人工智能行业研究报告
概要
人工智能是信息时代的尖端技术。从人类建立起需要指导控制才能运行的计算机，到计算机拥有可以自己去学习的能力，这一飞跃对各行各业都产生了巨大的影响。虽然此时此刻可能是下一个 AI 冬季（图8）到来之前的「给予承诺又让人失望」的周期，但这些投资和新技术至少会给我们带来有形的机器学习生产力的经济利益。
与此同时，人工智能、机器人和无人驾驶汽车已经成为了流行文化甚至是政治话语的前沿。而且我们在过去一年的研究使我们相信这不是一个错误的开始，
而是一个拐点。正如我们将在本报告中探讨的那样，这个变化的原因有显而易见的（更快更强的计算资源和爆炸式增长的数据库），也有细致入微（深度学习，专有硬件和开源的崛起）的。
这个 AI 拐点（AI inflection）中更令人兴奋的一个方面是「现实世界」的使用案例比比皆是。虽然深度学习使计算机视觉和自然语言处理等技术有了显著的提高，比如苹果公司的 Siri，亚马逊的 Alexa 和 Google 的图像识别，但是 AI 不仅仅是「科技技术」（tech for tech），也就是大数据集与足够强大的技术相结合的情况下，价值正在被慢慢创建，竞争优势也变得越来越明显。
例如，在医疗保健中，图像识别技术可以提高癌症诊断的准确性。在农业中，农民和种子生产商可以利用深度学习技术来提高作物产量。在制药业中，深度学习可以用于改善药物的研发。在能源方面，勘探效率正在提高，设备可用性正在不断增强。在金融服务方面，通过开辟新的数据集，实现更快的分析，从而降低成本，提高回报。AI 现在还处于发现其可被利用场景的早期阶段，这些必要的技术会通过基于云的服务实现大众化、平等化，我们相信随之而来的创新浪潮将在每个行业中创造新的赢家和输家。
AI 的广泛应用让我们得出了一个结论：它是一种可以变革全球经济的技术，是提高生产力并结束美国生产率停滞增长的驱动力。结合 GS 首席经济学家 Jan Hatzius 的研究，我们明确了资本深化目前的停滞及其对美国生产率的相关影响。我们相信，AI 技术将会驱动生产力的提高，就像 20 世纪 90 年代那样，驱动
企业投资更多的资本和劳动密集型项目，加快发展的脚步，提高盈利能力以及提高股票的估值。
启示
虽然我们看到了人工智能可以及时地影响到每个公司、行业和一部分经济，但对投资者而言，我们认为这其中有四个影响最为显著。
生产率。AI 和机器学习具有激发生产率增长周期的潜力，这会有利于经济的增长，提升企业的盈利能力，资本回报率和资产估值。根据 GS 首席经济学家Jan Hatzius 所说：「大体上而言，AI 看起来似乎比上一次创新浪潮更有可能在统计数据中捕捉到更有价值的东西，人工智能可以降低成本，减少对高附加值生产类型的劳动投入。举个例子，这些在商业部门成本节约上的创新可能比在iPhone 中增加应用程序的可用性和多用性更利于统计学家去捕获有价值的东西。考虑人工智能对商业部门的成本结构的广泛影响，我有理由相信它会被统计学家接受，并且会出现在整体生产力数据中。
尖端技术。AI 和机器学习在速度上的价值有利于构建一种在建设数据中心和网络服务时让硬件更便宜的趋势。我们认为这可能推动硬件，软件和服务支出的市场份额的大幅度改变。例如，在「标准」数据中心计算资源上运行的 AWS 工作负载的成本低至 $ 0.0065 /小时，而在使用 AI 优化过的 GPU 上运行的成本为 0.900 美元一小时。
竞争优势。我们看到了 AI 和机器学习具有重新调整每个行业的竞争秩序的潜力。未能投资和利用这些技术的管理团队在和受益于战略智能的企业竞争时，有很大可能会被淘汰掉，因为这些技术可以让企业的生产力提高，并为它们创造资本效益。在第 41 页开始的短文中，我们将研究这些竞争优势是如何在医疗保健、能源、零售、金融和农业等领域发展起来的。
创办新公司。我们发现了 150 多家在过去十年中创建的人工智能和机器学习公司（附录 69-75）。虽然我们相信人工智能的大部分价值都掌握在具有资源、数据和投资能力的大公司手中，但我们也期望风险投资家、企业家和技术专家可以继续推动新公司的创立，从而促进实质性的创新和价值创造，即使最后创业公司会被收购。当然我们也不能忽视人工智能巨头（人工智能领域的谷歌或Facebook）的出现。
在接下来的篇幅中，我们将深入探讨 AI 的技术，历史，机器学习的生态系统以及这些技术在行业和领头公司中的应用。
什么是人工智能？
