1、人工智能 試卷 A一填空題(15 分)人工智能系統(tǒng)是一個知識處理系統(tǒng)，而,則成為人工智能系統(tǒng)的三個基本問題新一代專家系統(tǒng)有分布式專家系統(tǒng)和協(xié)同式專家系統(tǒng)等.在新一代專家系統(tǒng)中，不但米用的方法，而且采用的技術(shù)和基于模型的原理.人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)基本上分為兩類，即遞歸網(wǎng)絡(luò)和前饋網(wǎng)絡(luò).遞歸網(wǎng)絡(luò)的典型代表有Elmman網(wǎng)絡(luò)，網(wǎng)絡(luò).前饋網(wǎng)絡(luò)的典型代表有多層感知機(jī)，等.進(jìn)化計算包括，進(jìn)化策略，遺傳編程。簡單遺傳算法的遺傳操作主要有三種：，.產(chǎn)生式系統(tǒng)的控制策略隨搜索方式的不同可分為，問答題.(20 分)廣度優(yōu)先搜索和深度優(yōu)先搜索各有什么特點？ (8分)一般程序和專家系統(tǒng)有什么區(qū)別？(12分)解答題：( 4

2、5 分)某問題由下列公式描述：沁)斗)(V初P曲司一艮1吝)(5) (V(Vy)Q(b,罵罵刼)試用消解原理證明(弓x)R(x)(15分)用謂詞演算公式表示下列英文句子(多用而不是省用不同謂詞和項，例如不要用單一的謂 詞字母來表示每個句子).(10 分)For every set x , there is a set y ,such that the cardinality of y is greater than the cardinality of x .用語義網(wǎng)絡(luò)表示下列知識：(10 分)樹和草都是植物.樹和草都是有根有葉的.水草是草，且長在水中.果樹是樹，且會結(jié)果.櫻桃樹是一種果樹，它

3、結(jié)櫻桃.八數(shù)碼難題.設(shè)問題的初始狀態(tài) S 和目標(biāo)狀態(tài) S 如下圖所示，且估價函數(shù)為：0gf(n)二d(n)+w(n),其中，d (n)表示節(jié)點n在搜索樹中的深度；w(n)表示節(jié)點n中“不在位”的數(shù)碼個數(shù).請計算初始狀態(tài)S的估價函數(shù)值f(S ) 并畫出該八數(shù)碼問題的有序 0 0搜索圖，標(biāo)明各節(jié)點的f值，及各節(jié)點的擴(kuò)展次序，并給出求得的解路徑。(15分)四論述題（15 分）運(yùn)用所學(xué)知識，試討論人工智能和人類智能的關(guān)系，人工智能能否超出人類智能？人工智能 試卷 B二填空題（15 分）新一代專家系統(tǒng)有分布式專家系統(tǒng)和協(xié)同式專家系統(tǒng)等.在新一代專家系統(tǒng)中，不但米用的方法，而且采用的技術(shù)和基于模型的原理.

4、搜索可以分為盲目搜索和啟發(fā)式搜索，其中盲目搜索包括, , 人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)基本上分為兩類，即和.前者的典型代表有Elmman網(wǎng)絡(luò)，Hopfield網(wǎng)絡(luò)和Jordan網(wǎng)絡(luò)等.后者的典型代表有多層感知機(jī)（MLP）,學(xué)習(xí)矢量量化等.進(jìn)化計算包括，進(jìn)化策略，遺傳編程。簡單遺傳算法的遺傳操作主要有三種：，.產(chǎn)生式系統(tǒng)的控制策略隨搜索方式的不同可分為，問答題（ 20 分）規(guī)則演繹系統(tǒng)和產(chǎn)生式系統(tǒng)有哪幾種推理方式？各自的特點為何？ （8分）專家系統(tǒng)應(yīng)具備的基本特征及包括哪些部分？每部分的主要功能是什么？（12 分）解答題某問題由下列公式描述：沁）斗）（V材司C5）（VVy）Q（byHQ（bnfi7 試用消

5、解原理證明（弓x）R（x）（15分）用謂詞演算公式表示下列英文句子（多用而不是省用不同謂詞和項，例如不要用單一的謂 詞字母來表示每個句子）.（10 分）A computer system is intelligent if it can perform a task which , if performed by a human , requires intelligence.作為一個電影觀眾，請你編寫一個去電影院看電影的劇本. （10 分）八數(shù)碼難題.設(shè)問題的初始狀態(tài) S 和目標(biāo)狀態(tài) S 如下圖所示，且估價函數(shù)為：0gf（n）二d（n）+w（n）,其中，d （n）表示節(jié)點n在搜索樹中的深度；

