CUMT人工智能基础（期末必过版）
本笔记适用于以下教材应付期末考试矿大2022年考试题型以及复习重点总结1.单选题（20分）（10小题）2.简答题（30分）3.计算题（15分）4.证明推理题（15分）5.综合推理题（20分）===========第一章绪论=======================人工智能定义人工智能的概念（1956提出...）图灵测试人工智能产生和发展：几个重要时期（每个时期代表性的成果知道1到2个即可）人工智能三大学派：是什么，每个学派主要观点，能够根据观点区分是哪一个学派。人工智能主要应用领域：能够列举几个。以下属于人工智能应用的领域能够区别。================第二章知识表示====================命题的含义和相关概念：所有命题都应该具有确定的真值当命题变元表示原子命题的时候该变元称之为原子变元用谓词逻辑能够表示实际场景（见作业习题）一阶谓词逻辑表示法的优缺点是什么产生式表示法不考语义网络表示法：（见作业习题）知道基本的语义关系，比如哪些是有继承性的。语义网络的推理不考框架表示法不考================第三章确定性推理====================推理概述了解这一章主要考证明题字句字句集给出一系列谓词公式能够转化为相应字句集（见课后习题）谓词公式的化简鲁滨逊归结原理：例题3.1已知f是什么d是什么求证什么推论。知道具体的逻辑步骤。归结出空子句。例3.11例3.12（比如王喜欢花生的问题）归结演绎推理的演绎策略能够列举出来两到三个================第四章搜索策略=====================盲目搜索和启发式搜索的问题一般图搜索中的状态空间搜索（传教士和野人问题）：用哪个结构来描述问题的状态（传教士和野人问题）能够根据问题的描述，要能识别出合法状态和不合法状态状态空间搜索的基本思想P90盲目搜索必考：宽度优先和深度优先的区别，比如可以用OPEN表的排序来区别两种搜索策略的异同深度优先搜索的一些改进比如有界深度和迭代加深在哪些地方进行了改进，改进的效果怎么样？这几种搜索策略之间的比较：哪些用的时间多，哪些用的空间大（书上表4.2）启发式搜索重点：评估函数定义式，每一项代表的含义。启发式搜索算法适当的修改和标记指针，为什么要修改和标记指针？修改和标记指针出现的几种情况：出现在OPEN表的情况，没出现在OPEN表的情况，出现在CLOSE表的情况，对应指针的变化实现启发式搜索的三个因素启发式函数的强弱及其影响：比如h(x)的强弱对评价函数到底是怎么影响的？回溯策略和爬山法（知道概念即可）问题规约（知道概念即可）与或图的启发式搜索（对比A和A*算法的异同：多个方面：搜索结果OPEN表等）博弈（重点掌握极大极小过程，给出一个博弈树以及估值函数能够倒推值：见课后习题）阿尔法β过程选择题（max的a值永不降低，min节点的贝塔永不增加）8数码的启发式搜索：给一个八数码问题的初始状态，再给一个结束的目标状态，通过启发式搜索设计评价函数来完成搜索函数（画出搜索树）================第五章不确定推理======================主要考计算题主观贝叶斯方法（给出充分性因子和必要性因子能够根据公式计算先验概率和后验概率）LSLN的性质和关系书上5.3和5.4例题需要掌握确定性理论：可信度的定义性质取值的值域其几个典型值代表的含义书上的例5.65.7例题需要掌握证据理论：能够计算相应的似然函数（14.24）大题不考=================第六章机器学习=========================学习系统的基本模型由几部分构成，几个部分的联系机器学习的历史和分类（比如能区分监督学习和无监督学习）计算题：决策树ID3算法（给你几个虚拟样本-通过M（C）B（C，A）来确定根节点。 