人工智能

第一章：緒論

智能：
根據對人腦已有的認識，結合智能的外在表現，從不一樣的角度、不一樣的側面、用不一樣的方法對智能進行研究，提出了幾種不一樣的觀點，其中影響較大的觀點有思惟理論、知識閾值理論及進化理論。綜合三個方面，智能是知識與智力的總和。其中，知識是一切智能行爲的基礎，而智力是獲取知識並應用知識求解問題的能力。
智能的基本特徵：
一、感知能力、二、記憶與思惟能、三、學習能力、四、行爲能力（表達能力）
人工智能的研究內容：
知識表示、機器感知、機器思惟、機器學習、機器行爲
人工智能的研究目標：
近期目標：使現有的電子數字計算機更聰明、更有用，使它不只能作通常的數值計算及非數值信息的數據處理，並且能運用知識處理問題，能模擬人類的部分智能行爲。
建造智能機器人代替人類的部分智力勞動。
遠期目標：用自動機模仿人類的思惟過程和智能行爲。
最終目標：機器智能實現生物智能的各項功能。
智能行爲：感知、推理、學習、通訊和複雜環境下的動做行爲
知識發現的處理過程：數據挖掘、數據選擇、知識評價  
人工智能的主要學派：符號主義、鏈接主義和行爲主義
人工智能的研究途徑：心理模擬 、生理模擬和行爲模擬
人工智能的應用領域：智能控制、智能管理、智能決策、智能仿真。
人工智能的基本技術：表示 、運算、搜索概括技術、聯想技術
人工智能（機器智能）、學科和能力：（書）所謂人工智能就是用人工的方法在機器(計算機)上實現的智能，或者說是人們使機器具備相似於人的智能。從學科角度來看：人工智能是計算機科學中涉及研究、設計和應用智能機器的一個分支。它的近期主要目標在於研究用機器來模仿和執行人腦的某些智能功能，並開發相關理論和技術。從能力角度來看：人工智能是智能機器所執行的一般與人類智能有關的功能。
對認知行爲進行研究：心理活動的最高層級是思惟策略，中間一層是初級信息處理，最低層級是生理過程，與此相應的是計算機程序、語言和硬件。研究認知過程的主要任務是探求高層次思惟決策與初級信息處理的關係，並用計算機程序來模擬人的思惟策略水平，而用計算機語言模擬人的初級信息處理過程。
人工智能新的研究熱點：新的研究熱點：分佈式人工智能與Agent，計算智能與進化計算，數據挖掘與知識發現 (超市市場商品數據分析)，人工生命

第二章：知識表示方法

知識的通常概念：知識是人們在改造客觀世界的實踐中積累起來的認識和經驗
知識表示：是研究用機器表示知識的可行性、有效性的通常方法，是一種數據結構與控制結構的統一體，既考慮知識的存儲又考慮知識的使用。
知識表示的要求：表示能力、可利用性、可實現性、可組織性、可維護性、天然性、可理解性
狀態空間法的三要素：狀態、算符、狀態空間方法
問題求解技術：問題的表示和求解的方法
二種不肯定性：關於證據的不肯定性和關於結論的不肯定性 
原子公式：由若干謂詞符號和項組成
問題的狀態空間包含三種說明的集合：初始狀態集合S、操做符集合以及目標狀態集合
「我聽音樂或者繪畫」的謂詞表示的析取式LISTEN(I,MUSIC)VDRAW(I,PAINTING)
句子變換成子句形式：(x)｛P(x)→P(x)｝  (ANY x) { P(x)P(x) } (ANY x) {~P(x) OR P(x)}  ~P(x) OR P(x) 最後子句爲~P(x) OR P(x)

第三章：搜索推理技術

若是搜索是以接近起始節點的程序來依次擴展節點，這種搜索叫寬（廣）度優先搜索
盲目（無信息）搜索叫作深度優先搜索
盲目搜索包括：寬度優先搜索，深度優先搜索和等代價搜索

