人类智能的特性表现在4个方面
：人类智能的特性表现在4个方面。
A：聪明、灵活、学习、运用。
B：能感知客观世界的信息、能对通过思维对获得的知识进行加工处理、能通过学习积累知识增长才干和适应环境变化、能对外界的刺激作出反应传递信息。C：感觉、适应、学习、创新。
D：能捕捉外界环境信息、能够利用利用外界的有利因素、能够传递外界信息、能够综合外界信息进行创新思维。
2：人工智能的目的是让机器能够，以实现某些脑力劳动的机械化。
A：具有智能 B：和人一样工作
C：完全代替人的大脑 D：模拟、延伸和扩展人的智能
3：下列关于人工智能的叙述不正确的有：。
A：人工智能技术它与其他科学技术相结合极大地提高了应用技术的智能化水平。
B：人工智能是科学技术发展的趋势。
C：因为人工智能的系统研究是从上世纪五十年代才开始的，非常新，所以十分重要。
D：人工智能有力地促进了社会的发展。
4：人工智能研究的一项基本内容是机器感知。以下列举中的不属于机器感知的领域。
A：使机器具有视觉、听觉、触觉、味觉、嗅觉等感知能力。
B：让机器具有理解文字的能力。
C：使机器具有能够获取新知识、学习新技巧的能力。
D：使机器具有听懂人类语言的能力
5：自然语言理解是人工智能的重要应用领域，下面列举中的不是它要实现的目标。
A：理解别人讲的话。 B：对自然语言表示的信息进行分析概括或编辑。
C：欣赏音乐。 D：机器翻译。
6：为了解决如何模拟人类的感性思维，例如视觉理解、直觉思维、悟性等，研究者找到一个重要的信息处理的机制是：。
A：专家系统 B：人工神经网络 C：模式识别 D：智能代理
7: 根据下列选项来判断可以用指纹来鉴定的是：①证件②签字③照片④密码⑤钥匙⑥印签（）
Ａ：①②Ｂ：①②③Ｃ：①②③④Ｄ：①②③④⑤⑥
8：下列选项错误的是（）
Ａ：研究人工智能成为当前信息化社会的迫切需求
Ｂ：智能化是自动化发展的必要趋势
Ｃ：人工智能的研究方法：结构模拟、功能模拟和行为模拟
Ｄ：人工智能的实质是人造的智能
9：机器人之父是指：（）
A：阿兰.图灵B：伯纳斯.李C：莎佩克D：英格伯格和德沃尔
10：下列哪个应用领域不属于人工智能应用？（）
A：人工神经网络B：自动控制C：自然语言学习D：专家系统
11：盲人看不到一切物体，他们可以通过辨别人的声音识别人，这是智能的（）方面.
A：行为能力B：感知能力C：思维能力D:学习能力
12：一些聋哑为了能方便与人交通，利用打手势方面来表达自己的想法，这是智能的（）方面。
A：思维能力B：感知能力C：行为能力D:学习能力
13：现在的科技十分发达，警察破案大多数是通过指纹系统来辨认真凶，这是运用人工智能技术应用的（）。
A：自然语言系统B：机器学习C：专家系统D：人类感官模拟
14：第一台工业机器人诞生于哪一年？（）
A：1959 B：1956 C：1998 D：1920
15：机器翻译属于下列哪个领域的应用？
A：自然语言系统B：机器学习C：专家系统D：人类感官模拟
16：人工智能诞生于哪一年？（）
Ａ：1955 Ｂ：1957 Ｃ：1956 Ｄ：1965
17：下列哪个不属于机器人的一般分类中的一个？（）A：智能机器人B：学习控制型机器人C：家务型机器人D：操作型机器人
18：哪一项不属于机器人的三个发展阶段之一？（）
A：1959到1970年是人工智能的起步阶段
B：1970到1980年是人工智能的发展阶段
C：1956到1970年是人工智能的起步阶段
D：1980年以后是人工智能发展的新阶段
19：1997年5月12日，轰动全球的人机大战中，“更深的蓝”战胜了国际象棋之子卡斯帕罗夫，这是（）
A人工思维B机器思维C人工智能D机器智能
20：专家系统是一个复杂的智能软件，它处理的对象是用符号表示的知识，处理的过程是
的过程。
A：思维 B：思考 C：推理 D：递推
21：进行专家系统的开发通常采用的方法是。
A：逐步求精 B：实验法 C：原型法 D：递推法
22：在专家系统的开发过程中使用的专家系统工具一般分为专家系统
的和通用专家系统工具两类。
A：模型工具 B：外壳 C：知识库工具 D：专用工具
23：专家系统是以为基础，以推理为核心的系统。
A：专家 B：软件 C：知识 D：解决问题
24：是专家系统的重要特征之一。
A：具有某个专家的经验 B：能模拟人类解决问题
C：看上去像一个专家 D：能解决复杂的问题
25：一般的专家系统都包括个部分。
A：4 B：2 C：8 D：6
26：智能机器人可以根据（）得到信息。
A：思维能力B：行为能力C：感知能力D：学习能力
27：智能机器人可以根据感觉到的信息，运用思维智能进行独立的（）A学习探索识别规划B推理判断决策联想
C规划学习联想识别D识别推理判断决策
28：人工智能的发展历程可以划分为。
A：诞生期和成长期 B：形成期和发展期
C：初期和中期 D：初级阶段和高级阶段
29：下列哪个不属于专家系统的构成部分？（）
A：推理机 B：知识库 C：解释器 D：机器验证E：综合数据库F：知识获取G：人机界面
30：专家系统的推理机的最基本的方式是。
A：直接推理和间接推理B：正向推理和反向推理
C：逻辑推理和非逻辑推理 D：准确推理和模糊推理
31：专家系统的正向推理是以作为出发点，按照一定的策略，应用知识库中的知识，推断出结论的过程。
A：需要解决的问题 B：已知事实
C：证明结论 D：表示目标的谓词或命题
32：人工神经网络特点和优越性主要表现在。
A：自学习功能B：自动识别功能 C：高速寻找优化解的能力 D：联想存储功能
33：下列不属于专家系统的解释功能的主要作用是。
A：对用户说明为什么得到这个结论 B：对用户说明如何得到这个结论
C：提高专家系统的信赖程度 D：对用户说明专家系统的知识结构
34：自动识别系统属于人工智能哪个应用领域？
A：自然语言系统B：机器学习C：专家系统D：人类感官模拟35：下列哪个不属于艾莎克.阿莫西夫提出的“机器人三定律”内容？
A：机器人不得伤害人，或任人受到伤害而无所作为
B：机器人应服从人的一切命令，但命令与A相抵触时例外
C：机器人必须保护自身的安全，但不得与A、B相抵触
D：机器人必须保护自身安全和服从人的一切命令。一旦冲突发生，以自保为先
36：下列哪种情况是图灵测试的内容？（）
A：当机器与人对话，两者相互询问，人分不清机器是人还是机器，说明它通过了图灵测试
B：当机器骗过测试者，使得询问者分不清是人还是机器时，说明它通过了图灵测试
C：当人与人对话，其中一人的智力超过另一人时，说明智者通过了图灵测试D：两机对话，其中一机的智力超过另一机时，说明智者机器通过了图灵测试37：人工智能之父是指：（）
A：爱因斯坦B：伯纳斯.李C：阿兰.图灵D：英格伯格和德沃尔
38：美国“在家里寻找外星人”的(SET@HOME)项目，就是利用人工智能的和分布式计算思想的一个成功案例。
