人工智能导论 习题解答汇总 习题1--8.docx

《人工智能导论 习题解答汇总 习题1--8.docx》由会员分享，可在线阅读，更多相关《人工智能导论 习题解答汇总 习题1--8.docx（17页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第1章习题解答1 .填空题1）模拟、延伸和扩展，理论、方法、技术及应用系统2）计算智能、感知智能和认知智能。3）弱人工智能、强人工智能和超人工智能4） 人工智能元年5）图灵6）冯诺依曼7） IBM8）有符号主义、连接主义和行为主义9）数学逻辑，抽象逻辑，符号10）仿生学，人脑神经系统11）控制论，“感知一行动”12）通信技术，物与物、人与物13）第五代，高速率、低时延和大连接14） “去中心化”15）人工智能2,简答题1）什么是人工智能？人工智能（AI）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 应用系统的一门新的技术科学。人工智能是对人的意识、思维的信息过程的模拟。人工智能

2、就是要让机器的行为看起来 像是人类所表现出的智能行为一样，即机器“像人一样思考”“像人一样行动”“理性地思考” 和“理性地行动二2）简述图灵测试的内容。图灵在计算机器与智能论文中，提出了一个用于判断机器是否有智能的想法：“如 果一台机器能够与人类展开对话（通过电传设备）而不会被辨别出其机器身份，那么称这 台机器具有智能J图灵的这个想法后来被称为“图灵测试”。测试内容如下：假想测试者与两个被测试 者采用“问答模式”进行对话，被测试者一个是人，另一个是机器；测试者与被测试者被 相互隔开。因此测试者并不知道被测试者哪个是人，哪个是机器；经过多次测试后，如果 有超过30%的测试者不能确定被测试者是人还

3、是机器，那么这台机器就算通过了测试，并 被认为具有了人类智能。经过实验，图灵指出：“一个人在不接触对方的情况下，通过一种特殊的方式，和对方 进行一系列的问答，如果在一段时间内，他无法根据这些问题判断对方是人还是机器，那 么，就可以判定这个机器具有与人相当的智力。”这就是著名的“图灵测试”。3）简述人工智能发展历程。降维算法指对高维度的数据保留下最重要的一些特征，去除噪声和不重要的特征，从而 实现提升数据处理速度的目的。机器学习领域中所谓的降维就是指采用某种映射方法，将原 高维空间中的数据点映射到低维度的空间中。8）简述机器学习的一般流程。机器学习的一般流程包括确定分析目标、收集数据、整理数据、

4、预处理数据、训练模型、 模型评估与优化、模型应用等步骤。首先要从业务的角度分析，然后提取相关的数据进行探查，发现其中的问题，再依据各 算法的特点选择合适的模型进行实验验证，评估各模型的结果，最终选择合适的模型进行应 用。第5章习题解答1.填空题1）模拟，人工神经元2）细胞体、树突，轴突3）两种，激活状态，非激活4）输入、计算模块，输出5）激活函数6）两层神经元，感知机7）分类，二分类8）正向传播，误差的反向传播9）输入层、隐藏层，输出层，神经兀10）两个以上，输入输出11）深度学习，三个及以上12）延恩乐存，卷积思想13）局部感知、权值共享，多卷积核14）信息或特征15）最大池化，平均池化16

5、）组合拼接。2.简答题1）简述MP模型信息传递过程。神经元接收来自其他神经元传递过来的输入信号，这些输入信号通过带权重的连接进行 传递，神经元接收到的总输入值将与神经元的阈值进行比较，然后经过“激活函数”的处理 后产生神经元的输出。训练一个神经网络就是将权值调整到最佳，以使整个模型的效果最好。2）简述BP神经网络的工作过程。对于BP神经网络来说，它的工作过程由“信息的正向传播”和“误差的反向传播”组 成。信息的正向传播：当感知到外界信号时，由输入层接收，继而传递给中间层各个隐藏层。 信息传播的路径是“输入层一隐藏层一输出层”。而“误差的反向传播”，则是当正向传播结束之后，输出结果与期望值不符，

6、那么BP 神经网络体系就会将这一误差值反向传导，即信息的传输路径更改为“输出层一隐藏层一输入层”。在这一传输过程当中，各个神经节点会根据误差值的范围调整本节点的权值和阈值, 最终达到传播信息与期望值相符的目的。3）简述深度学习的优点。1）高效率。现有的深度学习技术无须考虑烦琐的特征提取过程，一旦设计好网络框架， 就能够解决问题。2）可塑性。在面对一个问题的时候，传统算法需要将代码重新编写一遍才能够对模型 进行调整，这种改进成本巨大。而深度学习要对模型做出改变只需要调整其中的参数，不需 要重新编写代码就可以达到近乎完美的程度，使一个程序具有很强的灵活性和成长性。3）普适性神经网络经过不断的学习自

