶上必须是空的。%& +3%：从桌面上拾起积木 ，并抓住它不放。在动作之前要求机械手为空手，而且积木 顶上没有任何东西。%3E：把积木  放置到桌面上。要求动作之前机械手已抓住积木 。　　采用状态描述作为数据库的产生式系统是一种最简单的问题求解系统。机器人问题的状态描述和目标描述均可用谓词逻辑公式构成。为了指定机器人所执行的操作和执行操作的结果，需要应用下列谓词：　　C>#：积木  在积木  之上。　　C>A,4)：积木  在桌面上。　　/4)AB：积木  顶上没有任何东西。 　　C4=?><：机械手正抓住积木 。　　A>=)D：机械手为空手。用 F 规则求解规划序列　　采用 F 规则表示机器人的动作，这是一个叫做 1B?1 规划系统的规则，它由  部分组成。　　第一部分是先决条件。为了使 F 规则能够应用到状态描述中去。　　第二部分是一个叫做删除表的谓词。当一条规则被应用于某个状态描述或数据库时，就从该数据库删去删除表的内容。　　第三部分叫做添加表。当把某条规则应用于某数据库时，就把该添加表的内容添进该数据库。1B?1 系统的组成　　整个 1B?1 系统的组成如下：　　世界模型。为一阶谓词演算公式。　　操作符F 规则。包括先决条件、删除表和添加表。　　操作方法。应用状态空间表示和中间结局分析。　　例如：状态：，<，包括初始状态、中间状态和目标状态。　　初始状态：，<　　目标状态：得到一个世界模型，其中不遗留任何未满足的目标。专家系统的机器人规划系统结构及规划机理　　知识库：用于存储某些特定领域的专家知识和经验，包括机器人工作环境的世界模型、状态、物体描述等事实和可行操作或规则等。　　控制策略：包含综合机理，确定系统应当应用什么规则以及采取什么方式去寻找该规则。　　推理机：用于记忆所采用的规则和控制策略及推理策略。　　知识获取：首先获取某特定域的专家知识。然后用程序设计语言把这些知识变换为计算机程序。最后把它们存入知识库待用。　　解释与说明：通过用户接口，在专家系统与用户之间进行对话，从而使用户能够输入数据、提出问题、知道推理结果以及了解推理过程等。任务级机器人规划三要素　　建立模型。　　任务说明。程序综合。语言的构成　　语言是人类进行通信的自然媒介，它包括口语、书面语以及动作语 如哑语和旗语等。语言由语句组成，每个语句又由单词组成；组成语句和语言时，应遵循一定的语法与语义规则。　　语言是音义结合的词汇和语法体系，是实现思维活动的物质形式。　　语言是以词为基本单位的，词汇又受到语法的支配才可构成有意义的和可理解的句子句子按一定的形式再构成篇章等。自然语言理解的困难目标表示的复杂性；映射类型的多样性；源表达中各元素间交互程度的差异性。 自然语言理解过程的层次　　语言的分析和理解过程是一个层次化的过程。现代语言学家把这一过程分为  个层次：词法分析、句法分析和语义分析。如果接收到的是语音流，那么在上述  个层次之前还应当加入一个语音分析层。虽然这种层次之间并非是完全隔离的，但是这种层次化的划分的确有助于更好地体现语言本身的构成。用转移网络表示句法模式　　句法模式匹配就是采用句法模式来对语言的句子进行匹配从而进行句法分析。但是自然语言是非常多样化的，因而需要有许多模式。这些模式可用状态转移图来表示，这种用状态转移图来表示的表达方式称之为转移网络（>，$'&:!E$+）。扩充转移网络的构成　　扩充转移网络 A> 是由伍兹G'在  年提出的。A> 是由一组网络所构成的，每个网络都有一个网络名，每条弧上的条件扩展为条件加上操作。这种条件和操作采用寄存器的方法来实现，在分析树的各个成分结构上都放上寄存器，用来存放句法功能和句法特征，条件和操作将对它们不断地进行访问和设置。　　A> 的每个寄存器由两部分构成：句法特征寄存器和句法功能寄存器。在特征寄存器中，每一维特征都有一个特征名和一组特征值，以及一个缺省值来表示。功能寄存器则反映了句法成分之间的关系和功能。　　分析树的每个节点都有一个寄存器，寄存器的上半部分是特征寄存器，下半部分是功能寄存器。词汇功能语法的结构　　词汇功能语法（4F<）是由卡普兰和布鲁斯南,$!'在  年提出的，它是一种功能语法，但是更加强调词汇的作用。4F< 用一种结构来表达特征、功能、词汇和成分的顺序。语义的解析　　建立句法结构只是语言理解模型中的一个步骤，进一步则要求获得语言所表达的意义。简单句理解的内容　　由于简单句是可以独立存在的，因而为了理解一个简单句，即建立起一个和该简单句相对应的机内表达，需要做以下两方面的工作：　　理解语句中的每一个词。　　以这些词为基础组成一个可以表达整个语句意义的结构。简单句理解方法　（）关键字匹配法　　关键字匹配法是最简单的自然语言理解方法。该方法简单归纳起来为：在程序中规定匹配和动作两种类型的样本。然后建立一种由匹配样本到动作样本的映射。当输入语句与匹配样本相匹配时，就去执行相应样本所规定的动作，这样从外表看来似乎机器真正实现了能理解用户问话的目的。　　（）句法分析树法　　关于文法的形式，在许多自然语言处理程序中提出过很多各不相同的定义。复合句理解的复杂性　　正像上述介绍的，简单句的理解不涉及句与句之间的关系，它的理解过程是首先赋单词以意义，然后再给整个语句赋以一种结构。而一组语句的理解，无论它是一个文章选段还是一段对话节录，均要求发现句子之间的相互关系。在特定的文章中，这些关系的发现对于理解起着十分重要的作用。