A：自然语言系统B：机器学习C：神经网络D：机器人
1、智能是普遍存在的，它是存于人和动物之中，但不包括机器。（）
2、人工智能的一个重要分支是Pattern Recognition，中文名称是模式识别。它主要研究视觉和听觉的识别（）。
3、人工智能研究的先驱者认为人的智能主要表现在人能学习知识和运用知识上，知识是智能的基础。于是学者们把专门的知识集、规则集和附加过程组成知识库，开发出许多专家系统（英文缩写为ES），在领域获得成功（）。
4、人工智能是人造的智能，主要是对机器思维机理的模拟。（）
5、机器的智能是由人赋予的，尚不具备像人一样的思维能力。（）
6、英特网之父是指提出语义网概念的伯纳斯.李。（）
7、机器学习是一们研究机器如何获取新知识和新技能并识别现有知识的学问（）。
8、反向推理是以已知事实作为出发点，按照一定的策略，运用知识库中的知识，推断出结论的过程（）。
9、人类感官模拟是指用计算机实现对文字、声音、任务和物体等的自动识别（）。
10、利用指纹来鉴定人的身份，可以克服证件、签字、照片、密码、钥匙、印鉴等容易假冒、丢失、遗忘、被盗的缺点。（）
工智能定义:
答：从学科来说，人工智能是指计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。
从能力来说，人工智能是指智能机器所执行的通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。
2.界定机器智能的方法：图灵测试和中文屋子。
3.脑智能和群智能概念。
答：脑智能：人脑的职能及其过程都是发生在其心理层面上的，即以某种心理过程和思维过程表现的，脑（主要指人脑）的这种宏观心理层次的智能表现一般称为脑智能
群智能：生物群落或者更一般的生命群体（蚂蚁群、蜜蜂群、鱼群、鸟群等等）的群体行为或者社会行为（脑神经网络中的神经细胞所组成的细胞群体——所具有的智能表现）也表现出一定的智能，这种由群体行为所表现出的智能称为群智能4.符号智能和计算智能。
答：符号智能就是符号人工智能, 它是模拟脑智能的人工智能, 也就是所说的传统人工智能或经典人工智能。符号智能以符号形式的知识和信息为基础, 主要通过逻辑推理，运用知识进行问题求解。计算智能就是计算人工智能, 它是模拟群智能的人工智能。计算智能以数值数据为基础, 主要通过数值计算，运用算法进行问题求解。
5.为什么要研究人工智能？
答:①使当前的电脑更好用，更有用，以扩大和延伸人类智能②是当前信息化社会的迫切要求③有益于探索人类自身智能的奥秘④智能化也是自动化发展的必然趋势| 6.人工智能的研究目标。
答：制造智能机器和智能系统, 实现智能化社会。
7.人工智能研究的内容。
答：搜索与求解、学习与发现、知识与推理、发明与创造、感知与交流、记忆与联想、系统与建造、应用与工程八个方面。
8.人工智能的最基本、最核心技术是“表示”、“运算”、“搜索”
9.人工智能分为符号智能和计算智能。
10.人工智能学科正式诞生于1956年。
11. 人工智能发展中的3个主要学派：符号主义、连接主义、行为主义。
符号主义认为人工智能源于数理逻辑；人的认知基元是符号，认知过程即符号操作过程。
连接主义认为源于仿生学；人的思维基元是神经元，不是符号处理过程。
行为主义认为源于控制论。智能取决于感知和行动，提出智能行为的“感知—动作”模式
人工智能期末试题及答案完整版
xx学校 2012—2013学年度第二学期期末试卷 考试课程：《人工智能》考核类型：考试A卷 考试形式：开卷出卷教师： 考试专业：考试班级： 一单项选择题（每小题2分，共10分） 1.首次提出“人工智能”是在（D ）年 A.1946 B.1960 C.1916 D.1956 2. 人工智能应用研究的两个最重要最广泛领域为：B A.专家系统、自动规划 B. 专家系统、机器学习 C. 机器学习、智能控制 D. 机器学习、自然语言理解 3. 下列不是知识表示法的是 A 。 A：计算机表示法B：“与/或”图表示法 C：状态空间表示法D：产生式规则表示法 4. 下列关于不确定性知识描述错误的是 C 。 A：不确定性知识是不可以精确表示的 B：专家知识通常属于不确定性知识 C：不确定性知识是经过处理过的知识 D：不确定性知识的事实与结论的关系不是简单的“是”或“不是”。 5. 下图是一个迷宫，S0是入口，S g是出口，把入口作为初始节点，出口作为目标节点，通道作为分支，画出从入口S0出发，寻找出口Sg的状态树。根据深度优先搜索方法搜索的路径是 C 。 A：s0-s4-s5-s6-s9-sg B：s0-s4-s1-s2-s3-s6-s9-sg C：s0-s4-s1-s2-s3-s5-s6-s8-s9-sg D：s0-s4-s7-s5-s6-s9-sg 二填空题（每空2分，共20分） 1.目前人工智能的主要学派有三家：符号主义、进化主义和连接主义。 2. 问题的状态空间包含三种说明的集合，初始状态集合S 、操作符集合F以及目标
状态集合G 。 3、启发式搜索中，利用一些线索来帮助足迹选择搜索方向，这些线索称为启发式(Heuristic)信息。 4、计算智能是人工智能研究的新内容，涉及神经计算、模糊计算和进化计算等。 5、不确定性推理主要有两种不确定性，即关于结论的不确定性和关于证据的不确 定性。 三名称解释（每词4分，共20分） 人工智能专家系统遗传算法机器学习数据挖掘 答：（1）人工智能 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等 （2）专家系统 专家系统是一个含有大量的某个领域专家水平的知识与经验智能计算机程序系统,能够利用人类专家的知识和解决问题的方法来处理该领域问题.简而言之,专家系统是一种模拟人类专家解决领域问题的计算机程序系统 （3）遗传算法 遗传算法是一种以“电子束搜索”特点抑制搜索空间的计算量爆炸的搜索方法，它能以解空间的多点充分搜索，运用基因算法，反复交叉，以突变方式的操作，模拟事物内部多样性和对环境变化的高度适应性，其特点是操作性强，并能同时避免陷入局部极小点，使问题快速地全局收敛，是一类能将多个信息全局利用的自律分散系统。运用遗传算法(GA)等进化方法制成的可进化硬件(EHW)，可产生超出现有模型的技术综合及设计者能力的新颖电路，特别是GA独特的全局优化性能，使其自学习、自适应、自组织、自进化能力获得更充分的发挥，为在无人空间场所进行自动综合、扩展大规模并行处理(MPP)以及实时、灵活地配置、调用基于EPGA的函数级EHW，解决多维空间中不确定性的复杂问题开通了航向 （4）机器学习 机器学习(Machine Learning)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎 （5）数据挖掘 数据挖掘是指从数据集合中自动抽取隐藏在数据中的那些有用信息的非平凡过程，这些信息的表现形式为：规则、概念、规律及模式等。它可帮助决策者分析历史数据及当前数据，并从中发现隐藏的关系和模式，进而预测未来可能发生的行为。数据挖掘的
