王士同版人工智能教程答案

第一章绪论

1.1答：人工智能就是让机器完成那些如果由人来做则需要智能的事情的科学。人工智能是相对于人的自然智能而言，即用人工的方法和技术，研制智能机器或智能系统来模仿延伸和扩展人的智能，实现智能行为和“机器思维”，解决需要人类专家才能处理的问题。

1.2答：“智能”一词源于拉丁“Legere”，意思是收集、汇集，智能通常用来表示从中进行选择、理解和感觉。所谓自然智能就是人类和一些动物所具有的智力和行为能力。

智力是针对具体情况的，根据不同的情况有不同的含义。“智力”是指学会某种技能的能力，而不是指技能本身。

1.3答：专家系统是一个智能的计算机程序，他运用知识和推理步骤来解决只有专家才能解决的复杂问题。即任何解题能力达到了同领域人类专家水平的计算机程序度可以称为专家系统。

1.4答：

自然语言处理—语言翻译系统，金山词霸系列

机器人—足球机器人

模式识别—Microsoft Cartoon Maker

博弈—围棋和跳棋

第二章知识表达技术

2.1解答：

（1）状态空间(State Space)是利用状态变量和操作符号，表示系统或问题的有关知识的符号体系，状态空间是一个四元组（S，O，S0，G）：

S—状态集合;O—操作算子集合;S0—初始状态,S0?S;G—目的状态,G?S,(G可若干具体状态，也可满足某些性质的路径信息描述)

从S0结点到G结点的路径被称为求解路径。

状态空间一解是一有限操作算子序列，它使初始状态转换为目标状态：

O1 O2 O3 Ok

S0→???S1→???S2→???……→???G

其中O1，…，Ok即为状态空间的一个解(解往往不是唯一的)

（2）谓词逻辑是命题逻辑的扩充和发展，它将原子命题分解成客体和谓词两个部分。

与命题逻辑中命题公式相对应，谓词逻辑中也有谓词（命题函数）公式、原子谓词公式、复合谓词公式等概念。一阶谓词逻辑是谓词逻辑中最直观的一种逻辑。

（3）语义网络是一种采用网络形式表示人类知识的方法。即用一个有向图表示概念和概念之间的关系，其中节点代表概念，节点之间的连接弧(也称联想弧)代表概念之间的关系。

常见的语义网络形式有命题语义网络、数据语义网络：E-R图（实体-关系图）、语言语义网络等。

2.2解答：

（1）

（2）

(3)

2.3解答：设有如下四个谓词：

HUMAN(X) X是人

LAWED(X) X 受法律管制 COMMIT(X) X 犯法

PUNISHED(X) X 受法律制裁

前两个谓词可以变为：HUMAN(X) LAWED(X)，表示：人人都要受法律的管制； 后两个谓词可以变为：COMMIT(X) PUNISHED(X)，表示只要X 犯了罪，X 就要受到惩罚；

进一步，还可以把上述两个谓词联结成如下形式：

[HUMAN(X) LAWED(X)] [COMMIT(X) PUNISHED(X)]

本公式的含义是：如果由于某个X 是人而受到法律管制，则这个人犯了罪就一定要受到惩罚。

晁盖是人，受法律的管制（老百姓受法律的管制）；所以晁盖劫了生辰纲，违反了宋王朝的法律，一定要受到官府的追究。

高衙内是人，却不受法律的管制（达官贵人和恶少不受法律的管制）；所以高衙内强抢民女，同样是违反了宋王朝的法律，却可以横行无忌。

2.4（1）条件②：周和钱是同一性别； （2 条件③：李与陈不构成夫妻； 条件④：吴与徐、周均不构成夫妻，则吴选择的余地为李；推得：吴与李是夫妻 条件①：王与周不构成夫妻，则王选择的余地为徐；推得：王与徐是夫妻 排除上述已经成立的条件，显然可推得：孙与周是夫妻。

2.5解答：符号微积分基本公式为

b a b

a

x F a F b F x f |)()()()(?

=-=

用产生式表示为：If f(x) and (a,b) Then F(b)-F(a)

2.6解答：题中描述的情况用谓词形式可表达如下：

DOG(X) X 是狗

SOUND(X) X 会吠叫 BIT(X,Y) X 咬Y ANIMAL(X) X 是动物

题中各条推理则可以表示为：

P1: ?x DOG(X) ?yBIT(X,Y )∨SOUND(X) P2: :?x （ANIMAL(X) ∧SOUND(X)） yBIT(X,Y )

P3: 猎犬是狗，即DOG(X)种X 的谓词样品是猎犬，同时也可得ANIMAL(猎犬) 将P3带入P1可得SOUND(猎犬)，再将SOUND(猎犬)和ANIMAL(猎犬)带入P2可得

?yBIT(猎犬,Y )，即可以得到结果：猎犬是咬人的。

2.7解答：题中的三条规则侧重点不同：R1规则的重点在于我师的任务；R2规则的重点在于敌团的配置；R3规则的重点在于我师的任务和敌团的配置同时满足。它们之间的关系为R1? R2? R3。

所以根据冲突解决规则中的规模排序，可知首先应该选择规则R3，系统执行才最有效。

2.8 解答：

2.9 解答：

（1）

（2）

2.10 解答：

2.11解答：

在产生式系统中，随着产生式规则的数量的增加，系统设计者难以理解规则间的相互作用，究其原因，在于每条规则的自含性使得知识表示的力度过于细微。因此要提高产生式系统的可理解性，就应当按照软件工程的思想，通过对规则的适当划分，将规则组织诚易于管理的功能模块。由于框架系统具有组织成块知识的良好特性，因此将两者进行有机结合，可以为产生式系统的开发、调试和管理提供有益的帮助。

基于框架的表示机制可以用作产生式语言和推理机制设计的一个重要构件。另外，框架可以直接用于表示规则，如果将每一个规则作为一个框架处理，一组用于解决特定问题的规则可组织成一类，且在这一类框架中表示这组规则的各种特性。

2.12 解答：略

2.13 解答：

（1）题目描述可转换为如下问题（N阶汉诺塔问题）

有编号为A、B、C 的三个柱子和标识为1、2、…、N的尺寸依次从小到大的N个有中心孔的金片；初始状态下N个金片按1、2、…、N 顺序堆放在A号柱子上，目标状态下N个金片以同样次序顺序堆放在B 号柱子上，金片的搬移须遵守以下规则：每次只能搬一个金片，且较大金片不能压放在较小金片之上，可以借助于C针。

（2）假设基本操作为move(x,A,C,B)，表示将x个金片从A移到B上，中间可借助于C。

当N=1时，则无需借助中间的C针，就可以直接实现将1个金片从A移到B上，这也是问题的最简操作，可表示为move-one(1,A,B)；

当N>1时，需要用中间的C针作辅助。其操作又可分为以下三步：

将N-1个金片从A移到C上，中间可借助于B，转换为基本操作就是move(N-1,A, B, C)；

将1个金片直接从A移到B上，转换为基本操作就是move-one(1,A,B)；

将N-1个金片从C移到B上，中间可借助于A，转换为基本操作就是move(N-1, C, A, B)；

这样，就将问题的规模减小为N-1，依次递归求解就可以得到相应的结果。

（3）设M(x)表示移动x个金片所需要的操作次数，则上述N阶汉诺塔问题可以表示成如下

形式：

M(1)=1

M(N)=2M(N-1)+1

最后可以解得M(N)=2N-1

下面给出对梵塔问题给出产生式系统描述，并讨论N为任意时状态空间的规模。

（1）综合数据库

定义三元组：(A, B, C)，其中A, B, C分别表示三根立柱，均为表，表的元素为1～N之

间的整数，表示N个不同大小的盘子，数值小的数表示小盘子，数值大的数表示大盘子。

表的第一个元素表示立柱最上面的柱子，其余类推。

（2）规则集

为了方便表示规则集，引入以下几个函数：

first(L)：取表的第一个元素，对于空表，first得到一个很大的大于N的数值。

tail(L)：取表除了第一个元素以外，其余元素组成的表。

cons(x, L)：将x加入到表L的最前面。

规则集：

r1: IF (A, B, C) and (first(A) < first(B)) THEN (tail(A), cons(first(A), B), C)

r2: IF (A, B, C) and (first(A) < first(C)) THEN (tail(A), B, cons(first(A), C))

r3: IF (A, B, C) and (first(B) < first(C)) THEN (A, tail(B), cons(first(B), C))

r4: IF (A, B, C) and (first(B) < first(A)) THEN (cons(first(B), A), tail(B), C)

r5: IF (A, B, C) and (first(C) < first(A)) THEN (cons(first(C), A), B, tail(C))

r6: IF (A, B, C) and (first(C) < first(B)) THEN (A, cons(first(C), B), tail(C))

(3)初始状态：（（1，2，...，N），（），（））

(4)结束状态：（（），（），（1，2，...，N））

问题的状态规模：每一个盘子都有三种选择：在A上、或者在B上、或者在C上，共N个

盘子，所以共有种可能。即问题的状态规模为。

2.14 解答：

(1)定义谓词G(x,y):x比y大，个体有张三（zhang）、李四（li），将这些个体带入谓词中，

得到G(zhang,li)和?G(zhang,li),根据语义用逻辑连接词将它们联结起来就得到表示上

述知识的谓词公式：G(zhang,li) ?G(zhang,li)。

(2) 定义谓词Marry(x,y):x和y结婚，Male(x):x是男的，Female(x)：x是女的。个体有

甲(A)、乙(B)，将这些个体带入谓词中，得到Marry(A,B)、Male(A)、Female(B)以及Male(A)、Female(B),根据语义用逻辑连接词将它们联结起来就得到表示上述知识的谓词公式：

Marry(A,B) (Male(A)∧Female(B))∨(Male(B)∧Female(A))

(3) 定义谓词Honest(x):x是诚实的，Lying(x):x会说谎。个体有张三（zhang），将这些

个体带入谓词中，得到Honest(x)、?Lying(x)、Lying(zhang)、?Honest(zhang),根

据语义用逻辑连接词将它们联结起来就得到表示上述知识的谓词公式：

?x(Honest(x) ?Lying(x)) (Lying(zhang)

