人工智能导论存在时间？

一、人工智能导论存在时间？

《人工智能导论》是2008年8月1日国防工业出版社出版的图书，作者是刘峡壁。

本书旨在向读者介绍人工智能的核心知识与最新进展，使读者建立起对于人工智能的总体认识，为以后进入人工智能各分支的研究和应用奠定基础。

人工智能是一个庞杂的学科体系，从概念上讲，一切为复制生物智能而做出的努力都可纳入其中。如何能够系统、全面、简洁地描述人工智能的全貌而不显得凌乱，绝非易事。

二、人工智能导论考查内容？

人工智能研究的基本内容

（1）知识表示

　　人工智能研究的目的是要建立一个能模拟人类智能行为的系统，但知识是一切智能行为的基础，因此首先要研究知识表示方法。只有这样才能把只是存储到计算机中去，供求解现实问题使用。知识表示方法可分为两类：符号表示法（用各种包含具体含义的符号以各种不同的方式和顺序组合起来表示知识的方法）和连接机制表示法（用神经网络表示知识）。

（2）机器感知

　　所谓机器感知就是使机器（计算机）具有类似于人的感知能力，其中以机器视觉和机器听觉为主。机器感知是机器获取外部信息的基本途径。

（3）机器思维

　　所谓机器思维是指通过感知得来的外部信息及机器内部的各种工作信息进行有目的的处理。

（4）机器学习

　　机器学习就是研究如何使计算机具有类似于人的学习能力，使它能通过学习自动的获取知识。

（5）机器行为

　　机器行为主要是指计算机的表达能力，即“说”、“写”、“画”等能力。对于智能机器人，它还应具有人的四肢功能，即能走路、能取物、能操作等。

三、人工智能导论重要吗？

为了详尽地阐述人工智能的核心知识，必须有一条主线将这些知识串联起来。本书所确定的主线是从实现人工智能的角度，将有关知识划分为哲学基础和工程实践两大块。

哲学基础是实现人工智能的不同哲学思想和在相应思想指导下的具体方法；工程实践则是有关方法在实际问题中的应用和集成，以及方法实现所需要的软硬件条件。

四、人工智能导论的意义？

人工智能的重要意义及作用人工智能是相对于人类智能而言的。它是指用机械和电子装置来模拟和代替人类的某些智能。人工智能也称“机器智能”或“智能模拟”。当今人工智能主要是利用电子技术成果和仿生学方法,从大脑的结构方面模拟人脑的活动,即结构模拟。人脑是智能活动的物质基础,是由上百亿个神经元组成的复杂系统。结构模拟是从单个神经元入手的,先用电子元件制成神经元模型,然后把神经元模型连接成神经网络(脑模型) ,以完成某种功能,模拟人的某些智能。

如1957年美国康乃尔大学罗森布莱特等人设计的“感知机”;1975年日本的福岛设计的“认知机”(自组织多层神经网络)。电子计算机是智能模拟的物质技术工具。它是一种自动、高速处理信息的电子机器。它采用五个与大脑功能相似的部件组成了电脑,来模拟人脑的相应功能。这五个部件是:

(1)输入设备,模拟人的感受器(眼、耳、鼻等) ,用以接受外来的信息。人通过输入设备将需要计算机完成的任务、课题、运算步骤和原始数据采用机器所能接受的形式告诉计算机,并经输入设备把这些存放到存贮器中。(2)存贮器,模拟人脑的记忆功能,将输入的信息存储起来,供随时提取使用,是电子计算机的记忆装置。(3)运算器,模拟人脑的计算、判断和选择功能,能进行加减乘除等算术运算和逻辑运算。

