人工智能考试重点.md

第一章

1. 强人工智能 / 弱人工智能 比如chatgpt是强还是弱，说出你的理由
2. 人工智能近期/远期目标
3. 图灵测试
4. 符号主义学派
5. 连接主义学派 ：感知器 bp网络
6. 行为主义学派：机器人 会根据当前成果进行辨析讨论 第二章确定性推理
7. 知识表示：有哪些知识表示？
   1. 一阶谓词 精确
   2. 产生式
   3. 语义网
   4. 框架
   5. 状态空间图
   6. 与或图

一阶谓词：

完备性：鲁滨逊归结原理 缺点：容易出现组合爆炸 第一谓词 化子句集 9步 归结（合一置换要会用）（定理证明/求解） 求解要带ANSWER不然要扣分

谓词公式的等价式：交换律、结合律、分配律……

自然推理

全程固化、假言推理……

鲁滨逊归结原理：

反证法，手段是归结式

状态空间

重点在启发式搜索 估计函数f(x) A算法和A星算法的区别（closelist、openlist怎么用的） 全局择优局部择优

修改父节点（重复扩展问题）八数码问题一般不出现

产生式：

简单，容易了解 描述精确性知识 1. 推理机（控制系统） 3. 规则库 4. 综合数据库 缺点： 知识和知识之间取法联系（框架和语义网解决了这个问题）

框架

纵向联系、横向连接 推理方式（匹配）比较复杂

状态空间图和与或图

与或图的解树 过程性知识，描述知识的过程就是推理的过程的是一体化的 推理方法：图搜素（盲目、启发式）

解树的代价计算考计算题

希望树

博弈树中的与树是敌方扩展的，或树是己方扩展的 极大极小分析法 UCB公式 计算

遗传算法

计算题 理解的步骤 哪一步是减少多样性，哪一步的增加多样性

不确定性推理

不确定性表达 可信度计算题

贝叶斯网络

精确推理的计算（可能考）

神经网络

基础概念考的很少 前馈网络 反馈网络 概念和有哪些 什么是卷积什么是卷积核， 卷积计算的方法可能给你让你算一些 池化 最大池化和平均池化 计算题 参数方向传播反向正向概念辨析题

考试

一、概念分析题

1. 强/弱人工智能
2. 框架之间横向联系和纵向联系 二、画图/计算题
3. 状态图搜索（定义启发式函数同是计算代价并画图）
4. 阿尔法贝塔剪枝
5. 产生式画图？
6. 框架表示
7. 语义网画图？
8. 问题规约——与或树画图？ 计算：
9. 与或图解图代价计算
10. 可信度推理计算
11. 贝叶斯网络计算
12. 遗传算法计算
13. 蒙特卡洛 UCB计算 三、证明题
14. 自然演绎推理
15. 鲁滨逊归结原理
16. 产生式？ 四、综合题