人工智能笔记

第一章：绪论

• 1956年正式提出人工智能（artificial intelligence, AI）这个术语并把它作为一门新兴科学的名称。
• 20世纪三大科学技术成就：空间技术、原子能技术、人工智能
• 智能是知识与智力的总和。知识是一切智能行为的基础，智力获取知识并应用知识求解问题的能力 。
• 即使通过图灵测试也不能说明计算机能思维。
• 机器学习（machine learning）：研究如何使计算机具有类似于人的学习能力，使它能通过学习自动地获取知识。
• 模式识别（pattern recognition）：研究对象描述和分类方法的学科。分析和识别的模式可以是信号、图象或者普通数据。

第二章：知识表示与知识图谱

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。把有关信息关联在一起所形成的信息结构。 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。

例如： “雪是白色的” 。 事实
“如果头痛且流涕，则有可能患了感冒” 。 知识

知识的特性：

• 相对正确性
• 不确定性: 随机性、 模糊性、经验、不完全性引起的不确定性
• 可表示性与可利用性:

知识的可表示性: 知识可以用适当形式表示出来，如用语言、文字、图形、神经网络等。 知识的可利用性: 知识可以被利用。

命题：

• 命题（proposition）：一个非真即假的陈述句。
• 命题逻辑：研究命题及命题之间关系的符号逻辑系统。
• 命题逻辑表示法：无法把它所描述的事物的结构及逻辑特征反映出来，也不能把不同事物间的共同特征表述出来。
• 连接词：非、析取、合取、蕴含、等价

• 一阶谓词逻辑表示法的特点:

优点：自然性、精确性、严密性、容易实现
局限性： 不能表示不确定的知识、 组合爆炸、 效率低

产生式

产生式通常用于表示事实、规则以及它们的不确定性度量，适合于表示事实性知识和规则性知识

知识图谱

• 知识图谱（Knowledge Graph/Vault），又称科学知识图谱，用各种不同的图形等可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。
• 知识图谱是由一些相互连接的实体及其属性构成的。
• 三元组是知识图谱的一种通用表示方式：
  (实体1-关系-实体2)：中国-首都-北京
  (实体-属性-属性值)：北京-人口-2069万
• 知识图谱也可被看作是一张图，图中的节点表示实体或概念，而图中的边则由属性或关系构成。
• 

第三章：确定性推理方法

（1）确定性推理：推理时所用的知识与证据都是确定的，推出的结论也是确定的，其真值或者为真或者为假。
（2）不确定性推理：推理时所用的知识与证据不都是确定的，推出的结论也是不确定的。

自然演绎推理：

• 从一组已知为真的事实出发，运用经典逻辑的推理规则推出结论的过程。推理规则：P规则、T规则、假言推理、拒取式推理 。
• 优点：表达定理证明过程自然，易理解。拥有丰富的推理规则，推理过程灵活。便于嵌入领域启发式知识。
• 缺点：易产生组合爆炸，得到的中间结论一般呈指数形式递增。

例： 例3.1 已知事实：
（1）凡是容易的课程小王( Wang )都喜欢；（2）C 班的课程都是容易（3）ds 是 C 班的一门课程。求证：小王喜欢 ds 这门课程。
证明：定义谓词：
EASY ( x )：x 是容易的
LIKE ( x, y )：x 喜欢 y
C ( x )：x 是 C 班的一门课程
已知事实和结论用谓词公式表示：
( vx) ( EASY ( x ) → LIKE ( Wang, x ) )
( vx ) ( C ( x ) → EASY ( x ))
C ( ds )
LIKE ( Wang, ds )

归结反演

例3.9 某公司招聘工作人员，A，B ，C 三人应试，经面试后公司表示如下想法：（1） 三人中至少录取一人。（2） 如果录取 A 而不录取 B ，则一定录取 C。（3） 如果录取 B ，则一定录取 C 。
证明：公司的想法用谓词公式表示：

第四章：不确定性推理方法

第五章：搜索求解策略

• 状态空间：利用状态变量和操作符号，表示系统或问题的有关知识的符号体系，

• 状态空间是一个四元组： S：状态集合。
  O ：操作算子的集合。
  So ：包含问题的初始状态是 的非空子集。
  G：若干具体状态或满足某些性质的路径信息描述。

• 如果某一问题有解，那么利用A*搜索算法对该问题进行搜索则一定能搜索到解，并且一定能搜索到最优的解而结束。

其他

• ‍标志着人工智能走上人类历史舞台的事件是：1955年8月，John McCarthy、Marvin Lee Minsky、Claude Shannon和Nathaniel Rochester提交了一份题为A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence（关于举办达特茅斯人工智能夏季研讨会的提议）的报告中。
• 在本课程所介绍的贪婪最佳优先搜索和A*搜索中，都需要用到的辅助信息是：任意一个城市与目标城市之间的直线距离。
• Alpha-Beta剪枝搜索,搜索树中节点的位置先后次序会影响搜索效率
• 期望风险指模型关于联合分布期望损失，经验风险指模型关于训练样本集平均损失
• 强化学习中，在每一步中，当位于当前状态时，总是采取一个动作，使得采取该动作后，在未来可获得反馈值的最大期望。
• 纳什均衡是一种稳定局势，而不一定是一种最优局势。