人工智能知识点总结.pdf

仅供内部人士专用 CHW: 一、概论 1. 人工智能是由计算机科学、控制论、信息论、神经生理学、心理学、语言学等构成。 2. 智能科学研究智能的基本理论和实现技术，是由脑科学、认知科学、人工智能等学科构 成的交叉学科。 3. 认知(cognition)是和情感、动机、意志等相对的理智或认识过程。认知科学是研究人类感 知和思维信息处理过程的科学，包括从感觉的输入到复杂问题求解，从人类个体到人类社会 的智能活动，以及人类智能和机器智能的性质。思维是客观现实的反映过程，是具有意识的 人脑对于客观现实的本质属性、内部规律性的自觉的、间接的和概括的反映。智能是个体 认识客观事物和运用知识解决问题的能力。 4. 人类思维的形态：感知思维、形象思维、抽象思维、灵感思维。 5. 神经网络基本特点：① 以分布式方式存储信息。② 以并行方式处理信息。③ 具有自组 织、自学习能力。 符号智能：以知识为基础，通过推理进行问题求解。也即所谓的传统人工智能。 计算智能：以数据为基础，通过训练建立联系，进行问题求解。人工神经网络、遗传算法、 模糊系统、进化程序设计、人工生命等都可以包括在计算智能 6. 符号智能与计算智能区别：符号智能就是传统人工智能，以知识为基础，通过推理求解 问题；计算智能以数据为基础，通过训练建立联系，进行问题求解。人工神经网络，遗传算 法、模糊等都是计算智能。 7. 非单调推理：一个正确的公理加到理论中，反而使得所得结论变无效。如封闭世界假设 CWA，限定逻辑；定性推理：把物理系统分成子系统，对每个子系统之间的作用建立联系， 通过局部因果性的行为合成获得实际物理系统的功能；不确定性推理：随机性、模糊性、不 确定性。如DS证据、模糊集、粗糙集、贝叶斯。 8. 知识、知识表示及运用知识的推理算法是人工智能的核心, 而机器学习则是关键问题。 机器学习的研究四个阶段：①无知识的学习：主要研究神经元模型和基于决策论方法的自适 应和自组织系统。②符号概念获取：给定某一类别的若干正例和反例，从中获得该类别的一 般定义。③实例学习：从实例学习结构描述。④有知识的学习：把大量知识引入学习系统做 为背景知识 9. 机器学习的风范：①归纳学习：研究一般性概念的描述和概念聚类；②分析学习：在领 域知识指导下进行实例学习, 包括基于解释的学习、 知识块学习等。③发现学习：根据实 验数据或模型重新发现新的定律的方法。④遗传学习：模拟生物繁衍的变异和自然选择，把 概念的各种变体当作物种的个体, 根据客观功能测试概念的诱发变化和重组合并, 决定哪 种情况应在基因组合中予以保留。⑤连接学习：是神经网络通过典型实例的训练, 识别输入 模式的不同类别。 10. 分布式人工智能：研究在逻辑上或物理上分散的智能动作者如何协调其智能行为，即协 调它们的知识、技能和规划, 求解单目标或多目标问题，为设计和建立大型复杂的智能系统 或计算机支持协同工作提供有效途径。 11. 人工思维将以开放式自主系统为基础，充分发挥各种处理范型的特长，实现集体智能， 才能达到柔性信息处理，解决真实世界的问题。 12. 知识系统包括：①专家系统：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。这类计算机程序包括两部分：知识库。它表示和存储由任务所指定领域知识的一组数 据结构集合，包含有关领域的事实和专家水平的启发式知识。推理机，它是构造推理路径的 一组推理方法集合，以便导致问题求解、假设的形成、目标的满足等。由于推理采用的机理、 概念不同，推理机形成多种范型的格局。②知识库系统：把知识以一定的结构存入计算机， 1 仅供内部人士专用 进行知识的管理和问题求解，实现知识的共享。③决策支持系统是计算机科学 （包括人工智 能）、行为科学和系统科学相结合的产物，是以支持半结构化和非结构化决策过程为特征的 一类计算机辅助决策系统，用于支持高级管理人员进行战略规划和宏观决策。其组成：数据 库管理子系统、模型库管理子系统、方法库管理子系统、知识库