6、w（n）表示節(jié)點n中“不在位”的數(shù)碼個數(shù).請計算初始狀態(tài)S的估價函數(shù)值f（S ） 并畫出該八數(shù)碼問題的有序0 0搜索圖，給出該搜索結(jié)束時Open表和搜索圖，給出該搜索結(jié)束時Open表和Close表的21 -38416S內(nèi)容。（15 分） 四論述題（15 分）運(yùn)用所學(xué)知識，試討論人工智能和人類智能的關(guān)系，人工智能能否超出人類智能？人工智能答案A一填空知識表示，知識利用，知識獲取基于規(guī)則，基于框架Hopfield網(wǎng)絡(luò)（Jordan網(wǎng)絡(luò)），學(xué)習(xí)矢量量化（LVQ）或者小腦模型連接控制（CMAC）遺傳算法，進(jìn)化編程選擇，交叉，變異可撤回策略，回溯策略，圖搜索策略二問答廣度優(yōu)先搜索就是始終先在同一級節(jié)點中

7、考查，只有當(dāng)同一級節(jié)點考察完之后，才 考察下一級節(jié)點，廣度優(yōu)先搜索樹是自頂向下一層一層逐漸生成的廣度優(yōu)先搜索 策略是完備的，即如果問題的解存在那它一定能找到，且找到的解還是最優(yōu)解它 的缺點是搜索效率低算法中，擴(kuò)展子節(jié)點依次放入 OPEN 表的尾部；深度優(yōu)先搜 索就是在搜索樹的每一層始終只擴(kuò)展一個子節(jié)點，不斷向縱深前進(jìn)，直到不能再前 進(jìn)時，才從當(dāng)前節(jié)點返回到上一層節(jié)點，沿另一方向又繼續(xù)前進(jìn)算法中，擴(kuò)展節(jié) 點依次放入 OPEN 表首部，由于一個有解問題可能含有無窮分支，可能找不到目標(biāo) 節(jié)點，所以策略不完備前者把問題求解的知識隱含地編入程序，而后者則把其應(yīng)用領(lǐng)域的問題求解知識單 獨組成一個實體，即為

8、知識庫知識庫的處理是通過與知識分開的控制策略進(jìn)行 的更明確的說，一般程序把知識組織為兩級，數(shù)據(jù)級和程序級；大多數(shù)專家系統(tǒng) 則將知識組織成三級：數(shù)據(jù)，知識庫和控制三解答題1.丹)(弦)(旳)旳戸0(匕兀y) = (V)(Vy)P(y)V Q(b?爲(wèi)昭?)= Piy)/Q(ti,瓦臥瓦 y)(Vk)PCW= PfW4) (Vx)FAQg 匚 K)R (VHP(K)AQ(b,幼VRW窈 = (VP(x)VQ(U c. s)VRj(X =cn x)VRj(K)5) (V勸yy)Q包務(wù)刃tQ,蒼 f&)=n (Vx)(Vy)-QCbn 笙巧 V Q 瓦 fty)= Q(b, y)V Q(S 耳 fly)

9、 目標(biāo)求反：= (Vx)R(k)= Rj図變量換茗后，得子句集：(P(aP(yl)VQ(b,xljg(zl,yl),Pft：竝幾P碑VQh c?出)VR(K也, Q赳y4)VQ(h濾旳4幾農(nóng)功2.SET(x):x是一個集合。CARD(x,y):y是集合x的基數(shù).G(x,y):x大于y.(Vx)SET(x) n (3y)(3u)(3v)SET(y) a CARD(x,u) a CARD(y, v) a G(v,u)四 論述題略。人工智能答案B一填空3.4. f(s 0)=d(n)+w(n)=0+3=3f=3部分有序搜索樹如下：13824763.4. f(s 0)=d(n)+w(n)=0+3=3f

10、=3部分有序搜索樹如下：13824765123864751238647512386475基于規(guī)則，基于框架深度優(yōu)先搜索，寬度優(yōu)先搜索，等代價搜索反饋網(wǎng)絡(luò)，前饋網(wǎng)絡(luò)遺傳算法，進(jìn)化編程選擇，交叉，變異可撤回策略，回溯策略，圖搜索策略二問答題在基于規(guī)則的系統(tǒng)中，無論是規(guī)則演繹系統(tǒng)還是規(guī)則產(chǎn)生式系統(tǒng)，均有兩種推理方式，即 正向推理和逆向推理，對于從 if 向 then 部分推理的過程，叫做正向推理。正向推理是從事實或狀況向目標(biāo)或動作進(jìn)行操作的。反之從 then 向 if 部分推理的過程，叫做逆向推理。逆 向推理是從目標(biāo)或動作向事實或動作進(jìn)行操作的?；咎卣鳎篴.啟發(fā)性b.透明性c.靈活性專家系統(tǒng)主要組