Honest(zhang))

第三章问题求解方法

3.1答：深度优先搜索与广度优先搜索的区别在于：在对节点n进行扩展时，其后继节点在OPEN表中的存放位置不同。广度优先搜索是将后继节点放入OPEN表的末端，而深度优先搜索则是将后继节点放入OPEN表的前端。广度优先搜索是一种完备搜索，即只要问题有解就一定能够求出，而深度优先搜索是不完备搜索。

在不要求求解速度且目标节点的层次较深的情况下，广度优先搜索优于深度优先搜索；在要求求解速度且目标节点的层次较浅的情况下，深度优先搜索优于广度优先搜索。

广度优先的正例：积木问题；深度优先的正例：邮递员问题，反例：国际象棋。

3.2答：衡量标准为：这组子状态中有没有目标状态，如果有，则选择该节点并且搜索成功；若没有，则按照某种控制策略从已生成的状态中再选择一个状态作为当前状态重复搜索过程。

3.3答：(1)广度优先搜索：该程序必须找到解，并且最好是最优解；

(2)广度优先搜索：医生要根据病人的各种病状判断病人的病；

(3)深度优先搜索：该程序要求一定要找到目标路径；

(4)深度优先搜索：该程序要求找到最优解；

(5)广度优先搜索：不能确定它们是否等同，既不能确定它们是否有等同解。

3.4答：对于四皇后问题，如果放一个皇后的耗散值为1的话，则任何一个解的耗散值都是4。因此如果h是对该耗散值的估计，是没有意义的。对于像四皇后这样的问题，启发函数应该是对找到解的可能性的评价。利用一个位置放皇后后，消去的对角线的长度来进行评价。

3.5答：定义h1=M+C-2B，其中M，C分别是在河的左岸的传教士人数和野人人数。B＝1表示船在左岸，B＝0表示船在右岸。也可以定义h2=M+C。h1是满足A*条件的，而h2不满足。

要说明h2＝M+C不满足A*条件是很容易的，只需要给出一个反例就可以了。比如状态(1, 1, 1)，h2=M+C=1+1=2，而实际上只要一次摆渡就可以达到目标状态，其最优路径的耗散值为1。所以不满足A*的条件。

下面我们来证明h1＝M+C-2B是满足A*条件的。

我们分两种情况考虑。先考虑船在左岸的情况。如果不考虑限制条件，也就是说，船一次可以将三人从左岸运到右岸，然后再有一个人将船送回来。这样，船一个来回可以运过河2人，而船仍然在左岸。而最后剩下的三个人，则可以一次将他们全部从左岸运到右岸。所

以，在不考虑限制条件的情况下，也至少需要摆渡次。其中分子上的"－3"表示剩下三个留待最后一次运过去。除以"2"是因为一个来回可以运过去2人，需要

个来回，而"来回"数不能是小数，需要向上取整，这个用符号表示。而乘以

"2"是因为一个来回相当于两次摆渡，所以要乘以2。而最后的"＋1"，则表示将剩下的3个运过去，需要一次摆渡。

化简有：

再考虑船在右岸的情况。同样不考虑限制条件。船在右岸，需要一个人将船运到左岸。因此对于状态(M，C，0)来说，其所需要的最少摆渡数，相当于船在左岸时状态(M+1，C，1)或(M，C+1，1)所需要的最少摆渡数，再加上第一次将船从右岸送到左岸的一次摆渡数。因此所需要的最少摆渡数为：(M+C+1)-2+1 。其中(M+C+1)的"＋1"表示送船回到左岸的那个人，而最后边的"＋1"，表示送船到左岸时的一次摆渡。化简有：(M+C+1)-2+1=M+C。

综合船在左岸和船在右岸两种情况下，所需要的最少摆渡次数用一个式子表示为：

M+C-2B。其中B＝1表示船在左岸，B＝0表示船在右岸。由于该摆渡次数是在不考虑限制条件下，推出的最少所需要的摆渡次数。因此，当有限制条件时，最优的摆渡次数只能大于等于该摆渡次数。所以该启发函数h是满足A*条件的。

3.6答：在搜索期间改善h函数，是一种动态改变h函数的方法。像改进的A*算法中，对NEXT中的节点按g值的大小选择待扩展的节点，相当于令这些节点的h＝0，就是动态修改h函数的一种方法。

由定理2：若h(n)满足单调限制，则由A*所扩展的节点序列，其f值是非递减的，即

f(ni)≤f(nj)），当h满足单调条件时，A*所扩展的节点序列，其f是非递减的。对于任何节点i，j，如果j是i的子节点，则有f(i)≤f(j)。利用该性质，我们可以提出另一种动态修改h 函数的方法：f(j)=max(f(i), f(j))

以f(j)作为节点j的f值。f值的改变，隐含了h值的改变。当h不满足单调条件时，经过这样修正后的h具有一定的单调性质，可以减少重复节点的可能性。

3.7答：

像这种类型的问题，由于涉及到城市距离或旅行费用，所以利用代价树广度优先搜索求解。为此，首先必须将旅行交通图转换为代价树，转换方法为：从初始节点A开始，把与它直接相邻的节点作为他的后继节点，对其他节点也作同样的扩展，但若一个节点以作为某节点的前驱节点，则它就不能再作为该结点的后继结点。另外，图中节点除了初始节点A 之外，其它的节点都有可能在代价树中多次出现，为了区分它们的多次出现，分别用下标1,2…标出。但他们却是图中的同一个节点。设估价函数f(n)=d(n)+w(n)，其中d(n)为状态的深度，w(n)为城市间的距离。代价树如下所示：

ACEBDA

定义h1=n*k，其中n是还未走过的城市数，k是还未走过的城市间距离的最小值。h2＝，其中n是还未走过的城市数，ki是还未走过的城市间距离中n个最小的距离。显然这两个h函数均满足A*条件。

3.8答：可定义h为：h＝B右边的W的数目

设j节点是i节点的子节点，则根据走法不同，h(i)-h(j)的值和C(i, j)分为如下几种情况：（1）B或W走到了相邻的一个空格位置，此时：h(i)-h(j)=0, C(i,j)=1；

（2）W跳过了1或2个W，此时h(i)-h(j)=0, C(i,j)=1或2；

（3）W向右跳过了一个B（可能同时包含一个W），此时：h(i)-h(j)=-1, C(i,j)=1或2；（4）W向右跳过了两个B，此时：h(i)-h(j)=-2, C(i,j)=2；

（5）W向左跳过了一个B（可能同时包含一个W），此时：h(i)-h(j)=1, C(i,j)=1或2；（6）W向左跳过了两个B，此时：h(i)-h(j)=2, C(i,j)=2；

（7）B跳过了1或2个B，此时h(i)-h(j)=0, C(i,j)=1或2；

（8）B向右跳过了一个W（可能同时包含一个B），此时：h(i)-h(j)=1, C(i,j)=1或2；（9）B向右跳过了两个W，此时：h(i)-h(j)=2, C(i,j)=2；

（10）B向左跳过了一个W（可能同时包含一个B），此时：h(i)-h(j)=-1, C(i,j)=1或2；（11）B向左跳过了两个W，此时：h(i)-h(j)=-2, C(i,j)=2；

纵上所述，无论是哪一种情况，具有:h(i)-h(j)≤C(i,j)。且容易验证h(t)=0，所以该h是单调的。由于h满足单调条件，所以也一定有h(n)≤h*(n)，即满足A*条件。

3.9答：

(((),()),(),((),()))

((S,S),S,(S,S))

((A,A),A,(A,A))

((A),A,(A))

(S,A,S)

(A,A,A)

(A,A)

(A)

(1)

(4)

(3)

(2)

(2)

(3)

(3)

(4)

3.10答：

(1)余一棋的弈法如下：两棋手可以从5个钱币堆中轮流拿走一个、两个或三个钱币，拣起最后一个钱币者算输。试通过博弈证明，后走的选手必胜，并给出一个简单的特征标记来表示取胜策略。为了方便起见，用((AB)()())这样的表表示一个状态。这样得到搜索图如下：

(2)八数码问题 空格：Up,Left,Down,Right

3.11答：

(1)与/或图的解图：那些可解结点的子图，包含一结点到目的结点集的、连通的可解结点的子图。在问题的完整的隐含图中扩展生成出包含初始结点和目的结点集合的连通的明显子图。

(2)算法AO*：必须对当前已生成出的与或图中的所有结点实施其每解点是否为可解结点的标注过程，如果起始结点被标注为可解的，则搜索过程可成功地结束；如果起始结点还不能被标注为可解的，则应当继续扩展生成结点（尽可能地记录，所有生成的结点中，哪些结点被标注了可解的，以便减少下一次标注过程的工作量）；同样地，对不可解结点也同样如此。

利用结点的可解/不可解性质，能从搜索图中删去可解结点的任何不可解结点的子结点；同样地，能删去不可解结点的所有的子结点（搜索这些被删除的结点是没有意义的，而只会降低搜索的效率）。两个主要过程的反复：

自上而下的图生长过程，并通过跟踪有标记的连接符寻找一个候选局部解图

自下而上的估价函数值的修正、连接符的标记和SOLVED的标注过程

(3)

3.12答：此题要求按照课中例题的方式，给出算法，以下是每个循环结束时的搜索图。

上面这种做法比较简单，也可以如下做：

3.13答：略

3.14答：博弈搜索通常被限制在一定的范围，搜索的目标是确定一步好的走法（好棋），等对手回手后，再继续搜索。因此，博弈搜索过程总是由当前状态向目标状态搜索，而不是由目标状态向当前状态搜索。这类博弈的实例有西洋跳棋等。

3.15答：8—{（3，0，8）}—{（7，8，3）、（0，6）、（8，9）}—{（7,6）、（8,6,5）、

（2,3）、（0,-2）、（6,2）、（5,8）、（9,2）}

58（3，0，8）

69

8

3.16答：见上图

3.17答：略

3.18答：α－β剪裁算法.

α剪裁－若极小层的β<=α(先辈层)则中止这个MIN以下的搜索.

