人工智能期末考试复习
人工智能期末考试复习选择题1.1997年5月,闻名的“人机大战”,最终运算机以3.5比2.5的总比分将世界国际象棋棋王卡斯帕罗夫击败,这台运算机被称为(A)2.下列不在人工智能系统的知识包含的4个要素中（D）或图通常称为（D）4.不属于人工智能的学派是（B）5.人工智能的含义最早由一位科学家于1950年提出,同时同时提出一个机器智能的测试模型,请问那个科学家是（C）6.要想让机器具有智能,必须让机器具有知识。因此,在人工智能中有一个研究领域,要紧研究运算机如何自动猎取知识和技能,实现自我完善,这门研究分支学科叫(B)。7.人工智能的目的是让机器能够____,以实现某些脑力劳动的机械化。8.盲人看不到一切物体,他们可以通过辨别人的声音识别人,这是智能的__B__方面。9.连接主义认为人的思维基元是___B_。10.第一个神经元的数学模型-MP模型是__A__年诞生的。11.下列哪个不是人工智能的研究领域（D）12.家用扫地机器人具有自动避障、清扫、自动充电等功能，这主要体现了信息技术中的（A）填空题知识点人工智能是什么？AI是什么？人工智能的三大学派人工智能的分类主要研究和应用领域有哪些？“图灵实验”是什么？具体解释实验过程人工智能代表作品人工智能与计算机的区别知识表示法状态空间法问题归约法谓词逻辑法(PredicateLogic)量词连接词示例与或图表示可解节点一般定义不可解节点的一般定义机器学习定义机器学习的分类机器学习的算法神经网络的定义神经元模型神经网络的特点神经网络的分类网上说法ppt零散说法前馈神经网络反馈式神经网络神经网络的构成常用的激活函数普遍神经网络的三层神经元分别是：感知机模型概念BP神经网络人工神经网络的基本功能卷积的计算代码KNN算法思想和步骤，电影分类的代码理解K-means的算法思想和代码解释还是以ppt为主，因为这篇文章可能不全选择题1.1997年5月,闻名的“人机大战”,最终运算机以3.5比2.5的总比分将世界国际象棋棋王卡斯帕罗夫击败,这台运算机被称为(A)A.深蓝B.IBMC.深思D.蓝天
2.下列不在人工智能系统的知识包含的4个要素中（D）A.事实
B.规则
C.操纵和元知识
D.关系
或图通常称为（D）A.框架网络B.语义图C.博亦图D.状态图
4.不属于人工智能的学派是（B）A.符号主义
B.机会主义
C.行为主义
D.连接主义。
5.人工智能的含义最早由一位科学家于1950年提出,同时同时提出一个机器智能的测试模型,请问那个科学家是（C）A.明斯基
B.扎德
C.图灵
D.冯.诺依曼
6.要想让机器具有智能,必须让机器具有知识。因此,在人工智能中有一个研究领域,要紧研究运算机如何自动猎取知识和技能,实现自我完善,这门研究分支学科叫(B)。A.专家系统
B.机器学习
C.神经网络
D.模式识别
7.人工智能的目的是让机器能够____,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
8.盲人看不到一切物体,他们可以通过辨别人的声音识别人,这是智能的__B__方面。A.行为能力
B.感知能力
C.思维能力
D.学习能力
9.连接主义认为人的思维基元是___B_。A.符号
B.神经元
C.数字
D.图形
10.第一个神经元的数学模型-MP模型是__A__年诞生的。A.1943
B.1958
C.1982
D.1986
11.下列哪个不是人工智能的研究领域（D）A、机器证明
B、模式识别
C、人工生命
D、编译原理
12.家用扫地机器人具有自动避障、清扫、自动充电等功能，这主要体现了信息技术中的（A）A、人工智能技术
B、网络技术
C、多媒体技术
D、数据管理技术
填空题在谓词公式中,紧接于量词之后被量词作用的谓词公式称为该量词的辖域,而在一个量词的辖域中与该量词的指导变元相同的变元称为约束变元,其他变元称为自由变元
人工神经网络属于反馈网络有BP网络
ANN中文意义是：人工神经网络
知识点人工智能是什么？一般解释：人工智能就是用人工的方法在机器（计算机）上实现的智能，或称机器智能
人工智能学科：从学科的角度来说，人工智能是一门研究如何构造智能机器或智能系统，使之能模拟、延伸、扩展人类智能的学科
人工智能能力：从智能能力的角度来说，人工智能是智能机器所执行的通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动
AI是什么？AI：表示人工智能，即ArtificialIntelligence，缩写为AI人工智能是一门通过计算过程力图理解和模仿智能行为的学科
