國(guó)家開(kāi)放的大學(xué)《人工智能專(zhuān)題》形考任務(wù)一答案（ctrl+f查找）一、判斷題圖靈測(cè)試的價(jià)值不在于討論人類(lèi)智能與人工智能的性質(zhì)差異，而在于判別機(jī)器是否已經(jīng)具有智能。對(duì)圖靈測(cè)試一詞來(lái)源于艾倫·圖靈發(fā)表于1956年的一篇論文《計(jì)算機(jī)器與智能》錯(cuò)人工智能雖然對(duì)經(jīng)濟(jì)社會(huì)發(fā)展有巨大促進(jìn)作用，但同時(shí)也帶來(lái)了就業(yè)替代的隱憂(yōu)。對(duì)智能agent是一個(gè)會(huì)感知環(huán)境并作出行動(dòng)以達(dá)到目標(biāo)的系統(tǒng)。對(duì)機(jī)器智能是人腦的延伸。對(duì)谷歌為AlphaGo設(shè)計(jì)了兩個(gè)關(guān)鍵的神經(jīng)網(wǎng)絡(luò)，其中策略網(wǎng)絡(luò)選擇下棋步法，價(jià)值網(wǎng)絡(luò)評(píng)估棋盤(pán)位置。對(duì)1965年，美國(guó)MIT人工智能實(shí)驗(yàn)室的Roberts編制了多面體識(shí)別程序，開(kāi)創(chuàng)了計(jì)算機(jī)視覺(jué)的新領(lǐng)域。對(duì)強(qiáng)人工智能觀點(diǎn)認(rèn)為有可能制造出真正推理和解決問(wèn)題的智能機(jī)器。對(duì)超級(jí)智能時(shí)代是機(jī)器智能與移動(dòng)互聯(lián)網(wǎng)的深度結(jié)合。錯(cuò)世界上第一臺(tái)通用計(jì)算機(jī)"ENIAC"于1956年在美國(guó)賓夕法尼亞大學(xué)誕生。錯(cuò)機(jī)器學(xué)習(xí)的目的是通過(guò)數(shù)據(jù)掌握事物的規(guī)律性對(duì)第一臺(tái)電子計(jì)算機(jī)的設(shè)計(jì)目的是：在二戰(zhàn)中計(jì)算長(zhǎng)程火炮的彈道軌跡。對(duì)戰(zhàn)勝李世石的谷歌AlphaGo，是弱人工智能的典型代表。對(duì)認(rèn)知模擬是指使用心理學(xué)實(shí)驗(yàn)的結(jié)果開(kāi)發(fā)模擬人類(lèi)解決問(wèn)題方法的程序。對(duì)計(jì)算機(jī)不具有理性和邏輯思維。錯(cuò)強(qiáng)人工智能被認(rèn)為是有自我意識(shí)的。對(duì)1997年，象棋電腦“深藍(lán)”戰(zhàn)勝了卡斯帕羅夫，宣告人工智能研究領(lǐng)域的里程碑式進(jìn)展。對(duì)弱人工智能具備自我思考、自我推理和解決問(wèn)題的能力錯(cuò)首次通過(guò)圖靈測(cè)試的人工智能軟件是聊天程序尤金·古斯特曼”(EugeneGoostman)。對(duì)計(jì)算機(jī)的基本結(jié)構(gòu)以真值函數(shù)理論為模型。對(duì)強(qiáng)人工智能無(wú)法根據(jù)具體環(huán)境需求決定怎么做和做什么。錯(cuò)在超級(jí)智能時(shí)代，人類(lèi)需要學(xué)會(huì)適應(yīng)機(jī)器。錯(cuò)弱人工智能具備自我思考、自我推理和解決問(wèn)題的能力錯(cuò)二、選擇題在最初的圖靈測(cè)試中，如果有超過(guò)（30%）的測(cè)試者不能確定被測(cè)試者是人還是機(jī)器，則這臺(tái)機(jī)器就通過(guò)了測(cè)試，并認(rèn)為具有人類(lèi)智能。“電腦”一詞是（路易斯·蒙巴頓