β剪裁－若极大层的α>β(先辈层)则中止这个MAX以下的搜索

算法如下：

double alphabeta( int depth, double alpha, double beta, Position p);

{/* alpha是MAX的当前值beta是MIN的当前值,depth 是在搜索树中的深度,p是所求结点的位置*/

double t;

if( depth=0 ) return evaluate(p); /* 如果P是叶结点,算出P的值*/

for( i=1; i <= w; i++ )

{ t = alphabeta( depth - 1, beta,alpha, pi );

if( t> alpha&&MAX)

{if(t> beta) return t; /*直接返回*/

else alpha = t;}

if( t

{if(t< beta) return t; /*直接返回*/

else alpha=t;}

}

return alpha;

}

3.19-3.22 答：略

第四章基本的推理技术

4.1答：

(1)推理：按照某种策略从已有事实和知识推出结论的过程。

(2)正向推理

正向推理（事实驱动推理）是由已知事实出发向结论方向的推理。

基本思想是：系统根据用户提供的初始事实，在知识库中搜索能与之匹配的规则即当前可用的规则，构成可适用的规则集RS，然后按某种冲突解决策略从RS中选择一条知识进行推理，并将推出的结论作为中间结果加入到数据库DB中作为下一步推理的事实，在此之后，再在知识库中选择可适用的知识进行推理，如此重复进行这一过程，直到得出最终结论或者知识库中没有可适用的知识为止。

正向推理简单、易实现，但目的性不强，效率低。需要用启发性知识解除冲突并控制中间结果的选取，其中包括必要的回溯。由于不能反推，系统的解释功能受到影响。

(3)反向推理

反向推理是以某个假设目标作为出发点的一种推理，又称为目标驱动推理或逆向推理。

反向推理的基本思想是：首先提出一个假设目标，然后由此出发，进一步寻找支持该假设的证据，若所需的证据都能找到，则该假设成立，推理成功；若无法找到支持该假设的所有证据，则说明此假设不成立，需要另作新的假设。

与正向推理相比，反向推理的主要优点是不必使用与目标无关的知识，目的性强，同时它还有利于向用户提供解释。反向推理的缺点是在选择初始目标时具有很大的盲目性，若假设不正确，就有可能要多次提出假设，影响了系统的效率。

反向推理比较适合结论单一或直接提出结论要求证实的系统。

(4)推理方式分类

?演绎推理、归纳推理、默认推理

?确定性推理、不精确推理

?单调推理、非单调推理

?启发式推理、非启发式推理

4.2答：

(1) 在推理过程中，系统要不断地用数据库中的事实与知识库中的规则进行匹配，当有一个以上规则的条件部分和当前数据库相匹配时，就需要有一种策略来决定首先使用哪一条规则，这就是冲突解决策略。冲突解决策略实际上就是确定规则的启用顺序。

(2) 冲突解决策略：专一性排序、规则排序、数据排序、就近排序、上下文限制、按匹配度排序、按条件个数排序

4.3答：归结反演就是利用归结和反演实现定理的证明。具体过程如下：

(1) 将定理证明的前提谓词公式转化为子句集F。

(2) 将求证的目标表示成合适的谓词公式G（目标公式）。

(3) 将目标公式的否定式?G转化成子句的形式，并加入到子句集F中，得到子句集S。

(4) 应用归结原理对子句集S中的子句进行归结，并把每次归结得到的归结式都并入S 中。如此反复进行，若归结得到一个空子句NIL，则停止归结，证明了G为真。

4.4答：略

4.5答：

（1）(x) (y) [P(x,y)→Q(x,y)]=(x) (y) [~P(x,y)∨Q(x,y)]={~P(x,y)∨Q(x,y)}

子句集为~P(x,y)∨Q(x,y)

（2）(x)(?y)[P(x,y)∨Q(x,y)→R(x,y)]=(x) )(?y) [~P(x,y)∧~Q(x,y)∨R(x,y)]={~P(x)∨P(x)}

=(x)[~P(x,f(x))∧~Q(x, f(x))∨R(x, f(x))]= ~P(x,f(x))∧~Q(x, f(x))∨R(x, f(x))= [~P(x,f(x))∨R(x, f(x))]∧[~Q(x, f(x))∨R(x, f(x))]= [~P(x,f(x))∨R(x, f(x))]∧[~Q(y, f(y))∨R(y, f(y))]

子句集为~P(x,f(x))∨R(x, f(x))和~Q(y, f(y))∨R(y, f(y))

（3）(x){(y)P(x,y)→~ (y)[Q(x,y) →R(x,y)]}=(x) ){(?y) ~P(x,y)∨~ (y)[Q(x,y)

→R(x,y)]}= (x) [(?

y) ~P(x,y)∨(?y)[~Q(x,y)∨R(x,y)]= (x) [~P(x,f(x))∨[~Q(x, f(x))∨R(x, f(x))]= ~P(x,f(x))∨~Q(x, f(x))∨R(x, f(x))

子句集为~P(x,f(x))∨~Q(x, f(x))∨R(x, f(x))

4.6答：

(1)

(2){A/x, A/y, A/z, A/w, A/u}

(3)

4.7答：

（1）（?x）{[P（x）→P（A）]∧[P（x）→P（B）]}

目标取反化子句集：

~（?x）{[P（x）→P（A）]∧[P（x）→P（B）]}

~（?x）{[~P（x）∨P（A）]∧[~P（x）∨P（B）]}

（x）{[P（x）∧~P（A）]∨[P（x）∧~P（B）]}

（x）{[P（x）∧~P（A）]∨P（x）}∧{[P（x）∧~P（A）]∨~P（B）}}

（x）{P（x）∧[~P（A）∨P（x）]∧[P（x）∨~P（B）]∧[~P（A）∨~P（B）]} P（x）∧[~P（A）∨P（x）]∧[P（x）∨~P（B）]∧[~P（A）∨~P（B）]

得子句集：

1, P(x1)

2, ~P(A)∨P{x2}

3, P(x3)∨~P(B)

4, ~P(A)∨~P(B)

（2）（x）{P（x）∧[Q（A）∨Q（B）]}→（x）[P（x）∧Q（x）]

目标取反化子句集：

~{(x){P(x)∧[Q(A)∨Q(B)]}→(x)[P(x)∧Q(x)]}

~{~{(x)P(x)∧[Q(A)∨Q(B)]}∨(x)[P(x)∧Q(x)]}

{(x)P(x)∧[Q(A)∨Q(B)]}∧(x)[~P(x)∨~Q(x)]}

{(x)P(x)∧[Q(A)∨Q(B)]}∧(y)[~P(y)∨~Q(y)]}

(x)(y){P(x)∧[Q(A)∨Q(B)]∧[~P(y)∨~Q(y)]}

P(x)∧[Q(A)∨Q(B)]∧[~P(y)∨~Q(y)]

得子句集：

1，P(x)

2，Q(A)∨Q(B)

3，~P(y)∨~Q(y)

4.8答：

4.9答：

答：我们用Skier(x)表示x是滑雪运动员，Alpinist(x)表示x是登山运动员，Alpine(x)表示x 是Alpine俱乐部的成员。

问题用谓词公式表示如下：

已知：

(1) Alpine(Tony)

(2) Alpine(Mike)

(3) Alpine(John)

(4) (x){Alpine(x)→[Skier(x)∨Alpinist(x)]}

(5) (x){Alpinist(x)→~Like(x, Rain)}

(6) (x){~L ike(x, Snow)→~ Skier(x)}

(7) (x){Like(Tony, x)→~Like(Mike, x)}

(8) (x){~Like(Tony, x)→Like(Mike, x)}

(9) Like(Tony, Snow)

(10) Like(Tony, Rain)

目标：(?x){Alpine(x)∧Alpinist(x)∧~Skier(x)}

化子句集：

(1) Alpine(Tony)

(2) Alpine(Mike)

(3) Alpine(John)

(4)(x){Alpine(x)→[Skier(x)∨Alpinist(x)]} = (x){~Alpine(x)∨[Skier(x)∨Alpinist(x)]}

=>~Alpine(x)∨Skier(x)∨Alpinist(x)

(5) (x){Alpinist(x)→~Like(x, Rain)} = (x){~Alpinist(x)∨~Like(x, Rain)} =>~Alpinist(x)∨~Like(x, Rain)

(6) (x){~Like(x, Snow)→~ Skier(x)} = (x){Like(x, Snow)∨~ Skier(x)} => Like(x, Snow)∨~ Skier(x)

(7)(x){Li ke(Tony, x)→~Like(Mike, x)} = (x){~Like(Tony, x)∨~Like(Mike, x)} =>~Like(Tony, x)∨~Like(Mike, x)

(8) (x){~Like(Tony, x)→Like(Mike, x)} = (x){Like(Tony, x)∨Like(Mike, x)} => Like(Tony, x)∨Like(Mike, x)

(9) Like(Tony, Snow) (10) Like(Tony, Rain)

目标取反：

~(?x){Alpine(x)∧Alpinist(x)∧~Skier(x)}

= (x){~Alpine(x)∨~Alpinist(x)∨Skier(x)}

=>~Alpine(x)∨~Alpinist(x)∨Skier(x)

经变量换名后，得到子句集：

{Alpine(Tony), Alpine(Mike), Alpine(John), ~Alpine(x1)∨Skier(x1)∨Alpinist(x1), ~Alpinist(x2)∨~Like(x2, Rain), Like(x3, Snow)∨~ Skier(x3), ~Like(Tony, x4)∨~Like(Mike, x4), Like(Tony, x5)∨Like(Mike, x5), Like(Tony, Snow), Like(Tony, Rain), ~Alpine(x)∨~Alpinist(x)∨Skier(x)} 归结树如下：

4.10答：基于规则的演绎推理可分为正向演绎推理、反向演绎推理和正反向混合演绎推理。

在正向演绎推理中，作为F规则用的蕴含式对事实的总数据库进行操作运算，直至得到该目标公式的一个终止条件为止。事实目标公式

在反向演绎推理中，作为B规则用的蕴含式对目标的总数据库进行操作运算，直至得到包含这些事实的终止条件为止。目标公式事实

4.11答：

第五章不精确推理

5.1答：不精确推理是建立在非经典逻辑

．．．．．基础上的一种推理，是基于不确定性知识的推理。不精确推理就是从不确定性的初始事实（证据）出发，通过运用不确定性的知识，最终推出具有一定程度的不确定性却是合理或者近乎合理的结论的思维过程。