本笔记食用方法：第一章和第四章就按照我的博客笔记来看就够了（因为第一章主要是考一些选择题概念） （第四章博客总结是按照期末考点来总结的）第二章、第三章、第五章、第六章直接看最后的手写笔记部分即可（基本都是刷题）每一章我都会在前面说明该章节的考试题型博客笔记主要强调概念，手写笔记相当于思维导图（手写笔记中会提到某些概念，这时候可以参考博客笔记。两个兼修即可。）小tips:建议在电脑上阅览，或者宽屏阅览（因为手机或者较小的显示屏会导致一定的格式错误）==================第1章绪论======================这一章主要理解几个概念和定义即可，主要考选择题1.1人工智能定义
人工智能的概念（1956提出...）
1.2图灵测试1.3人工智能产生和发展：几个重要时期（每个时期代表性的成果知道1到2个即可）孕育期：神经网络模型、宏观人工智能、图灵测试
·
形成期：
暗淡期：
知识期：
稳步增长期：
1.4人工智能三大学派：是什么，每个学派主要观点，能够根据观点区分是哪一个学派。 符号主义：
缺点：
连接主义：
行为主义：
1.5人工智能主要应用领域 提问方式：以下属于人工智能应用的领域的是？
==================第2章知识表示===================这一章主要考谓词表示法（给你一句话，让你用符号表示），语义网络（参考博客笔记中的例子，一定要把这些例子（4.5~4.7）都弄懂！！！），以简答题的形式出现。1命题的含义以及相关概念1.1.命题的定义
1.2.命题的类型：
当命题变元表示原子命题的时候该变元称之为原子变元
1.3.相关概念
1.4.注意点
1.5.真值表
2谓词逻辑2.1.命题逻辑的缺陷从而发展出谓词逻辑
2.2.语法
2.3.语法元素
2.4.谓词的阶
2.5.项
2.6.原子公式（注意大小写规则）
2.7.表示范围
2.8.谓词逻辑的表示步骤
2.9.例子
3.一阶谓词逻辑表示法的优缺点 3.1优点：（“知实严自通”）
3.2缺点：
4语义网络 4.1.基本概念，整体框架：
4.2.节点间的基本关系
4.3.语义基元和语义网络
4.4.从一些基本的语义关系可以构成复杂的语义关系：
4.5.语义网络的表示步骤 （1）.事实性知识
（2）情况节点：
（3）动作的表示：
（4）事件的表示：
(5)存在量词和全称量词的表示
例如： 1. 2.
4.6.语义网络的推理步骤
4.7.具体实例1.2.
3.4.==================第三章确定性推理=================这一章主要考察的就是归结反演，前面的合式公式标准化都是为最后的归结反演铺垫，这章主要以证明推理的题给出，一定要掌握合式公式的标准化过程（我们考试的时候单独考察了5分，手写笔记里面有例子），然后就是掌握归结反演的基本步骤（我在笔记里面有总结）合式公式标准化过程：
Skolem变换的具体原则：
归结反演的基本步骤归结反演的基本过程（现成的子句集）归结反演过程中可利用置换和合一
置换和合一的具体使用场景：
==================第4章搜索策略===================这一章主要出现在最后的综合题中，考察利用改进启发式搜索解决八数码问题，主要一定要掌握启发式搜索和改进启发式搜索解决八数码问题，改进启发式搜索只是把启发式函数换了一下，更加合理。然后还考察一些选择题，考察的选择题基本都是考点笔记里面强调的内容（注意博客笔记就行了）。还有博弈中会考一个博弈树极大极小过程（看最后一道博弈练习题即可）4.1搜索概述 问题求解系统
知识贫乏系统：
知识丰富系统：
两大类搜索技术一般图搜索，启发式搜索（状态空间搜索）
状态空间搜索是用状态空间法来求解问题所进行的搜索。
与或图搜索
与或图搜索是用问题规约的方法来求解问题所进行的搜索。
启发式搜索和盲目搜索理解要点：4.2一般图（或图）搜索（利用状态空间）