）發(fā)明的？機(jī)器智能的標(biāo)準(zhǔn)于（1950年）年提出。（超級(jí)智能時(shí)代

）是指機(jī)器智能和物聯(lián)網(wǎng)（IOT）的深度結(jié)合。1954年，（ibm）公司在701機(jī)上做了俄英翻譯的公開(kāi)表演。第二代移動(dòng)互聯(lián)網(wǎng)的操作系統(tǒng)是（C.Android

）？機(jī)器智能的核心技術(shù)主要包括（1234）①數(shù)據(jù)搜集②數(shù)據(jù)存儲(chǔ)③數(shù)據(jù)表示④數(shù)據(jù)挖掘和使用（1956年）年在美國(guó)Dartmouth大學(xué)召開(kāi)的第一次人工智能研討會(huì)被認(rèn)為是人工智能科學(xué)正式誕生的標(biāo)志?！叭斯ぶ悄芫褪茄芯咳绾问褂?jì)算機(jī)去做過(guò)去只有人才能做的智能工作?！笔牵绹?guó)麻省理工學(xué)院的溫斯頓教授

）的觀點(diǎn)。人工智能:選TigerGraph企業(yè)級(jí)可擴(kuò)展圖數(shù)據(jù)庫(kù)廣告TigerGraph圖數(shù)據(jù)庫(kù)被公認(rèn)為非常適合企業(yè)級(jí)采用，助力人工智能，反欺詐，反洗錢(qián)查看詳情>Google之所以購(gòu)買(mǎi)Nest公司是為了（

數(shù)據(jù)搜集

）？深度學(xué)習(xí)是一種（數(shù)據(jù)挖掘和使用

）的方法?！八瓤赡艹蔀槿祟?lèi)迄今發(fā)生過(guò)的最好的事，也可能成為最糟糕的事。”是（霍金）對(duì)人工智能的評(píng)價(jià)？被稱(chēng)為“計(jì)算機(jī)科學(xué)之父”的是（艾倫·圖靈

）國(guó)家開(kāi)放的大學(xué)《人工智能專(zhuān)題》形考任務(wù)二答案判斷題現(xiàn)實(shí)世界中的規(guī)劃問(wèn)題需要先調(diào)度，后規(guī)劃。錯(cuò)啟發(fā)式規(guī)劃的兩種方法是減少更多的邊或者狀態(tài)抽象。錯(cuò)語(yǔ)義網(wǎng)絡(luò)的表示方法只能表示有關(guān)某一事物的知識(shí)，無(wú)法表示一系列動(dòng)作、一個(gè)事件等的知識(shí)。錯(cuò)下圖表示的是前向狀態(tài)空間搜索。對(duì)人們需要把分類(lèi)器學(xué)習(xí)的樣本的特點(diǎn)進(jìn)行量化，這些量化后的數(shù)據(jù)，如鳶尾花的高度、花瓣的長(zhǎng)度、花瓣的寬度等就是鳶尾花的特征。這些特征都是有效的，可以提供給分類(lèi)器進(jìn)行訓(xùn)練。錯(cuò)狀態(tài)空間圖是對(duì)一個(gè)問(wèn)題的表示，通過(guò)問(wèn)題表示，人們可以探索和分析通往解的可能的可替代路徑。特定問(wèn)題的解將對(duì)應(yīng)狀態(tài)空間圖中的一條路徑。對(duì)貝葉斯定理是為了解決頻率概率問(wèn)題提出來(lái)的。錯(cuò)深度學(xué)習(xí)是計(jì)算機(jī)利用其計(jì)算能力處理大量數(shù)據(jù)，獲得看似人類(lèi)同等智能的工具。對(duì)分層規(guī)劃中包含基本動(dòng)作和高層動(dòng)作。對(duì)謂詞邏輯是應(yīng)用于計(jì)算機(jī)的邏輯形式，其邏輯規(guī)則、符號(hào)系統(tǒng)與命題邏輯是一樣的。錯(cuò)P（A∣B）代表事件A發(fā)生的條件下事件B發(fā)生的概率。錯(cuò)人工智能利用遺傳算法在求解優(yōu)化問(wèn)題時(shí)，會(huì)把問(wèn)題的解用“0”和“1”表示。0,1就是就是“遺傳基因”，01組成的字符串，稱(chēng)為一個(gè)染色體或個(gè)體。對(duì)填空題人們想讓智能機(jī)器分辨哪個(gè)動(dòng)物是熊貓，就會(huì)輸入一些數(shù)據(jù)告訴機(jī)器。如圖上所示的“大大的腦袋，黑白兩色，黑眼眶，圓耳朵”，這些屬于（特征值）。貝葉斯網(wǎng)絡(luò)是（