11、成部分如下:(1)知識庫(knowledge base) 知識庫用于存儲某領(lǐng)域?qū)＜蚁到y(tǒng)的專門知識，包括事實、可 行操作與規(guī)則等。為了建立知識庫，要解決知識獲取和知識表示問題。知識獲取涉及知識工 程師(konwledge engineer)如何從專家那里獲得專門知識的問題；知識表示則要解決如何用計 算機(jī)能夠理解的形式表達(dá)和存儲知識的問題。(2)綜合數(shù)據(jù)庫(global database) 綜合數(shù)據(jù)庫又稱全局?jǐn)?shù)據(jù)庫或總數(shù)據(jù)庫，它用于存儲領(lǐng)域或問題的初始數(shù)據(jù)和推理過程中得到的 中間數(shù)據(jù)(信息)，即被處理對象的一些當(dāng)前事實。(3)推理機(jī)(reasoning machine) 推理機(jī)用于記憶所采用的規(guī)則

12、和控制策略的程序，使整個專家系統(tǒng)能夠以邏輯方式協(xié)調(diào)地工作。 推理機(jī)能夠根據(jù)知識進(jìn)行推理和導(dǎo)出結(jié)論，而不是簡單地搜索現(xiàn)成的答案。 (4) 解釋器 (explanator) 解釋器能夠向用戶解釋專家系統(tǒng)的行為，包括解釋推理結(jié)論的正確性以及系 統(tǒng)輸出其它候選解的原因。 (5)接口(interface) 接口又稱界面，它能夠使系統(tǒng)與用戶 進(jìn)行對話，使用戶能夠輸入必要的數(shù)據(jù)、提出問題和了解推理過程及推理結(jié)果等。系統(tǒng)則通 過接口，要求用戶回答提問，并回答用戶提出的問題，進(jìn)行必要的解釋。三. 解答題1.筆臥玄 y)= (VxXVy)P(y)VQ 耳 g(耳 /)=a P(y)V Q(S 耳 0) C3)(V

13、x)P(fi；x)= P(WC4)(Vx)PAQ(b?c?歸-出瓦囂) =a (Yz)P(k)AQ c, x)VR(K) = (Vx)応住)AQb, cn M)VRj(Mx =RX/Q(ti, c)VR(h()C5)(VxXVy)Q(by)Q(bnxnf(y) =a (Y(Vy)Q(b,菟 y)V Q(b 瓦 Sy) = Q(ti,爲(wèi)爲(wèi) fly)目標(biāo)求反=畑隔=a (V瑪畛)=(査)變重?fù)Q窖后，得子句集：P(或 P(yl)VQ(bnxlnlnyl)? 比竝砒巴疋訊0(13 x3)VR(h(z3)JQ(S x4, y4)/Q 鞏側(cè)4)嚴(yán)艮切2. C(X):X 為計算機(jī)系統(tǒng)； I(X)： X 是智

14、能的； E(X， Y)： X 可執(zhí)行 Y。 T(X)： X 是一項任務(wù)。 N(X)： X 需要智能。 P(X)： X 由人執(zhí)行。(Vx)(3y)(C(x) a E(x, y) a T(y) a N(y) a P(y) n I(x)看電影劇本:(1.)開場條件:( a ) 我想看電影(b)我有足夠的錢買電影票(2.)角色： 我，售票員，放映師，門衛(wèi)(3.)道具： 電影票，椅子，放映設(shè)備(屏幕，電影機(jī))，錢(4.)場景：場景一：買票(a) 我走到售票處，掏出錢給售票員。(b)售票員接過錢，并給了我電影票。 場景二：進(jìn)電影院我拿著票，走進(jìn)入口處，掏出票給門衛(wèi)看。門衛(wèi)讓我進(jìn)去。場景三：等待電影開始 我