实质：状态空间的表示必须有状态和操作算子
表示形式：（有向图）
状态空间搜索的表示：
传教士和野人过河问题 题目描述：
状态的表示：
操作算子：
合法状态和不合法状态：
状态空间搜索思想：
或图基本概念：
状态空间一般表示为或图
八数码问题的求解就是用或图来求解的：
求解步骤就是状态空间搜索的设计过程。
一般图的搜索算法（考点）： 符号说明：搜索算法的两个阶段：
八数码问题（了解基本过程即可，最后有相应习题）：
八数码问题一般图求解过程
盲目搜索如何提高一般图搜索的效率呢？
从上面的八数码一般图搜索的策略我们可以看出，OPEN表的首部节点的选择都是随机的
有一定的盲目性，为了解决这种盲目性，于是我们提出了优化OPEN表中的节点的排序方
式的想法：（这也是盲目搜索的来源）
深度优先搜索和宽度优先搜索的区别：
宽度优先算法：
深度优先算法：
深度优先搜索的两大改进算法： 有界深度优先：
迭代加深搜索（改进有界深度优先）：
四种搜索策略的比较：
时间上：深度优先最长，如果深度限制l=，min节点的贝塔永不增加:贝塔
《人工智能导论》期末复习二、三
《人工智能导论（第5版）》王万良
第二章 知识表示与知识图谱2.1 知识与知识表示的概念
一、什么是知识？有哪些特性？
1、知识：在长期的生活及社会实践中、在科学研究及实验中积累起来的对客观世界的认识与经验。人们把实践中获得的信息关联在一起，就形成了知识。知识反映了客观世界中事物之间的关系，不同事物或者相同事物间的不同关系形成了不同的知识。
2、特性：（1）相对正确性（2）不确定性（3）可表示性与可利用性
二、什么是知识表示？如何选择知识表示方法？
1、知识的表示：将人类知识形式化或者模型化。
2、知识表示方法的原则：
（1）充分表示领域知识。
（2）有利于对知识的利用。
（3）便于对知识的组织、维护与管理。
（4）便于理解与实现。
2.2 一阶谓词逻辑表示法
一、命题？
一个非真即假的陈述句
eg.“3
人工智能全球产业竞争，关键点在这里
0分享至在当前全球进入下一轮科技竞争的关键时刻，如果我们希望继续维系人工智能全球第二大战场、甚至是全球AI应用创新的最大战场，我们显然急需寻找解决方案。特约撰稿丨沸雪近期，北京市在通用人工智能产业创新伙伴计划中，明确提出与云服务厂商建立合作，为产业提供算力。人工智能重新激活了全球科技的竞争，AI能力正在催生大量“新物种”，进化速度一日千里，产业生态成为赢得数字科技竞争的关键要素。快速行动起来是一种共识。5月5日，中央财经委会议指出，“要把握人工智能新科技革命浪潮”。近期，北京市连续公布两批产业创新伙伴名单，鼓励加快建设人工智能产业发展，从产业伙伴合作方式，构建产业生态。图/网络在上述举措中，有两个方向值得关注，其一是明确提出加强与公有云厂商等市场主体合作，首批算力伙伴中即涵盖了阿里云等公有云厂商；其二，计划中涵盖了算力、数据、模型、应用四个类型伙伴，体现了人工智能生态的四个生长方向。大模型和智能应用都不是单点技术的突破，不仅是一套算法或技术的突破，而是对底层算力基础设施的极大挑战，更是从“公有云+AI”技术体系的全面创新——技术创新生态从来没有像今天这样重要。01不要忽视算力的力量新一轮的人工智能浪潮将带来巨大的算力需求。算力被认为是大数据时代的生产力，当数据要素成为驱动经济发展的重要要素，毫不夸张地说，算力就是支撑国民经济发展的原动力之一。而自从2023年以来，伴随数字经济的高速发展，特别是人工智能的爆发，整个社会对算力的需求呈现快速增长态势。国际数据公司（IDC）在《2022全球计算力指数评估报告》中指出，中国的算力产业规模和多样性目前正持续高速增长，2018年-2022年，北京、杭州、深圳的算力规模位居全国前三。扩充算力规模正成为区域中心城市经济发展的必然要求。以北京为例，这种布局也早就已经正在展开。