朱迪亞·珀?duì)?/p>

）首先提出來(lái)的。遺傳算法具有（生存＋檢測(cè)

）的迭代過(guò)程的搜索算法。也就是說(shuō)，通過(guò)群體的一代代的不斷進(jìn)化，最終收斂到“最適應(yīng)環(huán)境”的個(gè)體，從而求得問(wèn)題的最優(yōu)解或滿(mǎn)意解。（多選）在A*算法中，當(dāng)我們找尋當(dāng)前節(jié)點(diǎn)的相鄰子節(jié)點(diǎn)時(shí)，需要考慮（如果該子節(jié)點(diǎn)已經(jīng)在Open列表中，則我們需要檢查其通過(guò)當(dāng)前節(jié)點(diǎn)計(jì)算得到的F值。如果比它原有計(jì)算的F值更小。如果更小則更新其F值，并將其父節(jié)點(diǎn)設(shè)置為當(dāng)前節(jié)點(diǎn)。如果沒(méi)有更小，則保持它原有的父節(jié)點(diǎn)和F值。如果該子節(jié)點(diǎn)已經(jīng)在Close列表中，則我們可以直接丟棄它。

如果該子節(jié)點(diǎn)不在任何列表中，則將其加入到Open列表，并計(jì)算F值，設(shè)置其父節(jié)點(diǎn)為當(dāng)前節(jié)點(diǎn)。

下列哪一條是關(guān)鍵路徑？請(qǐng)選擇相應(yīng)的路徑按鈕。.(路徑2)算法模型看起來(lái)像一棵倒立的樹(shù)，數(shù)據(jù)沿著樹(shù)根輸入，再?gòu)娜~子節(jié)點(diǎn)輸出，中間的分支要根據(jù)不同特征的信息進(jìn)行判斷，決定該向左走還是向右走，這種算法稱(chēng)為（決策樹(shù)）。（多選）貝葉斯認(rèn)為概率是（對(duì)事物發(fā)生可能性的一種合理置信度；

基于不確定性因素的考慮；建立在主觀判斷基礎(chǔ)上的

）。（A*算法

）的原理是：每一個(gè)節(jié)點(diǎn)綁定一個(gè)啟發(fā)值，然后經(jīng)過(guò)一次又一次的篩選，引導(dǎo)機(jī)器優(yōu)先篩選那些啟發(fā)值更優(yōu)的節(jié)點(diǎn)，規(guī)避一些無(wú)用或效率較低的節(jié)點(diǎn)，從而快速找到問(wèn)題的解。

當(dāng)我們?cè)谖锲贩N類(lèi)很多的情況下，需要快速選擇出一種最優(yōu)搭配方案時(shí)，其實(shí)可以借助一些特別的處理方法來(lái)解決，這些方法中的一種被稱(chēng)為“遺傳算法”，它是通過(guò)模擬達(dá)爾文的進(jìn)化論來(lái)解決問(wèn)題的，因此也被歸類(lèi)為“進(jìn)化算法”。（約翰?霍蘭德

）教授首先提出“遺傳算法”?！半娔X”一詞是（路易斯·蒙巴頓

）發(fā)明的？機(jī)器智能的標(biāo)準(zhǔn)于（1950年）年提出。（超級(jí)智能時(shí)代

）是指機(jī)器智能和物聯(lián)網(wǎng)（IOT）的深度結(jié)合。1954年，（ibm）公司在701機(jī)上做了俄英翻譯的公開(kāi)表演。第二代移動(dòng)互聯(lián)網(wǎng)的操作系統(tǒng)是（C.Android

