中国高考机器人AI
前不久，AlphaGo与柯洁的人机大战还历历在目，转眼人工智能又要转型学霸，参加高考了。6月7日下午，由科大讯飞牵头的863国家高考答题机器人项目内的成都的AI-MATHS高考机器人参加了2017年高考数学的测试，在掐断题库、断网、无人干涉的情况下通过综合逻辑推理平台来进行解题。
高考机器人通过逻辑推理解题，而非简单的题库搜索
高考数学科目完成后，“高考机器人”将单独在一个关闭外部网络的房间内，由专业公证人员监考，输入试卷电子版来“读题”，通过内部服务器的计算，显示出答案。挑战当天，AI-MATHS将在两小时内同时作答多份高考试题，之后由教师批改答卷。
“高考答题机器人”其实是中国863计划信息技术领域“基于大数据的人类智能关键技术与系统”项目的重要研究目标之一，早在2014年就已经启动。2016年5月，其研发团队宣布AI-MATHS将参加2017年高考。2017年2月，仅靠100套试卷、1.2万道题的训练量，AI-MATHS取得了高考数学模拟卷93分的成绩，超过2016年四川高考文科数学的平均分，通过了中期评测。
报道称，为训练答题速度，团队加大了题量，目前AI-MATHS已有500套试题的积累。不过，人工智能虽然在运算、推理、存储等方面都具备超强的能力，但突破在于具备了自我深度学习、自我优化能力。清华苏研院大数据中心主任、准星云学创始人林辉介绍，AI-MATHS是通过综合逻辑推理平台来解题，而非学习储存题库。“它可以学习小学到高中的7000多个考点，运算量可达2的800次方。”
报道称，近一年多来，研发团队在复杂逻辑推理、直觉观察推理、计算机算法、深度学习上，对这款高考机器人进行深入攻关，但目前仍有一些漏洞需要不断改进，比如，AI-MATHS欠缺对常识的理解能力，“读不懂题目就只能猜”。
而此次公开挑战高考数学卷，是高考机器人系统面向公众的首次展示。
发达国家对考试机器人的布局
目前，发达国家也已在高考机器人方面做了布局。
美国华盛顿大学图灵中心的考试机器人努力在尝试通过美国高中生物考试。
日本国立情报学研究所(NII)自2010年启动的“东大机器人项目”，其目标是2020年考上日本第一高等学府——东京大学。2015年，Todai考试机器人在日本高考中考取511分的成绩，可被80%的日本大学录取。
高考机器人在数学上进展最快
对于机器来说在所有的学科里面，数学是相对容易的一个。讯飞研究院院长胡国平表示，原因有两个：一个是数学题目的语言理解相对比较容易，因为相对而言都是一些比较标准化、结构化的描述语言或出题语言，所以机器较好理解。第二个是几十年前就已经做得比较好的这样一种定理、自动证明等一系列的研究成果本身，也可以在高考机器人中发挥作用。
所以，目前数学方面的进展还算不错。就数学而言，最大的难点应该还是在应用题，概率题属于其中一种，因为会涉及到一些常识理解，这方面也还有较大的短板。
经过两年多的努力，高考机器人在各学科上都已经取得了一系列可喜成果。根据之前几次内部的测试，目前机器人错的最多的题型还是地理和历史学科中需要多个轮次知识推理解析的题目，在自然语言题意的理解和知识的学习和推理还有很多的硬骨头需要克服。而在语文方面，科大讯飞在哈工大的语文攻关组目前也已经完成两轮测试。
中国人工智能领域的未来
通过研发高考答题机器人的项目，来聚集国内的一些比较顶级的研究机构和科学家，一起来攻关现在人工智能领域相关的一些重要的技术问题才是最终目标。利用相关技术成果可以在教育全过程中起到非常大的帮助，技术和算法的突破后，同样的成果可以用在医疗、用在客服、用在越来越多的领域。
据报道，Todai已经放弃了考东京大学的目标。胡国平认为，他们选择放弃可能是因为在参与东京大学自主命题考试方面，涉及到深层次语义理解和知识表示，有很多难关没有攻克。
