人工智能簡(jiǎn)答題

什么是人工智能?它的研究目標(biāo)是什么？人工智能就是用人工的方法在機(jī)器（計(jì)算機(jī)）上實(shí)現(xiàn)的智能；或者說(shuō)是人們使用機(jī)器模擬人類的智能。由于人工智能是在機(jī)器上實(shí)現(xiàn)的，因此又可稱為機(jī)器智能。人工智能是研究怎樣使計(jì)算機(jī)來(lái)模仿人腦所從事的推理、證明、識(shí)別、理解、設(shè)計(jì)、學(xué)習(xí)、思考、規(guī)劃及問(wèn)題求解等思維活動(dòng)，來(lái)解決需要人類專家才能處理的復(fù)雜問(wèn)題，如醫(yī)療診斷、石油測(cè)井解釋、氣象預(yù)報(bào)、交通運(yùn)輸管理等決策性課題。人工智能有哪幾個(gè)主要學(xué)派？各自的特點(diǎn)是什么？a） 符號(hào)主義主張運(yùn)用計(jì)算機(jī)科學(xué)的方法進(jìn)行人工智能的研究，通過(guò)研究邏輯演繹在計(jì)算機(jī)上的實(shí)現(xiàn)方法，實(shí)現(xiàn)人類智能在計(jì)算機(jī)上的模擬，稱為符號(hào)主義。符號(hào)主義又稱為邏輯主義或計(jì)算機(jī)學(xué)派，認(rèn)為人類智能的基本單元是符號(hào)，認(rèn)知過(guò)程就是符號(hào)表示下的符號(hào)計(jì)算，從而思維就是符號(hào)計(jì)算。其原理主要為物理符號(hào)系統(tǒng)假設(shè)和有限合理性原理。b） 聯(lián)結(jié)主義主張用仿生學(xué)的方法進(jìn)行研究，通過(guò)研究人腦的工作模型，搞清楚人類智能的本質(zhì)，稱為聯(lián)結(jié)主義。聯(lián)結(jié)主義又稱為仿生學(xué)派，認(rèn)為人類智能的基本單元是神經(jīng)元，認(rèn)知過(guò)程是由神經(jīng)元構(gòu)成的網(wǎng)絡(luò)的信息傳遞，這種傳遞是并行分布的。其原理主要為神經(jīng)網(wǎng)絡(luò)及神經(jīng)網(wǎng)絡(luò)間的連接機(jī)制與學(xué)習(xí)算法。c） 行為主義主張應(yīng)用進(jìn)化論的思想進(jìn)行人工智能的研究，通過(guò)對(duì)外界事物的動(dòng)態(tài)感知與交互，使計(jì)算機(jī)智能模擬系統(tǒng)逐步進(jìn)化，提高智能水平，稱為行為主義。行為主義又稱進(jìn)化主義，認(rèn)為人工智能起源于控制論，提出智能取決于感知和行為（所以稱為行為主義），取決于對(duì)外界復(fù)雜環(huán)境的適應(yīng)，它不需要知識(shí)、不需要表示、不需要推理。智能行為只能在與現(xiàn)實(shí)世界的環(huán)境交互作用中表現(xiàn)出來(lái)，人工智能也會(huì)像人類智能一樣通過(guò)逐步進(jìn)化而實(shí)現(xiàn)（所以稱為進(jìn)化主義）。其原理主要是通過(guò)控制論和機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)智能系統(tǒng)的逐步進(jìn)化。什么是人工神經(jīng)元？它有哪幾種主要模型？人工神經(jīng)網(wǎng)絡(luò)是由大量處理單元經(jīng)廣泛互連而組成的人工網(wǎng)絡(luò)，用來(lái)模擬腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能。而這些處理單元稱為人工神經(jīng)元。人工神經(jīng)網(wǎng)絡(luò)可以看成是以人工神經(jīng)元為節(jié)點(diǎn)，用有向加權(quán)弧連接起來(lái)的有向圖。根據(jù)激發(fā)函數(shù)的不同分為：閾值型（M-P模型）、分段線性型、Sigmoid函數(shù)型、雙曲正切型什么是人工神經(jīng)網(wǎng)絡(luò)？它有哪些聯(lián)結(jié)方式？模擬人腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能，運(yùn)用大量簡(jiǎn)單處理單元經(jīng)廣泛連接而組成的人工網(wǎng)絡(luò)系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)中，各神經(jīng)元的連接方式一般有很多種，不同的連接方式就構(gòu)成了網(wǎng)絡(luò)的不同連接模型。常見(jiàn)的連接模型有前向網(wǎng)絡(luò)、從輸入層到輸出層有反饋的網(wǎng)絡(luò)、層內(nèi)有互連的網(wǎng)絡(luò)和網(wǎng)絡(luò)內(nèi)任意兩個(gè)神經(jīng)元都可以互連的互連網(wǎng)絡(luò)。什么是機(jī)器學(xué)習(xí)？機(jī)器學(xué)習(xí)研究的目標(biāo)是什么？研究機(jī)器學(xué)習(xí)的意義何在？機(jī)器學(xué)習(xí)是研究如何使用計(jì)算機(jī)來(lái)模擬人類學(xué)習(xí)活動(dòng)的一門學(xué)科。