）？機(jī)器智能的核心技術(shù)主要包括（1234）①數(shù)據(jù)搜集②數(shù)據(jù)存儲(chǔ)③數(shù)據(jù)表示④數(shù)據(jù)挖掘和使用（1956年）年在美國(guó)Dartmouth大學(xué)召開(kāi)的第一次人工智能研討會(huì)被認(rèn)為是人工智能科學(xué)正式誕生的標(biāo)志?！叭斯ぶ悄芫褪茄芯咳绾问褂?jì)算機(jī)去做過(guò)去只有人才能做的智能工作?！笔牵绹?guó)麻省理工學(xué)院的溫斯頓教授

）的觀點(diǎn)。人工智能:選TigerGraph企業(yè)級(jí)可擴(kuò)展圖數(shù)據(jù)庫(kù)廣告TigerGraph圖數(shù)據(jù)庫(kù)被公認(rèn)為非常適合企業(yè)級(jí)采用，助力人工智能，反欺詐，反洗錢(qián)查看詳情>Google之所以購(gòu)買(mǎi)Nest公司是為了（

數(shù)據(jù)搜集

）？深度學(xué)習(xí)是一種（數(shù)據(jù)挖掘和使用

）的方法?！八瓤赡艹蔀槿祟?lèi)迄今發(fā)生過(guò)的最好的事，也可能成為最糟糕的事?！笔牵ɑ艚穑?duì)人工智能的評(píng)價(jià)？被稱(chēng)為“計(jì)算機(jī)科學(xué)之父”的是（艾倫·圖靈

）國(guó)家開(kāi)放的大學(xué)《人工智能專(zhuān)題》形考任務(wù)二答案判斷題現(xiàn)實(shí)世界中的規(guī)劃問(wèn)題需要先調(diào)度，后規(guī)劃。錯(cuò)啟發(fā)式規(guī)劃的兩種方法是減少更多的邊或者狀態(tài)抽象。錯(cuò)語(yǔ)義網(wǎng)絡(luò)的表示方法只能表示有關(guān)某一事物的知識(shí)，無(wú)法表示一系列動(dòng)作、一個(gè)事件等的知識(shí)。錯(cuò)下圖表示的是前向狀態(tài)空間搜索。對(duì)人們需要把分類(lèi)器學(xué)習(xí)的樣本的特點(diǎn)進(jìn)行量化，這些量化后的數(shù)據(jù)，如鳶尾花的高度、花瓣的長(zhǎng)度、花瓣的寬度等就是鳶尾花的特征。這些特征都是有效的，可以提供給分類(lèi)器進(jìn)行訓(xùn)練。錯(cuò)狀態(tài)空間圖是對(duì)一個(gè)問(wèn)題的表示，通過(guò)問(wèn)題表示，人們可以探索和分析通往解的可能的可替代路徑。特定問(wèn)題的解將對(duì)應(yīng)狀態(tài)空間圖中的一條路徑。對(duì)貝葉斯定理是為了解決頻率概率問(wèn)題提出來(lái)的。錯(cuò)深度學(xué)習(xí)是計(jì)算機(jī)利用其計(jì)算能力處理大量數(shù)據(jù)，獲得看似人類(lèi)同等智能的工具。對(duì)分層規(guī)劃中包含基本動(dòng)作和高層動(dòng)作。對(duì)謂詞邏輯是應(yīng)用于計(jì)算機(jī)的邏輯形式，其邏輯規(guī)則、符號(hào)系統(tǒng)與命題邏輯是一樣的。錯(cuò)P（A∣B）代表事件A發(fā)生的條件下事件B發(fā)生的概率。錯(cuò)人工智能利用遺傳算法在求解優(yōu)化問(wèn)題時(shí)，會(huì)把問(wèn)題的解用“0”和“1”表示。0,1就是就是“遺傳基因”，01組成的字符串，稱(chēng)為一個(gè)染色體或個(gè)體。對(duì)填空題人們想讓智能機(jī)器分辨哪個(gè)動(dòng)物是熊貓，就會(huì)輸入一些數(shù)據(jù)告訴機(jī)器。如圖上所示的“大大的腦袋，黑白兩色，黑眼眶，圓耳朵”，這些屬于（特征值）。貝葉斯網(wǎng)絡(luò)是（

