这篇资料主要涵盖了人工智能领域的多个关键知识点,包括人工智能的基本概念、框架的理解、人工智能的学科性质、数据挖掘与知识发现的关系、PROLOG编程语言的特性、Turbo PROLOG程序结构、搜索策略以及与人工智能相关的算法和逻辑表达。
1. 人工智能(AI)的概念:AI是指通过计算机实现的人造智能,英文全称为“Artificial Intelligence”。它涉及用计算机模拟或实验人类智能的各种技术,因此有时也称为机器智能。
2. 框架(Frame)的概念:框架是一种结构化的信息模型,通常包含多个槽(slots),每个槽可能拥有一个或多个侧面或槽值,用于组织和处理复杂信息。
3. 人工智能的学科性质:AI是一门综合性极强的交叉学科,它结合了计算机科学、统计学、机器学习、神经科学、心理学等多个领域的理论和技术。
4. 数据挖掘与知识发现:这两者本质上都是从数据中提取有价值的信息,数据挖掘更侧重于统计、数据分析等领域的应用,而知识发现则更多见于人工智能和机器学习领域。
5. PROLOG语言:这是一种逻辑编程语言,主要包括事实、规则和问题三种基本语句。其中,未赋值的变量被称为自由变量,已赋值的变量称为约束变量。
6. Turbo PROLOG程序结构:一个完整的程序由常量段、领域段、数据字段、谓词段、目标段和子句段六部分组成,这些部分共同构成了程序的骨架。
7. 搜索策略:在解决AI问题时,状态图的搜索是非常重要的,搜索方法通常分为树式搜索和线式搜索。树式搜索自初始节点展开,形成一棵树状结构;线式搜索则更注重路径的连续性。
8. 有界深度优先搜索(BFS):在搜索过程中设定深度限制,当达到预设深度时,会改变方向继续搜索,避免无尽的深度探索。
9. 启发式搜索:这种搜索策略利用预先获取的启发性信息指导搜索过程,以更快找到问题解决方案。
10. 遗传算法(GA):遗传算法是受到生物进化机制启发的优化算法,包括选择、交叉和变异三个基本操作。
11. 原子公式和谓词公式:原子公式是最基本的逻辑表达,谓词公式则由原子公式和逻辑联接词构成,可以表示复杂的逻辑关系。
12. 谓词公式的结构:如P97所述,谓词公式可以分为辖域、约束变元和自由变元,理解它们的区别对于理解和处理逻辑表达至关重要。
13. 合取范式与析取范式:这两种范式是命题和谓词逻辑中表示复合命题的形式,合取范式是由多个析取项(AND连接的原子公式或其否定)组成的,析取范式则是由多个合取项(OR连接的原子公式或其否定)组成的。
这些知识点为复习人工智能提供了全面的基础,涵盖了从基础概念到高级算法的各个方面,对于理解和掌握人工智能的理论和技术至关重要。