更嚴(yán)格地說(shuō)，就是研究計(jì)算機(jī)獲取新知識(shí)和新技能、識(shí)別現(xiàn)有知識(shí)、不斷改善性能、實(shí)現(xiàn)自我完善的方法。機(jī)器學(xué)習(xí)研究的目標(biāo)有三個(gè)：人類學(xué)習(xí)過(guò)程的認(rèn)知模型；通用學(xué)習(xí)算法；構(gòu)造面向任務(wù)的專用學(xué)習(xí)系統(tǒng)的方法。（a）人類學(xué)習(xí)過(guò)程的認(rèn)知模型。這一方向是對(duì)人類學(xué)習(xí)機(jī)理的研究。這種研究不僅對(duì)人類的教育，而且對(duì)開(kāi)發(fā)機(jī)器學(xué)習(xí)系統(tǒng)都有重要的意義。（b）通用學(xué)習(xí)算法。這個(gè)方向是對(duì)人類學(xué)習(xí)過(guò)程的研究，探索各種可能的學(xué)習(xí)方法，建立起獨(dú)立于具體應(yīng)用領(lǐng)域的通用學(xué)習(xí)算法。（c）構(gòu)造面向任務(wù)的專用學(xué)習(xí)系統(tǒng)（工程目標(biāo)）。這一方向是要解決專門的實(shí)際問(wèn)題，并開(kāi)發(fā)完成這些專門任務(wù)的學(xué)習(xí)系統(tǒng)。機(jī)器學(xué)習(xí)是人工智能中最具智能特征、最前沿的研究領(lǐng)域之一。機(jī)器學(xué)習(xí)的研究取得重大進(jìn)展往往意味著人工智能，甚至整個(gè)計(jì)算機(jī)科學(xué)向前邁進(jìn)了堅(jiān)實(shí)的一步。機(jī)器學(xué)習(xí)速度快、便于知識(shí)積累、學(xué)習(xí)結(jié)果易于傳播，因此人類在機(jī)器學(xué)習(xí)領(lǐng)域的每一點(diǎn)進(jìn)步，都會(huì)使計(jì)算機(jī)的能力顯著增強(qiáng)，從而對(duì)人類社會(huì)產(chǎn)生影響，尤其對(duì)今天信息化社會(huì)來(lái)說(shuō)，這種影響將是十分深遠(yuǎn)的。什么是決策樹(shù)？決策學(xué)習(xí)是如何利用決策樹(shù)進(jìn)行學(xué)習(xí)的？決策樹(shù)是一種展示類似“在什么條件下會(huì)得到什么值”這類規(guī)則的方法。決策樹(shù)是一種由節(jié)點(diǎn)和邊構(gòu)成的用來(lái)描述分類過(guò)程的層次數(shù)據(jù)結(jié)構(gòu)，用于監(jiān)督學(xué)習(xí)的層次模型。該樹(shù)的根節(jié)點(diǎn)表示分類的開(kāi)始，葉節(jié)點(diǎn)表示一個(gè)實(shí)例的結(jié)束，中間節(jié)點(diǎn)表示相應(yīng)實(shí)例中的某一屬性，而邊則代表某一屬性可能的屬性值。在決策

樹(shù)中，從根節(jié)點(diǎn)到葉節(jié)點(diǎn)的每一條路徑代表一個(gè)具體的實(shí)例，并且同一路徑上的所有屬性之間為合取關(guān)系，不同路徑之間為析取關(guān)系。決策樹(shù)學(xué)習(xí)是廣泛使用的一種歸納推理形式。它需要一組例子，其中每個(gè)例子都由相應(yīng)的目標(biāo)分類標(biāo)記。如果訓(xùn)練實(shí)例可表示為屬性值對(duì)，同時(shí)目標(biāo)分類具有離散的輸出值，那么這樣的問(wèn)題就特別適合用決策樹(shù)來(lái)進(jìn)行學(xué)習(xí)。建立決策樹(shù)的過(guò)程，即樹(shù)的生長(zhǎng)過(guò)程是不斷地把數(shù)據(jù)進(jìn)行分組的過(guò)程，每次分組對(duì)應(yīng)一個(gè)問(wèn)題，也對(duì)應(yīng)著一個(gè)節(jié)點(diǎn)。每次分組都要求所分得的組之間的“差異”最大。什么是遺傳算法？簡(jiǎn)述其基本思想和基本結(jié)構(gòu)。說(shuō)明個(gè)體選擇的常用策略以及遺傳操作”交叉”和”變異”所起的作用.遺傳算法（GeneticAlgorithm）是模擬生物在自然環(huán)境中的遺傳和進(jìn)化過(guò)程而形成的自適應(yīng)全局優(yōu)化搜索算法。它最早由美國(guó)J.H.Holland教授提出，它借鑒了達(dá)爾文的進(jìn)化論和孟德?tīng)柕倪z傳學(xué)說(shuō)，本質(zhì)上是一種并行、高效、全局搜索的方法，它能在搜索過(guò)程中自動(dòng)獲取和積累有關(guān)搜索空間的知識(shí)，并自適應(yīng)地控制搜索過(guò)程以求得最優(yōu)解。遺傳算法的操作使用“適者生存”的原則，在潛在的解決方案種群中逐次產(chǎn)生一個(gè)近似最優(yōu)方案。在每一代中，根據(jù)個(gè)體在問(wèn)題域中的適應(yīng)度值和從自然遺傳學(xué)中借鑒來(lái)的再造方法進(jìn)行個(gè)體選擇，產(chǎn)生一個(gè)新的近似解。