簡介這份資料面向軟件工程、計算機等專業(yè)修讀《人工智能導論》的學生聚焦教材第五版中的核心概念把簡答題與名詞解釋系統(tǒng)整理成一份可直接背誦的復習材料適合期末備考、課堂梳理與概念查漏補缺。壓縮包內(nèi)共1個PDF文件約2.65MB內(nèi)容按知識點逐條編排涵蓋邏輯思維、形象思維與頓悟思維的對比符號表示法與連接機制表示法機器學習的學習機理、學習方法與學習系統(tǒng)構成以及模式識別、人工神經(jīng)網(wǎng)絡等基礎概念。同時深入梳理知識表示與推理部分包括知識的不確定性、一階謂詞邏輯的優(yōu)缺點、產(chǎn)生式系統(tǒng)的基本結構與工作流程、產(chǎn)生式與蘊含式的區(qū)別、框架表示法的槽與側面結構以及知識圖譜的邏輯結構與構建方式、演繹與歸納推理、正向逆向與混合推理等。目前已有1020人學習適合需要快速建立知識框架、對照教材查漏補缺的讀者使用。1. 從一道“送分題”翻車說起人工智能導論簡答與名詞解釋到底考什么每年期末前總有人栽在看起來最不該丟分的地方。比如被問到“產(chǎn)生式和謂詞邏輯里的蘊含式有什么區(qū)別”不少人的第一反應是“不都是如果……那么……”嗎結果一開口就露餡。這門課的簡答和名詞解釋考的從來不是你能不能背出一句定義而是你能不能在幾個易混概念之間劃出清晰的邊界再用教材的語言把邊界說準。分值分布上名詞解釋通常占 20 到 30 分簡答和論述占 40 分以上剩下的才是計算與綜合題。也就是說把簡答和名詞解釋吃透及格線基本就穩(wěn)了想沖高分也繞不開它。這份整理覆蓋了從思維類型、知識表示、推理方式到搜索策略、智能計算、專家系統(tǒng)、神經(jīng)網(wǎng)絡共一百多個條目適合正在突擊期末、準備復試專業(yè)課問答或者想系統(tǒng)過一遍人工智能導論核心概念的人。下面按考點模塊拆開講每個模塊都告訴你考什么、怎么答、哪里容易翻車。2. 思維、知識與表示法三類思維和四種表示怎么區(qū)分2.1 三類思維的對比是名詞解釋的常客邏輯思維、形象思維、頓悟思維這三個詞幾乎每次考試都會以某種形式出現(xiàn)要么直接讓你比較不同要么藏在“為什么說形象思維難以形式化”這樣的簡答里。答題時不要只寫一句“邏輯思維靠邏輯”要抓住三個維度思維過程是串行還是并行、能否形式化、結果是否可靠。思維類型過程特征形式化難度結果可靠性邏輯思維抽象思維串行按邏輯推進容易形式化嚴密、可靠形象思維直感思維并行協(xié)同式依據(jù)直覺形式化困難信息不全時仍可能得到滿意結果頓悟思維靈感思維突發(fā)、非線性、模糊難以形式化穿插于前兩者之中這張表建議直接背下來考試時先寫“串行/并行”這一組對比再補形式化和可靠性基本不會丟分。面試官如果追問“為什么形象思維形式化困難”你就答它依賴直覺、并行協(xié)同、在信息變形或缺失時仍能工作這幾點正好和邏輯思維的嚴密性形成對照。2.2 符號表示法與連接機制表示法的分野知識表示這塊最容易被忽略的是把“符號表示法”和“連接機制表示法”混為一談。符號表示法是用包含具體含義的符號按不同方式和順序組合起來表示知識典型例子是一階謂詞邏輯和產(chǎn)生式連接機制表示法是把物理對象以不同方式連接起來在連接之間傳遞和加工信息典型例子是神經(jīng)網(wǎng)絡。答題時一定要各帶一個例子否則閱卷人沒法判斷你是真懂還是背了個殼。再往下就是四種具體表示法的特點對比這是簡答題的高頻區(qū)。