“而我们的高考机器人从开始的时候就已经很清楚，我们的目标就是高考，而且是中国的高考。实际上，和东京大学自主命题的考试一样，难度是非常大的。我们一开始就是奔着这个真正有难度的任务去努力的，所以换个角度来说，中国在整个人工智能领域特别在内容智能领域持续领先的可能性会更大。”
人工智能名词解释和简答题总结
1.智能学习和求解问题的能力，解决新问题、理性行动与像人一样的行动的能力。智能是世界上实现目标的能力的计算部分。人们、许多动物和一些机器都会出现各种各样和层级的智能
2.智能包含的能力(1)感知能力(2)记忆和思维能力(3)学习和自适应能力(4)行为能力
3.什么是人工智能？(1)人工智能是研究、开发用于模拟、延申和扩展人的智能的理论、方法、技术及应用系统的一门新的技术学科(2)它企图了解智能的实质、并产生一种新的能以人类智能相识的方式做出反应的智能机器。(3)人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
4.什么是机器感知？使机器（计算机）具有类似于人的感知能力。以机机器视觉(machinevision)与机机器听觉为主。5.人工智能陷入低潮20世纪60年代末，人工智能研究遇到困难，如机器翻译，机器证明。6.知识表示将人类知识形式化或者模型化
7.人工智能学科一门研究如何构造智能机器（智能计算机）或智能系统或智能系统，使它能模拟使它能模拟、延伸延伸、扩展人类智能的学科。
8.强人工智能和弱人工智能(1)强人工智能：有可能制造出真正能推理和解决问题的智能机器，并且它将被认为是有知觉的，有自我意识的，分为类人的人工智能、非类人的人工智能(2)弱人工智能：不可能制造出能真正地推理和解决问题的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识.
9.人工智能三大学派及其思想与成果(1)符号主义学派：符号主义学派认为，认识的基元是符号，认识过程就是符号运算和推理，智能行为的充要条件是物理符号系统。知识可以用符号进行表示，也可用符号进行推理，可以建立基于知识的人类智能和机器智能统一的理论体系。代表人物：纽厄尔，西蒙代表成果：人工定理证明，人工智能语言LISP,鲁滨逊归结原理，专家系统。(2)连接主义学派：连接主义学派认为，思维的基元是神经元，而不是符号，思维的过程是神经元的连接活动，而不是符号运算的过程。反对符号主义对于物理符号的假设，人脑不同于计算机，提出连接主义的人脑工作模式取代符号主义的计算机工作模式。代表人物：麦克洛克，或普菲德尔代表成果：单层感知机，Hopfield网络，BP网络(3)行为主义学派，行为主义学派认为人工智能起源于控制论，智能取决于感知与行为，取决于对外部复杂环境的适应。代表任务及成果：布鲁克斯研制的六角机器虫
10.知识表示的基本方法非结构化方法：一阶谓词逻辑，产生式规则结构化方法：语义网络，框架其他方法：状态空间法，问题规约法
11.数据、信息与知识的关系是什么？(1)数据是记录信息的符号,是信息的载体和表示;信息是对数据的解释,在特定场合下的具体含义(2)把有关信息关联在一起所形成的信息称为知识(3)有格式的数据经过处理、解释过程会形成信息，有关的信息关联到一起，经过处理过程形成知识
12.什么是P规则，什么是T规则？P规则：在推理的任何步骤上都可引入前提。T规则：推理时，如果前面步骤中有一个或多个公式永真蕴含公式S，则可把S引入推理过程中。
13.演绎推理与归纳推理的区别是什么？(1)演绎推理所得出的结论实际上早已蕴含在一般性知识的前提中，演绎推理只不过是将已有事实揭露出来，因此它不能增殖新知识。(2)归纳推理由个别事物或现象推出一般性知识的过程，是增殖新知识的过程。
14.什么是推理策略中的冲突消解？冲突消解策略是指当推理过程有多条知识可用时，如何从这多条知识中选取一条最佳知识用于推理的策略，常用的冲突消解策略有领域性知识优先和新鲜知识优先等。
15.产生式系统把一组产生式放在一起。一个产生式的结论可以供另一个产生式作为已知事实使用，以求得问题的解，这种系统成为产生式系统。