這個(gè)過(guò)程導(dǎo)致種群中個(gè)體的進(jìn)化，得到的新個(gè)體比原個(gè)體更能適應(yīng)環(huán)境。遺傳算法使用群體搜索技術(shù)，將種群代表一組問(wèn)題解，通過(guò)對(duì)當(dāng)前種群施加選擇、交叉和變異等一系列遺傳操作來(lái)產(chǎn)生新一代的種群，并逐步使種群進(jìn)化到包含近似最優(yōu)解的狀態(tài)。個(gè)體選擇常用策略:輪盤賭選擇法、隨機(jī)遍歷抽樣法、錦標(biāo)賽選擇法試述機(jī)器學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)，并說(shuō)明各部分的作用.學(xué)習(xí)環(huán)節(jié)知識(shí)庫(kù)執(zhí)行環(huán)節(jié)學(xué)習(xí)環(huán)節(jié)知識(shí)庫(kù)執(zhí)行環(huán)節(jié)a） 環(huán)境環(huán)境就是指系統(tǒng)外部信息的來(lái)源，它可以是系統(tǒng)的工作對(duì)象，也可以是工作對(duì)象和外界條件。環(huán)境就是為學(xué)習(xí)系統(tǒng)提供獲取知識(shí)所需的相關(guān)對(duì)象的素材或信息，如何構(gòu)造高質(zhì)量、高水平的信息，將對(duì)學(xué)習(xí)系統(tǒng)獲取知識(shí)的能力有很大影響。b） 學(xué)習(xí)環(huán)節(jié)學(xué)習(xí)環(huán)節(jié)通過(guò)對(duì)環(huán)境的搜索獲得外部信息，并將這些信息與執(zhí)行環(huán)節(jié)所反饋的信息進(jìn)行比較。一般情況下，環(huán)境提供的信息水平與執(zhí)行環(huán)節(jié)所需的信息水平之間往往有差距，經(jīng)分析、綜合、類比、歸納等思維過(guò)程，學(xué)習(xí)環(huán)節(jié)就要從這些差距中獲取相關(guān)對(duì)象的知識(shí)，并將這些知識(shí)存入知識(shí)庫(kù)中c） 知識(shí)庫(kù)知識(shí)庫(kù)用于存放由學(xué)習(xí)環(huán)節(jié)所學(xué)到的知識(shí)。知識(shí)庫(kù)中知識(shí)的表示形式以及存儲(chǔ)組織結(jié)構(gòu)是影響學(xué)習(xí)系統(tǒng)設(shè)計(jì)的第二因素。知識(shí)庫(kù)中常用的知識(shí)表示方法有：謂詞邏輯、產(chǎn)生式規(guī)則、語(yǔ)義網(wǎng)絡(luò)、特征向量、過(guò)程、Lisp函數(shù)、數(shù)字多項(xiàng)式核框架等。d） 執(zhí)行環(huán)節(jié)執(zhí)行環(huán)節(jié)是整個(gè)學(xué)習(xí)系統(tǒng)的核心。執(zhí)行環(huán)節(jié)用于處理系統(tǒng)面臨的現(xiàn)實(shí)問(wèn)題，即應(yīng)用知識(shí)庫(kù)中所學(xué)到的知識(shí)求解問(wèn)題，如智能控制、自然語(yǔ)言理解和定理證明等，并對(duì)執(zhí)行的效果進(jìn)行評(píng)價(jià)，將評(píng)價(jià)的結(jié)果反饋回學(xué)習(xí)環(huán)節(jié)，以便系統(tǒng)進(jìn)一步的學(xué)習(xí)。執(zhí)行環(huán)節(jié)的問(wèn)題復(fù)雜性、反饋信息和執(zhí)行過(guò)程的透明度都對(duì)學(xué)習(xí)環(huán)節(jié)有一定的影響。什么是專家系統(tǒng)?它有哪些基本特點(diǎn)？專家系統(tǒng)是一種具有大量專門知識(shí)與經(jīng)驗(yàn)的智能程序系統(tǒng)，它能運(yùn)用某個(gè)領(lǐng)域一個(gè)或多個(gè)專家多年積累的經(jīng)驗(yàn)和專門知識(shí)，模擬領(lǐng)域?qū)＜仪蠼鈫?wèn)題時(shí)的思維過(guò)程，以解決該領(lǐng)域中的各種復(fù)雜問(wèn)題?；咎攸c(diǎn)：1） 啟發(fā)性:專家系統(tǒng)能運(yùn)用專家的知識(shí)與經(jīng)驗(yàn)進(jìn)行推理、判斷和決策。2） 透明性：專家系統(tǒng)能夠解釋本身推理過(guò)程和回答用戶提出的問(wèn)題，以便讓用戶了解推理過(guò)程，提高對(duì)專家系統(tǒng)的依賴感。例如，一個(gè)醫(yī)療診斷專家系統(tǒng)診斷某病人患有肺炎，而且必須用某種抗生素治療，那么，這一專家系統(tǒng)將會(huì)向病人解釋為什么他患有肺炎，而且必須用某種抗生素治療，就像一位醫(yī)療專家對(duì)病人詳細(xì)解釋病情和治療方案一樣。3） 靈活性：專家系統(tǒng)能不斷地增長(zhǎng)知識(shí)，修改原有知識(shí)，不斷更新。由于這一特點(diǎn)，使得專家系統(tǒng)具有十分廣泛的應(yīng)用領(lǐng)域。