學習情境一一、單選題TOC\o"1-5"\h\z1、當代的人工智能研究是源于 A 年。A.1956B.1965C.1856D.18652、被認為是人工智能之父是 B 。A.J.W.MauchlyB.JohnMcCarthy C.RomenLueeD.A.M.Turing3、最早的有關人工智能的應用原型是 C 。A.計算器B.無人駕駛汽車 C.自動調溫器D.通用解題機4、被許多人認為第一個的人工智能程序是 C 。A.SHRDLUB.LogicTheoristC.ListProcessingD.STUDENT5、通片《多拉A夢》里的機器貓是C 類別的人工智能。A.計算智能B.感知智能C.認知智能D.弱人工智能二、填空題1、人工智能是一門研究會運動、會看懂、會聽懂、會思考的機器人的學科及應用。2、計算智能類別的人工智能系統特點是能存會算。3、感知智能類別的人工智能系統特點是能聽會說，能看會認。4、認知智能類別的人工智能系統特點是能夠像人一樣主動思考并采取行動。三、簡述題1、請列舉身邊的有關人工智能的應用，并簡要說一下其工作過程。2、人工智能對人類的影響有哪些？3、什么是人工智能？4、給出人工智能的五個應用領域。5、你認為人工智能未來的發展趨勢是什么？6、你認為機器的智能會超過人類嗎？為什么？一、填空題1、按知識的作用及表示可把知識劃分為事實性知識、過程性知識、控制性知識2、一個謂詞可分為謂詞名和個體兩部分。3、為了刻畫謂詞與個體的關系，在謂詞邏輯中弓1入了兩個量詞：全稱量詞和存在量詞4、在語義網絡知識表示中，結點一般劃分為實例結點和類結點兩種。5、謂詞公式不可滿足的充要條件是其子句集不可滿足二、選擇題1、關于“與/或”圖表示法的敘述中，正確的是（D）。A、“與/或圖就是用“AND”和“OR”連續各個部分的圖形，用來描述各部分的因果關系。B、“與/或”圖就是用“AND”和“OR”連續各個部分的圖形，用來描述各部分之間的不確定關系。C、“與/或”圖就是用“與”節點和“或”節點組合起來的樹形圖，用來描述某類問題的層次關系。D、“與/或”圖就是用“與”節點和“或”節點組合起來的樹形圖，用來描述某類問題的求解過程。2、已知初始問題的描述，通過一系列變換把此問題最終變為一個子問題集合；這些子問題的解可以直接得到，從而解決了初始問題。這是知識表示法叫（B）。A、狀態空間法 B、問題歸約法C、謂詞邏輯法 D、語義網絡法3、Aa(AvB)oA稱為(C)。A、結合律 B、分配律C、吸收律 D、摩根律4、~(AaB)=~Av~B稱為(D)。A、結合律 B、分配律C、吸收律 D、摩根律三、簡答題1、一階謂詞邏輯表示法適合于表示哪種類型的知識，它有哪些特點？答：一階謂詞邏輯表示法適合于表示事實性知識和邏輯性知識，它的特點有：一階謂詞邏輯表示法的優點：(1)、自然性；(2)、精確性；(3)、嚴密性；(4)、容易實現一階謂詞邏輯表示法的局限性：(1)、不能表示不確定性的知識；(2)、組合爆炸；(3)、效率低。2、為什么要研究知識表示？試述狀態空間法、問題歸約法、謂詞演算法的要點，并比較它們的關系。四、應用題1、下列知識是一些規則性知識：(1)人人愛勞動。(2)所有整數不是偶數就是奇數。(3)自然數都是大于零的整數。用謂詞公式表示這些知識。解：(1)定義謂詞如下：MAN(x)：x是人；LOVE(x,y)：x愛y；用刈”是自然數；I(x)：x是整數；E(x)：x是偶數；O(x)：x是奇數；GZ(x):x大于零。