人工智能：复习题库与关键知识点梳理

人工智能复习题库28包含了多方面的知识点，涵盖了人工智能基础理论、应用领域、技术方法以及具体系统的细节。以下是对这些内容的详细解析： 1. **研究途径**：人工智能的研究主要通过心理模拟（模仿人类思维过程）、生理模拟（模拟神经网络功能）和行为模拟（观察和学习行为模式）这三个途径进行。 2. **应用领域**：人工智能的应用广泛，其中包括难题求解（如优化问题、复杂决策），定理证明（形式逻辑和自动推理），智能控制（工业自动化、机器人技术），以及机器翻译（自然语言处理）。 3. **基本技术**：人工智能的核心技术包括搜索技术（如深度优先搜索、宽度优先搜索），推理技术（谓词逻辑、归结推理），知识表示和知识库技术（如何存储和检索信息），以及归纳技术和联想技术（数据挖掘和模式识别）。 4. **谓词逻辑**：谓词逻辑是一种强大的表达工具，与命题逻辑相比，其特点是允许用变量和函数来表达复杂的逻辑关系。重要的概念有重言式（总是为真的公式）、永真式（在所有解释下都为真的公式）和不同真值的判断。 5. **MYCIN系统**：这是一个著名的医疗专家系统，使用了可信度函数（CF）评估证据的可靠性，CF的取值规则定义了证据真假的判断标准。 6. **归结逻辑**：归结原理用于证明定理，若归结式为空集，说明原前提矛盾，结论成立。归结式计算涉及到子句之间的合并，如R（C1，C2）的计算示例。 7. **置换和统一**：在谓词公式中，置换和统一（替换和一致赋值）是关键操作，如G·ε表示G在δ作用下的结果，而δ·ε则是δ在ε作用下的结果。 8. **搜索算法**：状态图启发式搜索算法以其特性（如节点扩展策略）区别于广度优先搜索（BFS）和深度优先搜索（DFS），后两者在OPEN表的数据结构上有所差异。 9. **产生式系统**：包括综合数据库（存储事实和规则）、知识库（规则集合）和推理机（执行推理过程），推理分为正向推理（根据规则推导新知识）和反向推理（从目标寻找原因）。 10. **专家系统**：结构主要包括人机交互界面、知识库、推理机制、动态数据库、知识库管理系统和解释模块，以及证据可信度的计算规则。 11. **知识获取、表示与运用**：开发专家系统面临的主要挑战在于获取和组织知识，常用表示方法有逻辑表示法（谓词表示）、框架、产生式和语义网络，语义网络推理方法如AKO和ISA。 12. **MYCIN中的不确定推理**：系统利用专家指定的可信度来评估规则的效力，支持基于证据的推理。 这个复习题库涉及的知识点丰富，覆盖了人工智能的基础理论、核心算法和应用实践，是深入理解和准备人工智能考试的重要参考资料。