人工智能是做出能够以人类智能的方式学习并解决问题的智能机器和计算机程序的理工科。传统而言，该领域包括自然语言处理与翻译、视觉感知与模式识别，以及决策制定。但该领域以及应用的复杂度都在急剧扩展。
在此报告中，我们的大部分分析集中在机器学习（人工智能的一个分支）与深度学习（机器学习的分支）上。我们强调两点：
简言之，机器学习是从样本和经验（即数据集）中进行学习的算法，而不是依靠硬编码和预先定义的规则。换言之，也就是开发者不再告诉程序如何区分苹果和橘子，而是向算法输入数据（训练），然后自己学习如何区分苹果和橘子。
深度学习的重大发展是人工智能拐点背后的主要驱动。深度学习是机器学习的一个子集。在大部分传统的机器学习方法中，特征（即有预测性的输入或属性）由人来设计。特征工程是一大瓶颈，需要大量的专业知识。在无监督学习中，重要特征并非由人预定义，而是由算法学习并创造。
为了更加明了，我们不注重真人工智能、强人工智能或通用人工智能这样的概念，它们意味着复制人类智能，也经常出现在流行文化中。虽然已经有了一些有潜力的突破，比如谷歌 DeepMind 的 AlphaGo 系统，我们还是更注重立即有实在经济的人工智能发展。
为何人工智能发展加速？
深度学习能力的极大发展是如今人工智能拐点背后的催化剂之一。深度学习的底层技术框架——神经网络，已经存在了数十年，但过去 5 到 10 年的 3 种东西改变了深度学习：
1.数据。随着全球设备、机器和系统的连接，大量的无结构数据被
创造出来。神经网络有了更多的数据，就变得更为有效，也就是说随着数据量增加，机器学习能够解决的问题也增加。手机、IoT 、低成本数据存储和处理（云）技术的成熟使得可用数据集的大小、结构都有了极大增长。
例如，特斯拉收集了 780mn 英里的驾驶数据，而且通过他们的互连汽车，每 10 小时就能增加 100 万英里的数据。此外，Jasper 有一个平台，能让多家汽车制造商和电信公司进行机器间的交流，这家公司于今年
2 月份被 Cisco 收购。Verizon 在 8 月份做了类似的投资，宣布收购
Fleetmatics，Fleetmatics 做的是将汽车上的远程传感器通过无线网络连接到云软件。
未来，5G 网络的上线将会加速数据生成与传输的速率。据 IDC 的Digital Universe Report 显示，年度数据生成预期到 2020 年达到
44zettabytes，表明我们正在见证应用这些技术的使用案例。
图 1：年度数据生成预期到 2020 年达到 44zettabytes
2. 更快的硬件。GPU 的再次使用、低成本计算能力的普遍化，特别是通过云服务，以及建立新的神经网络模型，已经极大的增加了神经网络产生结果的速度与准确率。GPU 和并行架构要比传统的基于数据中心架构的 CPU 能更快的训
练机器学习系统。通过使用图像芯片，网络能更快的迭代，能在短期内进行更准确的训练。同时，特制硅的发展，比如微软和百度使用的 FPGA，能够用训练出的深度学习系统做更快的推断。另外，从 1993 年开始超级计算机的原计算能力有了极大发展（图 2）。在 2016 年，单张英伟达游戏显卡就有了类似于 2002 年之前最强大的超级计算机拥有的计算能力。
图 2：全球超级计算机的原计算性能，以 GFLOPs 测试成本也有了极大的降低。英伟达 GPU（GTX 1080）有 9 TFLOPS 的性能，只要 700 美元，意味着每 GFLOPS 只要 8 美分。在 1961 年，串够 IBM 1620s 每提供 1 GFLOPS 需要的钱超过 9 万亿。
图 3：每单位计算的价格有了极大下降
3. 更好、更普遍可用的算法。更好的输入（计算和数据）使得更多的研发是面向算法，从而支持深度学习的使用。例如伯克利的 Caffe、谷歌的TensorFlow 和 Torch 这样的开源框架。比如，刚开源一周年的 TensorFlow，成为了 GitHub 上有最多 forked repositories 的框架。虽然不是所有的人工智能发生于普遍可用的开源框架中，但开源确实在加速发展，而且也有更多先进的工具正在开源。
方向
虽然本报告的重点是人工智能的发展方向以及公司如何把握这个方向，但是了解人工智能对我们生活的影响程度也是很重要的。
在线搜索。就在一年多以前，谷歌透露，它们已经开始将大量的搜索工作移植到了 RankBrain（一个人工智能系统），使其和链接（links）以及内容（content）成为了谷歌搜索算法的三个最重要的标志。