在不精确推理中，知识和证据都具有不确定性，这为推理机的设计与实现增加了复杂度和难度。它除了必须解决推理方向、推理方法和控制策略等基本问题外，一般还需要解决不确定性的表示、不确定性的匹配和不确定性的更新算法等问题。

5.2答：有明确定义但不一定出现的事件中包含的不确定性称为随机性，他不因人的主观意思变化，由事物本身的因果律决定。不精确推理就是表示和处理随机性的推理方法。

5.3答：

(1)当有一个证据E1时，根据Bayes 公式，可得

)|(1|E H P = =0.4*0.5/（0.4*0.5+0.3*0.3+0.3*0.5）=0.2/0.44=0.45

同理可得：)|(2|E H P =0.09/0.44=0.20 )|(3|E H P =0.15/0.44=0.34

这说明，由于证据E1的出现，H1和H3成立的可能性有所增加，而H2成立的可能性有所下降。

(2)当证据E1、E2同时出现时，根据多证据情况下的Bayes 公式，可得

=)|(2|1E E H P =0.14/（0.14+0.162+0.009）=0.59

同理可得：=)|(2|2E E H P 0.34 =)|(2|3E E H P 0.064

这说明，由于证据E1和E2的出现，H1和H2成立的可能性有不同程度的增加，而H3成立的可能性则有了较大幅度的下降。

5.4答：

① LS

LS 为规则的充分性量度，它反映E 的出现对H 的支持程度。当LS=1时，O (H|E)= O(H)，说明E 对H 没有影响；当LS>1时，O(H|E)>O(H)，说明E 支持H ，且LS 越大，E 对H 的支持越充分，若LS 为∞，则E 为真时H 就为真；当LS<1时，O(H|E)

② LN

LN 为规则的必要性量度，它反映?E 对H 的支持程度，即E 的出现对H 的必要性。当LN=1时，O(H|?E)=O(H)，说明?E 对H 没有影响；当LN>1时，O(H|?E)>O(H)，说明?E 支持H ，且LN 越大，?E 对H 的支持越充分，若LN 为∞，则?E 为真时H 就为真；当LN<1时，O(H|?E)

③ LS 和LN 的关系

由于E 和?E 不会同时支持或排斥H ，所以只有以下三种情况存在： 情形1：LS>1且LN<1 情形2：LS<1且LN>1 情形3：LS=LN=1

5.5答：

5.6答：根据经验对一个事物或现象为真的相信程度称为可信度。

)

|()()|()()|()()

|()(3132121|1111H E P H P H E P H P H E P H P H E P H P ++???)

()|()|()()|()|()()|()|()

()|()|(33231222211121|1121|H P H E P H E P H P H E P H E P H P H E P H E P H P H E P H E P ??+??+????

规则的一般形式为：IF E THEN H （CF(H, E)）。其中，CF(H,E)是该规则的可信度，称为可信度因子或规则强度。CF(H, E)在[-1，1]上取值，它表示在已知证据E的情况下对假设H为真的支持程度。

CF(H, E)定义如下：CF(H,E)= MB(H,E)－MD(H,E)。其中，MB（Measure Belief）称为信任增长度，表示因证据E的出现而增加对假设H为真的信任增加程度[MB(H, E)>0 P(H|E)>P(H)]；MD（Measure Disbelief）称为不信任增长度，表示因证据E的出现对假设H 为假的信任减少的程度[MD(H, E)>0 P(H|E)

5.7答：

（1）求证据E3、E4逻辑组合的可信度

CF(E3 AND E4)=min{CF(E3),CF(E4)}=min{0.5,09}=0.8

(2）根据规则R3求CF(E1)

CF(E1)=0.9×max{0, CF(E3 AND E4)}=0.9×0.8=0.72

（3）求证据E6、E7逻辑组合的可信度

CF(E6 OR E7)=max{CF(E6),CF(E7)}=max{0.1,0.5}=0.5

（4）根据规则R5求CF1(E2)

CF1(E2)=-0.3×max{0, CF(E6 OR E7)}=-0.3×0. 5=-0.15

（5）根据规则R4求CF2(E2)

CF2(E2)=0.7×max{0, CF(E5)}=0.7×0. 8=-0.56

（6）根据规则R5求CF1(E2)

CF1(E2)=-0.3×max{0, CF(E6 OR E7)}=-0.3×0. 5=-0.15

（7）组合由独立证据导出的假设E2的可信度CF1(E2)、CF2(E2)，得到E2的综合可信度CF(E2)

CF(E2)=CF1(H)+CF2(H)=0.56-0.15=0.41

（8）根据规则R1求CF1(H1)

CF1(H1)=0.8×max{0, CF(E1)}=0.8×0. 72=-0.576

（8）根据规则R2求CF2(H1)

CF2(H1)=0.9×max{0, CF(E2)}=0.9×0. 41=-0.369

（9）组合由独立证据导出的假设H1的可信度CF1(H1)、CF2(H1)，得到H1的综合可信度CF(H1) CF(H)=CF1(H)+CF2(H)-CF1(H)·CF2(H)=0.576+0.369-0.576×0.369=0.723

5.8答：已经出现但难以给出精确定义的事件中包含的不确定性称为模糊性，是由事物的概念界限模糊和人的主观推理与判断产生的。而有明确定义但不一定出现的事件中包含的不确定性称为随机性，他不因人的主观意思变化，由事物本身的因果律决定。不精确推理就是表示和处理随机性的推理方法。两者之间有着本质的区别。

5.9答：B A ?=0.5/x1+0.65/x2+0.8/x3+0.9/x4+0.7/x5； B A ?=0.85/x1+0.7/x2+0.9/x3+0.98/x4+0.77/x5；

A ?=0.15/x1+0.3/x2+0.1/x3+0.1/x4+0.3/x5。

5.10答：

=????

???

???4.05.04.07.04.07.0

5.11答：模糊推理实质上是在模糊集合上进行操作。在同一论域中，证据的“与”、“或”、“非”运算通常可以对应于模糊集的交、并、求补操作；不同论域中的逻辑运算一般需拓广至笛卡尔意义下的相应操作。逻辑推理是通过逻辑蕴含实现的。

设U 和V 为两个论域，A 是U 上的模糊子集，B 是V 上的模糊子集，则规则

IF A THEN B

可以定义为U ×V 上的一个模糊关系： 或等价表示成：

第六章 PROLOG 语言

6.3答：（1）目标不成功 （2）目标不成功

（3）目标成功，x,y,z 被例化为x1,y1,z1 （4）目标不成功 （5）目标不成功

6.4答：poglog 规则

Is_mother(x):_mother(x,y) Is_father(x):_father(x,y)

Is_son(x):_father(y,x),male(x)

Grandpa(x,y):_father(x,y1),father(y1,y)

Sibling(x,y):_diff(x,y),mother(z1,x),mother(z1,y),father(z2,x), father(z2,y),parent(x,y)

B A )

()(V A B A ??? )

,/())(1)),(),(max(min(y x x y x B A V U A B A ?

?-=→μμμ

人工智能背景与发展精编版

人工智能背景与发展精 编版 MQS system office room 【MQS16H-TTMS2A-MQSS8Q8-MQSH16898】

人工智能的主要背景与进展 数学1704高芷晗 1、人类智能和人工智能的概念 和其他生物物种不同，人类是一种智慧型生物。人类智慧包含两个相辅相成的部分：隐性智慧和显性智慧。隐性智慧负责发现和确定创新的方向，显性智慧负责在确定的创新方向上实现具体的创新求解。更具体地说，隐性智慧是人类发现问题和定义问题的能力，需要全局性的分析能力、想象能力和开拓能力，是一种内隐的创造性能力，因而不可被机器模拟；显性智慧是人类在隐性智慧所定义的问题框架内解决问题的能力，需要获取信息生成知识和运用知识解决问题的能力，是外显的操作性能力，因而可以被机器模拟。人类的显性智慧通常也会被称为人类智能，模拟人类智能（显性智慧）的科学技术就叫人工智能。隐性智慧表现在：面对环境定义的实际问题；为知识库提供的已有知识；预设的问题求解目标。这三者就是隐性智慧定义的工作框架。在这个框架下，人工智能系统所要执行的任务就是模拟人类智能（显性智慧）的能力，运用所提供的信息和已有知识解决所给定的实际问题，达到预定的求解目标。 在人类与人工智能系统之间，人类始终是主体，人工智能系统则是人类求解问题的聪明工具。由于人工智能系统接受了人类所预设的求解目标和提供的专门知识，就保证了人类主体与客体之间实现主客双赢的策略：主体赢，因为实现了主体的求解目标；客体赢，因为遵守体现在知识中的客观规律。 人工智能系统工作的基本过程：（1）人类主体（隐性智慧）首先设定工作框架，即定义要解决的实际问题，提供已有知识，预设求解目标。（2）人工智能系统收集工作框架的信息，包括模型中的本体论信息。（3）通过信息获取（感知）单元，把本体论信息转换为认识论信息。（4）通过信息传递（通信）单元，把认识论信传送到信息处理单元。（5）通过信息处理（计算）单元，使认识论信息成为适用信息。（6通过知识生成（认知）单元，根据求解问题的需要生成专门知识。（7）通过策略创建（决策）单元，把认识论信息、专门知识、求解目标转换为求解问题的智能策略。（8）通过策略传递（通信）单元，把智能策略传递到策略执行单元。（9）通过策略执行（控制）单元，把智能策略转换成为智能行为，反作用于实际问题。（10）如果智能行为反作用于实际问题的结果没有满意地实现预期的求解目标，就把误差作为新的信息反馈到信息获取（感知）单元，通过学习，补充新的知识，优化智能策略，改善执行效果，减小求解误差。 2、人工智能技术 以上论证说明：人工智能技术可以在人类隐性智慧定义的工作框架内模拟人类显性智慧（人类智能）生成知识，创建主客双赢的策略解决各种复杂问题。而这是现今其他各类技术做不到的。 不过，由于在人工智能系统工作的基本过程中，第（1）步中客观存在各种不确定性，人类给定的知识未必能够理想地体现客观规律，也未必能够完全满足求解问题的需要，第（2）步中人类预设的求解目标也不见得完全合理，第（3）步中人工智能系统各个环节必然存在各种不理想性。因此，人工智能系统对人类显性智慧能力的模拟不可能完全到位，人工智能系统提供的问题解答也可能不如人类求出的解答。如果说人工智能系统确实也有超人的地方，那主要是它的工作速度、工作精度、持久能力等因素，而不可能是显性智慧中的智慧品质。