大数据、人工智能与人类未来
大数据、人工智能与人类未来 从古代猿人到现代智人，从小型部落到特大城市，从物物交换到虚拟货币，人、社会、商业从没停止过演进的步伐。随着移动互联网、物联网、大数据、区块链、虚拟现实、人工智能、基因技术、纳米科技等新技术的层出不穷，一场以大数据和人工智能为代表的智能革命正在悄然发生，人、社会、商业又一次迎来了进化拐点。 未来人类进化的方向是什么？人工智能的发展将会给社会带来怎样的冲击？它会和人类和谐共处还是会取代人类？智能和意识如果可以分离，他们孰轻孰重？假使技术的发展使得人类大规模失业，我们到时该如何自处？在新技术的冲击下，未来商业形态又会向何处演化？ 一、人工智能与人类未来 《未来简史》作者尤瓦尔·赫拉利认为人类的发展已经来到了巨变的前夜。从四十亿年前地球上诞生生命直到今天，生命的演化都遵循着最基本的自然进化法则，所有的生命形态都在有机领域内变动。但是现在，人类第一次有可能改变这一生命模式，进入智能制造和设计的无机领域。 “随着大数据的不断积累以及计算能力的快速发展，未来人类可能会越来越多地将自身的决策权让位给无意识的算法，让算法替自己决定该买什么东西，应该接受什么治疗以及应该和谁结婚。当权威从
人类转移到算法的同时，人工智能也会将数十亿的人赶出就业市场，使得人类产生大规模失业。他以自动驾驶汽车以及精准化医疗为例，生动地展现了人类在和机器竞争工作过程中的优势和劣势。” 甚至，“一旦那些失业的人真的再无经济价值，无法为社会的繁荣做出任何卓有成效的贡献，他们便会沦为无用阶层。而到那时候，以政府为代表的精英阶层也许会在他们身上放弃投资医疗和教育，他们将被整个社会系统彻底抛弃。” 二、人工智能与社会以及商业的未来 每一次社会的转型都会带来机会与挑战。互联网和数据正在改变我们的时代，世界的主导力量正在由工业时代的资源品和资本，向数据经济时代的数据和算法演进。 商业进化是否也跟人类进化相似，99%的商业组织都会成为附庸或者无用？如果未来进化到中心化商业形态，由此引发的基于数据、技术和商业模式的垄断会比过去按照行业和地域划分的垄断对商业社会带来更大的影响。高度中心化的商业体系将大大降低整个商业系统的容错和纠错能力。而泛中心化的未来商业，是一个多中心且中心动态均衡化的商业形态，并指出未来商业组织的三点生存之道，即三I理论：独立（Independence）、融合(Integration)以及智能(Intelligence)。 与此同时，随着人工智能和生物技术的发展，社会阶层对于人工智能与人类的未来，以及对社会的影响，已经在人工智能领域研究长
(精选)2019四川省专业技术人员继续教育(人工智能导论 答案)
2019四川省专业技术人员继续教育 人工智能导论（练习答案） 1、(单选，4分) 当前最流行的深度学习属于（） 连接主义 2、(单选，4分) AI是（）的英文缩写 Artificial Intelligence 3、(单选，4分) 下列哪个不是人工智能的研究领域() 编译原理 4、(单选，4分) （）最早提出了机器智能的测试模型，并提出了人工智能的含义 图灵 5、(单选，4分) 人工智能的目的是让机器能够( ),以实现某些 脑力劳动的机械化。 模拟、延伸和扩展人的智能 6、(单选，4分) 下列关于人工智能的叙述不正确的有()。 因为人工智能的系统研究是从上世纪五十 年代才开始的,非常新,所以十分重要。 7、(单选，4分) 自然语言理解是人工智能的重要应用领域,下面 列举中的()不是它要实现的目标。 欣赏音乐。 8、(单选，4分) 一般来讲,下列语言不常直接用于人工智能开发 的是()。 汇编语言 9、(单选，4分) 确定性知识是指()知识。 A、可以精确表示的 10、(单选，4分) 阿尔法狗打败柯洁，用的是（） C、人工智能 11、(单选，4分) 下列( )不属于艾莎克.阿莫西夫提出的“机器 人三定律”内容?
D、机器人必须保护自身安全和服从人的一 切命令。一旦冲突发生,以自保为先 12、(单选，4分) 人工智能诞生于什么地方?( ) A、达特茅斯 13、(单选，4分) 一些聋哑为了能方便与人交通,利用打手势方面来表达自己的想法,这是智能的()方面。 C. 行为能力 14、(单选，4分) 计算机视觉主要任务不包含（）。 C、自动程序设计 15、(单选，4分) 人工智能时代用什么语言进行研究较多（） C、Python 16、(单选，4分) 下列哪种情况是图灵测试的内容?() B、当机器骗过测试者,使得询问者分不清是 人还是机器时,说明它通过了图灵测试 17、(单选，4分) 人工智能诞生于哪一年?() C、1956 18、(单选，4分) 盲人看不到一切物体,他们可以通过辨别人的声 音识别人,这是智能的()方面。 B、感知能力 19、(单选，4分) 人类智能的特性表现在4个方面()。 B、能感知客观世界的信息、能对通过思维 对获得的知识进行加工处理、能通过学习积累知 识增长才干和适应环境变化、能对外界的刺激作 出反应传递信息。 20、(单选，4分) 下列哪个应用领域不属于人工智能应用?() B、自动控制 21、(单选，4分) 人工智能研究的一项基本内容是机器感知,以下 列举中的()不属于机器感知的领域。
人类智能的特性表现在4个方面
：人类智能的特性表现在 4 个方面 。 A：聪明、灵活、学习、运用。 B：能感知客观世界的信息、能对通过思维对获得的知识进行加工处理、能通过学习积累知识 增长才干和适应环境变化、能对外界的刺激作出反应传递信息。 C：感觉、适应、学习、创新。 D：能捕捉外界环境信息、能够利用利用外界的有利因素、能够传递外界信息、能够综合外界 信息进行创新思维。 2：人工智能的目的是让机器能够 ，以实现某些脑力劳动的机械化。 A：具有智能 B：和人一样工作 C：完全代替人的大脑 D：模拟、延伸和扩展人的智能 3：下列关于人工智能的叙述不正确的有： 。 A：人工智能技术它与其他科学技术相结合极大地提高了应用技术的智能化水平。 B：人工智能是科学技术发展的趋势。 C：因为人工智能的系统研究是从上世纪五十年代才开始的，非常新，所以十分重要。 D：人工智能有力地促进了社会的发展。 4：人工智能研究的一项基本内容是机器感知。以下列举中的 不属于机器感知 的领域。 A：使机器具有视觉、听觉、触觉、味觉、嗅觉等感知能力。 B：让机器具有理解文字的能力。 C：使机器具有能够获取新知识、学习新技巧的能力。 D：使机器具有听懂人类语言的能力 5：自然语言理解是人工智能的重要应用领域，下面列举中的 不是它要实现的 目标。 A：理解别人讲的话。 B：对自然语言表示的信息进行分析概括或编辑。 C：欣赏音乐。 D：机器翻译。 6：为了解决如何模拟人类的感性思维，例如视觉理解、直觉思维、悟性等，研究者找到一个 重要的信息处理的机制是： 。 A：专家系统 B：人工神经网络 C：模式识别 D：智能代理 7: 根据下列选项来判断可以用指纹来鉴定的是： ①证件 ②签字 ③照片 ④ 密码 ⑤钥 匙 ⑥印签（ ） Ａ ： ① ② Ｂ ： ① ② ③ Ｃ：①②③④ Ｄ：①②③④⑤⑥ 8：下列选项错误的是（ ） Ａ：研究人工智能成为当前信息化社会的迫切需求 Ｂ：智能化是自动化发展的必要趋势 Ｃ：人工智能的研究方法：结构模拟、功能模拟和行为模拟 Ｄ：人工智能的实质是人造的智能 9：机器人之父是指： （ ） A：阿兰.图灵 B：伯纳斯.李 C：莎佩克 D：英格伯格和德沃尔 10：下列哪个应用领域不属于人工智能应用？（ ）