15、找到我的座位，坐下。場景四：看電影電影開演了我被劇情深深吸引，全神貫注看電影場景五： 散場電影結(jié)束了我隨人流離開電影院。(5.)結(jié)果(a.)我看完電影，心情很好(b)我花了錢(c.)電影院掙了錢。4.f(s 0)=d(n)+w(n)=0+3=3部分有序搜索樹如下：ntdf=3ntof=4=5f=5Di2386475f=34.f(s 0)=d(n)+w(n)=0+3=3部分有序搜索樹如下：ntdf=3ntof=4=5f=5Di2386475f=3四.論述題關(guān)于人工智能是否會會超越人類的學(xué)習(xí)能力是智能行為f=4f=5ntof=5n人類智能這一問題，我認(rèn)為關(guān)鍵在于學(xué)習(xí)。 的一個非常重要的特征，沒有學(xué)

16、習(xí)，就沒有人類知識的傳承與積累，也就沒有人類文明。學(xué)習(xí)是生物中樞神經(jīng)系統(tǒng)的高級整合技能之一，是人類獲取 知識的重要途徑和人類智能的重要標(biāo)志；機(jī)器學(xué)習(xí)則是計算機(jī)獲取知識的重要途徑和人工智能的重要標(biāo)志，是一門研究怎樣用計算機(jī)來模擬或?qū)崿F(xiàn)人類學(xué)習(xí)活動的學(xué)科，它是人工智能的核心，也是使計算機(jī)具 有智能的根本途徑。人類學(xué)習(xí)的研究與機(jī)器學(xué)習(xí)研究兩者是一種相互影響、相互促進(jìn)的關(guān)系，但是至今人 們對學(xué)習(xí)的機(jī)理還不太清楚。這是因為長期以來，鑒于人的大腦結(jié)構(gòu)與功能的極度復(fù)雜性，探索和揭示 大腦的奧秘僅僅是人類一個美好的夢想，這也包括對大腦是如何進(jìn)行學(xué)習(xí)的研究。如果我們另辟蹊徑，把 關(guān)于人類學(xué)習(xí)的研究重點從對大腦的

17、研究轉(zhuǎn)換到“學(xué)習(xí)”這個概念上，即把“學(xué)習(xí)”作為研究對象，對其 本質(zhì)從哲學(xué)的視野下從認(rèn)知的角度進(jìn)行探索，這將對機(jī)器學(xué)習(xí)的發(fā)展具有一定的借鑒意義。另外，如果我們將機(jī)器學(xué)習(xí)與人類學(xué)習(xí)相比較，機(jī)器學(xué)習(xí)的實現(xiàn)還具有一宦 的難度，而且機(jī)器學(xué)習(xí)還有一些自身難臥克服的問題首先就是機(jī)器學(xué)習(xí)的后果 難預(yù)測。在前面提到過，機(jī)器一旦具有了學(xué)習(xí)的功能，那么也許有一天連設(shè)計者 本人都不知道機(jī)器進(jìn)化到了何種程度，也就是說，機(jī)器學(xué)習(xí)后知識庫發(fā)主了什么 變化都彳艮難預(yù)測。這是因為日前的大劣數(shù)專家系統(tǒng)部是脫離環(huán)境的學(xué)習(xí)，即將人 類專家準(zhǔn)備好的知識，以某種方式傳授給機(jī)器。但是如果熔機(jī)器學(xué)習(xí)的目的擴(kuò)展 到從環(huán)境中、從工作中、從人機(jī)交

18、互中自動提取、更新知識，那么學(xué)才產(chǎn)生的效 果就更加不可預(yù)測。人類制造機(jī)器學(xué)習(xí)的重要目的星為我所甩 如果機(jī)器超出了 人類的控制與預(yù)測，卻并不是人類制造它們的初衷其孤 機(jī)器學(xué)習(xí)作為人工智 能的核心，是使計算機(jī)具有智能的根本途徑，其應(yīng)用遍及人工智能的各個領(lǐng)域， 但是這種學(xué)習(xí)應(yīng)用的方式主要是便用歸納、綜合而不是演繹。然而歸納本身就存 在著一定的缺陷，現(xiàn)有的歸纟內(nèi)推理只保證假，不保證真。而且，歸納的結(jié)論星無 限多的，英中相當(dāng)多是假的，給生成的知識帶來不可靠生這與演繹的方法不臥 演繹推理是從.塞數(shù)現(xiàn)象申總結(jié)出結(jié)論，即從一般的現(xiàn)象推導(dǎo)出總結(jié)性的結(jié)論。就 人婁的學(xué)習(xí)而言，確是演繹與歸納兩種方法并屈的，13為這兩方法并不矛盾， 相良卻是互相促進(jìn)的機(jī)器學(xué)習(xí)由于自身的局限生 主宴采用歸納與綜合，但是 歸納的結(jié)論有可能是假的，其推理