近期，在全球人工智能领域占有重要地位的北京，短短一个月时间，就连续发布3个支持鼓励人工智能发展的政策文件：4月27日，北京市发布《加快建设具有全球影响力的人工智能创新策源地实施方案(2023-2025年)(征求意见稿)》，明确提出充分利用云厂商算力供给能力，实施算力伙伴计划，整合公有云算力租赁资源，向人工智能创新主体开放，加快建设具有全球影响力的人工智能创新策源地；5月12日，北京市发布《促进通用人工智能创新发展的若干措施(2023-2025年)》提出，加强与头部公有云厂商等市场主体合作，实施算力伙伴计划；5月19日，北京市经信局联合市科委、中关村管委会、市发改委共同启动“北京市通用人工智能产业创新伙伴计划”。第一批伙伴成员共有39家，包括阿里云计算有限公司、北京超级云计算中心等。7月2日，全球数字经济大会人工智能峰会又发布了第二批伙伴名单。从这些文件中我们能够看到一些关键词，公有云、算力伙伴、人工智能创新。其实，这也算得上是在面对可能到来的封锁时不多的好消息——基于本土公有云的算力布局已经在加速之中。图/网络事实上，从全球最优秀公司的成功案例来看，公有云与应用的相互耦合、形成闭环的“飞轮效应”正在日益凸显。其中做的最好的，就是云计算领域的全球领军者AWS。从2006年8月AWS对外提供亚马逊弹性云至今，作为亚马逊的云计算板块，其存在并不是孤立的，而是打通了亚马逊的业务线，并使其在新技术的迭代和应用上获得了极大的优先机会。我们把视线拉回国内，从2010年阿里云对外公测算起，中国云计算领域的发展也取得了巨大进展。如今，作为全球排名第三、中国第一的阿里云，其在人工智能领域的创新速度也并不逊色国外厂商。其实，在大家能够看到的通义千问背后，是阿里云基于多年积累的技术，已经可以基于智能计算灵骏在公有云上打造一个“10万卡”体量的超大规模智算集群，并且解决了关键的网络、数据存储、算力的可观测、可调度和负载平衡等核心技术问题，构建了一个从集群IaaS到PaaS到MaaS全栈式AI的服务，方便各行各业的大模型厂商和企业客户使用。这也应该是阿里云成为北京市第一批算力合作伙伴的原因。02集中力量办大事想要算力为人工智能加速，我们的布局究竟如何提升效率？其实在北京市的“创新伙伴计划”中就给出了一条明确答案：加快归集现有算力，为市场主体提供多元化优质普惠算力。而如果要进行算力归集，留下的选择并不算多，云计算是最优先的选项。这是因为，云这种商业模式本身就是集中建设、运维、弹性收缩，向全社会提供算力资源——是最高效、成本最低、利用率最高的方式。换句话说，对整个社会来说，算力资源分散所导致的低效率、高耗能，无论从哪个角度来看都是弊大于利的。而相比私有云和混合云，公有云的效率无疑是最高的。通过多租户的弹性使用，资源利用率能够得到进一步提升。数据显示，公有云对CPU的使用效率，大概可以相当于私有云的5-10倍。就像350公里时速的“高铁”VS60公里的“绿皮车”。使用效率提升5-10倍，服务器节省3000亿元人民币，电费节省800亿度，这是相当于一个三峡的电力损耗规模。即便是从双碳的视角来观察，公有云也是最优选项。以复旦CFFF平台为例，阿里云绿色数据中心技术结合乌兰察布当地天然的气候优势，平台每年可节省总电力超过2000千瓦，节省电费500万元，年均节碳量达15吨。图/图虫创意但从当下来看，更为关键也更为核心的堵点在于，算力资源分散其实可能并不是技术路线的选择问题。能够看到，在人工智能产业的带动下，新建智算中心成为一种潮流，但许多智算中心并不能呼应市场需求，缺乏市场化运营机制，导致严重的资源浪费。有数据统计，非公有云的智算中心CPU利用率远低于云数据中心，资源长时间处于闲置状态，甚至会出现“数字烂尾楼”。此外，许多中小规模的传统数据中心和智算中心采用的硬件、软件、模型框架等服务器技术体系，无法与CUDA等国际主流开源框架兼容，不具备“一云多芯”的能力，不支持AI开源模型，若要实现兼容，需要较高定制开发成本。