1/5
关于人工智能是否会超越人类智能的探讨
关于人工智能是否会超越人类智能的探讨 夏天荣 J10220222 建筑工程学院土木工程2班杭州下沙 310018 摘要：从1956年“人工智能”的提出到如今的迅速发展，社会各界关于“人工 智能”与“人类智能”的对弈从未停止过，反而愈演愈烈。虽然“人工智 能”延长了人的大脑，扩大了人的智能，部分解放了人类的脑力劳动，但 由于两者存在着本质上的差异，“人工智能”是不可能代替“人类智能”， 更不可能超越“人类智能”的。“人工智能”本质是对“人类智能”的模 拟，而且两者智能的存在物质载体也相差甚大，思维程序和复杂程度更是 有天壤之别。因此，这是支配与被支配，设计与被设计的关系，人工智能 的模拟永远在人类智能之后。 关键词：人工智能人类智能模拟 Abstract:From 1956 "artificial intelligence" mentioned to today's rapid development and the social circles about "artificial intelligence" and "human intelligence," Chinese chess playing never stopped, but intensified. Although "artificial intelligence" extended the person's brain, expanded of human intelligence, partly freed humans mental labor, but because both are essentially differences, "artificial intelligence" is impossible instead of "human intelligence," the more impossible to surpass "human intelligence,". "Artificial intelligence" essence of "human intelligence," simulation, and both intelligence existing material carrier also differs greatly, thought process and complexity is make a big difference. Thus, this is dominant and be dominated by design, design and the relationship of artificial intelligence, the simulation in human intelligence forever after. Key words: artificial intelligence human intelligence simulation 为了使“人工智能”朝着正确的方向发展，我们必须正确认识“人工智能”与“人类智能”的辨证关系，既不为此恐慌，也不毫无忧患意识。“人工智能”是包含了多学科的交叉课题，必须从多角度来剖析与探讨。从能动与被动的关系看,机器超过人、统治人是不可能，而且“人工智能”不具有人类智能的本质特征。接着就从以下几点进行论述。 1首先，我们要深入了解什么是人工智能，什么是人类智能。 1.1人工智能
人工智能复习题 答案
一：单选题 1. 人工智能的目的是让机器能够（D），以实现某些脑力劳动的机械化。 A. 具有完全的智能 B. 和人脑一样考虑问题 C. 完全代替人 D. 模拟、延伸和扩展人的智能 2. 下列关于人工智能的叙述不正确的有（C）。 A. 人工智能技术它与其他科学技术相结合极大地提高了应用技术的智能化水平。 B. 人工智能是科学技术发展的趋势。 C. 因为人工智能的系统研究是从上世纪五十年代才开始的，非常新，所以十分重要。 D. 人工智能有力地促进了社会的发展。 3. 自然语言理解是人工智能的重要应用领域，下面列举中的（C）不是它要实现的目标。 A. 理解别人讲的话。 B. 对自然语言表示的信息进行分析概括或编辑。 C. 欣赏音乐。 D. 机器翻译。 4. 下列不是知识表示法的是（A）。 A. 计算机表示法 B. 谓词表示法 C. 框架表示法 D. 产生式规则表示法 5. 关于“与/或”图表示知识的叙述，错误的有（D）。 A. 用“与/或”图表示知识方便使用程序设计语言表达，也便于计算机存储处理。 B. “与/或”图表示知识时一定同时有“与结点”和“或结点”。 C. “与/或”图能方便地表示陈述性知识和过程性知识。 D. 能用“与/或”图表示的知识不适宜用其他方法表示。 6. 一般来讲，下列语言属于人工智能语言的是（D）。 A. VJ B. C# C. Foxpro D. LISP 7. 专家系统是一个复杂的智能软件，它处理的对象是用符号表示的知识，处理的过程是（C）的过程。 A. 思考 B. 回溯 C. 推理 D. 递归 8. 确定性知识是指（A）知识。 A. 可以精确表示的 B. 正确的 C. 在大学中学到的知识 D. 能够解决问题的 9. 下列关于不精确推理过程的叙述错误的是（B）。 A. 不精确推理过程是从不确定的事实出发 B. 不精确推理过程最终能够推出确定的结论 C. 不精确推理过程是运用不确定的知识 D. 不精确推理过程最终推出不确定性的结论 10. 我国学者吴文俊院士在人工智能的（A）领域作出了贡献。 A. 机器证明 B. 模式识别 C. 人工神经网络 D. 智能代理
视觉媒体特性(精)