推荐引擎。Netflix，亚马逊和 Pandora 都在使用人工智能来确定推荐什么样的电影和歌曲，突出哪些产品。5 月，亚马逊开源了它们的深度可扩展稀疏传感网络引擎（the Deep Scalable Sparse Tensor Network Engine（DSSTNE），简称「Destiny」），它被用于产品推荐，同时可以被扩展以实现超越语言和语言理解以及异议识别的目的。
人脸识别。Google（FaceNet）和 Facebook（DeepFace）都投入了大量的技术来确定您的照片中的人脸和真实的人脸是不是几乎完全吻合。1 月，苹果采取了进一步措施，购买了 Emotient（一个致力于通过读取人的面部表情来确定其情绪状态的 AI 创业公司）显然，这些技术远远不止于对照片进行标记。
虽然个人助理应用产品有无数的用户，比如苹果的 Siri，信用贷，保险风险评估，甚至天气预测。在接下来的篇幅中，我们探讨企业该如何使用这些技术来加速增长，降低成本和控制风险。从这些技术及其使用这些技术的应用的发展速度来看，它们充其量不过可以为公司和投资者提供一些方向，以保持他们的竞争力。
加强未来的生产率
美国的劳动生产率在 90 年代中期的快速增长和过去十年的缓慢增长和之后，近年来已经停止增长了。我们认为，就像 20 世纪 90 年代互联网技术被广泛采用那样，消费类机器学习和人工智能的扩散有可能大幅度地改变全球产业的生产范式。
在整个行业中，我们发现在自动化的促使下，劳动时间减少了约 0.5％
-1.5％，同时，由于 AI / ML 技术带来的效率增益，到 2025 年，这些技术将对生产力增长产生高达 51-1154 个基点（bps）的影响。虽然我们期望 AI / ML 可以随着时间同时提高生产率的分母和分子，不过我们认为最重要的是，早期的影响将是低工资任务的自动化，即以更少的劳动时间推动类似的产出增长水平。我们的基本案例 AI / ML 驱动提高了 97 个基点，这意味着 2025 年的增长生产率中的 1.61％将由 IT 贡献，比 1995 - 2004 年高出 11 个基点（图 9,10）。
图 9：生产力分析；单位百万美元，假设 2019 年之后 GDP 线性增长
生态系统：云服务，开源在未来的 AI 投资周期中的关键受益人
我们相信，在未来的几年中，一个公司利用人工智能技术的能力将成为体现公司在所有主要行业竞争力的一个属性。虽然战略会因公司规模和行业而有所不同，但如果管理团队不会把重心放在领导人工智能和在此基础上的利益上，那么未来产品创新、劳动效率和资本杠杆都会存在落后的风险。因此，我们认为公司需要投资这些新技术以保持竞争力，同时这将导致对人工智能所以依赖的人才、服务和硬件的空前的需求。
作为比较，20 世纪 90 年代技术驱动的生产力繁荣推动了相应的激增。增加对技术的资本支出导致了新的企业和业务的增加来捕获这些资本支出。在不可避免的行业整合发生之前，成立软件、硬件和网络公司开始发生转变。下图 13 突出了软件行业内的这种模式。在 1995 - 1999 年期间，在通货膨胀调整后，市
值在 20 亿美元到 50 亿美元之间的公共软件公司的数量几乎增加了两倍，在2000 年代中期才得到巩固。
图 13：伴随 20 世纪 90 年代生产力激增的驱动者生态系统（enabler
ecosystem）
图 14：这十年来，投资人工智能的风险资本出现了暴增我们看到了由 AI 驱动的生产率具有产生下一个相似的繁荣周期的潜力，可以通过利用这些潜力，把软件、硬件、数据和服务提供商作为商业投资来创造价值。如上图 14 所反映的那样，与 AI 相关的初创企业的风险投资在这十年中急剧增加。AI 企业投资的繁荣现象的巨大潜力也开始推动整合。尤其是云平台对AI 相关人才进行了大量投入，自 2014 年以来，谷歌、亚马逊、微软和Salesforce 共进行了 17 项与 AI 相关的收购（下图）。
在上下文中对 AI 和 ML 技术的发展和历史技术周期的比较中，我们看到了前者的一些益处。与过去 50 年的其他主要技术的周期一样，计算（和摩尔定律）一直是进步的抑制剂和推动者。
例如，在系统架构方面，我们目睹了从大型机系统转变为客户端-服务器模型的整个过程，并且近年来已经开始被云/移动模式所取代。这种进化的驱动因素是计算能力、存储容量和带宽的改进。每个转换都伴随着应用开发的转变，包括各种新编程语言的出现和演变（见图表 15）和各种可能的应用程序各种的类型。如上下文中所提及的一样，AI 这个概念已经存在几十年了，其中神经网络的概念出现在 20 世纪 60 年代，虽然直到最近几年，计算能力才开始让神经网络能在实际环境中使用。