一階謂詞邏輯的優(yōu)點是自然性、精確性、嚴密性、容易實現(xiàn)局限是不能表示不確定知識、組合爆炸、效率低。產(chǎn)生式表示法優(yōu)點是自然性、模塊性、有效性、清晰性缺點則是效率不高、不能表達結構性知識?？蚣鼙硎痉ǖ奶攸c是結構性、繼承性、自然性。知識圖譜則要答出邏輯結構分模式層和數(shù)據(jù)層構建過程分自頂向下和自底向上兩條路線。2.3 真題演練產(chǎn)生式與蘊含式到底差在哪題目產(chǎn)生式與謂詞邏輯中的蘊含式有什么區(qū)別這類題通常這么答分兩點說清楚。第一范圍不同。蘊含式只是邏輯連接詞而產(chǎn)生式除了邏輯蘊含外還包括各種操作、規(guī)則、變換、算子、函數(shù)。教材里那個“如果爐溫超過上限則立即關閉風門”就是典型例子它是產(chǎn)生式但不是蘊含式因為右部是一個操作而不是一個邏輯結論。第二精確性要求不同。蘊含式只能表示精確知識匹配必須精確產(chǎn)生式既能表示精確知識也能表示不精確知識匹配可以按相似度落在某個范圍內(nèi)就算匹配成功。面試官最想聽的是你能不能舉出那個“關閉風門”的例子因為它是區(qū)分兩者的關鍵證據(jù)。只背“產(chǎn)生式能表示不精確知識”而不舉例答案會顯得空。2.4 產(chǎn)生式系統(tǒng)的工作過程必須能默寫產(chǎn)生式系統(tǒng)的基本結構是規(guī)則庫、綜合數(shù)據(jù)庫、控制系統(tǒng)三部分這個幾乎年年考。工作過程五步要按順序?qū)憦囊?guī)則庫中選出與綜合數(shù)據(jù)庫已知事實匹配的規(guī)則匹配成功的可能不止一條進行沖突消解執(zhí)行規(guī)則右部是結論就加入綜合數(shù)據(jù)庫是操作就執(zhí)行對不確定性知識還要計算結論的不確定性檢查綜合數(shù)據(jù)庫是否包含最終結論決定是否停止。沖突消解策略也要順帶記住按針對性排序、按已知事實的新鮮性排序、按匹配度排序、按條件個數(shù)排序。這里有個血淚經(jīng)驗很多人在“執(zhí)行規(guī)則”這一步只寫“加入結論”漏掉“右部是操作則執(zhí)行操作”結果被扣分。產(chǎn)生式本來就不只是邏輯推理操作也是它的重要組成部分。3. 推理與不確定性正向逆向怎么選可信度怎么算3.1 推理分類的幾條主線推理這一塊的考點密度很高但主線其實很清楚。按方向分演繹推理是一般到個別歸納推理是個別到一般其中完全歸納是必然性推理不完全歸納是非必然性推理。按確定性分確定性推理的知識和證據(jù)都確定結論真值非真即假不確定性推理的知識或證據(jù)不確定結論也不確定。按單調(diào)性分單調(diào)推理隨著新知識加入結論越來越接近目標非單調(diào)推理則可能因為新知識加入而否定已有結論、退回重來。默認推理是在知識不完全時假設某些條件已具備再推理屬于非單調(diào)推理的典型。答題時建議先給分類維度再給定義最后各配一句例子。比如非單調(diào)推理就舉“鳥會飛但企鵝是鳥卻不會飛”這種經(jīng)典反例雖然教材沒寫但用來說明“新知識否定舊結論”非常直觀。3.2 正向、逆向、混合推理的流程與取舍正向推理是從已知事實出發(fā)推出結論流程是從初始事實出發(fā)在知識庫中找出可適用知識構成集合按沖突消解策略選一條推理把新事實加入數(shù)據(jù)庫重復直到求得解或無可適用知識。