视觉媒体特性 作者：佚名转贴自：本站原创点击数：64 人类信息交流中，最丰富的信息流是视觉媒体。凡是通过视觉传递信息的媒体，都属于视觉类媒体。它包括图形、图像、文字以及一切形象化的视觉信息形式。视觉类媒体特性研究，涉及光度学、色度学、图形学、数字信号处理和人类视觉生理心理特性等，认识和运用其基本特征，是视觉媒体处理的各种技术之基础。作为一名专业的图形设计员来说，了解视觉媒体特性是必不可缺的。下面我们将从几个不同的侧面来分析和说明视觉类媒体的主要特性。 一、可见光谱与光度学参量 人眼所看到的客观存在的世界，通常称之为景象。客观物体所发出的光线或是物体受光源照射后所反射、透射的光，在人的视网膜上成象，是一种自然的生理功能，它使人能借助视媒体去认识世界。近代科学的发展，特别是光电转换技术进步，使人类能够以各种方法来记录、处理、传输客观景象，如各类图片、照片、绘画、文稿、X光胶片等：不仅是获取和记录那些人眼可见的图像信息还可利用非可见光和其它手段成象，或利用适当转换装置将其变为人眼可视图像，例如红外成象、超声成象、微波成象等；科学技术使人的视觉能力逐步增强和延伸。从‘物理上讲，光线是电磁波的一种能量辐射形式。电磁波的主要参数包括：传播方向，所具能量，极化情况和波长。电磁波的频率范围很宽，根据波长不同，具有不同性质，包括无线电波、红外线、可见光谱、紫外线、X射线、’宇宙射线等。可见光谱在电磁波中仅是很窄的一段，其波长在380至780毫微米之间，波长不同呈现不同的颜色，从紫、蓝、绿、黄到橙、红，连续地变化。描述方法使用如下物理量：光源发光强度、光通量、照度、亮度，还使用视敏曲线反映人眼的感觉特性。 二、三基色原理 不同波长的单色光会引起不同的彩色感觉，然而同样的彩色感觉却可以来源于不同的光谱成分的组合，这个事实说明，光谱分布与彩色感觉之间的关系是多对一的，也说明在彩色重现过程中并不要求客观景物反射光的光谱成分，而重要的是人眼应获得原景物的相同的彩色视觉。实验证实，大自然中几乎所有颜色都可以用几种基色按不同比例混合而得到。三基色原理包括如下内容： 1．选择三种相互独立的颜色，即不能以其中两种混合而得到第三种作为基色，将这三基色按不同比例进行组合，可获得自然界各种彩色感觉。如彩色电视技术中选用红(R)、绿(G)和蓝(B)作为基色，印染技术中选用黄、品红、青作为基色。 2．任意两种非基色的彩色相混合也可以得到一种新的彩色，但它应该等于把两种彩色各自分解为三基色，然后将基色分量分别相加后再相混合而得到的颜色。 3．三基色的大小决定彩色光的亮度，混合色的亮度等于各基色分量亮度之和。
人工智能是否有朝一日超过人类智能
人工智能是否有朝一日超过人类智能？ 所谓人工智能（英文缩写为AI）既是是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。“人工智能”一词最初是在1956 年Dartmouth学会上提出的。从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。 目前，由《计算机世界》主办的人机对弈与64位技术及人工智能的未来研讨会在北京召开。包括戴汝为（中国工程院院士、中科院自动化所研究员）、陆汝钤（中国科学院院士、中科院数学所研究员）、倪光南（中国工程院院士、中科院计算所研究员）、吴文虎（清华大学教授、博士生导师）、马世龙（北航软件开发环境国家重点实验室副主任、计算机系教授）和杜子德（中国计算机学会秘书长）等计算机和人工智能领域的著名专家学者参加了本次研讨。国际象棋大师刘文哲、诸宸也出席了本次研讨会。各位专家一致认为电脑仍很难全面超越人脑，它只能在某方面超越人脑，而人工智能则更加遥远。 吴文虎说：“赛前就认为计算机获胜的可能性比较大。”各位专家认为，电脑综合了人类国际象棋大师的群体经验，而且不会劳累。但诸宸只是人类最优秀的单个智慧，会劳累。因此诸宸失败是有可能的。电脑从问世之日起，它的计算能力就远远超过人脑。今天电脑在国际象棋上战胜人脑，只是在计算和推理的能力上超过了人脑，但想要在全局把握的能力上超过人脑仍不可能。 对于人工智能，各位专家均表现出了无奈。在863计划初期曾将人工智能放在非常重要的位置上。但后来在研究的过程中，发现人工智能是非常艰巨的研究过程，仍没有找到实现人工智能的方法，很少有突破，以至后来被逐渐冷落。专家认为电脑没有思想，不具备学习的能力，目前只能在计算的能力上超过人类。计算机只能逐渐在某个方面上逐渐超过人类，想要完全超越人类，特别是在情商把握全局的能力上超过人类仍是很遥远的事情。但专家也同时指出，如果人工智能超过了人类就需要限制，否则将给人类带来灭顶之灾。 从某些有名的人工智能与人类智能的对弈当中我们也可以看到人类智能胜于人工智能的“影子”，例如1996年2月10～17日，以4：2战胜（Deep Blue）“深蓝”，Garry Kasparov是因为走错一步棋而战胜“深蓝”，从这也可以看得到“深蓝”只是在比赛前被工作人员输入大量的高手棋艺对决的资料，并实行命令而已，但当面对对手走错棋，并且对手还能走下去的情况下，它不知如何对付自己的对手，因为它搜索不了相关资料，这就是人工智能与天生的人类智能的区别了，最后“深蓝”败给，谱写了人工智能远不及人类智能的历史又一个章程。但是到后来Garry Kasparov又输给改造的“深蓝”，但是这也不能说明人工智能强于人类智能，虽然说Garry Kasparov输给了深蓝，但深蓝是人类工程师制造的,其所有棋步于演算来自全世界的国际象棋棋手,可以说是Garry Kasparov在跟全世界顶尖的国际象棋棋手下棋，而深蓝只是个媒介,归根结底他还是输给了人类智能.人工智能是不会战胜人类的.因为没有人类工程师的制造与输入资料，“深蓝”根本不能运作。更何况与人类对弈呢？这也是一个很好的例子说明人工智能只能跟在人类智能的后面，永难超越人类智能。据说美国人工智能专家罗德尼.布鲁克斯打算在4年内就将他的机器人Cog开发成至少要具备一个小孩的各方面的智慧和能力；而加里斯则已经开始着手研制人造脑袋，并要在2011年使第三代人造脑袋的智能超过人类的40多倍。（其实，这样的言论已经并不新鲜了。早在1970年，明斯基就曾经做过离谱的预言：“在三年到八年的时间里，我们将研制出具有普通人一般智力的计算机。这样的机器能读懂莎士比亚的著作，会给汽车上润滑油，会玩弄政治权术，能讲笑话，会争吵。到了这个程度后，计算机将以惊人的速度进行自我教育。几个月之后，它将具有天才的智力，再过几个月，它的智力将无以伦比。”） 从所周知“阿西莫夫机器人三定律”也是人定出来的,对于"死"的机器绝对有用,但是"自组织"却是
人工智能与信息社会2019尔雅答案