朱迪亞·珀?duì)?/p>

）首先提出來(lái)的。遺傳算法具有（生存＋檢測(cè)

）的迭代過(guò)程的搜索算法。也就是說(shuō)，通過(guò)群體的一代代的不斷進(jìn)化，最終收斂到“最適應(yīng)環(huán)境”的個(gè)體，從而求得問(wèn)題的最優(yōu)解或滿(mǎn)意解。（多選）在A*算法中，當(dāng)我們找尋當(dāng)前節(jié)點(diǎn)的相鄰子節(jié)點(diǎn)時(shí)，需要考慮（如果該子節(jié)點(diǎn)已經(jīng)在Open列表中，則我們需要檢查其通過(guò)當(dāng)前節(jié)點(diǎn)計(jì)算得到的F值。如果比它原有計(jì)算的F值更小。如果更小則更新其F值，并將其父節(jié)點(diǎn)設(shè)置為當(dāng)前節(jié)點(diǎn)。如果沒(méi)有更小，則保持它原有的父節(jié)點(diǎn)和F值。如果該子節(jié)點(diǎn)已經(jīng)在Close列表中，則我們可以直接丟棄它。

如果該子節(jié)點(diǎn)不在任何列表中，則將其加入到Open列表，并計(jì)算F值，設(shè)置其父節(jié)點(diǎn)為當(dāng)前節(jié)點(diǎn)。

下列哪一條是關(guān)鍵路徑？請(qǐng)選擇相應(yīng)的路徑按鈕。.(路徑2)算法模型看起來(lái)像一棵倒立的樹(shù)，數(shù)據(jù)沿著樹(shù)根輸入，再?gòu)娜~子節(jié)點(diǎn)輸出，中間的分支要根據(jù)不同特征的信息進(jìn)行判斷，決定該向左走還是向右走，這種算法稱(chēng)為（決策樹(shù)）。（多選）貝葉斯認(rèn)為概率是（對(duì)事物發(fā)生可能性的一種合理置信度；

基于不確定性因素的考慮；建立在主觀判斷基礎(chǔ)上的

）。（A*算法

）的原理是：每一個(gè)節(jié)點(diǎn)綁定一個(gè)啟發(fā)值，然后經(jīng)過(guò)一次又一次的篩選，引導(dǎo)機(jī)器優(yōu)先篩選那些啟發(fā)值更優(yōu)的節(jié)點(diǎn)，規(guī)避一些無(wú)用或效率較低的節(jié)點(diǎn)，從而快速找到問(wèn)題的解。

當(dāng)我們?cè)谖锲贩N類(lèi)很多的情況下，需要快速選擇出一種最優(yōu)搭配方案時(shí)，其實(shí)可以借助一些特別的處理方法來(lái)解決，這些方法中的一種被稱(chēng)為“遺傳算法”，它是通過(guò)模擬達(dá)爾文的進(jìn)化論來(lái)解決問(wèn)題的，因此也被歸類(lèi)為“進(jìn)化算法”。（約翰?霍蘭德

）教授首先提出“遺傳算法”?！半娔X”一詞是（路易斯·蒙巴頓

）發(fā)明的？機(jī)器智能的標(biāo)準(zhǔn)于（1950年）年提出。（超級(jí)智能時(shí)代

）是指機(jī)器智能和物聯(lián)網(wǎng)（IOT）的深度結(jié)合。1954年，（ibm）公司在701機(jī)上做了俄英翻譯的公開(kāi)表演。第二代移動(dòng)互聯(lián)網(wǎng)的操作系統(tǒng)是（C.Android

）？機(jī)器智能的核心技術(shù)主要包括（1234）①數(shù)據(jù)搜集②數(shù)據(jù)存儲(chǔ)③數(shù)據(jù)表示④數(shù)據(jù)挖掘和使用（1956年）年在美國(guó)Dartmouth大學(xué)召開(kāi)的第一次人工智能研討會(huì)被認(rèn)為是人工智能科學(xué)正式誕生的標(biāo)志?！叭斯ぶ悄芫褪茄芯咳绾问褂?jì)算機(jī)去做過(guò)去只有人才能做的智能工作?！笔牵绹?guó)麻省理工學(xué)院的溫斯頓教授