人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学
人工智能的三大学派符号主义学派连接主义学派行为主义学派人工智能的分类领域人工智能通用人工智能或跨领域人工智能混合增强人工智能主要研究和应用领域有哪些？“图灵实验”是什么？具体解释实验过程1950年图灵提出了著名的“图灵测试”，一种测试机器是不是具备人类智能的方法。
测试主持人提出问题，机器和人同时回答，如果人类无法区分说明机器具有模仿人的能力，即智能。
例如这里连续问同一个问题，回答没有差异，我们会说像个机器人，不是人是机器一般，很机械，不应变
机器回答：
问：你会下国际象棋吗？
答：是的。
问：你会下国际象棋吗？
答：是的。
问：请再次回答，你会下国际象棋吗？
答：是的。
人回答：
问：你会下国际象棋吗？
答：是的。
问：你会下国际象棋吗？
答：是的，我不是已经说过了吗？
问：请再次回答，你会下国际象棋吗？
答：你烦不烦，干嘛老提同样的问题
人工智能代表作品IBM“深蓝”
AlphaGo
人工智能与计算机的区别知识表示法状态空间法，问题规约法，谓词逻辑法，语义网络法
状态空间法问题归约法我的理解就是递归先把问题分解为子问题及子-子问题，然后解决较小的问题。对该问题的某个具体子集的解答就意味着对原始问题的一个解答
谓词逻辑法(PredicateLogic)逻辑语句：一种形式语言，它能够把逻辑论证符号化，并用于证明定理，求解问题。
形式语言：严格地按照相关领域的特定规则，以数学符号（符号串）形式描述该领域有关客体的表达式
量词“对全额的”、“对任意的”等词在逻辑中被称为全称量词，记作“∀”
“存在一个”、“至少一个”等词在逻辑中被称为**存在量词**，记作“∃”
连接词与、合取（conjunction)：用连词∧把几个公式连接起来而构成的公式或、析取（disjunction）：用连词∨把几个公式连接起来而构成的公式
蕴涵（Implication）:“=>”表示“如果—那么”（IF—THEN）关系，其所构成的公式叫做蕴涵。
非（Not）表示否定，～、—均可表示
示例与或图表示可解节点一般定义终叶节点是可解节点(因为它们与本原问题相关连)。：
如果某个非终叶节点含有或后继节点，那么只要当其后继节点至少有一个是可解的时，此非终叶节点才是可解的。
如果某个非终叶节点含有与后继节点，那么只有当其后继节点全部为可解时，此非终叶节点才是可解的
不可解节点的一般定义没有后裔的非终叶节点为不可解节点。
全部后裔为不可解的非终叶节点且含有或后继节点，此非终叶节点才是不可解的。
后裔至少有一个为不可解的非终叶节点且含有与后继节点，此非终叶节点才是不可解的
机器学习：machinelearning
机器学习定义机器学习就是用算法解析数据，不断学习，对世界中发生的事做出判断和预测的一项技术
机器学习的分类监督式学习无监督式学习半监督式学习强化学习监督学习，输入数据被称为训练数据，每组训练数据有一个明确的标识或结果无监督学习，数据并不被特别标识，学习模型是为了推出数据的一些内在结构监督学习和无监督学习的区别：训练集目标是否被标注强化学习的本质是自动进行决策，并且可以连续决策
机器学习的算法KNNK近邻算法决策树朴素贝叶斯分类逻辑回归支持向量机KMeans神经网络神经网络的定义神经元模型神经网络的特点类神经网络是模式识别和误差最小化的过程，在每一次经验中提取和学习信息。类神经网络可以处理连续型和类别型的数据，对数据进行预测。神经网络是有监督学习。神经网络可以构建成非线性的模型，模型的精确度高神经网络有良好的推广性，对于未知的输入亦可得到正确的输出。类神经网络可以接受不同种类的变量作为输入，适应性强。神经网络可应用的领域相当广泛，模型建构能力强。神经网络具模糊推论能力，允许输出入变量具模糊性，归纳学习较难具备此能力神经网络的分类这一点ppt上没找到我网上找的
网上说法按性能分：连续型和离散型网络，或确定型和随机型网络。按拓扑结构分：前向网络和反馈网络。按学习方法分：有监督的学习网络和无监督的学习网络
ppt零散说法前馈神经网络，反馈神经网络，卷积神经网络，循环神经网络
前馈神经网络前馈神经网络是指信息只朝一个方向流动，也就是数据在神经元之间的流动方向是单向的，没有循环。
这种网络而在分类过程中数据只能向前传送，直到到达输出层，层间没有向后的反馈信号，因此被称为前馈网络
感知机网络，卷积网络是前馈神经网络
反馈式神经网络反馈式神经网络是指数据在神经元之间的流动方向是双向关系，神经元会输出到其他所有的神经元，也会接收其他神经元的输出成为输入
bp网络是反馈神经网络