第一章 时代主要的人机交互方式 () 。D 为 A、鼠标 B、键盘 C、触屏 D、语音 +视觉年 3 月, 人工智能程序 () 在韩国首尔以 4:1 的比分战胜的人类围棋冠军李世石。 A A、AlphaGo B、DeepMind C、Deepblue D、AlphaGo Zero 是() 推出的个人语音助手。 C A、苹果 B、亚马逊 C、微软 D、阿里巴巴 4.首个在新闻报道的翻译质量和准确率上可以比肩人工翻译的翻译系统是 () 。C A、苹果 B、谷歌 C、微软 D、科大讯飞 5.相较于其他早期的面部解锁,iPhone X 的原深感摄像头能够有效解决的问题是 () 。 C A、机主需要通过特定表情解锁手机 B、机主是否主动解锁手机 C、机主平面照片能够解锁手机 D、机主双胞胎解锁手机 6.属于家中的人工智能产品的有 () 。ABD A、智能音箱 B、扫地机器人 C、声控灯 D、个人语音助手 7.谷歌相册与传统手机相册最大不同点是 () 。ABE A、根据照片内容自动添加标记 B、根据不同标记进行归类和搜索 C、自动对照片进行美颜
D、定时备份照片 E、人脸识别和搜索 8.目前外科手术领域的医用机器人的优点有 () 。AB A、定位误差小 B、手术创口小 C、不需要人类医生进行操作 D、能够实时监控患者的情况 E、可以帮助医生诊断病情 9.智能推荐系统的特点包括 () 。ABCD A、根据用户的购买记录记忆用户的偏好 B、根据浏览时间判断商品对用户的吸引力 C、推荐用户消费过的相关产品 D、根据用户的喜好进行相关推荐 10.一般来说 , 扫地机器人必需的传感器有 () 。 ABC A、距离传感器 B、超声波雷达传感器 C、悬崖传感器 D、温度传感器 11.在神经网络方法之前 , 机器翻译主要是基于统计模型的翻译。 () 正确 12.人工智能具有学会下棋的学习能力 ,是实现通用人工智能算法的基础。() 正确 13.目前还没有成功进行无人自动驾驶的案例。 () 错误 14.智能家居应该能自动感知周围的环境 ,不需要人的操控。 () 正确 15.智能音箱本质上是音箱、智能语音交互系统、互联网、内容叠加的产物。() 正确 16.基于句法的机器翻译是目前较为流行的翻译方法,基本达到了预期的理想。() 错误 第二章 1.被誉为计算机科学与人工智能之父的是 () 。A A、图灵 B、费根鲍姆 C、纽维尔 D、西蒙
人工智能复习试题和答案及解析
一、单选题 1. 人工智能的目的是让机器能够（D ），以实现某些脑力劳动的机械化。 A. 具有完全的智能 B. 和人脑一样考虑问题 C. 完全代替人 D. 模拟、延伸和扩展人的智能 2. 下列关于人工智能的叙述不正确的有（ C ）。 A. 人工智能技术它与其他科学技术相结合极大地提高了应用技术的智能化水平。 B. 人工智能是科学技术发展的趋势。 C. 因为人工智能的系统研究是从上世纪五十年代才开始的，非常新，所以十分重要。 D. 人工智能有力地促进了社会的发展。 3. 自然语言理解是人工智能的重要应用领域，下面列举中的（C）不是它要实现的目标。 A. 理解别人讲的话。 B. 对自然语言表示的信息进行分析概括或编辑。 C. 欣赏音乐。 D. 机器翻译。 4. 下列不是知识表示法的是（）。 A. 计算机表示法 B. 谓词表示法 C. 框架表示法 D. 产生式规则表示法 5. 关于“与/或”图表示知识的叙述，错误的有（D ）。 A. 用“与/或”图表示知识方便使用程序设计语言表达，也便于计算机存储处理。 B. “与/或”图表示知识时一定同时有“与节点”和“或节点”。 C. “与/或”图能方便地表示陈述性知识和过程性知识。 D. 能用“与/或”图表示的知识不适宜用其他方法表示。 6. 一般来讲，下列语言属于人工智能语言的是（D ）。 A. VJ B. C# C. Foxpro D. LISP 7. 专家系统是一个复杂的智能软件，它处理的对象是用符号表示的知识，处理的过程是（C ）的过程。 A. 思考 B. 回溯 C. 推理 D. 递归 8. 确定性知识是指（A ）知识。 A. 可以精确表示的 B. 正确的 C. 在大学中学到的知识 D. 能够解决问题的 9. 下列关于不精确推理过程的叙述错误的是（ B ）。 A. 不精确推理过程是从不确定的事实出发 B. 不精确推理过程最终能够推出确定的结论 C. 不精确推理过程是运用不确定的知识 D. 不精确推理过程最终推出不确定性的结论
比视觉灵敏度表示人类视觉分光灵敏度特性
比视觉灵敏度表示人类视觉分光灵敏度特性 在光强度的测量方法中有辐射测量与测光法两种不同的方法。辐射测量法指的是对于光谱范围内的整个波长，包括紫外线、可见光和红外线，全部进行测量。测光法测量的仅仅是可见光。 而要将物理辐射量转换为表示人的眼睛所感知的明暗程度的测光量时，需要引入一个比视觉灵敏度的概念。所谓比视觉灵敏度，表示的是人类眼睛的分光灵敏度特性。在图 1.7 中，用虚线补充的就是光敏二极管 BS120 的标准比视觉灵敏度特性。 例如，在测量照度的是偶，可以将照度置换为人们感觉到了许多大程度明亮的数值，因此被纳入比视觉灵敏度之中。为此，就像图 1.7 那样，用于照度测量的光敏二极管 BS120，其分光灵敏度特性就制作得尽可能地与比视觉灵敏度相吻合。 短路电流的表示方法如表 1.1 所示，与照度相对应，约为 0.16μA/100lx。 但是，用于紫外线检测的光敏二极管 G3614 可以检测出人眼看不见的光线，因此表示为无法用比视觉灵敏度表示的辐射强度。从表 1.1 可以看出，光敏二极管 G3614 的辐射强度检测灵敏度为 60mA/W。 将光敏传感器与发光器件组合时的注意点 在红外遥控器中发光器件是与感光器件配对使用的。通常，使用发光二极管（LED）作为发光器件，而且尤其重要的是其发光特性应当与作为感光器件的光敏二极管相匹配。 图 1.9 给出的是与各种发光器件的波长相对应的而检测能力。从中可以找到与光敏二极管 PH302B 相对应的发光二极管。从表 1.1 可以查到，光敏二极管 PH302B 的峰值波长位于940nm；对照图 1.9 可以了解到，适合与之配套使用的发光二极管是 GaAs 红外发光二极管。
人工智能与人类智能比较
第一章 关于人工智能能否超过人类智能的讨论 摘要：随着信息技术的发展，人类把最新的计算机技术应用于各个学科，对这些学科的认知也进入了日新月异的发展阶段，促使大量的新的研究成果不断涌现。人工智能与人类智能的关系问题，从20世纪80年代在国内外就进行了非常激烈的辩论。本文做出了人工智能只能作为人类工具而不可能超过人类智能的论断，人工智能本质上是对人类智能的功能模拟。机器思维和人工智能在未来发展的可能性和重要性有其值得重视的一面，但机器思维只是人的思维在一定程度上的延伸和补充，而不是一种独立的思维，机器思维同人类思维二者虽然存在着一定的相似之处，但由于其思维的物质承担者不同，在智能活动中的地位和思维程序也不同，所以有本质的区别。人工智能没有人类智能所特有的创造性和社会性，只不过是人类智能的延伸，至多只是部分地超越人类智能而不能完全地战胜人类智能。本文最后得出结论：人类对人脑的功能会不断地进行认识，从而人工智能会不断的迫近人类智能。但从动态分析上，即人类智能也在不断的进化和发展，人工智能作为人类智能主体客体化的产物，其作用和功能受到人类智能的制约所以要低于人类智能，人工智能在整体上是不能最终代替和战胜人类智能的。 