以私有部署最主流的OpenStack开源框架为例，这已经是美国淘汰的落后生产力，但在中国的数据中心却广为流行，OpenStack只能预分配计算资源，无法实现公有云的弹性资源调度，不仅造成资源浪费，而且无法承担需要统一调度的超大规模计算任务。而“数字烂尾楼”所造成的后果也很明显：不仅会造成算力资源的浪费，而且在新建硬件基础设施上投入过大，反而忽略了人工智能的产业和生态建设。03关键时刻，破局之道当有国内大模型厂商把距离chatGPT只有几个月差距作为大模型噱头时，这背后其实暴露的问题是，留给我们的时间，可能并没有我们想象中的那么多。人工智能发展速度一日千里，技术追赶的时间窗口正在不断缩小。它已经不是用年、月来计算，可能是要以日、甚至分秒计算。从chatGPT的母公司OpenAI选择来看，其和手握海量云上算力资源的微软绑定，不仅在Auzre上训练出了引领全球新一轮AI浪潮的大模型ChatGPT，还将基于微软公有云提供服务，让开发人员将定制化AI体验集成到自己的应用程序中。模型和公有云形成算法和算力的飞轮效应，高速运转巩固自己的先发优势。好在我们也不是没有具备同样竞争优势的公司。像阿里云这样的规模化公有云厂商已经深入介入大模型的研究，在不久前发布了通义千问大模型，还将钉钉、天猫精灵等产品接入大模型进行测试。▲通义千问大模型（图/网络）公有云+AI正在一种新的人工智能生态，云计算不仅是AI大模型的训练和推理底座，还是大模型服务和应用的提供模式，就像阿里云发起的中文AI模型开源社区“魔搭”，形成MaaS模式，通过云计算将300多个模型开源给研究者和团队。最近半年，中国大模型市场百花齐放，不仅是在“炼大模型”的方面，在产业落地上，以阿里云为首的科技企业也在尝试建设行业大模型。不久前，阿里云宣布联合行业伙伴，打造金融、交通、通信、能源、电力等多个行业的专属大模型。在行业领域实现大模型的应用突破，这可能也将会是我们在全球科技竞争中破局的关键所在。4月28日，中央政治局会议指出，“要重视通用人工智能发展，营造创新生态，重视防范风险”；5月5日，二十届中央财经委员会第一次会议指出，“要把握人工智能等新科技革命浪潮”。在今年的达沃斯论坛上，总理也进一步强调了人工智能技术的重要性。2022年底ChatGPT发布以来，人工智能大模型“涌现”能力催生大量“新物种”，产业生态成为中美赢得数字科技竞争的关键要素。能够看到的是，自今年开年以来，中国科技公司们集体下场竞速的“百模大战”，已经在全球范围内掀起了巨大风浪——从比尔·盖茨、马斯克的到来，再到一度传出“登陆”传言的英伟达CEO黄仁勋，都足以证明，即便是全球人工智能关键领域的掌门人，也依然极为看重中国市场的创新变化。在当前全球进入下一轮科技竞争的关键时刻，如果我们希望继续维系人工智能全球第二大战场、甚至是全球AI应用创新的最大战场，我们显然急需寻找解决方案。而如今摆在我们面前最为现实也是最具有破局可能性的，就是为那些本身就跑得最快的企业们赋能。尽管那些抢跑的科技公司们现阶段可能还面临诸多问题，但毫无疑问，他们的快速反应和抢跑再一次证明了一个问题——正如近期有媒体社论所指出的那样，到底谁才是科技进步、经济增长的主力军，是全球科技竞速的“关键先生”。这是我们的既有优势，也是我们能够在下一个人工智能时代继续抢占先机的关键所在。特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice:Thecontentabove(includingthepicturesandvideosifany)isuploadedandpostedbyauserofNetEaseHao,whichisasocialmediaplatformandonlyprovidesinformationstorageservices.
/阅读下一篇/返回网易首页下载网易新闻客户端