vi设计基础部分都有哪些郑州seo团队
全部资料：https://mbd.pub/o/around_01
考试回忆版
简答题
人工智能定义 图灵测试基本思想
人工智能主要研究领域写八个以上
专家系统是什么及其特点
遗传算法流程图
综合题
语义网络表示 书上习题
证明S不满足性
用归结原理求问题 谁说真话假话的 书上例题
A*算法 设计估价函数 求搜索树并画open closed表
可信度计算
资料
复习资料有偿：山东科技大学人工智能原理期末复习资料
✅ 什么是智能？
智能是指人或系统获取知识、理解、学习、推理、判断、解决问题和适应环境的能力。
✅ 什么是人工智能（AI）？
人工智能是使机器具备类似人类智能的能力，如学习、推理、规划、理解自然语言和视觉等。
✅ 图灵测试的基本观点是什么？
由图灵提出：如果一台机器在对话中让人无法分辨它是人还是机器，那么它可以被认为具有智能。
✅ 人工智能经历了几个主要发展时期？
-
起步阶段（1956–1970）：符号主义，规则推理。
-
低谷期（1970s–1980s）：因效果不佳和计算资源限制进入“寒冬”。
-
专家系统阶段（1980s）：知识驱动，如MYCIN。
-
第二次寒冬（1990s）：专家系统成本高、维护难。
-
深度学习兴起（2006–至今）：数据+算力+算法驱动AI飞跃发展。
✅ 人工智能的主要研究领域有哪些？
-
机器学习
-
自然语言处理（NLP）
-
计算机视觉
-
机器人学
-
知识表示与推理
-
规划与决策
-
强化学习
-
语音识别与合成
✅ AI领域的里程碑式成果有哪些？
-
1956：达特茅斯会议，AI正式诞生。
-
1997：IBM 深蓝击败国际象棋冠军卡斯帕罗夫。
-
2011：IBM Watson赢得《危险边缘》知识竞赛。
-
2016：AlphaGo击败围棋世界冠军李世石。
-
2022-2023：ChatGPT掀起大模型革命。
✅ 知识、数据、信息的区别与联系
| 概念 | 含义 | 举例 | 关系 |
|---|---|---|---|
| 数据（Data） | 原始、无意义的符号或数值 | “85”, “红色” | 最原始的层次 |
| 信息（Information） | 有意义的、经过加工的数据 | “今天气温为85°F” | 加工后的数据 |
| 知识（Knowledge） | 可用于推理、决策的结构化信息 | “气温高于80°F，适合穿短袖” | 高层次的总结与应用 |
➡️ 联系：
数据 ➜ 加工 ➜ 信息 ➜ 组织/理解 ➜ 知识
知识能指导从新信息中提取有用数据。
✅ 知识的分类
-
陈述性知识（Declarative）：事实知识，例如“鸟能飞”
-
过程性知识（Procedural）：解决问题的步骤，如“骑自行车的方法”
-
元知识（Meta-knowledge）：关于知识的知识（如“知道何时用哪个规则”）
-
启发式知识（Heuristic）：基于经验的技巧和方法（如“通常先处理最重要的任务”）
✅ 产生式系统的组成
产生式系统是一种经典的基于规则的知识表示与推理方法，包含以下三个部分：
-
规则库（Rule Base）：由产生式规则组成，形式为
IF 条件 THEN 结论 -
工作记忆（Working Memory）：存储当前的事实（即系统“知道”的）
-
推理引擎（Inference Engine）：执行推理操作，控制规则的匹配与执行
✅ 正向推理与反向推理过程
| 类型 | 含义 | 推理方向 | 适用场景 |
|---|---|---|---|
| 正向推理 | 从事实出发，根据规则推导出新结论 | 从数据 ➜ 结论 | 适合问题开放、结论未知 |
| 反向推理 | 从目标结论出发，倒推需要哪些事实 | 从结论 ➜ 查找支持它的前提 | 适合问题明确、目标导向 |
✅ 遗传算法的基本流程
遗传算法模拟自然选择和遗传机制来求解优化问题。基本流程如下：
-
初始化
-
随机生成一组初始解（个体），组成种群。
-
-
适应度评估
-
对每个个体计算适应度值（即解的好坏）。
-
-
选择（Selection）
-
根据适应度选出优秀个体，作为繁殖下一代的“父母”。
-
-
交叉（Crossover）
-
父母之间“重组”基因，生成新个体（子代），模拟遗传过程。
-
-
变异（Mutation）
-
对个体基因微小随机修改，保持种群多样性。
-
-
形成新一代种群
-
用选出来的下一代替换旧一代。
-
-
迭代进化
-
重复步骤2~6，直到达到停止条件（如代数上限、最优适应度等）。
-
✅ 遗传算法的主要特点
| 特点 | 说明 |
|---|---|
| 全局搜索能力强 | 不容易陷入局部最优 |
| 无需梯度信息 | 适合非线性、不可导问题 |
| 并行性好 | 可同时处理多个候选解 |
| 通用性强 | 适用于各种优化问题（组合、连续等） |
| 随机性强 | 基于概率操作，搜索更灵活但也有不确定性 |
| 鲁棒性强 | 能处理噪声、多峰、多目标等问题 |