人工智能练习题答案

1、什么是人工智能？人工智能有哪些研究领域？何时创建该学科，创始人是谁？ （1）AI（Artificial Intelligence）是利用计算机技术、传感器技术、自动控制技术、仿生技术、电子技术以及其他技术仿制人类智能机制的学科（或技术），再具体地讲就是利用这些技术仿制出一些具有人类智慧（能）特点的机器或系统 （2）人工智能的研究领域主要有专家系统、机器学习、模式识别、自然语言理解、自动定力证明、自动程序设计、机器人学、博弈、智能决策支持系统、人工神经网络等（3）人工智能于1956年夏季，由麦卡锡，明斯基、洛切斯特、香农等发起创建 2、产生式系统的由哪三部分组成？各部分的功能是什么？ 课本29页 （1）产生式系统由综合数据库、产生式规则和控制系统三部分组成 （2）综合数据库用于存放当前信息，包括初始事实和中间结果； 产生式规则用于存放相关知识； 控制系统用于规则的解释或执行程序。 3、设有三枚硬币，其初始状态为（反，正，反），允许每次翻转一个硬币（只翻一个硬币，必须翻一个硬币）。必须连翻三次。用知识的状态空间表示法求出到达状态（反，反，反）的通路。画出状态空间图。 课本51页 问题求解过程如下： （1）构建状态 用数组表示的话，显然每一硬币需占一维空间，则用三维数组状态变量表示这个知识：Q=（q1 , q2 , q3） 取q=0 表示钱币的正面; q=1 表示钱币的反面 构成的问题状态空间显然为： Q0=（0，0，0），Q1=（0，0，1），Q2=（0，1，0）, Q3=（0，1，1）， Q4=（1，0，0），Q5=（1，0，1），Q6=（1，1，0），Q7=（1，1，1） （2）引入操作 f1：把q1翻一面。 f2：把q2翻一面。 f3：把q3翻一面。 显然：F={f1，f2，f3} 目标状态：（找到的答案）Qg=（0，0，0）或（1，1，1） （3）画出状态图

人工智能项目投资建设可行性研究报告

人工智能项目 投资建设可行性研究报告规划设计/投资分析/产业运营

摘要 人工智能在投资研究上的应用。通过人工智能技术拓宽投资信息来源，提高获取信息的及时性，减少基础数据处理的工作量，通过自动化的数据 分析，为投资决策提供参考，从而提高投资研究的效率。人工智能在资本 市场相关领域的应用。从使用者的角度来看，智能投研的受众包括各种类 型的投资者（买方）、券商（卖方）、监管机构、银行和财经媒体等。从 投资的标的来看覆盖一级市场公司、股票、债券、外汇等。而人工智能的 应用场景涉及业务的各种环节，与投研直接相关的就包括研究、投资、交 易和风险管理。 人工智能是新一轮产业变革的核心驱动力，将进一步释放历次科技革 命和产业变革积蓄的巨大能量，并创造新的强大引擎，重构生产、分配、 交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。人工智能正在与各行各 业快速融合，助力传统行业转型升级、提质增效，在全球范围内引发全新 的产业浪潮。国家高度重视人工智能产业的发展。2017年国务院发布《新 一代人工智能发展规划》，对人工智能产业进行战略部署;在2018年3月 和2019年3月的政府工作报告中，均强调指出要加快新兴产业发展，推动 人工智能等研发应用，培育新一代信息技术等新兴产业集群壮大数字经济。

该人工智能项目计划总投资17992.77万元，其中：固定资产投资13304.66万元，占项目总投资的73.94%；流动资金4688.11万元，占项目总投资的26.06%。 本期项目达产年营业收入43788.00万元，总成本费用33492.60万元，税金及附加350.28万元，利润总额10295.40万元，利税总额12065.74万元，税后净利润7721.55万元，达产年纳税总额4344.19万元；达产年投资利润率57.22%，投资利税率67.06%，投资回报率42.91%，全部投资回收期3.83年，提供就业职位644个。

慧编程人工智能教程系列之一：小熊猫变身Dr.Know

慧编程人工智能教程系列之一：小熊猫变身Dr.Know 著名导演史蒂文·斯皮尔伯格曾经拍过一部《人工智能》的电影。这部电影在当时引起了很大的轰动，其中的Dr.Know（万事通博士）更是给观众留下了深刻的印象。 这位Dr.Know可以说是博学多闻、无所不知。你可以问他任何问题，他都能给你答案。 （图片来自网络） 你有没有发现？这部科幻电影里的Dr.Know很像我们现在手机上用的智能语音助手，通过“语音交互”，它能跟你进行日常的对话，给你想要的信息，甚至完成你想要做的一些事情。今天，让我们一起来更全面地了解和使用慧编程的“语音交互”功能吧~ （图片来自网络） No.1 语音交互的原理 想实现语音交互，需要经历至少以下四个步骤： 语音识别：将麦克风采集到的人声转化为文字。 自然语义理解：将输入的文字，按照句法、词法结构，分解成有意义的特定词组。 自然语言生成：由计算机将各种词组拼接成能具有意义的句子 童心制物（Makeblock）面向学校、教培机构、家庭的STEAM 教育场景 和娱乐场景，提供齐全的机器人硬件、编程软件，输出优质的教学内容， 并打造国际化的青少年机器人赛事。

童心制物（Makeblock ）面向学校、教培机构、家庭的 STEAM 教育场景 和娱乐场景，提供齐全的机器人硬件、编程软件，输出优质的教学内容， 并打造国际化的青少年机器人赛事。 语音合成：将文字合成声音并播放出来，并尽可能地模仿人类自然说话的语音、语速、语调、音量等，给人以交谈的感觉。 No.2 语音交互的应用 语音交互目前最广泛的应用是语音助手和语音机器人，比如苹果Siri 、亚马逊Echo 、微软小冰、三星Bixby 、天猫精灵、小度音箱等，它们不仅能够在一定程度上准确地识别语义，还可以与人进行即时问答，帮助用户解决打电话、发短信、订外卖、设置事件提醒等实际问题。 No.3 添加语音交互积木 1）打开慧编程（PC 端或Web 端都可以），在“角色”下，单击积木区最下方的“添加扩展+” 2）在弹出的“扩展中心”页面，选择“人工智能服务”扩展，点击“+添加”

人工智能背景下高校会计专业人才培养

（五）以“网络+面授+实践”培养方式提高农民综合素质。（1）网络培训。农民电商从业者培训过程中应充分利用信息技术手段，半数以上课程采用网络培训方式。根据农民知识水平和需求特点进行分组，将信息录入农民电商教育培训平台。培训教师上传相关培训资料和学习任务到电商培训平台，学员根据自己的空闲时间接受学习，完成学习任务。农民接受网络培训能够提高学习效率，避免集中培训与其他工作发生冲突，解决工作和学习的矛盾。（2）课堂面授。课堂面授能够较好的弥补网络培训的不足，面对面沟通，解决电商经营过程中遇到的问题，理论讲解和案例教学相结合，提高电商从业者的理论水平和实践操作技能，培训效果较好。（3）现场实践。现场实践教学是农民电商培训的重要环节，可拓宽农民经营电商的思路和眼界。现场实践课时占全部课时的20%，组织学员参观考察电商 成功案例、学习成功经验等。培训后，为学员安排电商店铺进行动手操作，学习与实践结合，将理论知识应用到实践中，提高农民动手能力。 主要参考文献： ［1］曾玲.湖南高职院校农村电商人才培养问题研究［J］.中国商论，2017（22）. ［2］钱俊，蒋良骏.村园企校协同培育农村电商人才的机制研究［J］.中国商论，2017（4）. ［3］邱雷鸣，童红斌.高职院校农村电子商务人才培养模式研究［J］.太原城市职业技术学院学报，2016（2）. ［4］樊勇，吴莉萍，吴小平.促进农村电商“互联网+”发展新模式的思考［J］.电子商务，2018（2）. 近年来，随着互联网、高端科技的迅猛发展，人工智能逐步走入人们的生活与工作。人工智能在会计领域中的发挥确实在一定程度上带来了便利，但人工智能毕竟是人类开发所得的产物，想要完全取代人工的地位无疑是不切实际的。尽管如此，任何事物都具有两面性，会计人工智能的问世对会计行业毋庸置疑是一次革新，这对未来会计人才的综合能力也提出了新的要求。新的浪潮必然需要新的教育方案，高校作为为社会输送人才的关键区域，在人才培养方案上理应顺应时代做出调整。 一、人工智能在会计领域的应用 2018年，首届世界会计论坛暨第十三届中国CFO大会的召开，成为会计人工智能革新会计领域的标志。近年来，根据部分事务所的介绍及网络对会计人工智能的热议，人工智能在会计领域的工作主要是录入类、校对类等技术含量低的工作。这些工作大多具有高重复性与数据量庞大的特点，例如核对企业与各家银行多个账号往来的核对、对按周期编制的报表数据进行分类汇总和相关税务的核对。以抵扣增值税的进项税额为例，人工智能可自动查验扫描仪中的发票并进行登记，随后自动在发票确认模块中下载发票并识别文件，再与先前的所登记的发票相匹配，自动识别是否符合认证抵扣的条件。但相应的，我国人工智能技术尚未完全发展成熟。在会计主体趋于多样性的背景下，人工智能的效果未能完全满足社会的需要，人工智能在会计领域的运用体系还需要进一步完善。 二、人工智能对会计行业的影响 （一）提高会计工作效率。伴随着经济的发展，会计日益复杂的规章制度和有关核算的数据量不断增大，使得基础会计人员的工作量不断扩大，这就使得会计人员在有限的时间内，所要处理的数据量增多，自我提升的时间被压缩。而会计行业人工智能的出现，取代了会计工作中高重复性和需要占用大部分精力的简易操作步骤，它可以自动识别信息并录入，简单处理数据，统计数据并有着人类无法企及的计算能力等。人工智能 人工智能背景下高校会计专业人才培养 □文/陈薇毛腊梅 （铜陵学院安徽·铜陵） ［提要］随着人工智能在生活和工作中的普及，会计领域对其应用也愈加广泛，这对会计行业是一次革新，对会计人员无疑也是一个挑战。本文首先从探讨人工智能对会计行业的影响出发，分析高校人才培养计划现状，进而探究高校人才培养计划具体调整措施。 关键词：人工智能；会计；高校人才培养 项目名称： “基于智能化时代背景应用型本科会计学专业人才培养模式研究”（项目编号：2017jyxm0462）；铜陵学院大学生科研基金项目（项目编号：2018tlxydxs025） 中图分类号：G64文献标识码：A 收录日期：2019年6月3日 劳动/就业《合作经济与科技》No.9s2019 126--