神经网络的构成常用的激活函数普遍神经网络的三层神经元分别是：输入层、隐藏层、输出层，为了是模型的精度更高可以增加隐藏层的层数
感知机模型概念感知机网络（PerceptronNetworks）是一种特殊的前馈神经网络：无隐藏层，只有输入层和输出层无法拟合复杂结构
BP神经网络BP算法是一种将输出层误差反向传播给隐藏层进行参数更新的方法。将误差从后向前传递，将误差分摊给各层所有单元，从而获得各层单元所产生的误差，进而依据这个误差来让各层单元负起各自责任、修正各单元参数
人工神经网络的基本功能卷积的计算代码KNN算法思想和步骤，电影分类的代码理解KNN（k-NearestNeighbor）又被称为近邻算法，它的核心思想是：物以类聚，人以群分。假设一个未知样本数据x需要归类，总共有N个类别，那么离x距离最近的有k个邻居，这k个邻居里最多类别的就认为是样本X的类别，也就是说x的类别完全由邻居来推断出来。所以我们可以总结出其算法步骤为：1、计算测试对象到训练集中每个对象的距离2、按照距离的远近排序3、选取与当前测试对象最近的k的训练对象，作为该测试对象的邻居4、统计这k个邻居的类别频率5、k个邻居里频率最高的类别，即为测试对象的类别我们可以简化为：找邻居+投票决定
K-means的算法思想和代码解释K-Means算法的思想很简单，对于给定的样本集，按照样本之间的距离大小，将样本集划分为K个簇。让簇内的点尽量紧密的连在一起，而让簇间的距离尽量的大。kmeans算法流程1）随机选取k个点作为初始质心/种子点(这k个点不一定属于数据集，k个点就代表有k类)2）分别计算每个数据点到k个质心点的距离，离哪个质心点最近，就属于哪类3）重新计算k个质心点的坐标(简单常用的方法是求坐标值的平均值作为新的坐标值)4）重复2、3步，直到质心点坐标不变或者循环次数完成
人工智能考试复习题（自己背的）
选择题：
人工智能的含义最早由一位科学家于1950年提出,并且同时提出一个机器智能的测试模型,请问这个科学家是：（图灵）神经网络研究属于下列（连接主义）学派。产生式系统的推理不包括（简单推理）。下列不在人工智能系统知识包含的4个要素中（关系）。要想让机器具有智能，必须让机器具有知识。因此在人工智能中有一个研究领域，主要眼球计算机如何自动获取知识和技能，实现自我完善，这门研究分支学额叫（机器学习）。一些聋哑人为了能方便与人交流，利用打手势来表示自己的想法，这是智能的（行为能力）方面。下述（形象描写表示法）不是人工智能中常用的知识格式话表示方法。专家系统是以（知识）为基础，以推理为核心的系统。可信度方法中，若证据A的可信度CF（F）=0，这意味：（对证据A一无所知）。利用已有知识、经验，根据问题的实际情况，不断寻找可利用知识，从而构造（一条代价最小的推理路线），使问题得以解决的过程称为搜索。如果把知识按照作用来分类，下述（可以通过文字、语言、图形、声音等形式编码记录和传播的知识，即显性知识）不在分类的范围内。下述（复杂性和明确性）不是知识的特征。人类智能的特性表现在哪4个方面（能感知客观世界的信息、能对通过思维对获得的知识进行加工处理、能通过学习积累知识增长才干和适应环境变化、能对外界的刺激作出反应传递信息。）人工智能的目的是让机器能够（模拟、延伸和扩展人的智能），以实现某些脑力劳动的机械化。下列关于人工智能的叙述不正确的是（以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）。人工智能研究的一项基本内容是机器感知。以下列（使机器具有能够获取新知识、学习新技巧的能力）不属于机器感知的领域。被誉为国际“人工智能之父”的是：（图灵（Turing））。下列哪个不是人工智能的研究领域（编译原理）。为了解决如何模拟人类的感性思维，例如视觉理解、直觉思维、悟性等，研究这找到一个重要的信息处理机制是（人工神经网络）。下述（形象描写表示法）不是人工智能中常用的知识格式化表示方法。关于“与/或”图表示发的叙述中，正确的是（“与/或”图就是用“与”节点和“或”节点组合起来的树形图，用来描述某类问题的求解过程）。神经网络研究属于下列（连接主义）学派已知初始问题的描述，通过一系列变换把此问题最终变为一个子问题集；这些子问题的解可以直接得到，从而解决了初始问题。这是知识表示法叫（问题归约法）。A^(AvB)称为（吸收率）。~（A^B）~Av~B称为（摩根率）如果问题存在最优解，则下面几种搜索算法中，（启发式搜索）可以认为是“智能程度相对比较高”的算法。产生式系统的推理不包括（简单推理）。下列哪部分不是专家系统的组成部分（用户）。要想让机器具有智能，必须让机器具有知识。