逆向推理是以假設目標為出發(fā)點尋找支持該假設的證據(jù)證據(jù)都能找到則假設成立找不到則另作假設。它的優(yōu)點是不使用與目標無關的知識、目的性強、利于向用戶解釋缺點是起始目標選擇有盲目性?；旌贤评韯t是先正向后逆向或先逆向后正向。這里有個容易翻車的點題目問“逆向推理的主要優(yōu)點”有人答“效率高”這就不準確。教材強調(diào)的是目的性強和便于解釋效率高是相對而言的不是它的定義性優(yōu)點。答簡答題要貼著教材的措辭走。3.3 真題演練謂詞公式化為子句集的九步題目簡述謂詞公式化為子句集的步驟。這是推理部分最像“操作流程”的題九步一步都不能少消去蘊含和等價符號把否定符號移到緊靠謂詞的位置變量標準化消去存在量詞化為前束形化為 Skolem 標準形略去全稱量詞消去合取詞子句變量標準化。答題時不要只列九個短語每一步后面加半句解釋比如“消去存在量詞時用 Skolem 函數(shù)或常量替代”這樣閱卷人一眼能看出你理解順序背后的邏輯。順序本身也有講究先消連接詞再移否定先標準化變量再消量詞亂了順序結果就會錯。3.4 可信度與證據(jù)理論的計算要點可信度這塊靜態(tài)強度 CF(H,E) 是知識強度表示證據(jù)為真時對結論的影響程度動態(tài)強度 CF(E) 是證據(jù)當前的不確定性程度。C-F 合成公式要分清同號和異號兩種情況同號時用較大值加上兩者之差乘以剩余部分異號時用兩者之和除以 1 減去較小絕對值。教材原文里公式有缺字符復習時以老師課件或課本為準別死記這份整理里的殘缺版。證據(jù)理論那邊樣本空間是變量所有可能取值構成的互斥集合信任函數(shù)和似然函數(shù)要分清哪個是下界哪個是上界證據(jù)正交和的合成公式里那個求和條件是交集等于目標集合?；谧C據(jù)理論的推理步驟是建立樣本空間給出基本概率分配函數(shù)計算信任函數(shù)值和似然函數(shù)值得出結論。模糊集合則要記住隸屬度的概念、三種表示方法Zadeh、序偶、向量、四種隸屬函數(shù)確定方法以及清晰化的三種方法最大隸屬度法、加權平均判決法、中位數(shù)法。4. 搜索策略與智能計算A* 的可采納性和遺傳算法的編碼坑4.1 盲目搜索與啟發(fā)式搜索的分界搜索部分先要答清楚四個基本問題是否一定能找到解、找到的是否最優(yōu)、時間空間復雜性如何、是否終止或陷入死循環(huán)。搜索方向分數(shù)據(jù)驅(qū)動正向、目的驅(qū)動逆向、雙向搜索。盲目搜索是在沒有特定問題信息的條件下按固定步驟搜索啟發(fā)式搜索則利用領域知識動態(tài)選擇操作算子重排 OPEN 表優(yōu)先擴展最有希望的節(jié)點。狀態(tài)空間表示法是四元組回溯搜索要記住三張表PS 保存當前路徑狀態(tài)NPS 保存待搜索的新路徑狀態(tài)NSS 保存不可解狀態(tài)?；厮菟枷氲暮诵氖怯?NPS 支持回退、用 NSS 避免重搜無解路徑、用 PS 記錄解路徑、對新生成子狀態(tài)查三張表防死循環(huán)。寬度優(yōu)先按深度逐層擴展深度優(yōu)先優(yōu)先擴展最新產(chǎn)生的節(jié)點。4.2 A* 算法的三個特性怎么答A* 的簡答題通常問“為什么 A* 一定能找到最優(yōu)解”或者“h(n) 的大小對搜索有什么影響”。答題要點是A* 使用估計函數(shù) f(n)g(n)h(n)在 h(n) 滿足可采納性不高估實際代價時算法可采納即最短路徑存在時一定能找到它。