7、动建立算法模型来解决问题，所以几乎能够解决各种问题。4）什么是卷积神经网络？卷积神经网络指在神经网络的基础上加入了卷积运算，通过卷积核局部感知图像信息提 取其特征，多层卷积之后能够提取出图像的深层抽象特征，凭借这些特征来达到更准确的分 类或预测的目标。5）简述卷积运算。卷积运算的主要目的是从图像中提取信息或特征，任何图像都可以看作一个数值矩阵， 而矩阵中一组特定的数值可以构成一个特征。卷积运算的目的是扫描这个矩阵，并尝试为图 像挖掘相关的或可解释特征。从数学的角度来看，卷积可以理解为一种类似于加权运算的操 作。在图像处理中，针对图像的像素矩阵，卷积操作就是用一个卷积核来扫描像素矩阵，并 与像素

8、矩阵做元素相乘，以此得到新的像素矩阵，这个过程就是卷积。其中卷积核也叫作过 滤器或滤波器，滤波器在输入像素矩阵上扫过的面积称为感受野。6）什么是池化运算？池化层又称为下采样层，主要是通过对卷积形成的图像特征进行特征统计，这种统计方 式不仅可以降低特征的维度，还可以降低网络模型过拟合的风险。此外，卷积图像经过池化 操作后可以有效减小输出图像的尺寸，在保留图像主要特征的同时可以减少网络结构中的计 算参数，防止过拟合，提高模型的泛化能力。通常在设计卷积网络结构时，卷积层后会跟着一个池化层。池化操作通常有两种，一种 是常用的最大池化，另一种是不常用的平均池化。最大池化执行过程就是将输入矩阵拆分为不同区

9、域，输出的每个元素都是其对应区域的 最大元素值。平均池化法是将图像区域中的平均值作为该区域池化后的值，图像经过卷积、 池化操作后，其关键特征被提取出来。第6章习题解答1 .填空题1）视觉功能、感知、加工解释2）仿生学，工程3） 02554） R、G、B, 0255,颜色值5）不同特征、区分开6）算法，特定目标，标记7）图像子区域，理解和分析8）物体分割、语义分割和实例分割9）同一类不同的个体10）哪一类11）特征信息，身份识别12）人脸图像采集及检测、人脸图像预处理、人脸图像特征提取，匹配与识别13）软件算法，自行完成行驶14）通用文字识别，垂直场景文字识别.简答题1）计算机视觉的主要研究目标

10、是什么？第一个研究目标是建立计算机视觉系统来完成各种视觉任务。换句话说，要使计算机能 借助各种视觉传感器（如CCD、CMOS摄像器件等）获取场景的图像，从中感知和恢复环境 中物体的几何性质、姿态结构、运动情况、相互位置等，并对客观场景进行识别、描述、解 释，进而做出判定和决断。第二个研究目标是把该研究作为探索人脑视觉工作机理的手段, 掌握和理解人脑视觉工作的机理（如计算神经科学）。这里主要研究的是生物学机理。2）简述计算机视觉系统的组成。（1）图像采集计算机视觉是从获取客观世界的图像开始的。为采集图像，需要使用一定的采集装置或 设备，这里的装置和设备可以是各种光敏摄像机，包括遥感设备、X射线断

11、层摄影仪、雷达、 超声波接收器等。取决于不同的感知器，产生的图像可以是普通的二维图像、三维图组或者 一个图像序列。（2）预处理采集图像后，为更方便有效地获取其中的信息，提高后续加工的效率，常需对图像进行 一定的预处理。（3）特征检测特征检测也称基元检测，是指图像中有比较显著特点的基本单元，一般常说的基元主要 有：边缘、角点、直线段、圆、孔、椭圆以及其他兴趣点等（也包括它们的一些结合体）。 对这些基元的检测是常见的工作。（4）图像分割图像分割指将感兴趣的目标区域从图像中分离并提取出来，也可看作是基元检测的一种 推广。（5）图像的高级处理高级处理有理解图像内容的含义，是计算机视觉中的高阶处理，主要