关键词：人工智能，超越，人类智能，智能模拟 1．研究背景 人工智能这个术语自1956年由数学家麦卡锡正式提出，并作为一个新兴学科的名称被使用以来，已经有50多年的历史了。人工智能的发展过程，大致经历了孕育期、形成期、知识应用期、和综合集成这四个阶段。人工智能(Artificial Intelligence)，英文缩写为AI,是一门综合了计算机科学、生理学、哲学的交叉学科。“人工智能”一词最初是在1956年美国计算机协会组织的达特莫斯（Dartmouth）学会上提出的。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。人工智能的概念由于智能概念的不确定因此没有一个统一的标准。童天湘在《从“人机大战”到人机共生》中这样定义人工智能：“虽然现在的机器不能思维也没有‘直觉的方程式’，但可以把人处理问题的方式编入智能程序，是不能思维的机器也有智能，使机器能做那些需要人的智能才能做的事，也就是人工智能。”【1】 人工智能在发展过程中形成了几个学派，最主要的两个学派是符号主义和连接主义，行为主义是后来形成的一个学派【1】。 人工智能与人类智能的关系以及人工智能的发展趋势问题，从20世纪80年代在国内外就进行了非常激烈的辩论。既有一部分人认为人工智能只能作为人的工具的延长而不可能取代人的大脑的工具论，本人也支持此种观点，即：人工智能诞生的初衷是作为人类工具的延长，其作用从其诞生的那一天就已经定性，人工智能只能作为人类智能的附庸和补充，而不可能对人类智能构成挑战，更不可能取代人类智能。 也有一部分人持人工智能一定会战胜人类智能的观点，他们从达尔文的进化论进行类比推断，对比人类智能和人工智能相对发展的速度和加速度，认为人类智能虽然在短时期内还占有绝对的优势，但是从人工智能近些年突飞猛进的发展
人类视觉系统
人类视觉系统，即Human visual system。人类视觉系统只有3种视锥细胞，因此在缤纷的世界中，即使面对似锦的繁花，我们也可能犹如色盲，常常对一些色彩“视而不见”；而鸟类独特的视觉系统，拥有4种视锥细胞，能辨别出更多色彩，看见的世界也更加绚丽多彩，远远超越了人类。 对颜色/亮度的感知 人类对光的感知是依靠视网膜(retina)细胞。cones(圆锥细胞)负责感知光度(较强光)和色彩, rods(杆状细胞)仅能感知光度，不能感知颜色，但其对光的敏感度是cones的一万倍。在微弱光环境下rods起主要作用，因此我们不能在暗环境中分辨颜色。一些数码相机的夜光拍摄模式也模拟了这一特性。 视网膜中三种圆锥细胞(cones) 有重叠的频率响应曲线，但响应强度有所不同，他们分别对红(570nm), 绿(535nm), 蓝(445nm)光有最敏感，共同决定了色彩感觉。光度(luminance) 正比于视网膜细胞接受到的光强度能量，但人类对相同强度不同波长的光具有不同的敏感度。可感知的波长范围380nm~780nm，称为可见光。其中对绿色(550nm)光产生最大的光强敏感度。 视力 眼睛的空间分辨能力，即视力，通常用可分辨视角(degree)的倒
数为单位。正常人的最少可辨视觉阀值约0.5”，最大视觉范围200度(宽)×135度(高)。 空间频率 即影像在空间中的变化速度。用亮度呈空间正弦变化的条纹做测试，亮度Y(x,y) = B(1+mcos2πfx), 给定条纹频率f为一固定值(看作是宽度)，改变振幅m(看作对比度)，测试分辨能力。显然m越大分辨越清楚，测试不同条件下(不同cpd)可分辨的最少m值，定义1/mmin为对比敏感度(contrast sensitivity)。定义人眼的对空间感觉的角度频率：cpd: cycle / degree ，表示眼球每转动一度扫过的黑白条纹周期数。对给定的条纹，这个值与人眼到显示屏的距离有关，对于同样大小的屏幕，离开越远，cpd越大。 通常人眼对空间的感觉相当于一个带通滤波器。最敏感在2~5个cpd ，空间截止频率为30cpd。比如我们看油画和电视机屏幕时，当距离离开一定远，cpd增大，人的眼睛就分辨不了象素点细节，便感觉不到颗粒感了。 当人观察一个静止影像时，眼球不会静止一处(精神病人除外), 通常停留在一处几百毫秒完成取像后，移到别处取像，如此持续不断。这种运动称为跳跃性运动(saccadic eye movement)。研究表明跳跃性运动可以增大对比敏感度，但敏感度峰值却减少。 对时间频率的感知
人工智能对人类的威胁分析
人工智能对人类的威胁分析 谷歌AlphaGo战胜了李世石，激起了各种“机器超越人类，科幻小说将成真”的讨论。特别有趣的是有人揣测AlphaGo下面会不会故意输下几盘棋，以免人类起疑心，阻挡了它统治人类的野心。其实，虽然机器在逻辑分析推算方面，能力会远超人类，但是依然是属于人类操控的工具。AlphaGo这类的“人工智能”机器真正可能带来的危机，不是奴役人类，而是让人类丧失斗志，无所事事。 有些人描述AlphaGo是“和人一样的方式思考，但是比人快无数倍”。这么说并不精确。AlphaGo确实比人快无数倍，但是AlphaGo的思考只能说是“被人的大脑启发”，而非和人类思考一样。AlphaGo是一个能自我学习的深度学习，经过专家的调节，它能在任何在可以纯凭逻辑分析推算的问题上，把人类远远低抛在后面。机器速度会越来越快，学习能力会越来越强，数据会越来越多。 基于深度学习的人工智能将带来什么改变呢？我们将看到无数的商机和产品，能够解决问题、拯救生命、产生巨大的商业和用户价值。未来，自动交易能得到更高的投资回报和风险比例，自动诊断基因排序会达到个性化精准医疗，推荐引擎将能推荐你最可能会买的产品、想吃的菜，想认识的人。在拥有大数据大计算专家调节的领域，就不必再跟人类相比了，因为人类根本差的太远了（就像没有人能打败搜索引擎一样）。 这些技术可能辅助专家，也可能取代专家。非专家的工作者很多将会面临失业。未来十年，大部分今天的人类工作可被机器取代。机器将取代许多的护士、记者、会计、教师、股理财师。。。的工作。任何带有“助理”、“代理”或“经纪”等字样的职位都很可能被取代。这些机器不需要工资，只需要供电和网，就会一年365天，一天24小时“上班”。这些机器将帮助我们创造世界上的大部分财富。 虽然这些机器确实很“聪明”，而且又高效、勤奋、低廉，但是他们并不“人性化”，只是冷冰冰的机器和工具。比如说，AlphaGo第一场就战胜了李世石，但是它不会感觉高兴，也不会理解我们对于它的讨论。甚至，它说不上这局棋是怎么赢的。因为，它的思考虽然周密，但是它不懂“赢了有什么感受？”，也不懂“为什么围棋好
人工智能练习题