人工智能习题答案

1 ．设有下列语句，请用相应的谓词公式把它们表示出来： （1）有的人喜欢梅花，有的人喜欢菊花，有的人既喜欢梅花又喜欢菊花。答：定义谓词： MAN（X）：X是人， LIKE（X，Y）：X喜欢Y ((?X)(MAN(X)∧LIKE(X, 梅花)) ∧ ((?Y)(MAN(Y)∧LIKE(Y,菊花))∧ ((?Z)(MAN(Z)∧(LIKE(Z,梅花) ∧LIKE(Z,菊花)) （2）他每天下午都去打篮球。 答：定义谓词：TIME(X):X是下午 PLAY(X,Y):X去打Y （?X）TIME(X) PLAY(他,篮球) （3）并不是每一个人都喜欢吃臭豆腐。 定义谓词：MAN（X）：X是人 LIKE（X，Y）：X喜欢吃Y ┐（（?X）MAN（X） LIKE（X，CHOUDOUFU）） 2 ．请对下列命题分别写出它的语义网络： （1）钱老师从 6 月至 8 月给会计班讲《市场经济学》课程。 （2）张三是大发电脑公司的经理，他 35 岁，住在飞天胡同 68 号。

（3）甲队与乙队进行蓝球比赛，最后以 89 ： 102 的比分结束。 3. 框架表示法 一般来讲，教师的工作态度是认真的，但行为举止有些随便，自动化系教师一般来讲性格内向，喜欢操作计算机。方园是自动化系教师，他性格内向，但工作不刻苦。试用框架写出上述知识，并求出方圆的兴趣和举止？ 答： 框架名：<教师> 继承：<职业> 态度：认真 举止：随便 框架名：<自动化系教师>

继承：<教师> 性格：内向 兴趣：操作计算机框架名：<方园> 继承：<自动化系教师> 性格：内向 态度：不刻苦 兴趣：操作计算机 举止：随便 4. 剧本表示法 作为一个电影观众，请你编写一个去电影院看电影的剧本。 答： (1) 开场条件 (a) 顾客想看电影 (b) 顾客在足够的钱 (2) 角色 顾客，售票员，检票员，放映员 (3) 道具 钱，电影票 （4) 场景 场景1 购票 1. 顾客来到售票处 2. 售票员把票给顾客 3. 顾客把钱给售票员 4. 顾客走向电影院门 场景2 检票 1. 顾客把电影票给检票员 2. 检票员检票 3. 检票员把电影票还给顾客 4. 顾客进入电影院 场景3 等待 1. 顾客找到自己的座位 2. 顾客坐在自己座位一等待电影开始 场景4 观看电影 1. 放映员播放电影 2. 顾客观看电影

人工智能投资建设项目立项申请(样本)

人工智能投资建设项目立项申请 一、项目背景 1、“十二五”时期，面对经济发展新常态，全市上下坚持科学发展， 以转型发展、可持续发展为引领，突出改善民生，强化改革创新驱动，推 进法治政府建设，确保社会和谐稳定，经济社会总体保持了平稳发展。经 济发展步入新常态。 2、当全球新科技革命和产业革命又来到一个新的历史性选择关头，中 国战略性新兴产业除了激烈外部竞争压力，内部同样面临许多严重的问题。一是产业发展的制度和体制障碍需要进一步理顺，财政金融政策支持、资 源倾斜优先配置等具体落实措施和政策没有完善。二是面对发达国家的技 术垄断壁垒，技术创新进步还需要加大原始积累，关键和核心技术领域优 势不明显，自主创新能力不强，技术研发、转化利用效率不高。三是光伏、风电等个别产业领域出现产能难以消化过剩问题。近几年来，国家出台了 一系列鼓励支持创新创业的政策举措，政策效应正在持续释放，突出表现 为创新创业热度不减，新增市场主体量质齐升。今年上半年，全国新设市 场主体达998.3万户，同比增长12.5%，目前我国市场主体总量已超过1亿户，达到标志性高点。更为可喜的是，新设市场主体的“质”也在同步提

高，上半年，战略性新兴产业新设企业56.9万户，同比增长19.9%。特别 是第二季度以来，大众创业意愿持续走高，4-6月每月新设企业均超过60 万户，创历史新高。从提出培育发展战略性新兴产业战略的背景来看，国 务院是在应对国际金融危机、促进产业振兴和经济增长的同时，为抓住新 一轮科技和产业革命机遇，着力提高经济长远发展中增量的水平，带动整 个产业结构的优化升级和经济发展方式转变而实施的重大部署。因此，培 育发展战略性新兴产业从一开始就肩负着着眼长远为调结构提供新的增长 点和立足当前为经济增长提供新动力的双重历史使命。从这几年的发展实 践来看，战略性新兴产业也确实发挥了这样的作用。在当前严峻复杂的国 内外环境下，很多地方的新兴产业蓬勃发展、逆势而上，出现了新兴产业 投资规模、产出增速、占经济总量比例、提供就业机会等大幅增长的可喜 局面，在调结构、转方式、稳增长中展现出亮丽的前景。战略性新兴产业 要继续同时发挥好这两方面作用，关键在于引导社会资源，结合区域经济 发展实际情况，选择好新兴产业的发展重点和方向，加快创新成果产业化，促使科技第一生产力作用得到发挥，优先扶持高端产业链协同发展。这样，有利于保持我国经济平稳较快发展，为实现今年我国经济社会发展目标作 出更大的贡献，而且有利于加快提高战略性新兴产业在我国经济中所占的 比重，带动我国产业结构不断向高端发展，提升经济发展质量，为经济发 展方式转变提供强大动力。

人工智能背景与发展

人工智能得主要背景与进展 数学1704 高芷晗 1、人类智能与人工智能得概念 与其她生物物种不同，人类就是一种智慧型生物。人类智慧包含两个相辅相成得部分:隐性智慧与显性智慧。隐性智慧负责发现与确定创新得方向，显性智慧负责在确定得创新方向上实现具体得创新求解。更具体地说,隐性智慧就是人类发现问题与定义问题得能力，需要全局性得分析能力、想象能力与开拓能力，就是一种内隐得创造性能力,因而不可被机器模拟;显性智慧就是人类在隐性智慧所定义得问题框架内解决问题得能力,需要获取信息生成知识与运用知识解决问题得能力,就是外显得操作性能力,因而可以被机器模拟。人类得显性智慧通常也会被称为人类智能,模拟人类智能(显性智慧）得科学技术就叫人工智能。隐性智慧表现在:面对环境定义得实际问题;为知识库提供得已有知识;预设得问题求解目标。这三者就就是隐性智慧定义得工作框架。在这个框架下,人工智能系统所要执行得任务就就是模拟人类智能（显性智慧）得能力,运用所提供得信息与已有知识解决所给定得实际问题,达到预定得求解目标。 在人类与人工智能系统之间,人类始终就是主体,人工智能系统则就是人类求解问题得聪明工具。由于人工智能系统接受了人类所预设得求解目标与提供得专门知识,就保证了人类主体与客体之间实现主客双赢得策略:主体赢,因为实现了主体得求解目标;客体赢,因为遵守体现在知识中得客观规律。 人工智能系统工作得基本过程:(1)人类主体(隐性智慧)首先设定工作框架,即定义要解决得实际问题,提供已有知识,预设求解目标。(2)人工智能系统收集工作框架得信息,包括模型中得本体论信息。（3）通过信息获取(感知)单元,把本体论信息转换为认识论信息.（4）通过信息传递(通信)单元,把认识论信传送到信息处理单元。(５)通过信息处理(计算)单元，使认识论信息成为适用信息。(6通过知识生成(认知)单元,根据求解问题得需要生成专门知识。（7)通过策略创建(决策）单元，把认识论信息、专门知识、求解目标转换为求解问题得智能策略。(８）通过策略传递（通信)单元,把智能策略传递到策略执行单元。（9)通过策略执行（控制）单元,把智能策略转换成为智能行为,反作用于实际问题。（10)如果智能行为反作用于实际问题得结果没有满意地实现预期得求解目标,就把误差作为新得信息反馈到信息获取(感知）单元,通过学习，补充新得知识,优化智能策略,改善执行效果，减小求解误差。 ２、人工智能技术 以上论证说明：人工智能技术可以在人类隐性智慧定义得工作框架内模拟人类显性智慧(人类智能)生成知识，创建主客双赢得策略解决各种复杂问题.而这就是现今其她各类技术做不到得． 不过,由于在人工智能系统工作得基本过程中，第(１）步中客观存在各种不确定性,人类给定得知识未必能够理想地体现客观规律，也未必能够完全满足求解问题得需要,第(２)步中人类预设得求解目标也不见得完全合理,第（3)步中人工智能系统各个环节必然存在各种不理想性．因此，人工智能系统对人类显性智慧能力得模拟不可能完全到位，人工智能系统提供得问题解答也可能不如人类求出得解答。如果说人工智能系统确实也有超人得地方，那主要就是它得工作速度、工作精度、持久能力等因素,而不可能就是显性智慧中得智慧品质。 至于一些人所宣传得机器超越人类甚至机器淘汰人类得说法，就是没有根据得。无论就是人工智能系统，还就是其她各种机器系统，它们共同得问题之一就是：机器没有生命,没有目得,不可能自主发现应当解决得实际问题,不可能自主形成机器得智慧,尤其不可能无中