4） 交互性：專家系統(tǒng)一般都是交互式系統(tǒng)，這種交互性既有利于系統(tǒng)從專家那里獲取知識(shí)，又便于用戶在求解問(wèn)題時(shí)輸入條件或事實(shí)5） 推理有效性：專家系統(tǒng)能高效、穩(wěn)定、高速地工作。不會(huì)像人類專家那樣產(chǎn)生疲勞和不穩(wěn)定。不同地專家系統(tǒng)所面向的領(lǐng)域不同，可以解決不同的問(wèn)題，因此在設(shè)計(jì)專家系統(tǒng)時(shí)，針對(duì)不同領(lǐng)域問(wèn)題的特點(diǎn)，選擇不同的推理機(jī)制，從而保證問(wèn)題求解過(guò)程中的推理有效性。6） 復(fù)雜性：人類的知識(shí)豐富多彩，思維方式多種多樣，要想使計(jì)算機(jī)完全模擬人類的思維方法去解決問(wèn)題，還是一件非常復(fù)雜和困難的工作。因此，在建造專家系統(tǒng)時(shí)，如何實(shí)現(xiàn)對(duì)不確定知識(shí)的表示，如何構(gòu)造不確定性的傳遞算法和匹配算法以實(shí)現(xiàn)推理計(jì)算，其復(fù)雜性和難度都是比較大的。7） 實(shí)用性：專家系統(tǒng)是根據(jù)問(wèn)題的實(shí)際需求開(kāi)發(fā)的，因而具有堅(jiān)實(shí)的應(yīng)用背景。由于專家系統(tǒng)中存儲(chǔ)了相關(guān)領(lǐng)域許多高水平專家的知識(shí)，所以它具有解決問(wèn)題的高水平和高效率，從而可以產(chǎn)生巨大的社會(huì)效益和經(jīng)濟(jì)效益，具有非常良好的實(shí)用性。8） 知識(shí)的專門性：專家系統(tǒng)的知識(shí)都具有專門性，但只局限于所面向的領(lǐng)域，針對(duì)性很強(qiáng)。這與人類專家類似，因?yàn)槿祟愐仓皇蔷哂心骋环矫娴母呱钪R(shí)，否則也就不稱其為“專家”9） 易推廣性：專家系統(tǒng)使人類專家的領(lǐng)域知識(shí)突破了時(shí)間和空間的限制，專家系統(tǒng)程序可永久保存，并可復(fù)制任意多的副本或在網(wǎng)上供不同地區(qū)或不同部門的人們使用，從而使專家系統(tǒng)的知識(shí)和技能更易于推廣和傳播。一般專家系統(tǒng)由哪些基本部分構(gòu)成?每一部分的主要功能是什么？專家系統(tǒng)的體系結(jié)構(gòu)指專家系統(tǒng)各組成部分的構(gòu)造方法和組織形式。一個(gè)最基本的專家系統(tǒng)應(yīng)包括知識(shí)庫(kù)、數(shù)據(jù)庫(kù)、推理機(jī)構(gòu)、解釋機(jī)構(gòu)、知識(shí)獲取機(jī)構(gòu)和用戶界面六個(gè)部分。哦嫉專成用戶融親工握眸J L用戶界而 .\E 「「一 教據(jù)犀 知識(shí)序跋9」專彖桌統(tǒng)的基本緒構(gòu)1）知識(shí)庫(kù)知識(shí)庫(kù)是專家系統(tǒng)的知識(shí)存儲(chǔ)器，用來(lái)存放求解領(lǐng)域問(wèn)題所需的專家知識(shí)。知識(shí)庫(kù)中的知識(shí)分為兩種類型：一類是事實(shí)性知識(shí)，即廣泛公認(rèn)的知識(shí)和常識(shí)；另一類是啟發(fā)性知識(shí)，它是領(lǐng)域?qū)＜以陂L(zhǎng)期工作實(shí)踐中積累起來(lái)的經(jīng)驗(yàn)總結(jié)。專家系統(tǒng)開(kāi)發(fā)中一個(gè)重要任務(wù)是要認(rèn)真細(xì)致地對(duì)專家的這類經(jīng)驗(yàn)知識(shí)進(jìn)行分析。知識(shí)本來(lái)是存儲(chǔ)在專家頭腦中的，讓專家把自己的直覺(jué)、訣竅、經(jīng)驗(yàn)表示為適合計(jì)算機(jī)表示和推理的形式是一個(gè)極大難題。因此在建立知識(shí)庫(kù)的過(guò)程中，知識(shí)工程師需要與領(lǐng)域?qū)＜液芎玫睾献?，認(rèn)真提取領(lǐng)域?qū)＜业闹R(shí)，進(jìn)而根據(jù)計(jì)算機(jī)對(duì)這些知識(shí)的表示和使用要求，將這些知識(shí)轉(zhuǎn)化成知識(shí)庫(kù)的組成部分。2） 數(shù)據(jù)庫(kù)數(shù)據(jù)庫(kù)又被稱為全局?jǐn)?shù)據(jù)庫(kù)或綜合數(shù)據(jù)庫(kù)，它相當(dāng)于專家系統(tǒng)的工作存儲(chǔ)器，用來(lái)存儲(chǔ)與領(lǐng)域問(wèn)題有關(guān)的事實(shí)、數(shù)據(jù)、初始證據(jù)、推理過(guò)程中得到的各種中間結(jié)論、求解目標(biāo)等。例如，醫(yī)療專家系統(tǒng)中，數(shù)據(jù)庫(kù)存放的是當(dāng)前患者的情況，如姓名、年齡、癥狀等，以及推理過(guò)程中得到的一些中間結(jié)果、病情等；氣象專家系統(tǒng)中，數(shù)據(jù)庫(kù)存放的是當(dāng)前氣象要素，如云量、溫度、氣壓，以及推理得到的中間結(jié)果等。