清华大学人工智能课件：知识表示与状态空间法详解

在清华大学的人工智能课程中，学习者首先需要理解人工智能的几个关键概念。章节一介绍了人工智能的定义，强调了它作为计算机科学的一个分支，目标是研发能够模仿和执行人类智力功能的机器，并概述了三个主要学派——符号主义、连接主义和行为主义，以及它们各自的认知观点。 符号主义认为AI源于数理逻辑，强调规则和逻辑推理；连接主义关注仿生学，试图通过模拟人脑神经元网络来实现智能；行为主义则从控制论出发，关注机器如何通过环境互动学习和适应。课程还强调了掌握人工智能的应用领域，包括但不限于判断、推理、学习和问题求解等。 第二章深入讨论了知识表示方法，特别是状态空间法。这是一种基础问题解决技术，通过定义状态（问题在某一时刻的状态数据结构）和算符（改变状态的操作）来构建问题的解决方案。具体步骤如下： 1. 确定状态：例如，分油问题中，状态被定义为B瓶和C瓶中的油量，用Sk=(b,c)表示，初始状态为(0,0)，目标状态为(4,0)。 2. 定义操作符：在这个例子中，操作包括转移油量，如从A瓶向B或C瓶倒油，这将改变状态。 3. 状态空间构成：问题的求解过程依赖于确定状态描述的方式、操作符集合以及目标状态的特性。 通过这些步骤，学生可以学习如何用逻辑联结词将个体代入谓词中，如Computer(zhangxh)和~Like(zhangxh, programming)这样的表达，以及如何用Higher(lixp, father(lixp))来表示父与子的关系。这些技能对于理解和构建复杂的逻辑推理模型至关重要，是人工智能理论和实践的基础。通过实践这些方法，学生可以逐步掌握人工智能的核心概念和算法，为后续的学习和应用打下坚实的基础。