12、是在图像分割的基 础上再对分割出的图像块进行理解，这一阶段采用模式识别或机器学习方法，如利用卷积神 经网络等算法，训练出合理的模型，对目标进行识别、分类等操作。3）简述人脸识别的优势与困难。人脸识别的优势：人脸识别的优势在于其自然性和不被被测个体察觉的特点。所谓自然性，是指该识别方 式同人类（甚至其他生物）进行个体识别时所利用的生物特征相同。不被察觉的特点对于一 种识别方法也很重要，这会使该识别方法不令人反感，并且因为不容易引起人的注意而不容 易被欺骗。人脸识别的困难：人脸识别的困难主要是人脸作为生物特征的特点所带来的。在视觉特点上，首先，不同 个体之间的区别不大，所有的人脸的结构都相似，甚至

13、人脸器官的结构外形都很相似。这样 的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的。其次， 人脸的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视 觉图像也相差很大，另外，人脸识别还受光照条件、人脸的很多遮盖物、年龄等多方面因素 的影响。4）无人驾驶是如何分级的？美国汽车工程师学会（SAE）定义了 6个无人驾驶等级，从。级（完全手动）到5级 （完全自动）。这些无人驾驶等级准则已经被美国交通部采纳。0级（无自动驾驶）L1级（辅助驾驶）L2 （半自动驾驶）L3 （有条件自动驾驶）L4 （高度自动驾驶）L5 （完全自动驾驶）5）什么是OCR?OCR

14、（光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符， 通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程； 即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件， 并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。6）简述OCR的识别过程。一个OCR识别过程须经过影像输入、影像前处理、文字特征抽取、比对识别、最后经 人工校正将认错的文字更正，将结果输出。1 .影像输入：需经过OCR处理的标的物须透过光学仪器，将影像转入计算机。2 .影像预处理：影像须先将图片、表格及文字区域分离出来，甚至可将

15、文章的编排方向、 文章的提纲及内容主体区分开,而文字的大小及文字的字体亦可如原始文件一样的判断出来。对待识别图像进行如下预处理，可以降低特征提取算法的难度，并能提高识别的精度。1）对图像进行二值化处理，使图像只包含黑色的前景信息和白色的背景信息，提升识 别处理的效率和精确度。2）图像降噪：在对图像中印刷体字符进行识别处理前，需要根据噪声的特征对待识别 图像进行去噪处理，提升识别处理的精确度。3）倾斜校正：由于扫描和拍摄过程涉及人工操作，输入计算机的待识别图像或多或少 都会存在一些倾斜，在对图像中印刷体字符进行识别处理前，就需要进行图像方向检测，并 校正图像方向。3 .文字特征抽取单以识别率而言

16、，特征抽取可说是OCR的核心，用什么特征、怎么抽取，直接影响识 别的好坏。4 ,对比识别当输入文字算完特征后，都须有一比对数据库或特征数据库来进行比对，数据库的内容 应包含所有欲识别的字集文字，根据与输入文字一样的特征抽取方法所得的特征群组。5 .人工校正OCR最后的关卡，在此之前，使用者可能只是拿支鼠标，跟着软件设计的节奏操作或仅 是观看，而在此有可能须特别花使用者的精神及时间，去更正甚至找寻可能是OCR出错的地 方。6 .结果输出。将识别结果按要求输出。第7章习题解答1 .填空题1）人与计算机2）计算机科学，人工智能3）自然语言理解，自然语言生成4） 口语理解，文字理解5）语法和语义，自然

17、语言文本6）机器翻译7）文字或语音，自动翻译8）计算机可读的9）句法和其他相关知识10）文本类别，自动归类11）词语的切分。12）语音表征13）语料库14）文本集合15）句子分析16）词序列，词性17）句子结构，句子内容18）基于词的，基于短语.简答题1）简述自然语言处理的发展阶段。1） 1956年以前的萌芽期：计算机的诞生为机器翻译和随后的自然语言处理提供了基础。2） 19571970年的快速发展期：由于基于规则和基于概率这两种不同方法的存在，自 然语言处理的研究在这一时期分为了两大阵营。一个是基于规则方法的符号派，另一个是采 用概率方法的随机派。3） 19711993年的低谷发展期：随着研

18、究的深入，很多基于自然语言处理的应用并不 能在短时间内得到实现，而新问题又不断地涌现，社会对自然语言处理的研究丧失了信心。 从20世纪70年代开始，自然语言处理的研究进入了低谷时期。4） 1994年至今的复苏融合期：20世纪90年代中期以后，计算机的运算速度和存储量大 幅提升，使得语音和语言处理的商品化开发成为可能；1994年，互联网商业化和网络技术 的发展使得基于自然语言的信息检索和信息抽取的需求变得更加突出。这两件事从根本上促 进了自然语言处理研究的复苏与发展，自然语言处理的应用面渐渐不再局限于机器翻译、语 音控制等早期研究领域。2）什么是问答系统?问答系统是指借助计算机系统对人提出问题的