數(shù)據(jù)庫(kù)的規(guī)模和結(jié)構(gòu)可根據(jù)系統(tǒng)目的來(lái)確定，而且隨著問(wèn)題的不同，數(shù)據(jù)庫(kù)的內(nèi)容可以是動(dòng)態(tài)變化的。3） 推理機(jī)推理機(jī)是一組用來(lái)控制、協(xié)調(diào)整個(gè)專家系統(tǒng)的程序。它根據(jù)數(shù)據(jù)庫(kù)中存儲(chǔ)的當(dāng)前數(shù)據(jù)，利用知識(shí)庫(kù)中的知識(shí)，按一定的推理策略，求解當(dāng)前的問(wèn)題，即解釋外部輸入的事實(shí)和數(shù)據(jù)，推導(dǎo)出相應(yīng)結(jié)果。由于專家系統(tǒng)是模擬人類專家進(jìn)行工作，因此設(shè)計(jì)推理機(jī)時(shí)，應(yīng)使它的推理過(guò)程和專家的推理過(guò)程盡量相似，最好完全一致。對(duì)大中型專家系統(tǒng)，由于其知識(shí)庫(kù)中的知識(shí)數(shù)量很多，因此其推理機(jī)構(gòu)由知識(shí)庫(kù)管理系統(tǒng)和推理機(jī)兩個(gè)主要部分組成。其中，知識(shí)庫(kù)管理系統(tǒng)實(shí)現(xiàn)對(duì)知識(shí)庫(kù)中知識(shí)的合理組織和有效管理；推理機(jī)主要用于生成并控制推理過(guò)程和使用知識(shí)庫(kù)中的知識(shí)。4） 解釋機(jī)構(gòu)解釋機(jī)構(gòu)實(shí)際上也是一組程序，它包括系統(tǒng)提示、人機(jī)對(duì)話、能書(shū)寫(xiě)規(guī)則的語(yǔ)言以及解釋程序。解釋機(jī)構(gòu)的主要功能是解釋系統(tǒng)本身的推理結(jié)果，回答用戶的提問(wèn)，使用戶能夠了解推理的過(guò)程及所運(yùn)用的知識(shí)和數(shù)據(jù)。因此，在設(shè)計(jì)解釋機(jī)構(gòu)時(shí)，應(yīng)預(yù)先考慮好在系統(tǒng)運(yùn)行過(guò)程中需要回答的問(wèn)題和答案。5） 知識(shí)獲取機(jī)構(gòu)知識(shí)獲取是專家系統(tǒng)的一種輔助功能，用于增加和修改知識(shí)庫(kù)中的知識(shí)?；救蝿?wù)是把知識(shí)加入到知識(shí)庫(kù)中，并維持知識(shí)的一致性及完整性，建立起性能良好的知識(shí)庫(kù)。不同專家系統(tǒng)，知識(shí)獲取方法差別較大。有的系統(tǒng)首先由知識(shí)工程師向領(lǐng)域?qū)＜耀@取知識(shí)，然后再通過(guò)相應(yīng)的知識(shí)編輯軟件把知識(shí)輸入到知識(shí)庫(kù)中；有的系統(tǒng)自身就具有部分學(xué)習(xí)功能，由系統(tǒng)直接與領(lǐng)域?qū)＜覍?duì)話獲取知識(shí)；有的系統(tǒng)具有較強(qiáng)的學(xué)習(xí)功能，可在系統(tǒng)運(yùn)行過(guò)程中通過(guò)歸納、總結(jié)，得出新的知識(shí)。無(wú)論采取哪種方式，知識(shí)獲取都是目前專家系統(tǒng)研制中的一個(gè)重要問(wèn)題。6） 用戶界面用戶界面是專家系統(tǒng)的另一個(gè)關(guān)鍵組成部分，它作為專家系統(tǒng)于外界的接口，實(shí)現(xiàn)系統(tǒng)于外界之間的信息交換。通常，專家系統(tǒng)的使用者包括最終用戶、領(lǐng)域?qū)＜?、知識(shí)工程師。其中，最終用戶和領(lǐng)域?qū)＜乙话愣疾皇怯?jì)算機(jī)專業(yè)人員，用戶界面必須滿足他們的需求，盡可能地使用接近自然語(yǔ)言的輸入、輸出形式，并能理解和處理聲音、圖像等多媒體信息。新一代專家系統(tǒng)應(yīng)具備哪些特征?分布式專家系統(tǒng)與協(xié)同式專家系統(tǒng)有何區(qū)別與聯(lián)系？（1） 并行與分布處理：基于各種并行算法，采用各種并行推理和執(zhí)行技術(shù)，適合在多處理器的硬件環(huán)境中工作，即具有分布處理的功能，是新型專家系統(tǒng)的一個(gè)特征。專家系統(tǒng)的分布處理特征要求專家系統(tǒng)做到功能合理均衡地分布，以及知識(shí)和數(shù)據(jù)適當(dāng)?shù)胤植?，著眼點(diǎn)主要在于提高系統(tǒng)的處理效率和可靠性等。（2） 多專家系統(tǒng)協(xié)同工作：各子專家系統(tǒng)間可以互相通信，一個(gè)（或多個(gè)）子專家系統(tǒng)的輸出可能就是另一子專家系統(tǒng)的輸入。多專家系統(tǒng)的協(xié)同合作其著眼點(diǎn)主要在于通過(guò)多個(gè)子專家系統(tǒng)協(xié)同工作擴(kuò)大整體專家系統(tǒng)的解題能力。