人工智能概论人工智能智能练习题 .pdfVIP

1、人工智能（artificialintelligence）是研究理解和模拟人类智能、智能行为及其规律的一

门学科。其主要任务是建立智能信息处理理论，进而设计可以展现某些近似于人类智能行为

的计算系统。

2、智能机器（intelligentmachine）是能够在各类环境中自主地或交互地执行各种拟人任务

的机器。

3、目前人工智能的主要学派有哪些？

（1）符号主义（symbolicism）：又称逻辑主义（logicism）、心理学派（psychologism）或计

算机学派（computerism），其原理主要为物理符号系统（即符号操作系统）假设和有限合理

性原理。

（2）连接主义（connectionism）：又称仿生学派（bionicsism）或生理学派（physiologism），

其原理主要为神经网络及神经网络间的连接机制与学习算法。

（3）行为主义（actionism）：又称进化主义（evolutionism）或控制论学派（cyberneticsism），

其原理为控制论及感知-动作型控制系统。

4、什么是机器学习？

机器学习研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已

有的知识结构，使之不断改善自身的性能。一般来说，环境为学习单元提供外界信息源，

学习单元利用该信息对知识库做出改进，执行单元利用知识库中的知识执行任务，任务执行

后的信息又反馈给学习单元作为进一步学习的输入。

5、神经网络

人工神经网络（也称神经网络计算，或神经计算（neuralcomputing））实际上指的是一类

计算模型，其工作原理模仿了人类大脑的某些工作机制。这种计算模型与传统的计算机的计

算模式完全不同。传统的计算模型是这样的，利用一个（或几个）计算单元（即CPU）担

负所有的计算任务，整个计算过程是按时间序列一步步地在该计算单元中完成的，本质上是

串行计算。神经计算则是利用大量简单计算单元，组成一个大网络，通过大规模并行计算来

完成。由于其思想的新颖性，所以一开始就受到广泛的重视。从计算模型看，神经计算是

由大量简单的计算单元组成网络进行计算。这种计算模型具有鲁棒性、适应性和并行性。这

是传统计算所没有的。从方法论的角度看，传统的计算依靠自顶向下的分析，先利用先验

知识建立数学的、物理的或推理的模型。在此基础上建立相应的计算模型进行计算。但神

经网络计算是自底向上的，很少利用先验知识，直接从数据通过学习与训练，以自动建立计

算模型。可见，神经网络计算表现出很强的灵活性、适应性和学习能力，这是传统计算方法

所缺乏的。

6、一个系统需要什么样的知识才可能具有智能呢？

知识是建立在数据和信息基础之上的，一个智能程序一般至少包括下面几个方面的知识。

（1）事实：是关于对象和物体的知识。人工智能中的知识表示应能表示各种对象、对象类

型及其性质等。事实是静态的、为人们共享的、可公开获得的、公认的知识，在知识库中属

底层知识。

（2）规则：是有关问题中与事物的行动、动作相联系的因果关系的知识，是动态的，常以

“如果……那么……”形式出现。特别是启发式规则是属于专家提供的专门经验知识，这种

知识无严格解释但很有用处。

（3）元知识：是有关知识的知识，是知识库中的高层知识。例如，包括怎样使用规则、解

释规则、校验规则、解释程序结构等知识。一个专家可以拥有几个不同领域的知识，元知识

可以决定哪一个知识库是适用的。元知识也可用于决定某一领域中哪些规则最合适。

（4）常识性知识：泛指普遍存在而且被普遍认识了的客观事实一类知识，即指人们共有的

知识。

7、什么是命题？

所谓的命题就是具有真假意义的陈述句。如“今天下雨”、“大于2的偶数均可分拆为两

个素数的和（哥德巴赫猜想）”、“1+100=101”、“人是会死的”，等等，这些句子在特殊的情

况下都具有“真（True）”和“假（False）”的意义，都是命题。一个命题总是具有一个值，

称为真值。真值只有“真”和“假”两种，一般分别用符号T和F表示。

一切没有判断内容的句子、无所谓是非的句子，如感叹句、祈使句、疑问句都不能作为命题。

如“全体立正!”、“明天是不是开会？”、“天气多好啊!”、“我在说谎”等，都不是命题。

8、命题有哪两种类型？

命题有两种类型：第一种类型是不能分解成更简单的陈述语句，称为原子命题；第二种类型

是由联结词、标点符号和原子命题等复合构成的命题，称为复合命题。所有这