第1章人工智能概述

1.什么是人工智能？

人工智能（Artificial Intelligence, AI）,又称机器智能（MI，Machine Intelligence），
主要研究用人工的方法和技术开发智能机器或智能系统，以模仿、延伸和扩展人的智能、生物智能、自然智能，实现机器的智能行为。
简略概括：用机器模拟或实现人类智能。
注：人工智能定义分为四类：
（1）像人一样思考的系统
（2）像人一样行动的系统
（3）理性地思考的系统
（4）理性地行动的系统

2.人工智能的研究目标和意义是什么？

近期目标：部分或某种程度实现机器智能，使现有的计算机更灵活好用、更聪明有用。
远期目标：制造智能机器，使其具有看、听、说、写等感知和交互能力，联想、学习、推理、理解等高级思维能力，分析、解决问题和发明创造的能力。

3.人工智能的基本技术有哪些？

（1）知识表示技术
（2）知识推理、计算和搜索技术
（3）系统实现技术

4.人工智能何时何地怎么诞生？发展史

1956年夏，十位来自数学、心理学、神经生理学、信息论和计算机方面的专家在美国达特莫斯大学召开一次历时两个月的会议，讨论了机器智能有关问题，会上麦卡锡提议用“人工智能”一词，标志人工智能学科的正式诞生。
发展：
（1）推理期
（2）知识期
（3）学习期

5.人工智能的三大研究学派、途径与方法

传统划分方法：

符号主义学派（Symbolicism）（功能模拟）
连接主义学派（Connectionism）（结构模拟）
行为主义学派（Evolutionism）（行为模拟）
现代划分方法：
1.符号智能流派
2.计算智能流派
3.群体智能流派

6. 人工智能的基本技术有哪些？

大数据、计算机视觉、语音识别、自然语言处理、机器学习五大部分

第4章不确定知识的表示和推理技术

在这里插入图片描述
不确定性推理：
指从不确定的初始证据出发，运用不确定性知识，推出既保持一定程度的不确定性又合理或基本合理结论的推理过程。
不确定性推理 = 符号推演 + 不确定性计算

1. 不确定性类型及特点

（1）随机不确定性
即知道会发生的所有结果，但不知道发生哪个，而且知道每个发生的概率。
（2）模糊不确定性
就是指没有标准（例如：小王是高个子）。
（3）不完全性
就是指对某事物了解不完全。
（4）不一致性
就是指随着时间推移，前后结论不相容。

2.不确定性推理中要解决哪些问题？

（1）不确定性的表示与度量
（2）不确定性的匹配算法
（3）不确定性的计算与传播
注：确定性理论和证据理论解决随机不确定性
模糊推理解决模糊不确定性

第6章机器学习

1.学习与机器学习的定义

学习：系统在不断重复的工作中对本身能力的增强和改进，使得系统在下一次执行同样任务或类似任务时会比现在做得更好或效率更高（西蒙）。
机器学习：实现通过经验来提高对某任务处理性能的行为的计算机程序。

2. 机器学习系统的基本结构和作用

在这里插入图片描述
注：模型可换为知识库
环境：提供外界信息
学习环节：处理环境提供的信息并接收执行环境的反馈信息，以便改善知识库中的知识，满足性能要求
知识库：学到的知识
执行环节：测试所学习到的知识的性能

第8章自然语言处理

1. 什么是自然语言处理？

是指用计算机来分析、处理自然语言，让计算机理解并能表达自然语言，实现人与计算机的自然语言交流。（IBM Watson核心）

2. 自然语言处理涉及的层次（语言有语音和文字两个属性）

（1）语音分析：
（2）词法分析：识别和词性判断
汉语分词有哪些方法
（1）基于词的方法（与已有的词表进行匹配）
（2）基于字的方法（根据字在词中的位置进行标记，然后扫描）

（3）句法分析（语法分析）：判断是否合法
分为句法结构分析和依存关系分析
（4）语义分析：一段文字的意义
A.词义消歧
方法：
基于知识的方法
基于监督学习的方法
基于无监督学习的方法
B.语义角色标识
（5）语用分析
3.自然语言的特点
（1）新词不断出现，很难完全收入词典
（2）自然语言的表达非常灵活，很难完全形式化
（3）自然语言充满歧义，很难完全消解
读音、分词、词性、句法结构、词义歧义
（4）自然语言中有各种语言创新，机器很难应付