16.产生式系统的组成(1)一个综合数据库，又称事实库，用于存放输入的事实，从外部数据库输入的事实、中间结果、最后结果(2)一组产生式规则，描述某领域内知识的产生式集合(3)一个控制系统，包含推理方式和控制策略，又称推理机或推理引擎
17.语义网语义网络是通过概念及其语义关系来表达知识的一种网络图，它是一个代标注的有向图。节点用来表示各种概念、事务、属性、动作、状态等。弧是有方向，用来体现节点间的主次关系。弧上的标注用来表示节点间的语义联系或语义关系。
18.框架系统框架是人们认识事物的一种通用的数据结构形式。在框架理论中，框架是知识的基本单位，把一组有关的框架连结起来便可以形成一个框架系统，框架由若干个槽组成，槽可以由若干个侧面组成。一个侧面用来描述相应属性的一个方面。槽和侧面所具有的属性值称为槽值和侧面值。19.框架之间的横向联系框架A的某个槽值是另一个框架B时，则称框架A与框架B之间具有横向联系。
20.框架之间的纵向联系是指那种具有继承关系的上下层框架之间的联系，纵向联系通过预定以槽名AKO和ISA等来实现。
21.搜索依靠经验，利用已有知识，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。
22.盲目搜索和智能搜索(1)盲目搜素是指在搜索之前就预定好控制策略，整个搜索过程中的策略不变，即使搜索出来的中间信息有利用价值，其搜索过程中的策略不再改变，效率低，灵活性差，不利于复杂问题求解。(2)智能搜索是指可以利用搜索过程中得到的中间信息（与问题相关的信息）来引导搜索过程向最优方向发展的算法。
23.问题规约法把一个复杂问题分解或变换为一组本源问题的过程叫做问题规约。实质：从目标问题出发，逆向推理，建立子问题以及子问题的子问题，直至最后把初始问题规约为一个平凡的本源问题集合。
24.状态空间图与与或图有什么区别及联系？(1)状态空间图是描述寻找目标或路径问题的有向图，即描述一个实体基于事件反应的动态行为，显示了该实体如何根据当前所处的状态对不同的时间做出反应的。状态空间图可以看成只有或节点的与或图。(2)与或图是一种系统地将问题分解为互相独立的小问题,然后分而解决的方法。(3)与或图中有两种代表性的节点:“与节点"和“或节点",“与节点指所有的后续节点都有解时它才有解;“或节点’指各个后续节点均完全独立,只要其中有一个有解它就有解。状态空间图可以看成与或树的一个特例，即只有或树，没有与树
25.启发式信息用于指导搜索过程且与具体问题求解有关的控制信息称为启发信息启发信息作用分类：1.用于决定先扩展哪一个节点2.在扩展节点时，用于决定要生成哪一个或哪几个后继节点3.用于确定某些应该从搜索树中抛弃或修建的节点
26.估价函数在扩展节点时，用来描述节点重要程度的函数称为估价函数，一般形式为f(x)=g(x)+h(x)。其中，g(x)为初始节点S0到节点x已实际付出的代价，h(x)是从节点x到目标节点Sg的最优路径的估计代价，启发信息主要由h(x)来体现，故把它称为启发函数。
27.A算法在状态空间搜索中，如果每一步都利用估价函数f(n)=g(n)+h(n)对Open表中的节点进行排序，则称为A算法。它是一种为启发式搜索算法类型：全局择优：从Open表中的所有节点中选择一个估价函数值最小的进行扩展局部择优：仅从刚生成的子节点中选择一个估价函数值最小的进行扩展。
28.A*算法对在A算法的基础上，选用了一个比较特殊的估价函数，对节点n定义f*(x)=g*(x)+h*(x)，表示从S0开始通过节点x到Sg的一条最佳路径的代价，g是g的估计，h是h的估计。g(x)是对最小代价g*(x)的估计，且g(x)>0,g(x)>=g*(x),h(x)为h*(x)的下界，即对所有的x存在h(x)
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