h(n) 比重大會降低搜索工作量但可能找不到最優(yōu)解比重小則工作量加大、極限情況退化為盲目搜索但可能找到最優(yōu)解。信息性是指 h2 比 h1 信息更多時搜索狀態(tài)更少但更多信息性需要更多計算時間可能抵消收益。這里有個玄學般的細節(jié)可采納性、單調(diào)性、信息性三個詞經(jīng)常被混著用?？刹杉{性說的是“保證找到最短路徑”單調(diào)性說的是啟發(fā)函數(shù)沿路徑不遞減信息性說的是兩個啟發(fā)函數(shù)之間的比較關系。答題時各用一句話鎖定別串。4.3 真題演練遺傳算法的編碼與特點題目簡述遺傳算法的基本思想與主要特點?；舅枷胧菑亩鄠€解開始通過選擇、重組、變異逐步迭代產(chǎn)生新解。特點要答對優(yōu)化問題數(shù)學要求不高可直接對結構對象操作利用隨機技術指導編碼參數(shù)空間的高效搜索群體搜索策略易于并行化僅用適應度函數(shù)評估個體能進行概率意義的全局搜索。二進制編碼的優(yōu)缺點也是高頻題。優(yōu)點是類似生物染色體、易解釋、遺傳操作易實現(xiàn)、處理模式數(shù)最多缺點是相鄰整數(shù)二進制編碼可能有較大 Hamming 距離降低搜索效率、要先給出求解精度、高維問題串長導致搜索效率低。自適應遺傳算法的要點是適應度趨于一致或局部最優(yōu)時增大交叉概率 Pc 和變異概率 Pm 以跳出局部最優(yōu)適應度分散時減小 Pc 和 Pm 以保護優(yōu)良個體。4.4 粒子群與群智能的答題模板粒子群的基本思想是把每個個體看作 n 維搜索空間中沒有體積質(zhì)量的粒子以一定速度飛行速度決定方向和距離所有粒子有由優(yōu)化函數(shù)決定的適應值?；驹硎浅跏蓟S機粒子后迭代每次通過跟蹤個體極值 Pi 和全局極值 Pg 更新自己。流程六步初始化位置和速度評價適應度更新個體極值更新全局極值更新速度和位置檢查終止條件未達到則返回第二步。群智能的定義是由簡單個體組成的群落與環(huán)境以及個體之間的互動行為。智能優(yōu)化方法通常包括進化計算和群智能兩大類是典型的元啟發(fā)式隨機優(yōu)化方法。這類題面試官最想聽的是“個體極值”和“全局極值”這兩個跟蹤對象答漏了就等于沒答到核心。5. 專家系統(tǒng)與機器學習知識獲取和 BP 網(wǎng)絡的失分點5.1 專家系統(tǒng)的結構與特點專家系統(tǒng)是運用知識和推理解決只有專家才能解決的復雜問題的智能程序?；窘M成要答知識庫、推理機、綜合數(shù)據(jù)庫、知識獲取、解釋機構、人機接口。特點六條具有專家水平的專業(yè)知識、能進行有效推理、具有啟發(fā)性、具有靈活性、具有透明性、具有交互性。與傳統(tǒng)程序的比較是經(jīng)典簡答傳統(tǒng)程序是數(shù)據(jù)結構加算法專家系統(tǒng)是知識加推理傳統(tǒng)程序知識隱含在程序中專家系統(tǒng)知識單獨組成知識庫與推理機分離傳統(tǒng)程序處理數(shù)值計算和數(shù)據(jù)處理專家系統(tǒng)處理符號傳統(tǒng)程序不具解釋功能專家系統(tǒng)具有解釋功能傳統(tǒng)程序產(chǎn)生正確答案專家系統(tǒng)通常正確但有時會錯體系結構不同。這六條建議按“編程思想、知識組織、處理對象、解釋功能、答案性質(zhì)、體系結構”六個關鍵詞記考場上順著關鍵詞展開。