）的觀點(diǎn)。人工智能:選TigerGraph企業(yè)級(jí)可擴(kuò)展圖數(shù)據(jù)庫(kù)廣告TigerGraph圖數(shù)據(jù)庫(kù)被公認(rèn)為非常適合企業(yè)級(jí)采用，助力人工智能，反欺詐，反洗錢(qián)查看詳情>Google之所以購(gòu)買(mǎi)Nest公司是為了（

數(shù)據(jù)搜集

）？深度學(xué)習(xí)是一種（數(shù)據(jù)挖掘和使用

）的方法?！八瓤赡艹蔀槿祟?lèi)迄今發(fā)生過(guò)的最好的事，也可能成為最糟糕的事?！笔牵ɑ艚穑?duì)人工智能的評(píng)價(jià)？被稱(chēng)為“計(jì)算機(jī)科學(xué)之父”的是（艾倫·圖靈

）國(guó)家開(kāi)放的大學(xué)《人工智能專(zhuān)題》形考任務(wù)二答案判斷題現(xiàn)實(shí)世界中的規(guī)劃問(wèn)題需要先調(diào)度，后規(guī)劃。錯(cuò)啟發(fā)式規(guī)劃的兩種方法是減少更多的邊或者狀態(tài)抽象。錯(cuò)語(yǔ)義網(wǎng)絡(luò)的表示方法只能表示有關(guān)某一事物的知識(shí)，無(wú)法表示一系列動(dòng)作、一個(gè)事件等的知識(shí)。錯(cuò)下圖表示的是前向狀態(tài)空間搜索。對(duì)人們需要把分類(lèi)器學(xué)習(xí)的樣本的特點(diǎn)進(jìn)行量化，這些量化后的數(shù)據(jù)，如鳶尾花的高度、花瓣的長(zhǎng)度、花瓣的寬度等就是鳶尾花的特征。這些特征都是有效的，可以提供給分類(lèi)器進(jìn)行訓(xùn)練。錯(cuò)狀態(tài)空間圖是對(duì)一個(gè)問(wèn)題的表示，通過(guò)問(wèn)題表示，人們可以探索和分析通往解的可能的可替代路徑。特定問(wèn)題的解將對(duì)應(yīng)狀態(tài)空間圖中的一條路徑。對(duì)貝葉斯定理是為了解決頻率概率問(wèn)題提出來(lái)的。錯(cuò)深度學(xué)習(xí)是計(jì)算機(jī)利用其計(jì)算能力處理大量數(shù)據(jù)，獲得看似人類(lèi)同等智能的工具。對(duì)分層規(guī)劃中包含基本動(dòng)作和高層動(dòng)作。對(duì)謂詞邏輯是應(yīng)用于計(jì)算機(jī)的邏輯形式，其邏輯規(guī)則、符號(hào)系統(tǒng)與命題邏輯是一樣的。錯(cuò)P（A∣B）代表事件A發(fā)生的條件下事件B發(fā)生的概率。錯(cuò)人工智能利用遺傳算法在求解優(yōu)化問(wèn)題時(shí)，會(huì)把問(wèn)題的解用“0”和“1”表示。0,1就是就是“遺傳基因”，01組成的字符串，稱(chēng)為一個(gè)染色體或個(gè)體。對(duì)填空題人們想讓智能機(jī)器分辨哪個(gè)動(dòng)物是熊貓，就會(huì)輸入一些數(shù)據(jù)告訴機(jī)器。如圖上所示的“大大的腦袋，黑白兩色，黑眼眶，圓耳朵”，這些屬于（特征值）。貝葉斯網(wǎng)絡(luò)是（

朱迪亞·珀?duì)?/p>

）首先提出來(lái)的。遺傳算法具有（生存＋檢測(cè)

