1.人工智能是何时、何地、怎样诞生的？ 1956 年夏季，美国的一些从事数学、心理学、计算机科学、信息论和神经学研究的年轻学 者，汇聚在 Dartmouth 大学，举办了一次长达两个月的学术讨论会，认真而热烈的讨论了用 机器模拟人类智能的问题。在这次会议上，第一次使用了“人工智能”这一术语，以代表有 关机器智能的这一研究方向。 这是人类历史上第一次人工智能研讨会， 标志着人工智能的诞 生，具有十分重要的意义。
2.什么是人工智能？人工智能的意义和目标是什么？ 人工智能就是人造智能，指用计算机模拟或实现的智能，同时人工智能作为学科，是研 究如何使机器（计算机）具有智能的科学和技术，特别是自然智能如何在计算机上实现或再 现的科学或技术。研究人工智能是电脑发展的必然趋势，是当前信息化社会的迫切要求，同 时智能化也是自动化发展的必然趋势，另外，研究人工智能，对探索人类自身智能的奥秘也 会提供有益的帮助。 人工智能的目标分近期目标和远期目标，近期研究目标是实现机器智能， 远期目标是制造智能机器，具体讲就是使计算机具有听、说、读、写等感知和交互能力，具 有联想、推理、理解、学习等高级思维能力。
3.人工智能的主要研究和应用领域是什么？ 人工智能的主要研究和应用领域有：定理证明，专家系统，机器学习，自然语言理解，智能 检索，机器人学，自动程序设计，组合调度问题，模式识别，机器视觉等。
4.人工智能有哪些主要研究途径与方法？简单描述其特点。 人工智能有三种研究途径与方法：第一种是结构模拟，方法是神经计算。模拟人脑的生 理结构和工作机理， 用人工神经元组成的神经网络作为信息和知识的载体， 用神经计算的方 法实现学习、联想、识别和推理，使计算机表现某种智能。第二种是功能模拟，方法是符号 推演。具体讲就是模拟人的心理模型，将问题或知识表示程某种逻辑网络，采用符号推演的 方法，宏观上模拟人脑的思维实现机器智能。第三种途径是行为模拟，方法是控制进化。
5.什么是人工智能？人工智能的基本技术是什么？ 人工智能就是人造智能，指用计算机模拟或实现的智能，同时人工智能作为学科，是研 究如何使机器（计算机）具有智能的科学和技术，特别是自然智能如何在计算机上实现或再 现的科学或技术。表示、运算、搜索是三大基本技术。
6.人工智能可分为符号智能和计算智能，请简述人工智能的基本技术。 答：表示、运算和搜索。符号智能的表示是知识表示，运算是基于知识表示的推理或符 号操作， 采用搜索方法进行问题求解， 一般在问题空间上进行； 计算智能的表示是对象表示， 运算时给予对象的表示的操作或计算， 采用搜索方法进行问题求解， 一般是在解空间上进行。
7.列举人工智能的五个应用领域。 答：应用领域有：难题求解、自动定理证明、自动程序设计、自动翻译、智能控制、智 能管理、智能决策、智能通信、智能仿真、智能 CAD 等。
8.遗传算法中的三种遗传操作是什么？试举例说明。 答：遗传算法的三种操作：复制，交叉，变异。
9.遗传算法是一种什么样的算法？它适合解决哪一类问题？ 遗传算法时人们从生物界按自然选择和有性繁殖、遗传变异的自然进化现象中得到启 发，而设计出来的一种随机优化搜索算法。遗传算法适合解决先验知识缺乏，希望寻找最优 解，搜索空间不连续的这一类问题，如机器学习、规划、聚类、控制、调度等领
域的问题。
10.产生式系统的运行过程就 是推理机不断运用规则库中的规则， 作用于动态数据库， 不断进行推理并不断检测目标条件 是否满足的过程。当推理到某一步，目标条件被满足，则推理成功，于是系统运行结束；或 者再无规则可用，但目标条件仍未满足，则推理失败，系统运行结束。