19、理解，通过自动推理等方法，在相关知识 库中自动求解答案，并对问题做出相应的回答。回答技术与语音技术、多模态输入输出技术、 人机交互技术相结合，构成问答系统。3）自然语言处理的一般过程是什么？计算机处理自然语言的整个过程一般可以概括为4部分：语料预处理、特征工程、模型 训练和指标评价。语料预处理即对输入的数据进行预处理，主要包括语料清洗、分词、词性标注、去停用 I句。特征工程：这一步的主要工作是将分词表示成计算机可识别的计算类型，一般为向量, 常用的表示模型有词袋模型、词向量等。模型训练：选择好特征后，就要训练使用的模型，并开始进行模型训练，其中包括参数 的微调等。在模型训练的过程中要注意，有可

20、能出现模型在训练集中表现很好，但在测试集 中表现很差的问题。指标评价：常用的模型评价指标有错误率、精准度、准确率、召回率等，利用这些指标 来评价模型的优劣程度，以选择最佳的模型，进而输出最终的自然语言处理的结果。4）简述语料预处理的过程。语料预处理即对输入的数据进行预处理，主要包括以下4个步骤。1）语料清洗，即保留有用的数据，删除噪声数据，常见的清洗方式有人工去重、对齐、 删除、标注等。2）分词，即将文本分成词语，如通过基于规则的、基于统计的分词方法进行分词。3）词性标注，即给词语标上词类标签，如名词、动词、形容词等。常用的词性标注方 法有基于规则的、基于统计的算法，如最大烯词性标注、HMM词

21、性标注等。4）去停用词，即去掉对文本特征没有任何贡献作用的字词，如标点符号、语气词、助 词等。5）基于解析的语言理解和基于深度学习的语言理解各有什么优缺点？传统基于解析的语言理解方法的优点在于通过对句子成分的深入解析，可全方位理解句 子中的语义内容。另外，由于系统是基于语法和语义规则的，因此解析结果不会出现太大偏 差，即便出现解析错误，也很容易定位原因。基于解析的方法必须对语义规则进行明确定义，这需要非常丰富的领域知识；同时，语 义分析很大程度上依赖于词法分析和句法分析，这些环节上的错误很容易在语义分析时进行 传导和积累，导致结果产生偏差。最重要的是，自然语言中包含众多不符合词法和句法的表 达

22、，特别是各种新的表达方式不断出现，这给词法和句法设计带来了很大压力。因此，传统 语言理解方法在特定领域、处理简单句子时可以取得不错的效果，但在通用领域里往往无法 满足要求。基于深度学习的语言理解方法的优点在于不需要人为设计知识结构，仅需要大量文本作 为训练数据，即可学习出一个合理的语义空间，并基于该语义空间完成一定的语言理解任务。 特别重要的是，这一方法可以用大量领域外的文本训练语义空间，得到的语义空间依然可用 于领域内的语言理解任务。这一方法的缺点在于语义的不可解释性。深度学习是一种黑盒学习，并没有对句子进行 细致解析，因此很难清晰理解一句话的语义来源。6）简述基于词的统计翻译模型的翻译过程

23、。基于词的统计翻译模型，其翻译的过程通常可以理解为一个搜索的过程，或者一个不断 猜测的过程。这个过程大致如下：第一步，猜测译文的第一个词是源文的哪一个词翻译过来 的；第二步，猜测译文的第二个词应该是什么；第三步，猜测译文的第二个词是源文的哪一 个词翻译过来的；以此类推，直到所有源文词语都翻译完。在翻译的过程中，要反复使用翻 译模型和语言模型来计算各种可能的候选译文的概率，以避免搜索的范围过大。7）简述基于短语的统计机器翻译模型的原理。基于短语的统计机器翻译模型的原理是在词语对齐的语料库中搜索并记录所有的互为 翻译的双语短语，并在整个语料库中统计这种双语短语的概率。如图7-13所示，假设已经 得