(2)根據已知條件定義謂詞公式：“人人愛勞動”用謂詞公式表示為：(Vx)(MAN(x)-LOVE(x,labour))“所有整數不是偶數就是奇數”用謂詞公式表示為：(Vx)(I(x)-E(x)VO(x))“自然數都是大于零的整數”用謂詞公式表示為：(Vx)(N(x)-GZ(x)Al(x))2、將命題：“某個學生讀過三國演義”分別用謂詞公式和語義網絡表示答：謂詞公式表示：3x(student(x)八read(x,三國演義))語義網絡表示如圖：五、案例分析題(僅供參考)答：模糊邏輯，對于哲學有著非常重要的意義。它提供了我們認識事物的又一銳利的思想武器。模糊認識，就是對模糊事物下一個模糊判斷，這是我們認識事物的很重要的一個方面。模糊判斷，模糊邏輯，幫助我們全面的認識事物，能夠使我們對模糊事物作出相應的反映，并指導自己的思考與行動方向。生活中、工作上；現實中、網絡上；有人活動的地方，模糊哲學無處不在。例如：國際事務中，經常會巧妙運用模糊哲學，用外交辭令表態。再例如：夫妻之間的矛盾，有的人搞得水火不容，分道揚鑣。有人為了大目標而模糊下去，就有了中國式的婚姻。也就有了白頭偕老坐著搖椅看夕陽的美好，有了晚來兒孫繞膝，老伴相扶，回首往事品味甘甜的閑情。人們經常會遇到不愉快的事情，安慰自己，寬慰自己的最好方法就是學一點模糊哲學！看似簡單，做起來難。但是，為了開心快樂健康地活著，那就很有必要！一、填空題1、產生式系統由三部分組成（綜合數據庫）、（知識庫）和推理機，其中推理可分為（正向推理）和（反向推理）。2、從已知事實出發，通過規則庫求得結論的產生式系統的推理方式是（正向推理）。3、在啟發式搜索當中，通常用（啟發函數）來表示啟發性信息。4、規則演繹系統根據推理方向可分為（規則正向演繹系統）、（規則逆向演繹系統）以及（規則雙向演繹系統）等。5、啟發式搜索是一種利用（啟發式信息）的搜索，估價函數在搜索過程中起的作用是（估計節點位于解路徑上的希望）。二、選擇題1、如果問題存在最優解，則下面幾種搜索算法中，（A）必然可以得到該最優解。A、廣度優先搜索 B、深度優先搜索C、有界深度優先搜索 D、啟發式搜索2、如果問題存在最優解，則下面幾種搜索算法中，（D）可以認為是“智能程度相對比較高”的算法。A、廣度優先搜索 B、深度優先搜索C、有界深度優先搜索 D、啟發式搜索3、產生式系統的推理不包括（D）。A、正向推理 B、逆向推理^雙向推理 D、簡單推理4、下列搜索方法中不屬于盲目搜索的是：（D）A、等代價搜索 B、寬度優先搜索C、深度優先搜索 D、有序搜索三、簡答題1、廣度優先搜索與深度優先搜索各有什么特點？答：廣度優先搜索也稱為寬度優先搜索，它是一種先生成的節點先擴展的策略；廣度優先搜索是一種完備的策略，即只要問題有解，它就一定可以找到解。并且，廣度優先搜索找到的解，還不一定是路徑最短的解。廣度優先搜索的缺點是盲目性較大，尤其是當目標節點距初始節點較遠時，將產生許多無用的節點，因此其搜索效率較低。深度優先搜索是一種非完備策略，即對某些本身有解的問題，采用深度優先搜索可能找不到最優解，也可能根本找不到解。常用的解決方法是增加一個深度限制，當搜索達到一定深度但還沒有找到解時，停止深度搜索，向寬度發展。2、簡述廣度優先搜索算法，對下圖給出廣度優先搜索序列。3、簡述深度優先算法，對下圖給出深度優先搜索序列。四、案例分析改變環境不如改變自己遺傳算法是根據大自然中生物體進化規律而設計提出的，是為了適應具體問題去尋找當前的最優解。與遺傳變異密切相關的是“物競天擇，適者生存”，是闡述物種之間及生物內部之間相互競爭，物種與自然之間的抗爭，能適應自然者被選擇存留下來的一種叢林法則。能在自然界的競爭生存下來的物種，它的基因將會遺傳下來，更能適應未來的社會，這種遺傳是通過不斷地改變物種自己本身得來的。