）的迭代過(guò)程的搜索算法。也就是說(shuō)，通過(guò)群體的一代代的不斷進(jìn)化，最終收斂到“最適應(yīng)環(huán)境”的個(gè)體，從而求得問(wèn)題的最優(yōu)解或滿(mǎn)意解。（多選）在A*算法中，當(dāng)我們找尋當(dāng)前節(jié)點(diǎn)的相鄰子節(jié)點(diǎn)時(shí)，需要考慮（如果該子節(jié)點(diǎn)已經(jīng)在Open列表中，則我們需要檢查其通過(guò)當(dāng)前節(jié)點(diǎn)計(jì)算得到的F值。如果比它原有計(jì)算的F值更小。如果更小則更新其F值，并將其父節(jié)點(diǎn)設(shè)置為當(dāng)前節(jié)點(diǎn)。如果沒(méi)有更小，則保持它原有的父節(jié)點(diǎn)和F值。如果該子節(jié)點(diǎn)已經(jīng)在Close列表中，則我們可以直接丟棄它。

如果該子節(jié)點(diǎn)不在任何列表中，則將其加入到Open列表，并計(jì)算F值，設(shè)置其父節(jié)點(diǎn)為當(dāng)前節(jié)點(diǎn)。

下列哪一條是關(guān)鍵路徑？請(qǐng)選擇相應(yīng)的路徑按鈕。.(路徑2)算法模型看起來(lái)像一棵倒立的樹(shù)，數(shù)據(jù)沿著樹(shù)根輸入，再?gòu)娜~子節(jié)點(diǎn)輸出，中間的分支要根據(jù)不同特征的信息進(jìn)行判斷，決定該向左走還是向右走，這種算法稱(chēng)為（決策樹(shù)）。（多選）貝葉斯認(rèn)為概率是（對(duì)事物發(fā)生可能性的一種合理置信度；

基于不確定性因素的考慮；建立在主觀判斷基礎(chǔ)上的

）。（A*算法

）的原理是：每一個(gè)節(jié)點(diǎn)綁定一個(gè)啟發(fā)值，然后經(jīng)過(guò)一次又一次的篩選，引導(dǎo)機(jī)器優(yōu)先篩選那些啟發(fā)值更優(yōu)的節(jié)點(diǎn)，規(guī)避一些無(wú)用或效率較低的節(jié)點(diǎn)，從而快速找到問(wèn)題的解。

當(dāng)我們?cè)谖锲贩N類(lèi)很多的情況下，需要快速選擇出一種最優(yōu)搭配方案時(shí)，其實(shí)可以借助一些特別的處理方法來(lái)解決，這些方法中的一種被稱(chēng)為“遺傳算法”，它是通過(guò)模擬達(dá)爾文的進(jìn)化論來(lái)解決問(wèn)題的，因此也被歸類(lèi)為“進(jìn)化算法”。（約翰?霍蘭德

）教授首先提出“遺傳算法”。（多選）假設(shè)有一個(gè)能自己打掃衛(wèi)生的真空吸塵器，它的世界只有兩塊地毯那么大。它可以感知自己處于哪塊地毯，這塊地毯是干凈的還是臟的。它可以選擇向左移動(dòng)（R）、向右移動(dòng)（L）、吸塵（S），或者什么也不做。下面是吸塵器清掃地毯這個(gè)問(wèn)題的狀態(tài)空間圖，圖中的“R”“L”“S”等稱(chēng)為這個(gè)問(wèn)題的（算符，算子）.貝葉斯網(wǎng)絡(luò)是一個(gè)（有向無(wú)環(huán)圖）。以下哪一項(xiàng)不是機(jī)器智能的來(lái)源（

數(shù)據(jù)結(jié)構(gòu)

）下面的動(dòng)物識(shí)別系統(tǒng)中，我們可以在方框中點(diǎn)擊所知?jiǎng)游锏哪承┨卣鳎?jì)算機(jī)可以據(jù)此來(lái)識(shí)別該動(dòng)物。這一系統(tǒng)所使用的知識(shí)表示方法是（