五、人工智能导论新版课后答案？

1956年正式提出人工智能

20世纪三大科学技术成就

人工智能

原子能技术

空间技术

智能的特征

（1）感知能力

（2）记忆与思维能力（会思考）【逻辑思维】【形象思维】【动物思维】（灵感思维）

（3）学习能力

（4）行为能力（输出能力）

人工智能的定义 ：用人工的方法在机器（计算机）上实现的智能

人工智能研究的内容

1知识表示（将人类的知识表示模型化，形象化） 【通用】

（1）符号表示法 谓词 专家系统

（2）连接机制表示法 神经网络

2 机器感知 （机器视觉，机器听觉）【机器提东西】

3机器思维（提取知识）

4机器学习（通过大数据学习）

5机器行为

人工智能的主要研究领域

1自动定理证明

归结原理 吴方法

2博弈（下棋）

3模式识别

4机器视觉

5自然语言的理解（语言的翻译，语言的理解，小度，小爱）

6智能信息检索

7数据挖掘与知识发现（淘宝推送）

8专家系统（医疗上，由相关zheng）

9自动程序设计

10机器人

11组合优化问题（调度，合理智能交通）

12人工神经网络

13分布式人工智能与多智能体

14智能控制

15智能仿真

16智能教学（售后服务）

17智能管理和智能决策

六、人工智能导论属于什么类型？

属于工学专业类别。人工智能是中国普通高等学校本科专业。人工智能是一个以计算机科学为基础，由计算机、心理学、哲学等多学科交叉融合的交叉学科、新兴学科，研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

七、人工智能导论的实践例子？

人工智能从实际出发的例子：

1.人工智能举例Siri

个人助理Siri，能够帮助我们发送短信，拨打电话，记录备忘，甚至还可以陪用户聊天。Siri作为一款智能数字个人助理，它通过机器学习技术来更好理解我们的自然语言问题和请求。

2.人工智能举例Alexa

当亚马逊第一次推出Alexa的时候，它席卷了全世界。它可以帮助我们在网上搜寻信息,商店,安排约会、设置警报等事情。

3.人工智能举例特斯拉

特斯拉它的预测能力、自动驾驶功能等越来越“酷”。这些汽车正变得越来越智能，这要归功于它们的无线更新。

4.人工智能举例Cogito

Cogito它很可能是当今市场上存在的提高客户支持代表情商的行为适应最有力的例子之一。该公司是一个机器学习和行为科学的融合，以改善电话专业人员的客户互动。这适用于每天发生的数以百万计的语音通话。

八、人工智能导论学到了什么？

在人工智能导论课程中，学生将学习人工智能的基本概念、原理和技术。他们将了解机器学习、深度学习、自然语言处理、计算机视觉等关键领域的基本算法和方法。

此外，学生还将学习人工智能的应用领域，如智能机器人、自动驾驶、医疗诊断等。

他们将了解人工智能的伦理和社会影响，并探讨人工智能的未来发展趋势。

通过这门课程，学生将获得对人工智能的全面了解，为进一步深入研究和应用人工智能打下坚实基础。

九、人工智能导论学习的意义？

人工智能导论的学习，可以掌握知识表示、确定性和不确定性推理、搜索、进化计算、群智能、人工神经网络、专家系统、机器学习等基本理论与实用方法，了解深度学习、知识图谱等人工智能研究前沿内容，通过人工智能应用实例及虚拟仿真实验，可以提高应用人工智能理论解决工程问题的能力。

十、人工智能导论知识点总结？

《人工智能导论》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？

借助新一代信息技术（如传感技术、物联网技术、移动通信技术、大数据分析、3D打印等）的强力支持，让地球上所有东西实现被感知化、互联化和智能化。

背景为金融危机影响全球。

7.相关关系是怎么回事？

相关关系是客观现象存在的一种非确定的相互依存关系，即自变量的每一个取值，因变量由于受随机因素影响，与其所对应的数值是非确定性的。相关分析中的自变量和因变量没有严格的区别，可以互换。

8.盲目搜索是什么意思？

盲目搜索方法又叫非启发式搜索，是一种无信息搜索，一般只适用于求解比较简单的问题，盲目搜索通常是按预定的搜索策略进行搜索，而不会考虑到问题本身的特性。常用的盲目搜索有宽度优先搜索和深度优先搜索两种。

填空题知识点。

1. Wiener 在智能活动领域的理论贡献？

创立控制论，开创了一个全新的学科“控制科学”（Control Science），也开创了人工智能中的行为主义学派。

2.常见的盲目搜素算法有哪些？

常用的盲目搜索有宽度优先搜索和深度优先搜索两种。

3.最佳优先搜索算法？

最佳优先搜索（Best First Search），是一种启发式搜索算法（Heuristic Algorithm）,我们也可以将它看做广度优先搜索算法的一种改进；最佳优先搜索算法在广度优先搜索的基础上，用启发估价函数对将要被遍历到的点进行估价，然后选择代价小的进行遍历，直到找到目标节点或者遍历完所有点，算法结束。

