人工智能导论考点与习题梳理

《人工智能导论》是软件工程专业的一门重要课程，由王万良编著的教材是学习和考试的主要参考。这门课程涵盖了人工智能的基础概念、知识表示、机器学习、推理机制等多个核心主题。以下是对这些知识点的详细梳理： 1. **知识表示**： - 知识可以分为逻辑思维、形象思维和顿悟思维。 - 知识表示方法包括：谓词逻辑、语义网络、框架、产生式系统等。谓词逻辑特别适合表示事实性和逻辑性的知识，而语义网络则通过节点（实例节点和类节点）和链接来组织知识。 2. **一阶谓词逻辑**： - 一阶谓词逻辑是一种形式语言，用于精确表达知识。谓词由谓词名和个体组成，量词（全称量词和存在量词）用来描述普遍性和特例。 - 特点：自然性、精确性、严密性，但也有组合爆炸、效率低下和无法表示不确定性的局限。 3. **产生式系统**： - 由规则库（包含领域知识）、综合数据库（存储当前信息）和控制系统（推理机，负责问题解决）组成。 - 规则库中的规则描述知识，综合数据库存储中间结果，控制系统负责推理过程。 4. **推理**： - 推理方式有演绎推理（从一般到特殊）、归纳推理（从特殊到一般）和默认推理（处理不完整或不确定信息）。 - 子句和子句集是谓词逻辑中的概念，子句集不可满足意味着原谓词公式无法满足。 5. **不确定性推理**： - 不确定性分为知识的不确定性和证据的不确定性，如贝叶斯方法中的LS（规则成立的充分性度量）和LN（规则成立的必要性度量）用于度量支持程度。 6. **计算题示例**： - 通过定义谓词和量词，将日常语言转化为谓词公式，例如将“人人爱劳动”、“所有整数不是偶数就是奇数”等转化为逻辑表达式。 - 语义网络用图形结构表示知识，例如表示“山西大学”的属性和位置，以及“张广义”的特征等，包括实体、属性和关系。 7. **课程复习与考试**： - 期末考试题型包括填空、简答、计算和综合题，涵盖第1至5章的内容。 - 复习时应关注知识表示方法、逻辑推理、机器学习基础等内容，理解并能够应用这些概念解决问题。 通过理解和掌握这些知识点，学生能够在考试中有效地分析问题，进行推理计算，并解答理论问题，从而展示对人工智能基本原理的深入理解。在学习过程中，不仅要熟悉理论，还需要通过实际操作和练习题来提高应用能力。