24、到以下两个词语对齐的片段，翻译的时候，只要对被翻译的句子与短语库中的源语言短语 进行匹配，找出概率最大的短语组合，并适当调整目标短语的语序即可。8）简述语音识别的过程首先，语音通过话筒将语音信号转换成电脉冲信号输入语音识别系统，语音识别系统对 语音信号进行预处理，如滤波、采样、量化等，然后通过人类的语言特点来建立了人类语音 信号模型，对输入的语音信号进行分析，并抽取所需的特征，在此基础上建立语音识别所需 要的模板；在识别过程中，计算机根据语音识别的整体模型，将计算机中已经存在的语音模板与输 入的语音信号的特征进行比较，并根据一定的搜索和匹配策略找出一系列最优的与输入语音 匹配的模板,通过查表和

25、判决算法给出识别结果。显然识别结果的准确率与语音特征的选择、 语音模型和语音模板的好坏及准确度有关。语音识别系统的性能受多个因素的影响，例如，不同的说话人、不同的语言以及同一种 语言不同的发音和说话方式等。提高系统的稳定性就是要提高系统克服这些因素的能力，使 系统能够适应不同的环境。习题81.填空题1）人体上肢（手和臂）2）感觉和识别，控制自身行为3）自动执行工作，人类，程序4）差分机，可编程5）可编程的6）仿人机器人7） 1000m8）机械系统、控制系统、驱动系统，感知系统9）机身、臂部、手腕，末端操作器10）工业机器人、服务机器人、特种机器人11） 706212）定位导航、人机交互，环境交

26、互13）感知数据14）图像的获取、处理和分析、输出和显示2.简答题1）简述国际标准化组织对机器人的定义。国际标准化组织（ISO）对机器人给出了较为全面的定义：1）机器人的动作机构具有类似于人或其他生物体某些器官（肢体、感官等）的功能；2）机器人具有通用性，工作种类多样，动作程序灵活易变；3）机器人具有不同程度的智能性，如记忆、感知、推理、决策、学习等；4）机器人具有独立性，完整的机器人系统在工作中可以不依赖于人类的干预。2）简述机器人3定律。第一定律：机器人不得伤害人类，或看到人类受到伤害而袖手旁观。第二定律：在不违反第一定律的前提下，机器人必须绝对服从人类下达的命令。第三定律：在不违反第一定

27、律和第二定律的前提下，机器人必须尽力保护自己。机器人学术界一直将这三条定律作为开发机器人的准则邛可西莫夫也因此被誉为机器人 学之父。3）简述机器人的结构及各部分的作用。一般机器人的结构包括机械系统、控制系统、驱动系统和感知系统四大部分，（1）机械系统机器人的机械系统包括机身、臂部、手腕和末端操作器等部件，每个部件都有若干自由 度，从而构成了一个多自由度的机械系统。（2）控制系统控制系统的任务是根据机器人的作业程序，以及从传感器反馈回来的信息来控制机器人 的执行机构，使机器人完成规定的作业。（3）驱动系统驱动系统主要是指驱动机械系统动作的装置，根据驱动源的不同，可分为电气、液压和 气压三种驱动系

28、统，以及这三种驱动系统构成的综合驱动系统。（4）感知系统感知系统主要由各种传感器组成，这些传感器可分为内部传感器和外部传感器。感知系 统的作用是获取机器人的内部信息和外部环境信息，并把这些信息反馈给控制系统。4）智能机器人必须具备三个基本要素是什么？一个机器人要具备智能必须具备三个基本要素：第一是感觉要素，感觉要素可以使智能 机器人感受和认识外界环境，起到与外界交流的作用；第二是运动要素，运动要素使机器人 能够对外界做出反应性动作，完成操作者所下达的命令；第三是思考要素，思考要素可以帮 助机器人利用从外界所获得的信息，制订出最合适的解决方案，进而采用最合理的动作完成 命令。5）机器人系统中导航

29、的基本任务是什么？机器人导航的基本任务有三个。第一，基于环境理解的全局定位：通过环境中景物的理 解，识别人为路标或具体的实物，以完成对机器人的定位，为路径规划提供素材；第二，目 标识别和障碍物检测：实时对障碍物或特定目标进行检测和识别，提高控制系统的稳定性; 第三，安全保护：能对机器人工作环境中出现的障碍和移动物体做出分析并避免对机器人造 成损伤。人工智能自1956年被提出以来，经过半个多世纪的发展，目前已经取得了长足的进展。 但是，人工智能的发展并非一帆风顺，而是经历了从繁荣到衰退，再到繁荣的螺旋式发展过 程，大致可以划分为以下6个阶段。1 .起步发展期：1956年20世纪60年代初在20世