11.产生式系统有哪几种推理方式?各自的特点为何? 产生系统有两种推理方式：正向推理和反向推理。正向推理就是从初始事实数据出发， 正向使用规则进行推理 （即用规则前提与动态数据库中的事实匹配， 或用动态数据库中的数 据测试推则的前提条件，然后产生结论或执行动作） ，朝目标方向前进；反向推理就是从目 标出发，反向使用规则进行推理（即用规则结论与目标匹配，又产生新的目标，然后对新目 标再做同样的处理） ，朝初始事实或数据方向前进。
15.产生式系统由哪几部分组成？各部分功能是什么？ 答：产生式系统由三部分组成：产生式规则库，推理机和动态数据库。产生式规则库也 称产生式规则集，由领域规则组成，在机器中以某种动态数据结构进行组织。推理机也称控 制执行机构，它是一个程序模块，负责产生式规则的前提条件测试或匹配，规则的调度和选 取，规则体的解释和执行。动态数据库是一个动态数据结构，用来存放初始事实数据、中间 结果和最后结果等。
17.按照学习方式分，机器学习可以分为哪几类？分别具有什么特征？ 答：有导师学习，无导师学习，强化学习
18.从模拟人脑的角度出发，机器学习有哪两种方法？试简单描述其特点。 按照学习途径分类，机器学习可以分为符号学习和连接学习两大类。 符号学习是基于符号 处理的学习方法，连接学习或神经网络学习，则是基于神经网络的机器学习方法。
19.符号学习有哪些方法？试列举出五种。 符号学习的方法：记忆学习、传授学习、演绎学习、类比学习、示例学习、发现学习、解释 学习。
20.模拟人脑的机器学习又分为符号学习和连接学习，对比符号学习和连接学习的不同，并 举出典型学习方法？ 答：符号学习是模拟人脑的宏观心理级学习过程，以认知心理学原理为基础，以符号数据为输入，以符号运算为方法，用推理过程在图或状态空间中搜索，学习目标为概念或规则 等。典型方法有记忆学习、示例学习、类比学习、解释学习等；连接学习或神经网络学习， 是模拟人脑的微观生理级学习过程， 以脑和神经科学原理为基础， 以人工神经网络为函数结 构模型，以数值数据为输入，以数值运算为方法，用迭代过程在系数向量空间中搜索，学习的目标为函数。典型的连接学习有权值修正学习、拓扑结构学习。
21.按照拓扑结构分，神经网络可分为哪几类？各具有什么网络特征？ 按照拓扑结构分，神经网络可分为四大类：分层前向网络、反馈前向网络、互连前向网 络、广泛互连网络。分层前向网络的结构特征是网络由若干层神经元组成，分为输入层、中 间层和输出层，各层顺序连接；信息严格按照从输入层进，经过中间层，从输出层的方向流 动。反馈前向网络是一种分层前向网络，输出曾到输入层具有反馈连接。互连前向网络的同 层神经元之间有相互连接。 广泛互连指在网络中任意两个神经元之间都是可以或可能是可达 的。
22.何为不确定性？不确定性有哪些类型？ 在我们所获得的、所处理的信息和知识中，往往含有不肯定、不准确、不完全甚至不一致的 成分， 这就是所谓的不确定性。 按性质来分，不确定性大致分为五种类型：随机性、模糊性、不完全性、不一致性。
23.为什么使用归结原理进行定理证明时要使用归结策略？ 答：把归结原理在机器上实现，就要把归结原理用算法表示，对于怎么样在已知子句集 中选取两个子句进行归结， 最简单的方法就是采用穷举法。 穷举法能够保证对于不可满足的 子句一定可以归结出空子句， 但穷举法最大的缺点就是效率太低， 当参加子句集中子句数目 过多时，所产生的中间子句将会呈现爆炸式增长，以致机器无法容纳，而采用相应的归结策 略之后就会使中间子句的数目减少， 从而提高了归结效率， 所以在使用归结原理进行定理证 明时要使用归结策略。