5.2 什么情況下開發(fā)專家系統(tǒng)是可能、合理、合適的這三問經(jīng)常被合并成一道論述題答題要分三層?？赡艿臈l件是主要依靠經(jīng)驗性知識、不需大量常識性知識就能解決的任務存在真正的領域?qū)＜矣忻鞔_開發(fā)目標且任務不太難。合理的條件是有較高經(jīng)濟效益人類專家奇缺但多處需要專家經(jīng)驗不斷丟失危險場合需要專業(yè)知識。合適的條件是問題能通過符號操作和符號結構求解且需啟發(fā)式知識復雜性適中任務大小可駕馭且有實用價值。設計原則六條專門的任務、專家合作、原型設計、用戶參與、輔助工具、知識庫與推理機分離。開發(fā)步驟和評價四正確性設計、測試、運行、有用性也要能順口說出來。5.3 真題演練BP 網(wǎng)絡的步驟與優(yōu)化問題求解題目簡述 BP 神經(jīng)網(wǎng)絡的訓練步驟。答題要點確定隱層數(shù)和隱層神經(jīng)元數(shù)目前尚無理論指導初始權值一般設為均值為 0 的隨機分布訓練數(shù)據(jù)做線性比例變換到 [0,1] 或 [-1,1] 區(qū)間使每個特征均值為 0 且方差相同后處理時把輸出編碼成名義變量對應類別標號。正向傳播是輸入由輸入層經(jīng)隱層到輸出層反向傳播是修改各層權值使誤差信號最小。用神經(jīng)網(wǎng)絡求解優(yōu)化問題的一般步驟也要能答把每個可行解用換位矩陣表示換位矩陣與 n 個神經(jīng)元構成的網(wǎng)絡對應構造能量函數(shù)使其最小值對應最優(yōu)解并滿足約束用罰函數(shù)法構造目標函數(shù)并與 Hopfield 能量函數(shù)表達式相等確定連接權和偏置給定初始狀態(tài)和參數(shù)讓網(wǎng)絡運行到穩(wěn)定解釋為優(yōu)化問題的解。5.4 機器學習與知識發(fā)現(xiàn)的考點清單機器學習要答出三方面研究學習機理、學習方法、學習系統(tǒng)。學習系統(tǒng)由環(huán)境、學習、知識庫、執(zhí)行與評價四部分組成。機械式學習又稱記憶學習或死記式學習直接記憶外部信息供以后檢索。指導式學習又稱囑咐式學習由外部提供一般性指示系統(tǒng)轉化為細節(jié)知識入庫過程是征詢、轉換、加入知識庫、評價。示例學習是從若干與某概念有關的例子歸納出一般性概念。知識發(fā)現(xiàn)全稱是從數(shù)據(jù)庫中發(fā)現(xiàn)知識KDD數(shù)據(jù)挖掘是從數(shù)據(jù)庫中挖掘知識目的是從數(shù)據(jù)集中抽取和精化一般規(guī)律或模式。知識發(fā)現(xiàn)的任務包括數(shù)據(jù)總結、概念描述、分類、聚類、相關性分析、偏差分析、建模。主要方法有統(tǒng)計方法、粗糙集、可視化、機器學習方法。粗糙集是具有三值隸屬函數(shù)的模糊集即“是、不是、也許”常與規(guī)則歸納、分類和聚類結合使用。6. 易錯點五個年年有人栽的簡答題陷阱6.1 把產(chǎn)生式當成蘊含式的同義詞錯在哪答題時寫“產(chǎn)生式就是蘊含式的一種”。為什么錯產(chǎn)生式包含操作、規(guī)則、變換、算子、函數(shù)蘊含式只是邏輯連接詞產(chǎn)生式可表示不精確知識蘊含式要求精確匹配。怎么答對先講范圍差異并舉“關閉風門”的例子再講精確性差異兩句話鎖定。