30、纪50年代人工智能刚刚被提出的时候，人工智能的研究主要停留在理论研究阶段, 其基本方法是逻辑法，研究方向主要包括自动推理，认知模型，知识表示和推理，人工智 能的语言、架构和工具等。最初的人工智能应用于机器翻译、定理证明、通用问题求解、 下棋程序、工业反馈控制、机器人等领域。2 .反思发展期：20世纪6070年代初人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑 战性的任务，并提出了一些不切实际的研发目标，很快就遇到了许多麻烦。在其他方面，人工智能也遇到了这样或那样的问题。一些西方国家的人工智能研究经费 被削减，研究机构被解散，一时间全世界范围内的人工智能研究陷入困

31、境，跌入低谷。3 .应用发展期：20世纪70年代初80年代中20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现 了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。4 .低迷发展期：20世纪80年代中90年代中随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知 识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出 来。5 .稳步发展期：20世纪90年代中2010年由于网络技术特别是因特网技术的发展，信息与数据的汇聚不断加速，因特网应用的不 断普及加速了人工智能的创新研究，促使人工智能技

32、术进一步走向实用化。1997年IBM深 蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念， 这些都是这一时期的标志性事件。6 .蓬勃发展期：2011年至今随着因特网、云计算、物联网、大数据等信息技术的发展，泛在感知数据和图形处理器 (Graphics Processing Unit, GPU)等计算平台推动以深度神经网络为代表的人工智能技术 飞速发展，大幅跨越科学与应用之间的“技术鸿沟”，图像分类、语音识别、知识问答、 人机对弈、无人驾驶等具有广阔应用前景的人工智能技术突破了从“不能用、不好用”到 “可以用”的技术瓶颈，4)简述我国的人工智能发展现状。我国人

33、工智能技术近年来发展势头迅猛。在我国政府的高度重视下，人工智能已上升为 国家战略。新一代人工智能发展规划提出“到2030年，使中国成为世界主要人工智能创 新中心”。目前，我国在基础研究方面已经拥有人工智能研发队伍和国家重点实验室等设施 齐全的研发机构，并先后设立了各种与人工智能相关的研究课题，研发产出的数量和质量也 有了很大提升，已取得许多突出成果。伴随着人工智能研究热潮，我国人工智能产业化应用也蓬勃发展。智能产品和应用大量 涌现，人工智能产品在医疗，商业、通信、城市管理等方面得到了快速应用。2017年7月5日，百度首次发布人工智能开放平台的整体战略、技术和解决方案。2017 年8月3日，腾讯

34、公司正式发布了人工智能医学影像产品一一腾讯觅影。2017年10月11 日，阿里巴巴宣布成立全球研究院一一达摩院。此外，科大讯飞在智能语音技术上处于国际 领先水平；依图科技搭建了全球首个十亿级人像对比系统，在2017年美国国家标准与技术 研究院组织的人脸识别技术测试中，成为第一个获得冠军的中国团队。尽管我国多项技术处于世界领先地位，创新创业也日益活跃，但是整体水平与发达国家 仍有较大差距。值得关注的是，目前我国已经具备人工智能产业发展的基础条件，未来十年 内都将是人工智能技术加速普及的爆发期。5）谈谈你对人工智能安全的认识。近年来，人工智能技术兴起并加速产业化，人们对人工智能安全越发关注。（1）

35、人工智能安全挑战和机遇1）安全挑战人工智能快速发展的同时丁安全风险也正在悄无声息地潜入人们生产生活的各个方面： 随着人工智能技术在社交网络、交通运输、安防监控等领域的广泛应用，已发生多起人工智 能影响国家政权、危害人身安全、危及个人隐私等安全事件。2）安全机遇人工智能作为一种通用目的技术，具有突出的赋能助力效应，为保障网络空间安全、提 升经济社会风险防控能力等方面提供了新手段和新途径。人工智能因其突出的数据分析、知 识提取、自主学习、智能决策、自动控制等能力，可在网络空间安全领域和社会公共安全领 域有许多创新性应用。人工智能技术为网络空间安全防护、国家社会安全治理等提供新的技术手段，大大提升

36、传统安全的自动化和智能化水平。趋利避害，如何有效规避人工智能安全风险、加强人工智 能安全应用，成为推进人工智能持续健康发展的重要保障。（2）人工智能安全应用人工智能技术在安全领域的应用其实由来已久，在公共安全领域，随着信息基础设施的 能力提升和普及应用，传统的政务、金融、安防等向着数字化、网络化发展，在行业应用中 积累了海量数据资源。人工智能依托其强大的数据分析和自主学习能力，可以充分挖掘数据 价值，预测预警经济社会运行中可能出现的潜在风险，增强安防监控、金融风控等社会公共 安全防控能力。我国新一代人工智能发展规划中明确提出“利用人工智能提升公共安全 保障能力”，目前，智能安防、智能刑侦等已经