因此，在人工智能中有一个研究领域，主要研究计算机如何自动获取知识和技能，实现自我完善，这门研究分支学科叫（机器学习）。命题是可以判断真假的（陈述句）。人工智应用研究的两个最重要最广泛领域为（专家系统、机器学习）。下列搜索方法中不属于盲目搜索的是（有序搜索）。语义网络的组成部分为（节点和链）自然语言理解是人工智能的重要应用领域，下面列举中的（欣赏音乐）不是它要实现的目标。AI的英文缩写是（ArtificalIntelligence）。反演归结（消解）证明定理时，若当前归结式是（空子句）时，则定理得证。从已知事实出发，通过规则库求得结论的产生式系统的推理方式是（正向推理）。语义网络表示知识时，有向弧AKO链，ISA链是用来表达节点知识的（继承性）（A—>B）^A—>B是（假言推理）。仅个体变元被量化的谓词称为（一阶谓词）1997年5月，著名的“人机大战”，最终计算机以3.5比2.5的总比分将世界国际象棋棋王卡斯帕罗夫击败，这台计算机被称为（深蓝）。或图通常称为（状态图）不属于人工智能的学派是（机会主义）。
填空题：
人工智能三大学派是（符号主义）、（连接主义）、（行为主义）设P是谓词公式，对于P的任何论域，存在P为真的情况，则称P为（永真式）。广度优先是所有算法中，OPEN表的数据结构实际是一个（二叉树），深度优先搜索算法中，OPEN表的数据结构实际是一个（单链表）。产生式系统由三部分组成（综合数据库）（知识库）和推理机，其中推理可分为（正向推理）和（逆向推理）开发专家系统所要解决的基本问题由三个，那就是知识的获取、知识的表示和知识的运用，知识表示的方法只要由（谓词表示法）（框架）（产生式）和语义网络等。在语义网络表示知识时，所使用的推理方法由（AKO）和（ISA）在谓词公式中，紧接于量词之后被量词作用的谓词公式称为该量词的（辖域），而在一个量词的辖域中与该量词的指导变元相同的变元称为（约束变元），其他变元称为（自由变元）在诸如走迷宫、下棋、八数码游戏等游戏中，常用到的一种人工智能的核心技术称为（图搜索）某产生式系统中的一条规则：A(x)-->B(x),则前件是（A(x)），后件是（B(x)）。产生式系统的推理可以分为（正向推理）和（反向推理）两种基本方式。人工之智能是计算机科学中涉及研究、设计和应用（智能机器）的一个分支，它的近期目标在于研究用机器来（模仿和执行人脑）的某些智力功能。启发式搜索是一种利用（启发式信息）的搜索。在与或图中，没有后裔的非终叶节点为不可解节点，那么含有或后继节点且后裔中至少由一个为可解的非终叶节点是（可解节点），含有与后继节点且后裔中至少由一个为不可解的非终叶节点是（不可解节点）不确定性类型按性质分（随机性）（模糊性）（不完全性）（不一致性）在删除策略归结的过程中删除以下子句：含有（纯文字）的子句;含有（永真式）的子句;子句集中被别的子句（类含）的子句。对证据的可信度CF（A）、CF（A1）、CF（A2）之间，规定如下关系：CF（~A）=（-CF（A））、CF（A1∧A2）=（min(CF(A1),CF(A2))）、CF（A1∨A2）=(max(CF(A1),CF(A2)))图是指由（节点）和（有向边）组成的网络。按连接同一节点的各边的逻辑关系又可分为（或图）和（与或图）。产生式系统的推理过程中，从可触发规则中悬着一个规则来执行，被执行的规则称为（被触发规则）。P（B|A）表示在规则（A—>B）中，证据A为真的作用下结论B为真的（概率）人工智能的远期目标是（制造智能机器），近期目标是（实现机器智能）。
简答题
填写下面的三值逻辑表。其中T,F,U分别表示真，假，不能判定答：
3.T
F
U
2.T T T
T F U
T U U
1.T F U
F F F
U F U
什么是产生式？产生式规则的语义是什么？
答：产生式规则基本形式：P->Q或者IFPTHENQ；
P是产生式的签题，用于指出该产生式是否可用的条件；
Q是一组结论或操作，用于指出当前提P所指示的条件满足时，应该得出的结论或应该执行的操作；
产生式规则的语义：如果前提P被满足，则可以推出结论Q或执行Q所规定的操作；
谓词公式G通过8个步骤所得的子句集合S，称为G的子句集。请写出这些步骤。
答：1.消去连接词->,；
2.减少否定符号辖域；
3.变元标准化；
4.消去存在量词；
5.消去全称量词；
6.化为前束范式；
7.适当改名；
8.消去合取词^；
证明G是否是F的逻辑结论；
答：1.P(x) 从F变换
2.Q(a)VQ(x) 从F变换
3.¬P(y)V¬Q(y) 结论否定
4.¬Q（x） 1,3归结
5.2，4归结置换{x/y}
什么是人工智能？人工智能与计算机程序的区别？