一、填空题 1、人工智能三大学派是（符号主义）、（联结主义）和（行为主义）。 2、设P是谓词公式，对于P的任何论域，存在P为真的情况，则称P为（永真式）。 3、谓词公式G是不可满足的，当且仅当对所有的解释（G都为假）。 4、广度优先搜索算法中，OPEN表的数据结构实际是一个（二叉树），深度优先搜索算法中，OPEN表的数据结构实际是一个（单链表）。 5、产生式系统由三部分组成（综合数据库）、（知识库）和推理机，其中推理可分为（正向推理）和（反向推理）。 6、专家系统的结构包含人机界面、（知识库）、（推理机）、（动态数据库）、（知识库答理系统）和解释模块。 7、开发专家系统所要解决的基本问题有三个，那就是知识的获取、知识的表示和知识的运用，知识表示的方法主要有（逻辑表示法或称谓词表示法）、（框架）、（产生式）和语义网络等，在语义网络表示知识时，所使用的推理方法有（AKO）和（ISA）。 8、从已知事实出发，通过规则库求得结论的产生式系统的推理方式是（正向推理）。 9、AI是（Artifical Inteligence）的缩写。 10、在谓词公式中，紧接于量词之后被量词作用的谓词公式称为该量词的（辖域），而在一个量词的辖域中与该量词的指导变元相同的变元称为（约束变元），其他变元称为（自由变元）。 11、假言推理（A→B）∧A?（ B ），假言三段论（A→B）∧（B→C）?（A→C ）。 12、在诸如走迷宫、下棋、八数码游戏等游戏中，常用到的一种人工智能的核心技术称为（图搜索）技术，解这类问题时，常把在迷宫的位置、棋的布局、八数码所排成的形势用图来表，这种图称为（状态空间图或状态图）。 13、在启发式搜索当中，通常用（启发函数）来表示启发性信息。 14、某产生式系统中的一条规则：A（x）→B（x），则前件是（A（x）），后件是（B（x））。 15、在框架和语义网络两种知识表示方法中，（框架）适合于表示结构性强的知识，而（语义网络）则适合表示一些复杂的关系和联系的知识。（面向对象）不仅仅是一种知识表示方法，也是一种流行的软件设计和开发技术。 16、产生式系统的推理可以分为（正向推理）和（反向推理）两种基本方式。 17、产生式系统是由（综合数据库）、（知识库）和（推理机）三部分组成的。 18、人工智能的远期目标是（制造智能机器），近期目标是（实现机器智能）。 19、机器学习系统由环境、（学习）、（知识库）和（执行）几部分构成。 20、人工智能是计算机科学中涉及研究、设计和应用（智能机器）的一个分支，它的近期目标在于研究用机器来（模仿和执行人脑）的某些智力功能。 21、规则演绎系统根据推理方向可分为（规则正向演绎系统）、（规则逆向演绎系统）以及（规则双向演绎系统）等。 22、计算智能是人工智能研究的新容，涉及（神经计算）、（模糊计算）和（进化计算）等。 23、启发式搜索是一种利用（启发式信息）的搜索，估价函数在搜索过程中起的作用是（估计节点位于解路径上的希望）。 24、在与或图中，没有后裔的非终叶节点为不可解节点，那么含有或后继节点且后裔中至少有一个为可解的非终叶节点是（可解节点），含有与后继节点且后裔中至少有一个为不可解的非终叶节点是（不可解节点）。 二、选择题： 1、如果把知识按照作用来分类，下述（ B ）不在分类的围。 A、用控制策略表示的知识，即控制性知识。 B、可以通过文字、语言、图形、声音等形式编码记录和传播的知识，即显性知识。 C、用提供有关状态变化、问题求解过程的操作、演算和行动的知识，即过程性知识。 D、用提供概念和事实使人们知道是什么的知识，即述性。
人类视觉注意力的发展与分析
2012年第12期 吉林省教育学院学报 No.12，2012 第28卷JOURNAL OF EDUCATIONAL INSTITUTE OF JILIN PROVINCE Vol .28（总288期） Total No .296 收稿日期：2012—10—18 作者简介：陈梦泽（1984—），男，吉林长春人，长春师范学院数学学院，助教，硕士。研究方向：图像处理，视频图像水印，计算视觉等。 人类视觉注意力的发展与分析 陈梦泽 （长春师范学院数学学院，吉林长春130000） 摘要：人类视觉在面对复杂场景时，会迅速将注意力集中在显著性区域，从而发现其感兴趣的目标。由于注意力选择机制的存在，这种处理的精确性和速度会超过机器视觉。因此如何设计出能够模拟人类视觉注意力的模型是现在我们亟待解决的问题。 关键词：视觉注意；显著图；视觉特征中图分类号：TP391．41 文献标识码：A 文章编号：1671—1580（2012）12—0139—02 人类进行视觉信息的处理主要通过人类视觉注意这一重要的心理调节机制， 在信息爆炸的社会，有大量视觉信息输入的时候做有机筛选变得非常有必要，视觉注意力提供了这样的功能。人类视觉系统可以帮助我们过滤一些不相关的信息，更加关注感 兴趣的事物， 通过及时分析视频中主要的信息（颜色、亮度、轮廓、运动等），从而快速地提取关键目标对象。将这种机制引入到图像分析领域可以大大提高图像处理的效率。它主要应用在下面几个主要领域：图像和视频的压缩及编码、信息隐藏和数字水 印、 目标分割和检测识别、图像检索、场景分析等 。 一、静态图像影响视觉注意程度的主要因素 图1观察图像 最基本的视觉信息包括：颜色、亮度、轮廓、位置 等。根据人类视觉处理信息的流程， 对于静止的图像，底层视觉特征是影响视觉注意程度的首要因素：物体的亮度越高越容易被关注、物体的边缘有较高的对比度可以得到更多的注意，颜色越鲜艳则在图片中更突出。例如我们在看到图1时，我们会在第 一时间注意到鱼，两只鱼在视觉上是显著的，它们的 颜色和形状都和背景不一样， 在水中很明显。这种明确的视觉特性差异是由物理刺激形成的。同时高层信息对注意力也有较大影响：例如人们会更注意 尺寸大的或者细长条的物体， 位于区域中央25%的区域比其余部分注意度高，例如图1中鱼的位置在图片的中央，就单一物体来说在画面中最大；前景比 背景包含更多的语义信息， 则具有更高的注意程度，例如在包含有人物的图像中，人物尤其是面部及面部器官更容易吸引注意。 对于静态图像的视觉注意力的研究有很多经典的模型。最早的Treisman 提出的特征整合理论，把视觉信息处理过程分为前注意阶段和集中注意阶段，在前注意阶段提出各种视觉特征，并在注意阶段 以串行方式整合为视觉客体。在此基础上， 1990年，Wolfe 提出了指向性搜索理论，对一幅图像，通过滤波得到各个视觉特征的特征图，然后通过不同 的加权方式将其综合成一张特征图， 图像中幅度大的地方就是感兴趣的区域。1998年， Itti 等在Koch 的理论框架基础上提出了显著性的视觉注意模型，它的目标选择是基于自底向上数据驱动的，通过特征提取、显著图生成和注意焦点的转移三个过程来选取目标对象。 二、动态图像影响视觉注意程度的主要因素在视频中除了有静态图像影响视觉注意程度的因素外，最引人注意的是运动特征，高速行驶的汽车总要比静止的路标更吸引人的注意。随着时间的推 9 31