6.2 逆向推理優(yōu)點答成“效率高”錯在哪把逆向推理的優(yōu)點寫成搜索效率高。為什么錯教材明確的優(yōu)點是目的性強、不使用與目標無關的知識、利于向用戶解釋效率高不是定義性優(yōu)點。怎么答對按“目的性強、便于解釋、起始目標有盲目性”這組正反搭配來答既準確又顯得有辨析。6.3 子句集九步順序顛倒錯在哪先消存在量詞再變量標準化或者先化前束形再移否定。為什么錯變量標準化必須在消量詞之前否定必須移到謂詞緊前才能正確消去。怎么答對按“消連接詞、移否定、標準化變量、消存在量詞、前束形、Skolem 標準形、略全稱量詞、消合取、子句變量標準化”的順序默寫每步補半句解釋。6.4 A* 的可采納性與單調(diào)性混為一談錯在哪說“A* 因為單調(diào)所以一定能找到最優(yōu)解”。為什么錯保證找到最短路徑的是可采納性單調(diào)性是啟發(fā)函數(shù)沿路徑不遞減的更強條件兩者不是一回事。怎么答對可采納性答“不高估實際代價、保證最短路徑存在時找到它”單調(diào)性單獨一句帶過信息性再單獨一句。6.5 專家系統(tǒng)與傳統(tǒng)程序比較漏掉“答案性質(zhì)”錯在哪只答知識庫與推理機分離、符號處理漏掉“傳統(tǒng)程序產(chǎn)生正確答案專家系統(tǒng)有時產(chǎn)生錯誤答案”。為什么錯這一條恰恰體現(xiàn)專家系統(tǒng)處理不確定經(jīng)驗知識的本質(zhì)是閱卷人愛看的區(qū)分點。怎么答對按六個關鍵詞逐個展開答案性質(zhì)這條一定要寫并補一句“因為專家系統(tǒng)依賴經(jīng)驗性知識可能出錯”。7. 考前一周怎么用這份整理三輪過題法和答題節(jié)奏第一輪用兩天把一百多個條目按模塊過一遍每個條目只做一件事合上資料用自己的話把定義說一遍說不出來的做標記。這一輪不求背原文求的是知道每個概念在哪個模塊、和誰容易混。第二輪用三天專攻標記條目和易混對比如產(chǎn)生式與蘊含式、正向與逆向、可采納性與單調(diào)性、信任函數(shù)與似然函數(shù)每對概念畫一張兩列對比表左列寫區(qū)別維度右列寫各自表述。第三輪用兩天做默寫模擬拿一張白紙按“思維與表示、推理與不確定性、搜索與智能計算、專家系統(tǒng)與神經(jīng)網(wǎng)絡”四個板塊各默寫五道簡答限時二十分鐘寫完對照原文補漏。答題節(jié)奏上名詞解釋每題控制在三到四行先給定義再補一句特點或例子簡答題先總后分第一句給結論后面分點展開每點一行半左右遇到計算類如 C-F 合成、證據(jù)正交和先把公式寫出來再代入公式分往往比結果分好拿。面試場景下被問到“談談你對知識表示的理解”不要背四種表示法的定義而是先給一句“知識表示是把人類知識形式化或模型化讓計算機能接受的數(shù)據(jù)結構”再挑產(chǎn)生式和框架各說一個適用場景最后補一句“選擇哪種表示取決于知識是否有結構、是否確定”這樣層次就出來了。我當年復習這門課的時候總覺得名詞解釋背背就行結果第一次模擬考在“框架表示法的繼承性”上卡住明明背過卻寫不出“下層框架可以繼承上層框架的槽值也可以補充和修改”這句關鍵表述。從那以后我每次過概念都強制走一遍“定義加一句特點加一個例子”的三件套再也沒在簡答上翻過車。這份整理把一百多個條目按考點模塊歸好配上易錯點和答題模板直接拿來背、拿來默寫都行希望幫到你。本文還有配套的精品資源點擊獲取