答：人工智能是指在机器上实现的智能，实现模拟扩展人类智慧的机器。与计算机程序的不同点是，程序是死板的直接解决问题，而人工智能会学习总结解决问题的方法
当前人工智能有哪些学派？他们对人工智能在理论上有何不同观点？答：当前的学派有，符号主义，连接主义以及行为主义；
符号主义是，基础是符号，符号操作，人脑和计算机都是物理符号，智能的基础是知识，核心是知识表示和知识推理；
连接主义基本是神经元，思维过程是连接神经元活动的过程，认为人脑不同于计算机；
行为主义认为智能依赖于感知和行动；机器不能真实地反映现实世界中的客观事物。
广度优先搜索与深度优先搜索各有什么特点？答：广度优先是一种先扩展节点的策略，是一种完整的搜索策略，即只要问题有解，就能找到解。
深度优先是一种不完全的策略，即对于某些有解的问题，深度优先搜索可能找不到最优解，也可能根本找不到解。
什么是不确定性推理？有哪几类不确定性推理方法？答：是指从具有不确定性的证据,运用知识库中的不确定性知识,最终推出具有一定程度的不确定性,但却是合理的或近乎合理的结论的思维过程。两大类：模型方法,控制方法。
什么是机器学习？机器学习的研究目标是什么？答：机器学习是基于人类的学习的，是研究如何让计算机来模拟人类学习的一门学科。
研究目标：认知模型的研究，探索各种学习方法，根据任务建立相应的学习系统。
什么是数据挖掘？数据挖掘的主要内容是什么？答：数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取有用的信息和知识的过程。
内容：是根据其他属性的值预测特定属性的值。。
数据聚类和分类有何不同？答：分类技术是一种有指导的学习，聚类是一种无指导学习
分类的样本是有标记的，聚类样本没有标记
简述大数据的四个特征分别代表的含义。答：1.数据规模大，数据量是大数据的基本特征；
2.数据种类多：现在企业所采集的和分析的数据还包括网站日志数据；
3.处理速度快：数据的产生和更新的频率也是衡量大数据的一个特征；
4.数据价值密度低：数据不断增长，可用的很少；
什么是知识？它有哪些特性？有哪几种分类方法？答：积累起来的认识和经验；
分类：性质，适用范围，作用，确定性，等级，结构
15.什么是知识表示？有哪几种常用的知识表示方法？
答：知识的表示是对知识的描述，用约定的符号把知识编码成一组能被计算机接受并便于系统使用的数据结构。表示方法：有一阶谓词、产生试、语义网络，框架，过程，脚本，本体；
计算题
设有如下语句，请用相应的谓词公式分别把他们表示出来(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： P(x)：x是人 L(x,y)：x喜欢y 其中，y的个体域是{梅花，菊花}。 则用知识用谓词表示为: ((∃x)(P(x)→L(x,梅花)∨L(x, 菊花)∨L(x, 梅花)∧L(x, 菊花))
(2)有人每天下午都去打篮球。
答：定义谓词： P(x)：x是人 Q(x):x为打篮球W(y):y是下午 则用知识用谓词表示为: （∃x）(∀y)(W(y)→Q(x)∧P(x))
(3)新型计算机速度又快，存储容量又大。
答：C(x)：x是新型计算机；F(x)：x速度；B(x)：x容量大 ；将知识用谓词表示为： (∀x) (C(x)→F(x)∧B(x))
(4)不是每个计算机系的学生都喜欢在计算机上编程序。
答：S(x)：x是计算机系学生
L(x, P)：x喜欢编程序
U(x,C)：x使用计算机
则¬ (∀x) (S(x)→L(x, P)∧U(x,C))
(5)凡是喜欢编程序的人都喜欢计算机。
答：定义谓词P(x)：x是人 L(x, y)：x喜欢y 则(∀x) (P(x)∧L(x,pragramming)→L(x, computer))
试实现一个“大学教师”的框架，大学教师类属于教师，包括以下属性：学历（学士、硕士、博士）、专业（计算机、电子、自动化、……）、职称（助教、讲师、副教授、教授）答：框架名： 类属： 学历：(学士、硕士、博士) 专业：（计算机、电子、自动化、…)职称：（助教、讲师、副教授、教授)
论述题
用语义网络表示下列信息：(1)胡途是思源公司的经理，他35岁，住在飞天胡同68号；
(2)清华大学与北京大学进行蓝球比赛，最后以89：102的比分结束。
答：
将命题：“某个学生读过三国演义”分别用谓词公式和语义网络表示
答：谓词公式=∃x(student(x)∧read(x,三国演义))
语义网络：