大家都已經認同“只有改變自己才能更好地適應環境”，但還有很多社會現象讓我們痛心，例如，小A說：“要是我出生在美國，我準是個英語天才。”小B說：“如果李白是我的老師，也許我早就成詩人了。”現實生活中，有些人總是抱怨環境不好，總是千方百計想換個環境。可是環境變了后又怎么樣呢?還不是一如既往!因此，改變環境不如改變自己。環境的改變只是暫時的，自我的改變才是永久的。燕子總是躲在他人的屋檐下避風躲雨，一旦屋塌檐倒，只能流離失所。舒適的屋檐，的確給燕子帶來了暫時的安全與溫暖，可它的一生也只能在心驚膽戰中度過。“天有不測風云”，環境不是一成不變的，你可以改變它一時，卻無法改變它一世。有些人成績不好，總是抱怨家庭環境不好、班風不正、教師普通話不標準..可看看他們的作為呢？上課打呼嚕，作業拖拉，心浮氣躁.一還是審視一下自己吧，改變了自己，問題也許就解決了。與改變環境相比，改變自己更能培養意志與毅力。歷史上秉燭苦讀的例子不是很多嗎？這些古人沒有去抱怨環境，或煞費苦心地去改變環境，而是在改變著自己，努力適應環境。就在這種改變中，磨煉了意志，培養了矢志不渝的精神。殊不知，每一次改變，你的靈魂便上升了一個臺階，你也就向輝煌邁進了一步。要知道；現在你改變的是自己，而將來終有一天，你改變的是你的命運。也許你要說，改變環境當然有必要，要不然怎么會有“孟母三遷”呢?誠然，環境對個人的發展有著一定的影響，可是并不是改變了環境就改變了一切，何況環境也不是輕而易舉就能改變的。孟子有那么優秀的母親，能為他創造良好的環境，而現實中，對于許多溫飽尚不能解決的父母，別說“三遷”，我看“一遷”也未必能辦到。因此，從某種程度上說，環境的變化是受一定客觀條件制約的。魯迅面對暫時無法改變的黑暗社會，毅然改變了自己的志向，棄醫從文，希望通過改變人們的思想進而改變社會環境。由此看來，從自我的改變做起，也是有利于改變環境的。人人都隨著社會向前發展，人人都在改變，但很多情況下，改變環境確實不如改變自己，當我們與環境發生矛盾時，應該首先學會改變自己。一、填空題1、機器學習的基本概念有標簽、特征、模型、分類、回歸和聚類等。2、機器學習是一種通過利用數據，訓練出模型，然后使用模型預測的一種方法。3、機器學習的實現過程包括學習和測試兩個環節。4、按照學習方法分，機器學習模型可以分為有監督學習，半監督學習，無監督學習，遷移學習和強化學習。5、按任務類型分，機器學習模型可以分為回歸任務、分類任務和結構化學習任務。6、有監督學習是從標簽化訓練數據集中推斷出函數的機器學習任務。7、無監督學習中模型所學習的數據都是無標簽的。8、梯度下降優化算法主要有標準梯度下降法、批量梯度下降法和隨機梯度下降法。9、神經網絡根據中間功能層的不同分為不同的神經網絡，分別為全連接神經網絡、卷積神經網絡和循環神經網絡。10、卷積神經網絡主要由輸入層、卷積層、池化層、全連接層和輸出層組成。11、主流的深度學習框架主要有TensorFlow，Caffe，PyTorch，Theano和Torch等等二、簡答題1、什么是損失函數？機器學習模型關于單個樣本的預測值與真實值的差稱為損失。損失越小，模型越好，如果預測值與真實值相等，就是沒有損失。用于計算損失的函數稱為損失函數。模型每一次預測的好壞用損失函數來度量。2、什么是優化器？優化就是調整分類器的參數，使得損失函數最小的過程，這一功能稱之優化器。3、什么是學習率？學習速率代表了學習訓練隨時間推移，數據信息累積的速度，或者稱之為學習數據信息的能力。4、什么是激活函數？激活函數的作用是什么？