第四章：計算智能（神經計算、模糊計算）

對於人的思惟的模擬能夠從兩條道路進行：一是結構模擬，二是功能模擬
計算智能，涉及研究分支
貝茲德克認爲計算智能取決於製造者提供的數值數據，而不依賴於知識。計算智能是智力的低層認知。主要的研究領域爲神經計算，模糊計算，進化計算，人工生命。
計算智能（CI）、人工智能（AI）和生物智能（BI）的關係。
計算智能是智力的低層認知，主要取決於數值數據而不依賴於知識。人工智能是在計算智能的基礎上引入知識而產生的智力中層認知。生物智能，尤爲是人類智能，則是最高層的智能。即CI包含AI包含BI
人工神經網絡的主要學習算法：(1) 指導式(有師)學習(2) 非指導(無導師)學習(3) 強化學習

第五章：計算智能（進化計算、人工生命）

遺傳算法：從一組隨機初始化的候選解出發，按某種指標從解羣中選取較優的個體，利用遺傳算子（選擇、交叉和變異）對這些個體進行組合，產生新一代的候選解羣，重複此過程，直到知足某種收斂指標爲止
遺傳算法的特色：
(1) 遺傳算法是對參數集合的編碼而非針對參數自己進行進化；
(2) 遺傳算法是從問題解的編碼組（種羣）開始而非從單個解開始搜索；
(3) 遺傳算法利用目標函數的適應度這一信息而非利用導數或其它輔助信息來指導搜索；
(4) 遺傳算法利用選擇、交叉、變異等算子而不是利用肯定性規則進行隨機操做。
遺傳算法的優點:
(1)適應度函數不受連續、可微等條件的約束，適用範圍很廣。
(2)不容易陷入局部極值，能以很大的機率找到全局最優解。
(3)因爲其固有的並行性，適合於大規模並行計算。
(4)不是盲目窮舉，而是啓發式搜索。
設用遺傳算法求解某問題時，產生了四個個體A、B、C和D，適應度值分別爲3四、8八、60和45，採用賭輪選擇機制，則個體A的適應度值所佔份額爲34/227
遺傳算法步驟： 
（1）隨機產生一個由肯定長度的特徵字符串組成的初始種羣。 
（2）對該字符串種羣迭代地執行下面的步驟①和步驟②，直到知足中止準則爲止： 
① 計算種羣每一個 字符串的適應值 
②應用複製、交叉和變異等遺傳算子產生下一代羣體。 
（3）把在後代中出現的最好的個體字符串指定爲遺傳算法的執行結果，這個結果能夠表示問題的一個角。進化計算包括遺傳算法，進化策略，進化編程和遺傳編程。
遺傳算法、進化策略和進化編程的關係如何？有何區別？
關係：它們都是模擬生物界天然進化過程而創建的魯棒性計算機算法。
區別：進化策略和進化編程把變異做爲主要搜索算子，標準遺傳算法中，變異處於次要位置。
交叉在遺傳法起着重要做用，而在進化編程中卻被徹底省去，在進化策略中與自適應結合使用，起了很重要的做用。標準遺傳算法和進化編程都強調隨機選擇機制的重要性，而進化策略的選擇是徹底肯定的。進化策略和進化編程，肯定地把某個個體排除在被選擇以外，而標準遺傳算法都對每一個個體指定一個非零的選擇機率。