用语义网络表示下面的知识：(1)我是一个人(2)我有一台计算机(3)我的计算机是PC/PIV1.8G(4)PC机是计算机(5)PC/PIV1.8G是PC机(6)PC/PIV1.8G包括硬盘、显示器、CPU、内存。
答：
人工智能导论
第一章1.作为计算机科学的一个分支，人工智能的英文缩写是（）。AI
2.人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门交叉科学，它涉及（D）。
A.自然科学B.社会科学C.技术科学D.A、B和C
3.人工智能定义中的“智能”，涉及到诸如（A）等问题。
A.B、C和DB.意识C.自我D.思维
4.下列关于人工智能的说法不正确的是（C）。
A.人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。
B.人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。
C.自1946年以来，人工智能学科经过多年的发展，已经趋于成熟，得到充分应用。
D.人工智能不是人的智能，但能像人那样思考，甚至也可能超过人的智能。
5.人工智能经常被称为世界三大尖端技术之一，下列说法中错误的是（B）。
A.空间技术、能源技术、人工智能
B.管理技术、工程技术、人工智能
C.基因工程、纳米科学、人工智能
D.人工智能已成为一个独立的学科分支，无论在理论和实践上都已自成系统
6.人工智能与思维科学的关系是实践和理论的关系。从思维观点看，人工智能不包括（A）。
A.直觉思维B.逻辑思维C.形象思维D.灵感思维
7.强人工智能强调人工智能的完整性，下列（C）不属于强人工智能。
A.（类人）机器的思考和推理就像人的思维一样
B.（非类人）机器产生了和人完全不一样的知觉和意识
C.看起来像是智能的，其实并不真正拥有智能，也不会有自主意识
D.有可能制造出真正能推理和解决问题的智能机器
8.被誉为“人工智能之父”的科学大师是（D）。
A.爱因斯坦B.冯·诺依曼C.钱学森D.图灵
9.电子计算机的出现使信息存储和处理的各个方面都发生了革命。下列说法中不正确的是（C）。
A.计算机是用于操纵信息的设备
B.计算机在可改变的程序的控制下运行
C.人工智能技术是后计算机时代的先进工具
D.计算机这个用电子方式处理数据的发明，为实现人工智能提供了一种媒介
10.Wiener从理论上指出，所有的智能活动都是（A）机制的结果，而这一机制是有可能用机器模拟的。这项发现对早期AI的发展影响很大。
A.反馈B.分解C.抽象D.综合
11.（B）年夏季，一批有远见卓识的年轻科学家在达特茅斯学会上聚会，共同研究和探讨用机器模拟智能的一系列有关问题，首次提出了“人工智能（AI）”这一术语，它标志着“人工智能”这门新兴学科的正式诞生。
A.1946B.1956C.1976D.1986
12.用来研究人工智能的主要物质基础以及能够实现人工智能技术平台的机器就是计算机。下列（D）不是人工智能研究的主要领域。
A.深度学习B.计算机视觉C.智能机器人D.人文地理
13.人工智能在计算机上的实现方法有多种，但下列（B）不属于其中。
A.传统的编程技术，使系统呈现智能的效果
B.多媒体拷贝复制和剪贴的方法
C.传统开发方法而不考虑所用方法是否与人或动物机体所用的方法相同
D.模拟法，不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似
14.人工智能当前的发展具有“四新”特征，下面（A）不属于其中之一。新挑战
A.新能源B.新突破C.新动能D.新高地
15.通过总结人工智能发展历程中的经验和教训，我们可以得到的启示是（D）。
A.尊重发展规律是推动学科健康发展的前提，实事求是设定发展目标是制定学科发展规划的基本原则
B.基础研究是学科可持续发展的基石
C.应用需求是科技创新的不竭之源，学科交叉是创新突破的“捷径”，宽容失败是支持创新的题中应有之义
D.A、B和C
16.人工智能的发展突破了“三算”方面的制约因素，这“三算”不包括（C）。
A.算法B.算力C.算子D.算料
17.得益于人工智能技术的兴起，一些行业岗位将呈现出显着的增长趋势，但下面（C）不属于其中之一。
A.数据科学家B.机器学习工程师C.电脑维修工程师D.AI硬件专家
18.有研究指出，人工智能可能会给人类社会带来潜在威胁，包括（D）。
A.数字安全B.物理安全C.政治安全D.A、B和C
19.有研究者认为，让计算机拥有智商是很危险的，它可能会反抗人类。这种隐患已经在（B）中呈现过，其关键是允不允许机器拥有自主意识的产生与延续。
A.法律文件B.多部电影C.政府报告D.一些案例