37、应用于平安城市、智慧公安等国家工程建设 中。（3）人工智能安全治理世界各国高度重视人工智能安全治理。国际合作组织、各国政府及全球科技巨头在积极 推动人工智能发展的同时，高度重视人工智能安全治理，通过发布治理原则、制定治理模型 框架、成立治理机构等方式，力求保障人工智能的发展安全可靠。我国已对人工智能安全提出治理要求。国务院2017年7月发布新一代人工智能发展 规划。规划中充分认识到人工智能可能带来改变就业结构、冲击法律与社会伦理、侵犯个 人隐私、挑战国际关系准则等安全挑战，要求加强前瞻预防与约束引导,最大限度降低风险， 确保人工智能安全、可靠、可控发展。为落实新一代人工智能发展规划，工业和信息

38、化部2017年12月发布促进新一代 人工智能产业发展三年行动计划，提出建立人工智能安全保障体系框架相关的工作任务， 包括开展人工智能安全技术攻关，推动人工智能先进技术在网络安全领域的深度应用以及建 成具备人工智能安全态势感知、测试评估、威胁信息共享以及应急处置等能力的安全平台。第2章习题解答1.填空题1）海量乃至巨量2）促进大数据发展行动纲要，经济新体制3）互联网，网络，网络行为4）存储容量5）潜在价值6）服务方式，虚拟化资源7）私有云、公有云，混合云。8）使用权9）数据存储10）单独使用，应用程序11）公有云，私有云12）软件即服务（SaaS）,平台即服务（PaaS）,基础设施即服务（laa

39、S）13）服务器虚拟化、存储虚拟化、应用虚拟化，桌面虚拟化14）数据存储，处理服务15）决策和判断，训练、预测、验证16）预测，分析处理17）因果关系，相关关系18）数据质量评估标准19）冗余，不一致，准确性，速度20）信息2.简答题D什么是大数据？大数据主要是指海量乃至巨量数据，并且数据规模大到无法通过目前普及的计算机系统 在用户可容忍时间内获取、存储、处理。具体来说，大数据指数据规模大到无法通过目前主 流软件工具，在合理时间内达到撷取、管理、处理并整理成为帮助企业经营决策更积极目的 的资讯。或者指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合, 是需要新处理模式才能具有更

40、强的决策力、洞察发现力和流程优化能力的海量、高增长率和 多样化的信息资产。2）简述大数据的主要来源。随着互联随着计算机和存储技术的发展，以及万物互联的过程，数据爆发的趋势势不可 挡！大数据主要的来源简述如下。（1）互联网大数据大数据赖以生存的土壤是互联网。这些数据主要来源于两个方面，一方面是用户通过网 络所留下的痕迹；另一方面是互联网公司在日常运营中生成、积累的用户网络行为数据。（2）传统行业大数据传统行业同样会产生大数据。传统行业通常是指一些固定的企业，如电信、银行、金融、 医药、教育、电力等行业。（3）移动互联网移动互联网的发展让更多的使用者成为数据的制造者。（4）物联网（IOT）随着传感

41、器、视频、RFID和智能设备等技术的发展，音频、视频、机器对讲机器、RFID、人 机交互、物联网和传感器等数据大量产生，其数据量更是巨大。3）大数据的4V特征是什么？大数据的层次特征是最先被整个大数据行业所认识、所定义的，其中最为经典的是大数 据的4v特征（图2-2）,即数据规模大（Volume）、数据种类多（Variety）、处理速度快（Velocity）、 价值密度低（Value）。（1）数据规模大数据规模大是最被人们所认识、所公认的一个特征，数据量的单位从TB级别跃升到PB 级别甚至EB级别。这也是随着人类信息化技术不断发展所必然呈现出来的结果。（2）数据种类多随着传感器、智能设备以及社

42、交协作技术的飞速发展，数据也变得更加复杂。因为它不仅包 含传统的关系型数据。还包含来自网页、互联网日志文件、视频、图片、地理信息、电子邮 件、文档、主动和被动系统的传感器数据、半结构化和非结构化数据。（3）处理速度快大量的数据、繁杂的数据类型，必然要求提高数据处理速度。近年来计算机核心处理单元 CPU的综合信息处理能力呈现指数级增长。（4）价值密度低数据量虽然巨大，但是人们所关注的有用的信息却不容易被发现，这是大数据时代数据 的一个很大特点。数据量级巨大，人们需要的有价值的数据资料和数据决策却难以得到，这 就需要通过特定的技术手段，在海量的数据海洋里找到合适的数据集，经过具体可行的数据 分析和