激活函數(Activationfunctions)對于機器學習模型去學習、理解非常復雜和非線性的函數來說具有十分重要的作用。它們將非線性特性引入到學習網絡中。在多層級模型中，輸入的inputs通過加權，求和后，還被作用了一個函數，這個函數就是激活函數。引入激活函數的主要目的是激活函數可以感知器引入非線性因素，使得機器學習網絡可以任意逼近任何非線性函數，這樣機器學習網絡就可以應用到眾多的非線性模型中。5、傳統機器學習和深度學習的主要區別是什么？深度學習是機器學習的一個分支，它除了可以學習特征和任務之間的關聯以外，還能自動從簡單特征中提取更加復雜的特征，而傳統機器學習是需要手動提取特征。6、什么是特征映射？一個圖像矩陣經過一個卷積核的卷積操作后，得到了另一個矩陣，這個矩陣叫做特征映射(featuremap)。7、卷積神經網絡的卷積層有什么作用？卷積神經網絡的卷積層就是運用卷積運算對圖像進行提取特征的功能層，卷積層輸出結果作為特征向量矩陣應用于神經網絡的訓練、測試和應用。三、案例分析題分析點一：從工具和方法的重要性來分析分析點二：從人的追求來說這就是兩種人的追求。第一種，也就是一步一個腳印，即使過程異常緩慢艱辛，但每一步都會留下一道小刀的刻痕，覺得真實。他們會每天按部就班的工作，每天都賺一些錢。這樣的人一樣有所成，只不過是大器晚成。而第二種，我想便是擁有冒險精神的企業家，他們，往往能開創一個全新的商業帝國。他們前期可能一分錢都賺不到甚至賠錢，在別人看來他們甚至有點敗家有點不可理喻。但一旦時機成熟，便一戰成名。譬如比爾蓋茨，譬如馬云。我想大多數人會選擇第一種，寧可每天辛勞的工作，也不愿拼盡全力放手搏那么一回。學習情境5 .1、答：從概念可以看出“人工智能”由兩部分組成：一是人工，二是智能。相對于人工智能，人在某種程度上就是一種天然智能。”準確定義人工智能，困難不在于定義‘人工’(artifiality),而在于‘智能’(intelligence)一■詞在概念上的模糊性。因為人類是得到廣泛承認的擁有智能的唯一實體，所以任何關于智能的定義都毫無疑問要跟人類的特征相關。”人與人工智能之間的界限有兩個維度的比較很重要：第一個維度是知、情、意、行四個基本特征；第二個維度是人的自然屬性和社會屬性兩個方面。2、①答：材料中的“他們‘學習’”指的是人工智能的學習技術，是針對肺炎方面的基于規則的模型研究的學習技術，也就是人類可以讀懂學習的規則。②答：在本例子的研究中，存在人工智能的公平性倫理原則問題。該團隊在研究時所采用的數據具有片面性，并不具有“完全代表”，人的主觀因素并沒有作為客觀的數據放在訓練模型的數據圖中。在本例子的研究中，存在人工智能的透明性倫理原則問題。如果人類能讀懂人的主觀因素會對學習帶來影響這個規則，就可以對其進行判斷和校正。但如果這個學習不是基于規則的模型，不知道它是通過這樣的規則來判斷，是一個不透明的算法，它得出了這個結論，人類按照這個結論就會建議哮喘患者不要住院進行治療，這顯然是不安全的。因此在人類使用人工智能技術必須要以透明性為基礎倫理原則。③答：透明度和準確度無法兼得，必須在二者間取舍達到權衡，如果要更高的準確度，就要犧牲一定的透明度。深度學習的模型很準確，但是它存在不透明的問題。如果這些模型、人工智能系統不透明，就有潛在的不安全問題。.【信息篩選】A項，應為“人工智能的進化之旅才剛剛啟程”。B項，原文的表述為“AlphaGo其實也不是那么神秘，本質上與約20年前戰勝國際象棋冠軍的“深藍”計算機一樣，解決的是一個超大規模的搜索問題。有所不同的是AlphaGo采用了當下非常熱門的深度神經網絡，以及深度神經網絡跟蒙特卡洛樹搜索