第三章1.19世纪以来，当面临大量数据时，社会都依赖于采样分析。但是采样分析是（C）时代的产物。
A.电脑B.青铜器C.模拟数据D.云
2.长期以来，人们已经发展了一些使用尽可能少的信息的技术。例如，统计学的一个目的就是（C）
A.用尽可能多的数据来验证一般的发现
B.同尽可能少的数据来验证尽可能简单的发现
C.用尽可能少的数据来证实尽可能重大的发现
D.用尽可能少的数据来验证一般的发现。
3.因为大数据是建立在（A），所以我们就可以正确地考察细节并进行新的分析。
A.掌握所有数据，至少是尽可能多的数据的基础上的
B.在掌握少量精确数据的基础上，尽可能多地收集其他数据
C.掌握少量数据，至少是尽可能精确的数据的基础上的
D.尽可能掌握精确数据的基础上
4.直到今天，我们的数字技术依然建立在精准的基础上，这种思维方式适用于掌握（A）的情况。
A.小数据量B.大数据量C.无数据D.多数据
5.当人们拥有海量即时数据时，绝对的精准不再是人们追求的主要目标。当然，（C）。
A.我们应该完全放弃精确度，不再沉迷于此
B.我们不能放弃精确度，需要努力追求精确度
C.我们也不是完全放弃了精确度，只是不再沉迷于此
D.我们是确保精确度的前提下，适当寻求更多数据
6.为了获得更广泛的数据而牺牲了精确性，也因此看到了很多如若不然无法被关注到的细节。（B）。
A.在很多情况下，与致力于避免错误相比，对错误的包容会带给我们更多问题
B.在很多情况下，与致力于避免错误相比，对错误的包容会带给我们更多好处
C.无论什么情况，我们都不能容忍错误的存在
D.无论什么情况，我们都可以包容错误
7.以前，统计学家们总是把他们的兴趣放在提高样本的随机性而不是数量上。这时因为（C）。
A.提高样本随机性可以减少对数据量的需求
B.样本随机性优于对大数据的分析
C.可以获取的数据少，提高样本随机性可以提高分析准确率
D.提高样本随机性是为了减少统计分析的工作量
8.研究表明，在少量数据情况下运行得最好的算法，当加入更多的数据时，（A）。
A.也会像其他的算法一样有所提高，但是却变成了在大量数据条件下运行得最不好的
B.与其他的算法一样有所提高，仍然是在大量数据条件下运行得最好的
C.与其他的算法一样所有提高，在大量数据条件下运行得还是比较好的
D.虽然没有提高，还是在大量数据条件下运行得最好的
9.如今，要想获得大规模数据带来的好处，混乱应该是一种（D）。
A.不正确途径，需要竭力避免的
B.非标准途径，应该尽量避免的
C.非标准途径，但可以勉强接受的
D.标准途径，而不应该是竭力避免的
10.研究表明，只有（）的数字数据是结构化的且能适用于传统数据库。如果不接受混乱，剩下（C）的非结构化数据都无法被利用。
A.95%，5%B.30%，70%C.5%，95%D.70%，30%
11.寻找（B）是人类长久以来的习惯，即使确定这样的关系很困难而且用途不大，人类还是习惯性地寻找缘由。
A.相关关系B.因果关系C.信息关系D.组织关系
12.在大数据时代，我们无须再紧盯事物之间的（A），而应该寻找事物之间的（），这会给我们提供非常新颖且有价值的观点。
A.因果关系，相关关系B.相关关系，因果关系
C.复杂关系，简单关系D.简单关系，复杂关系
13.所谓相关关系，其核心是指量化两个数据值之间的数理关系。相关关系强是指当一个数据值增加时，另一个数据值很有可能会随之（C）。
A.减少B.显现C.增加D.隐藏
14.通过找到一个现象的（D），相关关系可以帮助我们捕捉现在和预测未来。
A.出现原因B.隐藏原因C.一般的关联物D.良好的关联物
15.大数据时代，专家们正在研发能发现并对比分析非线性关系的技术工具。通过（A），相关关系帮助我们更好地了解了这个世界。
A.探求“是什么”而不是“为什么”
B.探求“为什么”而不是“是什么”
C.探求“原因”而不是“结果”
D.探求“结果”而不是“原因”
第四章1.搜索是大多数人生活中的（B）。
A.稀罕情况B.自然组成部分
C.不可能出现D.大概率事件
2.搜索及其执行是人工智能技术的（C）。
A.一般应用B.重要应用C.重要基础D.不同领域
3.关于搜索算法，下面不正确或者不合适的说法是（D）。
A.利用计算机的高性能来有目的的穷举一个问题的部分或所有的可能情况，从而求出问题的解的一种方法
B.根据初始条件和扩展规则构造一颗“解答树”并寻找符合目标状态的节点
C.可以划分成两个部分——控制结构（扩展节点的方式）和产生系统（扩展节点）
D.主要是通过修改其数据结构来实现的
4.关于盲目搜索，下列选项中不正确或者不合适的选项是（A）。
A.又叫启发式搜索，是一种多信息搜索