2019人工智能产业投资分析报告

2019人工智能产业投资分析报告 前言： 人工智能(AI)将接棒移动互联网，成为下一轮科技创新红利的主要驱动力。透过丰富的数据采集(互联网和IoT)、更快的数据传输(5G)、更强大的数据运算处理(AI)，科技企业和传统企业将在更广泛的领域深度融合。 AI将广泛助力传统行业转型，渗透互联网竞争下半场，催生无人驾驶、城市大脑、工业互联网、农业大脑、智慧医疗、Fintech、机器人等广义AI 应用，酝酿万亿级市场和投资机会。

▌AI主导下一轮科技创新红利AI孕育万亿级别市场 人工智能(AI)指利用技术学习人、模拟人，乃至超越人类智能的综合学科。人工智能技术可以显著提升人类效率，在图像识别、语音识别等领域快速完成识别和复杂运算。 此外，面对开放性问题，人工智能技术亦可通过穷举计算找到人类预料之外的规律和关联。自1956年“人工智能”概念首次被提出，AI技术“三起两落”。 本轮人工智能腾飞受益于持续提升的AI算力对神经网络算法的优化。 AI产业链分为:基础层、技术层、应用层。 基础层主要包括:AI芯片、IoT传感器等，技术层主要包括:图像识别、语音识别、自然语言处理NLP、知识图谱等，应用层的场景包括:无人驾驶、智慧安防、智慧城市(城市大脑)、金融科技(Fintech)、智慧医疗、智慧物流等领域。 AI市场规模快速成长。 中国是全球第二大AI力量，人工智能企业超过1000家。

2018年中国AI市场规模约330亿元人民币，全球AI市场规模约2700亿美元。我们预计，中国人工智能市场规模有望成长至万亿量级，成为下一轮科技创新红利的主导力量。 Statista预计2019、2020年，全球人工智能市场规模将分别增长59%、61%，成长至6800亿美元量级。 我们判断，中国人工智能市场有望在2030年达到万亿量级，传统行业和技术的结合是主要的应用领域，2G(对政府）和2B（对企业）将成为主要的营收来源。

人工智能开发教程有哪些

人工智能开发教程有哪些 就像大多数软件应用程序的开发一样，开发人员也在使用多种语言来编写人工智能项目，但是现在还没有任何一种完美的编程语言，是可以完全速配人工智能项目的。不过，大家公认的人工智能首选语言是Python，看看教程吧。 python全新基础视频教程 https://https://www.wendangku.net/doc/c06338234.html,/s/1i5kvG5f python课程教学高手晋级视频h ttps://https://www.wendangku.net/doc/c06338234.html,/s/1htJW4KG python高级视频教程https://https://www.wendangku.net/doc/c06338234.html,/s/1nvf3NOt Python的优点： 有丰富多样的库和工具； 支持算法测试，而无需实现它们； Python的面向对象设计提高了程序员的生产力； 与Java和C ++相比，Python的开发速度更快。 Python的缺点： 习惯使用Python来编写人工智能程序的程序员很难适应其它语言的语法； 与c++和Java不同的是，Python需要在解释器的帮助下工作，这就会拖

慢在AI开发中的编译和执行速度； 不适合移动计算。 看完Python教程，也了解了Python语言优缺点的你，大概也还是很想了解人工智能目前的发展状况吧？毕竟，只有人工智能发展好了，我们未来在人工智能这个领域中，也才能得到更好的发展。 人工智能在不久的将来，或者在未来几年，一定会得到质的提升。人工智能得到了全球从学术界到应用领域的高度重视，所以现在正是学习人工智能的黄金时期！在人工智能人才呈现巨大缺口的市场下，企业给予人才的薪酬普遍高于全国平均薪酬。 从目前的情况来看，企业就算给出高薪也很难找到合适的人工智能人才。要想拿到更高的薪资，要想过上更好的生活，那你就不得不选择千锋人工智能开发培训学校了： 经过前期企业调研，将潮流技术完美融入人工智能开发课程体系，实用性强，不掺杂无用讲解，只为给学员极致的教学体验。 而且课程优势突出，注重理论更重实践，融入多家名企案例，结合项目真实

人工智能背景与发展

人工智能的主要背景与进展 数学1704 41721113 高芷晗 1、人类智能和人工智能的概念 和其他生物物种不同，人类是一种智慧型生物。人类智慧包含两个相辅相成的部分：隐性智慧和显性智慧。隐性智慧负责发现和确定创新的方向，显性智慧负责在确定的创新方向上实现具体的创新求解。更具体地说，隐性智慧是人类发现问题和定义问题的能力，需要全局性的分析能力、想象能力和开拓能力，是一种内隐的创造性能力，因而不可被机器模拟；显性智慧是人类在隐性智慧所定义的问题框架内解决问题的能力，需要获取信息生成知识和运用知识解决问题的能力，是外显的操作性能力，因而可以被机器模拟。人类的显性智慧通常也会被称为人类智能，模拟人类智能（显性智慧）的科学技术就叫人工智能。隐性智慧表现在：面对环境定义的实际问题；为知识库提供的已有知识；预设的问题求解目标。这三者就是隐性智慧定义的工作框架。在这个框架下，人工智能系统所要执行的任务就是模拟人类智能（显性智慧）的能力，运用所提供的信息和已有知识解决所给定的实际问题，达到预定的求解目标。 在人类与人工智能系统之间，人类始终是主体，人工智能系统则是人类求解问题的聪明工具。由于人工智能系统接受了人类所预设的求解目标和提供的专门知识，就保证了人类主体与客体之间实现主客双赢的策略：主体赢，因为实现了主体的求解目标；客体赢，因为遵守体现在知识中的客观规律。 人工智能系统工作的基本过程：（1）人类主体（隐性智慧）首先设定工作框架，即定义要解决的实际问题，提供已有知识，预设求解目标。（2）人工智能系统收集工作框架的信息，包括模型中的本体论信息。（3）通过信息获取（感知）单元，把本体论信息转换为

人工智能教程张仰森部分习题答案

1.什么是人类智能？它有哪些特征或特点？定义：人类所具有的智力和行为能力。特点：主要体现为感知能力、记忆与思维能力、归纳与演绎能力、学习能力以及行为能力。 2.人工智能是何时、何地、怎样诞生的？ 解：人工智能于1956 年夏季在美国Dartmouth 大学诞生。此时此地举办的关于用机器模拟人类智能问题的研讨会，第一次使用“人工智能”这一术语，标志着人工智能学科的诞生。 3.什么是人工智能？它的研究目标是？定义：用机器模拟人类智能。研究目标：用计算机模仿人脑思维活动，解决复杂问题；从实用的观点来看，以知识为对象，研究知识的获取、知识的表示方法和知识的使用。 4.人工智能有哪些主要研究领域？解：问题求解、专家系统、机器学习、模式识别、自动定论证明、自动程序设计、自然语言理解、机器人学、人工神经网络和智能检索等。 5.人工智能有哪几个主要学派？各自的特点是什么？主要学派：符号主义和联结主义。特点：符号主义认为人类智能的基本单元是符号，认识过程就是符号表示下的符号计算，从而思维就是符号计算；联结主义认为人类智能的基本单元是神经元，认识过程是由神经元构成的网络的信息传递，这种传递是并行分布进行的。 6.什么是以符号处理为核心的方法？它有什么特征？解：通过符号处理来模拟人类求解问题的心理过程。特征：基于数学逻辑对知识进行表示和推理。 7.什么是以网络连接为主的连接机制方法？它有什么特征？解：用硬件模拟人类神经网络，实现人类智能在机器上的模拟。特征：研究神经网络。 8.人工智能的发展经历了哪几个阶段？ 解：第一阶段：孕育期( 1956 年以前)；第二阶段：人工智能基础技术的研究和形成( 1956~1970 年)；第三阶段：发展和实用化阶段( 1971~1980 年)；第四阶段：知识工程和专家系统( 1980 年至今)。 9.人工智能研究的基本内容有哪些？解：知识的获取、表示和使用。 10.人工智能的近期发展趋势有哪些？解：专家系统、机器人学、人工神经网络和智能检索。 1.请写出用一阶谓词逻辑表示法表示知识的步骤。 步骤：( 1)定义谓词及个体，确定每个谓词及个体的确切含义； (2)根据所要表达的事物或概念，为每个谓词中的变元赋予特定的值； (3)根据所要表达的知识的语义用适当的联接符号将各个谓词联接起来，形成谓词公式。 2.设有下列语句，请用相应的谓词公式把它们表示出来： (1)有的人喜欢梅花，有的人喜欢菊花，有的人既喜欢梅花又喜欢菊花。解：定义谓词如下： Like(x,y) ：x 喜欢y 。Club(x) ：x 是梅花。 Human(x) ：x 是人。Mum(x) ：x 是菊花。 “有的人喜欢梅花”可表达为：( x)(Human(x) Like(x,Club(x))) “有的人喜欢菊花”可表达为：( x)(Human(x) Like(x,Mum(x))) “有的人既喜欢梅花又喜欢菊花”可表达为： ( x)(Human(x) Like(x,Club(x)) Like(x,Mum(x))) (1)他每天下午都去玩足球。 解：定义谓词如下： PlayFootball(x) ：x 玩足球。Day(x) ：x 是某一天。则语句可表达为：( x)(D(x) PlayFootball(Ta)) (2)太原市的夏天既干燥又炎热。 解：定义谓词如下： Summer(x) ：x 的夏天。Dry(x) ：x 是干燥的。Hot(x) ：x 是炎热的。则语句可表达为：Dry(Summer(Taiyuan)) Hot(Summer(Taiyuan)) (3)所有人都有饭吃。 解：定义谓词如下：Human(x) ：x 是人。Eat(x) ：x 有饭吃。 则语句可表达为：( x)(Human(x) Eat(x)) (4)喜欢玩篮球的人必喜欢玩排球。 解：定义谓词如下：Like(x,y) ：x 喜欢y。Human(x) ：x 是人。 则语句可表达为：( x)((Human(x) Like(x,basketball)) Like(x,volleyball)) (5)要想出国留学，必须通过外语考试。 解：定义谓词如下： Abroad(x) ：x 出国留学。Pass(x) ：x 通过外语考试。 则语句可表达为：Abroad(x) Pass(x) 、 猴子问题： 2.7解：根据谓词知识表示的步骤求解问题如下： 解法一： (1)本问题涉及的常量定义为： 猴子：Monkey,箱子：Box，香蕉：Banana,位置：a, b, c (2)定义谓词如下： SITE(x , y) ：表示x 在y 处； HANG(x , y) ：表示x 悬挂在y 处；

