人工智能基础（8017）考试大纲.docVIP

PAGE 人工智能基础（8017）考试大纲 一、课程性质与设置目的 课程性质和特点 “人工智能”是21世纪计算机科学发展的主流，为了培养国家建设跨世纪的有用人才，在计算机专业本科开设《人工智能基础》课程是十分必要的。《人工智能基础》是计算机专业本科的一门必修课程，本课程中涉及的理论、原理、方法和技术有助于学生进一步学习其他专业课程。开设本课程的目的是培养学生软件开发的“智能”观念；掌握人工智能的基本理论、基本方法和基本技术；提高解决“智能”问题的能力，为今后的继续深造和智能系统研制，以及进行相关的工作打下人工智能方面的基础。 本课程的基本要求（课程总目标） 《人工智能基础》是理论性较强，涉及知识面较广，方法和技术较复杂的一门学科。通过对本课程的学习，学生应掌握人工智能的一个问题和三大技术，即通用问题求解和知识表示技术、搜索技术、推理技术。具体要求是：学生在较坚实打好的人工智能数学基础（数理逻辑、概率论、模糊理论、数值分析）上，能够利用这些数学手段对确定性和不确定性的知识完成推理；在理解Herbrand域概念和Horn子句的基础上，应用Robinson归结原理进行定理证明；应掌握问题求解（GPS）的状态空间法，能应用几种主要的盲目搜索和启发式搜索算法（宽度优先、深度优先、有代价的搜索、A算法、A*算法、博弈数的极大—极小法、α―β剪枝技术）完成问题求解；并能熟悉几种重要的不确定推理方法，如确定因子法、主观Bayes方法、D—S证据理论等，利用数值分析中常用方法进行正确计算。另外，学生还应该了解专家系统的基本概念、研究历史、系统结构、系统评价和领域应用。学生还应认识机器学习对于智能软件研制的重要性，掌握机器学习的相关概念，机器学习的方法及其相应的学习机制，几个典型的机器学习系统的学习方法、功能和领域应用。 本课程与相关课程的联系、分工或区别 与本课程相关的课程有：离散数学、算法设计、数值分析、程序设计语言等。 离散数学中的命题逻辑、谓词逻辑、树/图、表等知识是本课程的数学基础之一。本课程中的知识表示需要利用矩阵、表、树/图、多元组等手段，因此学生前期的离散数学学习，对于本课程起到了基础作用。 本课程涉及到许多算法设计（尤其是问题求解），算法分析中的算法的可计算性和计算复杂性、算法的可纳性等理论作为本课程中搜索算法的理论支撑。 数值分析中的曲线插值方法要在本课程中仅作为数学工具进行使用，本课程并不象数值分析课程那样去介绍方法的理论。 在本课程中，研究问题求解方法需要从算法到代码的转换，而这种转换的工具是程序设计语言，所以本课程要求学生已经掌握了这方面的知识。 课程内容与考核目标 绪论 学习目的与要求 本章内容是本课程的导论。本章的重点是：人工智能研究目标、研究内容、研究的途径（方法）、研究的领域等内容。通过对本章的学习，学生应理解什么是智能、深刻理解什么是人工智能、人工智能研究的目标（近期目标和长远目标）、人工智能研究的内容、人工智能研究的途径，要了解人工智能研究的历史和研究领域的大致情况（不少于八个领域）。同时，学生要掌握图灵测试的过程。 课程内容 第一节 人工智能概况 1、什么是人工智能：学者们从不同的研究角度对人工智能有多种不同的定义，在这些定义中学生应掌握其定义的实质。 2、人工智能研究的对象是知识 3、人工智能研究概括为一大问题和三大技术 4、关于智能的定义 5、图灵测试 6、D.B.Lenat和E.A.Fengenbaum的知识阈Nilsson的物理符号假设 7、日本渡边慧的定义 第二节 人工智能研究途径 1、以思维理论和认知心理学基础的符号主义学派基本思想 2、符号主义学派的代表人物 3、以阈值理论为基础的联结主义学派基本思想 4、联结主义（神经网络）研究不存在符号运算 5、联结主义研究的历史 6、联结主义研究的代表任务 7、以进化理论为基础的行为主义学派基本思想 8、行为主义学派的代表人物 第三节 人工智能研究的目标 1、人工智能近期研究目标 2、人工智能远期研究目标 第四节 人工智能研究的内容 1、机器感知 2、机器思维 3、机器学习 4、机器行为 5、智能系统及智能计算机的构造技术 第五节 人工智能研究领域 1、模式识别（Pattern Recognition） 2、问题求解（Problem Solving） 3、自然语言理解（Natural langrage Understanding） 4、专家系统（ Expert System） 5、机器学习（Machine Learning） 6、自动定理证明（Automatic Theorem Proving） 7、自动程序设计（Automatic Programming） 8、机器人学（Robots） 9、博弈（Game） 10 、智能决策支持系