4.大类来分，主要有哪三类机器学习算法？

监督学习、无监督学习、强化学习

5.监督学习的主要类型？

分类和回归，详见书上127页

6.人工智能之父是指？图灵测试的含义？

图灵。它的意义在于推动了计算机科学和人工智能的发展。

7.大数据时代，相关性和因果性的异同？

异：因果关系很难被轻易证明，但证明相关关系实验耗资少，费时也少。

同：相关关系为研究因果关系奠定了基础。

8.产生式系统的形式规则集怎样表示的？

IF[条件]THEN[动作]

9.机器学习算法都是基于什么理论的？

机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。

3.简答题知识点

1.大数据时代的思维转变？

1.样本=总体

2.接受数据的混杂性

3.数据的相关关系

2.人工智能领域的主要应用有哪些？

深度学习、自然语言处理、计算机视觉、智能机器人、自动程序设计、数据挖掘

3.知识表示法有哪些?

叙述式表示法、过程式表示法

4.线性回归与逻辑回归的比较。

参考一：在线性回归模型中，输出一般是连续的， 对于每一个输入的x，都有一个对应的输出y。因此模型的定义域和值域都可以是无穷。

但是对于逻辑回归，输入可以是连续的[-∞, +∞]，但输出一般是离散的，通常只有两个值{0, 1}。

参考二：逻辑回归的模型 是一个非线性模型，sigmoid函数，又称逻辑回归函数。但是它本质上又是一个线性回归模型，因为除去sigmoid映射函数关系，其他的步骤，算法都是线性回归的。可以说，逻辑回归，都是以线性回归为理论支持的。

只不过，线性模型，无法做到sigmoid的非线性形式，sigmoid可以轻松处理0/1分类问题。

5.人工智能时代的重要工作岗位。

数据科学家、机器学习工程师、数据标签专业人员、AI硬件专家、数据保护专家

6.为什么在大数据时代更关注相关关系？

相关关系实验耗资少、费时也少。为我们提供新的视角，而且提供的视角都很清晰。

7.语义网络如何理解？

语义网络是知识表示中最重要的通用形式之一，是一种表达能力强而且灵活的知识表示方法。它通过概念及其语义关系来表达知识的一种网络图。

8.神经元与神经网络的关系？神经元的工作原理。

关系：神经网络从这种自然典范中汲取灵感，设计人工神经网络。

原理：神经元由一个细胞体和突两部分组成。突分两类，轴突和树突。 树突和轴突共同作用，实现神经元之间的信息传递。

轴突的末端与树突进行进行信号传递的界面成为突触，通过突触向其他神经元发送信息。学习发生在突触附近，而且突触把经过一个神经元轴突的脉冲转化为下一个神经元的兴奋信号或抑制信号。

对某些突触的刺激促使神经元触发，只有神经元所有输入的总效应达到阈值电平，它才开始工作。

综合应用题的知识点

1.常用的机器学习算法有哪些？各自的特点和适用领域是怎样的？

回归算法：是最快速的机器算法之一，分类，预测离散值。

KNN算法：最基础和简单的算法之一，用于分类，比较数据点的距离，并将每个点分配给它最接近的组。

决策树算法：将一组“弱”学习器集合在一起，形成一种强算法。主要用来分类，也有做回归，但更多的是作为弱分类器，用在model 

贝叶斯算法：通过找到样本所属于的联合分步，然后通过贝叶斯公式，计算样本的后验概率。用于文本分析、分类

聚类算法：发现元素之间的共性并对它们进行相应的分组。

神经网络算法：通过找到某种非线性模型拟合数据，主要用在图像处理等

2.专家系统的概念、结构、各模块的作用怎样？。

专家系统是一种模拟人类专家解决领域问题的计算机程序系统。

人机交互界面、知识库、推理机、解释器、综合数据库、知识获取

人机界面：系统和用户进行交流的界面

知识库：存放专家提供的知识

推理机：对当前问题的条件或已知消息，仿佛匹配知识库中的规则，获取新理论，以得到问题求解结果

解释器：能根据用户的提问，对结论、求解过程做出说明

综合数据库：专门用于存储推理过程中所需要的原始数据、中间结果和最终结论