43、挖掘方法去得到有价值的数据，从而实现大数据的科学合理利用。4）简述大数据的技术特征。大数据技术特征可以总结为如下几点。（1）大数据时代的技术是开放性的大数据本身是基于开放的数据时代而来的，也正是源于人们越来越多地通过数据信息形 式去分享自己的生活，才使大数据时代的相关技术越来越趋于开放和开源。（2）大数据时代的技术是平台化的由于大数据时代的技术开放性催生了平台化的大型大众数据服务平台系统。这种平台化 的数据服务已经由最初的政府大型开放平台逐步走向了公众生活的方方面面，这些平台几乎 都基于大型的开源互通平台，以及和平台相交融的众多的开源项目组合。开源的平台加开源 的项目组合，就构成了平台化的大数

44、据时代技术特征，（3）大数据时代的技术是基于新型的训练性质的数学算法实现的这些新型的数学算法有机器学习、神经网络、深度学习、图形识别、定位识别、地理标 位等，相对于传统的、单纯的数据分析和数学统计，新型的数学算法目的在于预测未来，规 划未知，提供决策，实现共赢。（4）大数据时代的技术最终期待实现人工智能管理和机器人代工这样的技术时代是全人类的最终梦想，而无论人工智能还是机器人代工技术，都需要大 数据技术为基础，这也是世界各国政府都积极全力推进各自的大数据政府级别统筹规划和实 施策略的重要原因所在。5）简述大数据时代，人们对待数据的思维方式的大数据时代一书作者维克托迈尔-舍恩伯格认为人们对待数据

45、的思维方式会发生 以下3个变化：1）人们处理的数据从样本数据变成全部数据，需要的是所有的数据，“样本二总体”。2）由于是全样本数据，人们不得不接受数据的混杂性，而放弃对精确性的追求，只有 接受不精确性，才能打开一扇从未涉足的世界的窗户。3）人类通过对大数据的处理，放弃对因果关系的渴求，转而关注相关关系，人们不必 必须知道现象背后的原因，而是让数据自己“发声，大数据的精髓在于分析信息时的三个转变，这三个转变是相互联系和相互作用的。这就 意味着人类在看待事物、探索世界、解决问题时的角度、方式、深度和广度等都会发生转变， 从而认知的结果会产生不同。思维方式的改变会引起行为方式的改变。大数据引发人类行

46、为方式的变化已经越来越被 人们感知，从最通俗的人类行为分类来看，人的衣、食、住、行、工作、学习、健康、交友 和娱乐活动是最基本、最容易理解的行为，而这些行为在今天正发生着并将继续发生巨大的 变化，且与大数据和相关信息技术息息相关。6）简述大数据处理的一般过程。大数据处理一般分为：数据采集、数据预处理、数据建模、数据分析、数据可视化等若 干个流程。（1）数据采集数据采集就是使用某种技术或手段，将数据收集起来并存储在某种设备上。（2）数据预处理对不理想的原始数据进行有效的预处理，已经成为大数据处理流程中的关键环节。数据 预处理的流程一般包括：数据清洗、数据集成、数据变换和数据规约。（3）数据建模数

47、据建模的目的是提升用户使用系统的效率。不同的模型可以解决不同的问题，通常为 了实现某种目的，可以建立多种数据模型。（4）数据分析数据分析的目的是萃取和提炼隐藏在一大批数据中的信息，以找出所研究对象的内在规 律，从而帮助人们理解、判断、决策和行动。常用的方法有分类与预测、聚类分析、关联分 析和异常分析等（5）数据可视化数据可视化是指把数据通过直观的可视化的方式展示给用户。通常采用开源的可视化工 具，也可以自己编写一些可视化软件。数据可视化的作用是直观地显示给用户有用的信息、。第3章习题解答1 .填空题1）人类专家智能2）推理能力3） DENDRAL4） MYCIN5）知识存储器，求解问题6）条件或已知信息，规则7）把知识加入到知识库中，一致性，完整性8）符号表征、概念，命题9）操作步骤和过程10）方法和技巧11）推理的规律，条件与结论12）因果关系，前件，后件13）基本单位，框架系统14）变化，协调15）概念及其语义关系16）知识表示、知识获取、知识管理、知识应用。17）广度优先搜索，深度优先搜索18）沿着该分支一直向下，不完备19）完备的，无用节点，低20）最优解，局部最优解21）贪婪，随机因素22）选择、扩展、