第六章：專家系統（與通常應用程序有區別）

專家系統:
專家系統是一種模擬人類專家解決領域問題的智能計算機程序系統，其內部含有大量的某個領域專家水平的知識與經驗，可以利用人類專家的知識和解決問題的方法來處理該領域問題。
專家系統的特色:啓發性、透明性、靈活性 
創建專家系統的通常步驟：設計初始知識庫、原型機的開發與實驗、知識庫的改進與概括 
專家系統的類型：
解釋，預測，診斷，設計，規劃，監視，控制，調試，教學，修理
新型專家系統有何特徵？什麼是分佈式專家系統和協同式專家系統？
新型專家系統的特徵：並行與分佈處理、多專家系統協同工做、高級語言和知識語言描述、具備自學習功能、引入新的推理機制、具備自糾錯和自完善能力、先進的智能人機接口
分佈式專家系統
具備分佈處理的特徵，能把一個專家系統的功能經分解之後分佈到多個處理器上去並行地工做，從而有整體上提升系統的處理效率。它能夠工做在緊耦合的多處理器系統環境中，也可工做在鬆耦合的計算機網絡環境中，其整體結構在很大程度上依賴於其所在的硬件環境。
協同式專家系統
又稱爲「羣專家系統」，是一個能綜合若干個相近領域或一個領域的多個方面的子專家系統互相協做，共同解決一個更廣領域問題的專家系統。是克服通常專家系統的侷限性的重要途徑。它不着重於處理的分佈和知識的分佈，而是更強調子系統間的協同合做。它並不必定要求有多個處理機的硬件環境，並且通常都是在同一個處理機上實現各子專家系統的。
什麼是建造專家系統的工具?你知道哪些專家系統開發工具，各有什麼特色?專家系統開發工具是一些比較通用的工具，做爲設計和開發專家系統的輔助手段和環境，以求提升專家系統的開發效率、質量和自動化水平。專家系統開發工具是一種更高級的計算機程序設計語言。比通常的計算機高級語言具備更強的功能。
主要分爲骨架型工具(又稱外殼)、語言型工具、構造輔助工具和支撐環境等4類。

第七章：機器學習

機器學習的三要素
一致性假設：樣本空間劃分：泛化能力：
機器學習的主要策略
機械學習：示教學習：類比學習：示例學習：
概括學習是以概括推理爲基礎的學習，其任務是從某一律唸的分類例子集出發，概括出一個通常概念描述。概括學習是目前研究最多的學習方法，其學習目的是爲了得到新概念、構造新規則或發現新理論。概括是人類拓展認識能力的重要方法，是一種從個別到通常，從部分到總體的推理行爲
類比學習：經過類比，即經過對類似事物加以比較所進行的一種學習 
機械學習就是記憶，即把新的知識存儲起來，供須要時檢索調用，而不須要計算和推理
機器學習所採用的策略：機械學習，示教學習，類比學習，示例學習
任務規劃是機器人高層規劃最重要的一個方面，它包含創建模型，任務說明，程序綜合

第九章：Agent（真體）

多種類型的多真體模型：協商模型、協做規劃模型、自協調模型
真體通訊語言KQML和KIF
按節點間協做量的多少，多agent的協做分爲三類：全協做系統、無協做系統和半協做系統
分佈式人工智能系統的特色：分佈性、鏈接性、協做性、開放性、容
錯性、獨立性
艾真體（真體）
Agent是可以經過傳感器感知其環境，並藉助執行器做用於該環境的實
體，可看做是從感知序列到動做序列的映射。其特性爲：行爲自主性，做用交互性，環境協調性，面向目標性，存在社會性，工做協做性，運行持續性，系統適應性，結構分佈性，功能智能性
艾真體在結構上有何特色、在結構上又是如何分類的
真體＝體系結構+程序
(1) 在計算機系統中，真體至關於一個獨立的功能模塊，獨立的計算機應用系統。(2) 真體的核心部分是決策生成器或問題求解器，起到主控做用(3) 真體的運行是一個或多個進程，並接受整體調度(4) 各個真體在多個計算機CPU上並行運行，其運行環境由體系結構支持。
結構分類及特色反應式、慎思式、跟蹤式、基於目標、基於效果、複合式

第十章：天然語言理解

語言理解：從微觀上講，語言理解是指從天然語言到機器(計算機系統)內部之間的一種映射。從宏觀上看，語言理解是指機器可以執行人類所指望的某些語言功能。
天然語言處理：是研究人類交際和人機通訊的語言問題的一門學科。它要開發表示語言能力和性能的模型，創建實現這種語言模型過程的計算框架，提出不斷完善這些過程和模型的辨識方法，以及探究實際系統的評價技術。
天然語言理解過程的層次 ：語音分析：詞法分析：句法分析：語義分析