24.简述线性归结策略和单元归结策略。 答：线性归结策略：在归结过程中，除第一次归结可都用给定的子句集 S 中的子句外， 其后的各次归结则至少要有一个亲本子句是上次归结的结果。 单元归结策略： 在归结过程中， 每次参加归结的两个亲本子句中必须至少有一个是单元子句。
25.什么是启发函数、什么是启发式搜索？ 答：启发式搜索就是利用启发信息进行制导的搜索。在启发式搜索中，常用启发函数来表示 启发性信息，启发函数就是用来估计搜索树节点 x 与目标节点 Sg 接近程度的一种函数，通 常用 h（x）来表示。启发函数的定义一般可以参考：一个节点到目标节点的某种距离或差 异的亮度；一个节点处在最佳路径上的概率。
26.对比图搜索，谈谈遗传算法的主要特点是什么？ 答：遗传算法的搜索在解空间上进行，不像图搜索在问题空间上进行；遗传算法的搜索 随机地始于搜索空间的一个点集， 图搜索固定地始于初始节点； 遗传算法的搜索过程从空间 一个点集到另一个点集，图搜索从空间的一个点到另一个点；遗传算法适应性强；擅长全局 搜索，不受搜索空间的限制性假设约束。
27.什么是盲目搜索，什么是启发式搜索？两者有何不同 答：盲目式搜索是指在搜索过程中，按规定的控制策略进行搜索，而没有任何中间信息来改 变这些控制策略。 启发式搜索是根据问题本身的特性或搜索过程中产生的一些信息来不断地 改变或调整搜索的方向，使搜索朝着问题本身最希望的方向进行，加速问题的求解，并找到 最优解。
28.何谓专家系统？它有哪些基本特征？ 专家系统是应用与某一专门领域， 拥有该领域内相当数量的专家级知识， 能模拟专家的思维，能达到专家水平，能象专家一样解决困难和复杂的实际问题的计算机（软件）系统。 基本特征有四：一应用于某专门领域；二拥有专家级知识；三能模拟专家的思维；四能达到 专家级水平。
29.专家系统包括那些基本部分？每一部分的主要功能是什么？ 专家系统包括如图所示的七部分,知识库用来存储知识推理机是用来实现推理的程序;动态数 据库是存放初始证据事实、推理结果和控制信息的场所;人机界面指的是最终用户与专家系 统的交互界面； 解释模块负责向用户解释专家系统的行为和结果； 知识库管理系统用来管理 知识库。 加上自学习模块功能是在系统运行过程中能够不断的自动化完善丰富知识库中的知识。
30.什么是专家系统？包含哪几部分？ 专家系统是应用与某一专门领域， 拥有该领域内相当数量的专家级知识，能模拟专家的思维， 能达到专家水平，能象专家一样解决困难和复杂的实际问题的计算机（软件）系统，专家系统包括七部分,知识库;动态数据库;人机界面；解释模块；知识库管理系统；自学习模 块功能；推理机。
32.什么是专家系统？专家系统与常规计算机程序有何区别？ 答：专家系统是应用与某一专门领域，拥有该领域内相当数量的专家级知识，能模拟专 家的思维，
能达到专家水平，能像专家一样解决困难和复杂的实际问题的计算机（软件）系 统， 与常规程序的区别有五点：、（1） 常规程序＝数据结构＋算法， 专家系统＝知识＋推理；、（2） 常规程序将知识组织为两级：数据级和程序级，专家系统将知识组织为三级：数据级、知识 库级和控制级；、常规程序处理的数据多是精确的，对数据检索是基于模式的布尔匹配 （3） 专家系统处理的数据和知识多是不精确的、模糊的，知识的匹配模式多是不精确的，需要为 其设定阈值；、常规程序基本是面向数值计算和数据处理的。 专家系统本质上是面向符 （4） 号处理的；、常规程序一般不具有解释功能，而专家系统一般具有解释功能。