（3） 高級(jí)語(yǔ)言和知識(shí)語(yǔ)言描述：為了建立專家系統(tǒng)，知識(shí)工程師只需用一種高級(jí)專家系統(tǒng)描述語(yǔ)言對(duì)系統(tǒng)進(jìn)行功能、性能以及接口描述，并用知識(shí)表示語(yǔ)言描述領(lǐng)域知識(shí)，專家系統(tǒng)生成系統(tǒng)就能自動(dòng)或半自動(dòng)地生成所要的專家系統(tǒng)。（4） 具有自學(xué)習(xí)功能：提供高級(jí)的知識(shí)獲取與學(xué)習(xí)功能。能根據(jù)知識(shí)庫(kù)中已有知識(shí)和用戶對(duì)系統(tǒng)提問(wèn)的動(dòng)態(tài)應(yīng)答，進(jìn)行推理以獲得新知識(shí)，總結(jié)新經(jīng)驗(yàn)，從而不斷擴(kuò)充知識(shí)庫(kù)，這即所謂自學(xué)習(xí)機(jī)制。（5） 引入新的推理機(jī)制：現(xiàn)存的大部分專家系統(tǒng)只能做演繹推理。新型專家系統(tǒng)中，除演繹推理外，還應(yīng)有歸納推理（包括聯(lián)想、類比等推理）、各種非標(biāo)準(zhǔn)邏輯推理（例如非單調(diào)邏輯推理、加權(quán)邏輯推理等）以及各種基于不完全知識(shí)和模糊知識(shí)的推理等，在推理機(jī)制上應(yīng)有一個(gè)突破。（6） 具有自糾錯(cuò)和自完善能力：為了排錯(cuò)必須首先有識(shí)別錯(cuò)誤的能力，為了完善必須首先有鑒別優(yōu)劣的標(biāo)準(zhǔn)。有了這種功能和上述的學(xué)習(xí)功能后，專家系統(tǒng)就會(huì)隨著時(shí)間的推移，通過(guò)反復(fù)的運(yùn)行不斷地修正錯(cuò)誤，不斷完善自身，并使知識(shí)越來(lái)越豐富。（7） 先進(jìn)的智能人機(jī)接口：理解自然語(yǔ)言，實(shí)現(xiàn)語(yǔ)音、文字、圖形和圖像的直接輸入輸出是如今人們對(duì)智能計(jì)算機(jī)提出的要求，也是對(duì)新型專家系統(tǒng)的重要期望。這一方面需要硬件的有力支持，另一方面先進(jìn)的軟件技術(shù)將使智能接口的實(shí)現(xiàn)大放異彩。BP算法的網(wǎng)絡(luò)結(jié)構(gòu)是什么？簡(jiǎn)述BP算法的學(xué)習(xí)過(guò)程.B-P算法的網(wǎng)絡(luò)結(jié)構(gòu)是一個(gè)前向多層網(wǎng)絡(luò)。網(wǎng)絡(luò)中不僅含有輸入節(jié)點(diǎn)和輸出節(jié)點(diǎn)，而且含有一層或多層隱（層）節(jié)點(diǎn)，網(wǎng)絡(luò)中各處理單元間的連接如圖6.16所示。當(dāng)有信息向網(wǎng)絡(luò)輸入時(shí)，信息首先由輸入層傳遞到隱層節(jié)點(diǎn)，經(jīng)特性函數(shù)（人工神經(jīng)元）作用后，再傳至下一隱層。這樣一層一層傳遞下去，直到最終傳至輸出節(jié)點(diǎn)層進(jìn)行輸出。其間各層的激發(fā)函數(shù)要求是可微的，一般是選用S型函數(shù)。B-P算法的學(xué)習(xí)過(guò)程如下：（a） 選擇一組訓(xùn)練樣例，每一個(gè)樣例由輸入信息和期望的輸出結(jié)果兩部分組成。（b） 從訓(xùn)練樣例集中取一樣例，把輸入信息輸入到網(wǎng)絡(luò)中。（c） 分別計(jì)算經(jīng)神經(jīng)元處理后的各層節(jié)點(diǎn)的輸出。（d） 計(jì)算網(wǎng)絡(luò)的實(shí)際輸出和期望輸出的誤差。（e） 從輸出層反向計(jì)算到第一個(gè)隱層，并按照某種能使誤差向減小方向發(fā)展的原則，調(diào)整網(wǎng)絡(luò)中各神經(jīng)元的連接權(quán)值。（f） 對(duì)訓(xùn)練樣例集中的每一個(gè)樣例重復(fù)（c）一（e）的步驟，直到對(duì)整個(gè)訓(xùn)練樣例集的誤差達(dá)到要求時(shí)為止。在什么情況下需要采用不確定推理或非單調(diào)推理？在日常生活中，人們通常所遇到的情況是信息不夠完善、不夠精確，即所掌握的知識(shí)具有不確定性。人們就是運(yùn)用這種不確定性的知識(shí)進(jìn)行思維、推理，進(jìn)而求解問(wèn)題。什么是產(chǎn)生式知識(shí)表示?給出這種表示方法的優(yōu)缺點(diǎn)。產(chǎn)生式通常用于表示事實(shí)、規(guī)則以及它們的不確定性度量，適合于表示事實(shí)性知識(shí)和規(guī)則性知識(shí)。基本形式IFPTHENQ，其中P是產(chǎn)生式的前提，用于指出該產(chǎn)生式是否可用的條件；Q是一組結(jié)論或操作，用于指出前提P所指示的條件被滿足時(shí)，應(yīng)該得出的結(jié)論或應(yīng)該執(zhí)行的操作。優(yōu)點(diǎn)：（1）自然性（2）模塊性（3）有效性（4）清晰性缺點(diǎn)：（1）效率不高（2）不能表達(dá)結(jié)構(gòu)性知識(shí)簡(jiǎn)述自然語(yǔ)言理解的層次劃分及對(duì)應(yīng)的技術(shù)。