B.这些算法不依赖任何问题领域的特定知识
C.一般只适用于求解比较简单的问题
D.通常需要大量的空间和时间
5.盲目搜索通常是按预定的搜索策略进行搜索，常用的盲目搜索有（C）两种。
A.连续搜索和重复搜索B.上下搜索和超链接搜索C.广度优先搜索和深度优先搜索D.多媒体搜索和AI搜索
6.状态空间图是一个有助于形式化搜索过程的（D），是对一个问题的表示。
A.程序结构B.算法结构C.模块结构D.数学结构
7.回溯算法是所有搜索算法中最为基本的一种算法，它采用一种“（A）”思想作为其控制结构。
A.走不通就掉头B.一走到底
C.循环往复D.从一点出发不重复
8.盲目搜索是不使用领域知识的不知情搜索算法，它有3种主要算法，下列（C）不属于其中。
A.深度优先搜索B.广度优先搜索
C.广度迭代搜索D.迭代加深的深度优先搜索
9.知情搜索是用启发法，通过（B）来缩小问题空间，是问题求解中通常是很有用的工具。
A.既不限定搜索深度也不限定搜索宽度
B.限定搜索深度或是限定搜索宽度
C.提高搜索算法智能化水平D.提高搜索算法的软件工程设计水平
10.爬山法是贪婪且原始的，它可能会受到3个常见问题的困扰，但下列（D）不属于这样的问题。
A.山麓问题B.高原问题C.山脊问题D.压缩问题
11.启发法是用于解决问题的一组常用指南。使用启发法，我们可以得到一个（A）的结果。
A.很有利但不能保证B.很有利且可以得到有效保证
C.不利且不能得到保证D.不明确
12.启发式搜索方法的目的是在考虑到要达到的目标状态情况下，（B）节点数目。
A.极大地增加B.极大地减少C.稳定已有的D.无须任何
13.有3种为找到任何解的知情搜索的特定搜索算法，但下列（C）不属于其中之一。
A.爬山法B.最陡爬坡法C.直接爬坡法D.最佳优先法
14.有一些搜索算法的设计灵感来自于自然系统，例如遗传、（D）等典型算法在图像边缘检测、图像分割、图像识别、图像匹配、图像分类等领域有广泛应用。
A.蚁群B.模拟退火C.粒子群D.A、B和C
第七章1.在线影片租赁服务商Netflix的主营业务是提供互联网随选流媒体播放，它所依赖的关键服务是（B）。
A.搜索引擎B.推荐引擎C.百度引擎D.谷歌引擎
2.下列（D）信息服务利用了人工智能的机器学习技术。
A.智能语音助手SiriB.Alexa个人助理客户端
C.Netflix电影推荐D.上述所有都是
3.机器学习最早的发展可以追溯到（A）。
A.英国数学家贝叶斯在1763年发表的贝叶斯定理
B.1950年计算机科学家图灵发明的图灵测试
C.1952年亚瑟·塞缪尔创建的一个简单的下棋游戏程序
D.唐纳德·米奇在1963年推出的强化学习的tic-tac-toe（井字棋）程序
4.学习是人类具有的一种重要的智能行为，社会学家、逻辑学家和心理学家都各有其不同的看法。关于机器学习，合适的定义是（D）。
A.兰利的定义是：“机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能”
B.汤姆·米切尔的定义是：“机器学习是对能通过经验自动改进的计算机算法的研究”
C.Alpaydin的定义是：“机器学习是用数据或以往的经验，以此优化计算机程序的性能标准”
D.A、B、C都可以
5.机器学习的核心是“使用（C）解析数据，从中学习，然后对世界上的某件事情做出决定或预测”。
A.程序B.函数C.算法D.模块
6.有三种主要类型的机器学习：监督学习、非监督学习和（B）学习，各自有着不同的特点。
A.重复B.强化C.自主D.优化
7.监督学习的主要类型是（A）。
A.分类和回归B.聚类和回归C.分类和降维D.聚类和降维
8.无监督学习又称归纳性学习，分为（D）。
A.分类和回归B.聚类和回归C.分类和降维D.聚类、离散点检测和降维
9.强化学习使用机器的个人历史和经验来做出决定，其经典应用是（C）。
A.文字处理B.数据挖掘C.游戏娱乐D.自动控制
10.要完全理解大多数机器学习算法，需要对一些关键的数学概念有一个基本的理解。机器学习使用的数学知识主要包括（D）。
A.线性代数B.微积分C.概率和统计D.A、B、C
11.机器学习的各种算法都是基于（A）理论的。
A.贝叶斯B.回归C.决策树D.聚类
监督学习的大部分算法基于回归理论。
12.在机器学习的具体应用中，（D）决定了学习系统基本结构的工作内容，确定了学习部分所需要解决的问题。
A.环境B.知识库C.执行部分D.A、B、C
以上解答若有错误之处，请及时留言错误处及修改后答案，我会及时更正。
doc版本下载地址：
https://wws.lanzous.com/iqpIbimdaeh