人工智能产业园项目投资计划书

人工智能产业园项目投资计划书 xxx科技发展公司

摘要说明— 随着人工智能的迅速发展，将提升社会劳动生产率，特别是在有效降 低劳动成本、优化产品和服务、创造新市场和就业等方面为人类的生产和 生活带来革命性的转变。基于人工智能产业的战略作用，中国政府正通过 多种形式支持人工智能的发展，形成了科学技术部、国家发改委、中央网 信办、工信部、中国工程院等多个部门参与的人工智能联合推进机制。 2017年，人工智能首次写入政府工作报告，同年7月，国务院印发《新一 代人工智能发展规划》，明确人工智能的发展在国家战略中的地位。 该人工智能项目计划总投资19947.72万元，其中：固定资产投资13924.16万元，占项目总投资的69.80%；流动资金6023.56万元，占项目 总投资的30.20%。 达产年营业收入46163.00万元，总成本费用36653.70万元，税金及 附加376.44万元，利润总额9509.30万元，利税总额11197.37万元，税 后净利润7131.97万元，达产年纳税总额4065.39万元；达产年投资利润 率47.67%，投资利税率56.13%，投资回报率35.75%，全部投资回收期 4.30年，提供就业职位747个。 人工智能是新一轮产业变革的核心驱动力，将进一步释放历次科技革 命和产业变革积蓄的巨大能量，并创造新的强大引擎，重构生产、分配、 交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，

催生新技术、新产品、新产业、新业态、新模式。人工智能正在与各行各 业快速融合，助力传统行业转型升级、提质增效，在全球范围内引发全新 的产业浪潮。国家高度重视人工智能产业的发展。2017年国务院发布《新 一代人工智能发展规划》，对人工智能产业进行战略部署;在2018年3月 和2019年3月的政府工作报告中，均强调指出要加快新兴产业发展，推动 人工智能等研发应用，培育新一代信息技术等新兴产业集群壮大数字经济。 报告内容：项目概论、项目建设背景及必要性分析、项目市场研究、 产品及建设方案、项目选址评价、土建方案说明、工艺说明、项目环境保 护和绿色生产分析、项目生产安全、项目风险说明、节能概况、项目进度 计划、投资分析、经济收益、总结说明等。 规划设计/投资分析/产业运营

人工智能背景与发展

人工智能的主要背景与进展 数学1704高芷晗 1、人类智能和人工智能的概念 和其他生物物种不同，人类是一种智慧型生物。人类智慧包含两个相辅相成的部分：隐性智慧和显性智慧。隐性智慧负责发现和确定创新的方向，显性智慧负责在确定的创新方向上实现具体的创新求解。更具体地说，隐性智慧是人类发现问题和定义问题的能力，需要全局性的分析能力、想象能力和开拓能力，是一种内隐的创造性能力，因而不可被机器模拟；显性智慧是人类在隐性智慧所定义的问题框架内解决问题的能力，需要获取信息生成知识和运用知识解决问题的能力，是外显的操作性能力，因而可以被机器模拟。人类的显性智慧通常也会被称为人类智能，模拟人类智能（显性智慧）的科学技术就叫人工智能。隐性智慧表现在：面对环境定义的实际问题；为知识库提供的已有知识；预设的问题求解目标。这三者就是隐性智慧定义的工作框架。在这个框架下，人工智能系统所要执行的任务就是模拟人类智能（显性智慧）的能力，运用所提供的信息和已有知识解决所给定的实际问题，达到预定的求解目标。 在人类与人工智能系统之间，人类始终是主体，人工智能系统则是人类求解问题的聪明工具。由于人工智能系统接受了人类所预设的求解目标和提供的专门知识，就保证了人类主体与客体之间实现主客双赢的策略：主体赢，因为实现了主体的求解目标；客体赢，因为遵守体现在知识中的客观规律。 人工智能系统工作的基本过程：（1）人类主体（隐性智慧）首先设定工作框架，即定义要解决的实际问题，提供已有知识，预设求解目标。（2）人工智能系统收集工作框架的信息，包括模型中的本体论信息。（3）通过信息获取（感知）单元，把本体论信息转换为认识论信息。（4）通过信息传递（通信）单元，把认识论信传送到信息处理单元。（5）通过信息处理（计算）单元，使认识论信息成为适用信息。（6通过知识生成（认知）单元，根据求解问题的需要生成专门知识。（7）通过策略创建（决策）单元，把认识论信息、专门知识、求解目标转换为求解问题的智能策略。（8）通过策略传递（通信）单元，把智能策略传递到策略执行单元。（9）通过策 略执行（控制）单元，把智能策略转换成为智能行为，反作用于实际问题。（10） 如果智能行为反作用于实际问题的结果没有满意地实现预期的求解目标，就把误差作为新的信息反馈到信息获取（感知）单元，通过学习，补充新的知识，优化智能策略，改善执行效果，减小求解误差。 2、人工智能技术 以上论证说明：人工智能技术可以在人类隐性智慧定义的工作框架内模拟人类显性智慧（人类智能）生成知识，创建主客双赢的策略解决各种复杂问题。而这是现今其他各类技术做不到的。 不过，由于在人工智能系统工作的基本过程中，第（1）步中客观存在各种不 确定性，人类给定的知识未必能够理想地体现客观规律，也未必能够完全满足求解问题的需要，第（2）步中人类预设的求解目标也不见得完全合理，第（3）步中人工智能系统各个环节必然存在各种不理想性。因此，人工智能系统对人类显性智慧能力的模拟不可能完全到位，人工智能系统提供的问题解答也可能不如人类求出的解答。如果说人工智能系统确实也有超人的地方，那主要是它的工作速度、工作精度、持久能力等因素，而不可能是显性智慧中的智慧品质。

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

人工智能发展背景

人工智能发展背景 发展职业教育是推动经济发展、促进就业的重要途径，是缓解劳动力供求矛盾的重要环节。随着人工智能产业高速发展，相关行业对于技能型应用型人才产生了迫切需求，高等教育正在发生革命性变化，与当前我国经济社会发展的结合更加紧密，教育模式、形态、内容和学习方式正在发生深刻变革，以学习者为中心，注重能力培养，促进人的全面发展，个性化学习的理念日益深入人心，教育治理呈现出多方合作、广泛参与的特点。 高等院校开展人工智能专业教育，为人工智能产业发展与国家创新驱动战略培养和输送更多优秀人才，已经产生了巨大的需求，结合自身大数据、人工智能技术方面的积累与产业优势，贯彻《新一代人工智能发展规划》所提到的为产业、行业培养更多高素质的AI应用 型人才的要求，愿助力院校在原有基础上拓宽人工智能专业教育内容，推动人工智能与计算机、信息、数学等学科专业教育的交叉融合，培养更多高素质大数据、人工智能应用型人才，提高学生的动手能力，提升学院计算机相关专业学生的就业竞争力，致力于企业发展同时，赋能高等教育创新培育能力，实现学校、学生、企业自我价值与社会赋予的责任与使命。 相关政策 随着人工智能产业高速发展，相关行业对于技能型应用型人才产生了迫切需求，高校开展人工智能专业教育，为人工智能产业发展与国家创新驱动战略培养 和输送更多优秀人才。为鼓励人工产业的进一步发展，国务院、工信部、教育部 等国家机构近期密集出台了若干指导意见、通知及政策。 2017年07月20日《国务院关于印发新一代人工智能发展规划的通知》中提 出统筹布局人工智能创新平台，建设布局人工智能创新平台，强化对人工智能研

发应用的基础支撑，构建形成面向产学研用创新环节的群智众创平台和服务环境。 2017年12月19日《国务院办公厅印发关于深化产教融合的若干意见》中鼓励企业依托或联合职业学校、高等学校设立产业学院和企业工作室、实验中心、创新基地、实践基地，推行面向企业真实生产环境的任务式培养模式改革。 2018年4月2日教育部关于印发《高等学校人工智能创新行动计划》的通知提出推进“新工科”建设目标，加强人才培养与创新研究基地的融合，完善人工智能领域多主体协同育人机制，以多种形式培养多层次的人工智能领域人才。提出新建人工智能交叉研究中心的发展规划支撑人工智能领域人才培养。 2018年6月28日，教育部召开《新时代全国高等学校本科教育会议》。会议提出坚持“以本为本”，推进“四个回归”。深入推进产教融合，实现合作办学、合作育人、合作就业、合作发展，进一步健全高校与行业企业协同育人机制。这也为人工智能进一步走进高校孕育了更好的条件。 为了贯彻《新一代人工智能发展规划》，为产业、行业培养更多高素质的AI 应用型人才，结合自身大数据、人工智能技术方面的积累与产业优势，助力院校在原有基础上拓宽人工智能专业教育内容，推动人工智能与计算机、信息、数学等学科专业教育的交叉融合，培养更多高素质大数据、人工智能应用型人才，提高学生的动手能力，提升学校计算机相关专业学生的就业竞争力。 发展定位 坚持社会效益优先，兼顾经济效益的原则，通过双方的合作，切实践行国家和教育部提出的人工智能人才培养国家战略，打造人工智能人才培养及智能经济