詞法分析、句法分析、語(yǔ)義分析搜索方法的啟發(fā)能力有哪幾種基本的度量方法？滲透度是對(duì)一個(gè)搜索算法的搜索性能的度量，表示搜索集中指向某個(gè)目標(biāo)的程度，而不是在無(wú)關(guān)的方向上徘徊。定義為：P=L/T其中，L是算法發(fā)現(xiàn)的解路徑的長(zhǎng)度，T是算法在尋找這條解路徑期間所產(chǎn)生的節(jié)點(diǎn)（不包括初始節(jié)點(diǎn)，包括目標(biāo)節(jié)點(diǎn)）有效分枝系數(shù)就是一棵搜索樹(shù)的平均分枝數(shù).設(shè)搜索樹(shù)的深度是L，算法所產(chǎn)生的總節(jié)點(diǎn)數(shù)為T，有效分枝系數(shù)是B，則有B+B2十???+BL=T或B（BL-1）/（B-1）=T簡(jiǎn)述狀態(tài)空間法三要點(diǎn)？三要點(diǎn)：（1） 狀態(tài)（state）：表示問(wèn)題解法中每一步問(wèn)題狀況的數(shù)據(jù)結(jié)構(gòu)；（2） 算符（operator）：把問(wèn)題從一種狀態(tài)變換為另一種狀態(tài)的手段；（3） 狀態(tài)空間方法：基于解答空間的問(wèn)題表示和求解方法，它是以狀態(tài)和算符為基礎(chǔ)來(lái)表示和求解問(wèn)題的。備注：用狀態(tài)空間表示問(wèn)題的步驟：（1） 定義狀態(tài)的描述形式；（2） 用所定義的狀態(tài)描述形式把問(wèn)題的所有可能的狀態(tài)都表示出來(lái)，并確定出問(wèn)題的初始狀態(tài)集合描述和目標(biāo)狀態(tài)集合描述；（3） 定義一組算符，使得利用這組算符可把問(wèn)題由一種狀態(tài)轉(zhuǎn)變?yōu)榱硪环N狀態(tài)。問(wèn)題的求解過(guò)程是一個(gè)不斷把算符作用于狀態(tài)的過(guò)程。（1） 首先將適用的算符作用于初始狀態(tài)，以產(chǎn)生新的狀態(tài)；（2） 然后再把一些適用的算符作用于新的狀態(tài)；（3） 這樣繼續(xù)下去，直到產(chǎn)生的狀態(tài)為目標(biāo)狀態(tài)為止。這時(shí)，就得到了問(wèn)題的一個(gè)解。這個(gè)解是從初始狀態(tài)到目標(biāo)狀態(tài)所用算符構(gòu)成的序列。同傳統(tǒng)的計(jì)算機(jī)程序相比，人工智能程序有哪些特點(diǎn)？（1） 人工智能首先研究的是以符號(hào)表示的知識(shí)，而不是數(shù)值數(shù)據(jù)為研究對(duì)象（2） 人工智能采用的是啟發(fā)式推理方法，而不是常規(guī)算法（3） 人工智能的控制結(jié)構(gòu)與知識(shí)領(lǐng)域是分離的，并允許出現(xiàn)不正確的解答什么是問(wèn)題歸約？問(wèn)題歸約的操作算子與一般圖搜索有何不同？問(wèn)題規(guī)約是在問(wèn)題求解過(guò)程中，將一個(gè)大的問(wèn)題變成若干個(gè)子問(wèn)題，子問(wèn)題又可以分解成更小的子問(wèn)題，這樣一直分解到可以直接求解為止，全部子問(wèn)題的解就是原問(wèn)題的解；并稱原問(wèn)題為初始問(wèn)題，可直接求解的問(wèn)題為本原問(wèn)題。問(wèn)題規(guī)約的操作算子是一組變換規(guī)則，通過(guò)一個(gè)操作算子把一個(gè)問(wèn)題化成若干個(gè)子問(wèn)題。而一般圖搜索的操作算子是引起狀態(tài)中的某分量發(fā)生改變，從而使問(wèn)題由一個(gè)具體狀態(tài)A變化為另一個(gè)具體狀態(tài)B的作用。使問(wèn)題一種狀態(tài)變化為另一種狀態(tài)的手段稱為操作符或算符，操作符可為走步、過(guò)程、規(guī)則、數(shù)學(xué)算子、運(yùn)算符號(hào)或邏輯符號(hào)等。在選擇知識(shí)表示的方法時(shí)，應(yīng)該考慮哪些因素？（1） 充分表示領(lǐng)域知識(shí)。（2） 有利于對(duì)知識(shí)的利用。（3） 便于對(duì)知識(shí)的組織、維護(hù)與管理。（4） 便于理解與實(shí)現(xiàn)。表示能力：能夠?qū)?wèn)題求解所需的知識(shí)正確有效地表達(dá)出來(lái)，可理解性：所表達(dá)的知識(shí)簡(jiǎn)單、明了、易于理解，可訪問(wèn)性：能夠有效地利用所表達(dá)的知識(shí)，可擴(kuò)充性：能夠方便靈活地對(duì)知識(shí)進(jìn)行擴(kuò)充。表示范圍是否廣泛、是否適于推理、是否適于計(jì)算機(jī)處理、是否有高效的算法、能否表示不精確知識(shí)、能否模塊化、知識(shí)和元知識(shí)能否用統(tǒng)一的形式表示、是否加入啟發(fā)信息、過(guò)程性表示還是說(shuō)明性表示、表示方法是否自然。