產(chǎn)生式系統(tǒng)）（多選）機(jī)器通過(guò)“學(xué)習(xí)”也能掌握這種分門(mén)別類(lèi)的技能，如識(shí)別人臉，或者區(qū)分兩種花。像這樣能夠完成分類(lèi)任務(wù)的人工智能系統(tǒng)，被稱(chēng)為分類(lèi)器。機(jī)器分類(lèi)的流程可以被抽象為（）和（

分類(lèi)器訓(xùn)練、提取特征

）（亞瑟·塞繆爾）設(shè)計(jì)出了一個(gè)會(huì)自主學(xué)習(xí)的跳棋程序，駁倒了“機(jī)器無(wú)法超越人類(lèi)，像人類(lèi)一樣寫(xiě)代碼和學(xué)習(xí)”的理論，創(chuàng)造出了“機(jī)器學(xué)習(xí)”這一術(shù)語(yǔ)。（多選）人工智能中問(wèn)題求解的目的包括：（讓機(jī)器自動(dòng)找出某問(wèn)題的正確解決策略。讓機(jī)器舉一反三，具有解決同類(lèi)問(wèn)題的能力。（多選）手機(jī)上的智能語(yǔ)音助手，之所以能解答我們的問(wèn)題是由于（基于其龐大的符號(hào)知識(shí)庫(kù)；它可以先識(shí)別動(dòng)詞和名詞，將名詞變成符號(hào)，將動(dòng)詞變成關(guān)系，然后在知識(shí)庫(kù)中找到它們。它可以憑借其邏輯能力推理并解答問(wèn)題

）？當(dāng)神經(jīng)網(wǎng)絡(luò)接收到工作任務(wù)時(shí)，就是用（輸入層）來(lái)接收這些任務(wù)所對(duì)應(yīng)的數(shù)據(jù)集，如圖像每個(gè)像素點(diǎn)的特征數(shù)值——色彩、亮度等。（）的每個(gè)神經(jīng)元都是任務(wù)的特征，即特征數(shù)值。以下哪種知識(shí)表示的方法適宜描述特定場(chǎng)景中固定不變的事件序列（腳本表示法）。深度學(xué)習(xí)模型區(qū)別于早期的人工神經(jīng)網(wǎng)絡(luò)的是（

增加模型訓(xùn)練的層次

）機(jī)器學(xué)習(xí)過(guò)程中，近似于人類(lèi)的歸納推理式學(xué)習(xí)方式，被譽(yù)為“人工智能最有價(jià)值的地方”的學(xué)習(xí)方式是（無(wú)監(jiān)督學(xué)習(xí)）。（多選）定義規(guī)劃任務(wù)的要素有：（狀態(tài)

、目標(biāo)、動(dòng)作

）。國(guó)家開(kāi)放的大學(xué)《人工智能專(zhuān)題》形考任務(wù)三答案判斷題第一代防火墻是一種動(dòng)態(tài)的防護(hù)。錯(cuò)自然語(yǔ)言理解可能會(huì)導(dǎo)致很多人失業(yè)。對(duì)大數(shù)據(jù)具有全面性的特點(diǎn)。對(duì)第三代防火墻利用大數(shù)據(jù)和機(jī)器智能技術(shù)對(duì)業(yè)務(wù)邏輯進(jìn)行分析。對(duì)大數(shù)據(jù)能跟蹤每一個(gè)商品和每一筆交易。對(duì)人工智能在醫(yī)學(xué)領(lǐng)域的應(yīng)用包括讀片、標(biāo)本分類(lèi)和疾病診斷。對(duì)通過(guò)物聯(lián)網(wǎng)技術(shù)可以實(shí)現(xiàn)智能化識(shí)別、定位、跟蹤、監(jiān)控和管理。對(duì)第二代防火墻通過(guò)數(shù)據(jù)驅(qū)動(dòng)的方法，在系統(tǒng)層面做分析。對(duì)智能交通是解決交通堵塞的有效方法。對(duì)GPU、DSP等圖像處理硬件技術(shù)的飛速進(jìn)步，為機(jī)器視覺(jué)飛速發(fā)展提供了基礎(chǔ)條件對(duì)智能物流在一定程度上能夠減少自然資源和社會(huì)資源消耗。對(duì)智能制造的發(fā)展是我