總之，人工智能問(wèn)題的求解是以知識(shí)表示為基礎(chǔ)的，如何將已獲取的有關(guān)知識(shí)以計(jì)算機(jī)內(nèi)部代碼形式加以合理地描述、存儲(chǔ)、有效利用便是知識(shí)表示所應(yīng)解決的問(wèn)題。什么是蟻群算法？簡(jiǎn)述其基本思想和基本結(jié)構(gòu).根據(jù)螞蟻覓食過(guò)程的啟示，蟻群優(yōu)化算法是采用人工螞蟻行走路線選擇問(wèn)題最優(yōu)解的一種算法。（1） 每只人工螞蟻獨(dú)立地在問(wèn)題解空間中搜索（行走），當(dāng)遇到解的分支路徑時(shí)，隨機(jī)地選擇某條路徑行走，其中信息素濃度更高的路徑具有更大的選擇概率。路徑越短，信息素濃度越高。（2） 隨著時(shí)間的推移，路徑短的信息素濃度越來(lái)越高，引導(dǎo)更多的螞蟻通過(guò)最優(yōu)的求解路徑，釋放出更多的信息素，而其他路徑上的信息素在揮發(fā)特性的作用下逐漸消失，從而形成正反饋效應(yīng)。（3） 最終整個(gè)蟻群在正反饋?zhàn)饔孟?，集中到代表最?yōu)解的路徑上，表明找到了最優(yōu)解。假設(shè)m只螞蟻在城市間移動(dòng)，協(xié)作異步地得到問(wèn)題的解。每只螞蟻的一步轉(zhuǎn)移概率由城市之間連邊的兩類參數(shù)決定：一是信息素值，二是可見(jiàn)度，即先驗(yàn)值。信息素的更新有兩種：一是揮發(fā)，也就是所有路徑上的信息素以一定的比率減少，模擬自然蟻群的信息素隨時(shí)間揮發(fā)的過(guò)程；二是增強(qiáng)，給評(píng)價(jià)值“好”的邊增強(qiáng)信息素。螞蟻向下一城市的移動(dòng)是通過(guò)一個(gè)隨機(jī)原則來(lái)實(shí)現(xiàn)的，也就是運(yùn)用當(dāng)前存儲(chǔ)的信息，計(jì)算出到下一個(gè)城市的概率，并按此概率實(shí)現(xiàn)上一步的移動(dòng)，如此反復(fù)，越來(lái)越接近最優(yōu)解。（輪盤賭選擇算法）螞蟻在尋找過(guò)程中，或找到一個(gè)解后，會(huì)評(píng)估該解或解的一部分的優(yōu)化程度，并把評(píng)價(jià)信息保存在相關(guān)連接的信息素中。什么是過(guò)程性知識(shí)表示？給出它的優(yōu)缺點(diǎn)過(guò)程性知識(shí)表示可將所要表示的知識(shí)及如何使用這些知識(shí)的控制性策略一起隱式地表示為一個(gè)求解問(wèn)題的過(guò)程。優(yōu)點(diǎn)：（1）表示效率高（2）推理控制容易實(shí)現(xiàn)缺點(diǎn)：（1）知識(shí)庫(kù)不易維護(hù)（2）適用的表示范圍較窄了解ID3算法樹(shù)以代表訓(xùn)練樣本的單個(gè)節(jié)點(diǎn)開(kāi)始。如果樣本都在同一個(gè)類，則該節(jié)點(diǎn)成為葉節(jié)點(diǎn)，用該類標(biāo)記。否則，算法使用信息增益作為啟發(fā)信息，選擇能夠最好的將樣本分類的屬性。該屬性成為該節(jié)點(diǎn)的判定屬性。(所有屬性均為離散值，對(duì)于連續(xù)屬性需先進(jìn)行離散化)。對(duì)測(cè)試屬性的的每個(gè)已知值，創(chuàng)建一個(gè)分支。算法使用同樣的過(guò)程，遞歸形成每個(gè)劃分上的樣本判定樹(shù)。一旦一個(gè)屬性出現(xiàn)在一個(gè)結(jié)點(diǎn)上，就不會(huì)出現(xiàn)在該節(jié)點(diǎn)的任何后代上。遞歸劃分步驟僅當(dāng)下列條件之一成立時(shí)停止：給定結(jié)點(diǎn)所有樣本屬于同一類，無(wú)需劃分；當(dāng)前屬性集為空，沒(méi)有剩余屬性可以用來(lái)進(jìn)一步劃分當(dāng)前結(jié)點(diǎn)包含的樣本集合為空，不能劃分屬性選擇度量：在樹(shù)的每個(gè)結(jié)點(diǎn)上使用信息增益度量選擇測(cè)試屬性。選擇具有最高信息增益的屬性作為當(dāng)前結(jié)點(diǎn)的測(cè)試屬性。該屬性使得對(duì)結(jié)果劃分中的樣本分類所需要的信息量最小(直觀理解即是生成判定樹(shù)局部較低)，并反映劃分的最小隨機(jī)性。這種信息理論方法使得對(duì)一個(gè)對(duì)象分類所需要的期望測(cè)試數(shù)目達(dá)到最小，并保證找到一顆簡(jiǎn)單的樹(shù)。有監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督學(xué)習(xí)的區(qū)別是什么？在監(jiān)督學(xué)習(xí)中，假定我們知道每一輸入對(duì)應(yīng)的期望輸入，并利用學(xué)習(xí)系統(tǒng)的誤差，不斷校正系統(tǒng)的行為在無(wú)監(jiān)督學(xué)習(xí)中，我們不知道學(xué)習(xí)系統(tǒng)的期望輸出開(kāi)發(fā)專家系統(tǒng)的基本要求是什么？采用原型法開(kāi)發(fā)專家系統(tǒng)要經(jīng)過(guò)哪幾個(gè)步驟？基本要求：選擇