我们相信我们正处于 AI 平台的早期阶段，就如同 20 世纪 50 年代大型机才开始商业化到 21 世纪的智能手机和云的商业化。随着平台曲线的变化（我们认为它正在发生），应用程序、工具和服务驱动者（enabler）会爆炸式增长，我们将在下面更详细地讨论。
图 15：人工智能的发展可以与历史上的系统架构和编程语言的采用的技术革命相比，尽管我们认为我们目前仍然处在人工智能发展和应用的早期阶段stack 的演变过程以及和 AI 之间的对应关系
蓝色 =专有供应商，橙色 =开源，绿色 =云服务（注意：一些供应商，如 IBM 和 Microsoft 都是专有服务和云服务）
图 17：生产中的机器学习：如何在机器学习管道中利用各种开源和云技术
图 18：机器学习管道中的关键开源项目。可用的项目\支持公司和风险投资
图表 20：人工智能即服务（AI-as-a-Service（AI-aaS））概览：机器学习API 正在被开发以解决水平和垂直使用案例
图表 21：水平 AI-aaS 产品和定价：来自云平台的 AI-aaS 产品示例中国人工智能现状
iResearch 预测，2020 年，中国人工智能市场将从 2015 年的 12 亿人民币增长至 91 亿人民币。2015 年，约 14 亿资本（年增长率 76%）流入了中国的人工智能市场。
在政府政策方面，中国的国家发展改革委员会（发改委）和其他相关政府机构于 2016 年 5 月 18 日发布了《「互联网+」人工智能三年行动实施方案》。《方案》指出了人工智能领域发展的六大保障措施，包括资金支持、标准体系、
知识产权保护、人才培养、国际合作和组织实施。《方案》提出，到 2018 年，中国的人工智能基础资源与创新平台、产业体系、创新服务体系、标准化体系应基本建立。发改委期望中国人工智能产业整体与国际同步，系统级别
（system-level）的人工智能技术和应用要位于市场领先位置。
中国已经做出一些重大举措，而且根据提及「深度学习」和「深度神经网络」的被引用期刊论文数量，2014 年，中国已经超越美国（Exhibit 23）。中国拥有世界领先的语音和视觉识别技术，其人工智能研究能力也令人印象深刻（Exhibit 24）。百度于 2015 年 11 月发布的 Deep Speech 2 已经能够达到 97% 的正确率，并被《麻省科技评论》评为 2016 年十大突破科技之一。另外，早在2014 年香港中文大学开发的 DeepID 系统就在 LFW 数据库中达到了 99.15%
的面目识别正确率。
未来科技五年人工智能行业产业发展趋势分析最新竟争力
未来科技五年人工智能行业产业发展趋势分析 最新竟争力 人工智能产业是智能产业发展的核心，是其他智能科技产品发展的基础，国内外的高科技公司以及风险投资机构纷纷布局人工智能产业链。以下对人工智能行业发展趋势分析。 中国和美国目前是全球人工智能产业发展的领导者，仅在2015年，两国在学术期刊上发表的AI相关论文接近1万篇，而英国、印度、德国和日本加起来才大约相当于中美的半数。2017-2022年中国人工智能项目行业市场深度调研及投资战略研究分析报告表明，中国有着全球最多的数据量，拥有巨大应用市场，正在围绕AI构建完善的产业生态链。我们有理由相信，AI将成为企业跨部门业务发展的“颠覆者”，渐趋成熟的AI技术正逐步向“AI+”进行转变。我国将在AI关键技术领域获得重大突破，推动关键场景应用逐步走向成熟。 趋势一政策体系加速完善 一直以来，我国高度重视人工智能技术创新和产业发展，当前随着全球人工智能产业的快速成长，一些主要发达国家纷纷出台人工智能相关战略文件，力争在新的科技浪潮中抢占制高、规避风险。美国、英国等相继出台了《国家人工智能研究和发展战略计划》等报告，不断完善人工智能顶层设计。我国也围绕《中国制造2025》和“互联网+”行动计划出台了一系列支持人工智能技术创新和产业发展的政策文件，如2016年5月由国家发改委、工信部等多部委联合发布的《“互联网+”人工智能三年行动实施方案》等。在国务院发布的《“十三五”国家战略性新兴产业发展规划》中，也提到要培育人工智能产业
生态，促进人工智能在经济社会重点领域推广应用。今年，我国人工智能产业发展的政策支撑力度有望进一步加强。一方面，借鉴美国、英国等的人工智能国家战略，预计我国也将发布聚焦于人工智能的国家战略文件，对未来人工智能技术和产业发展制定顶层设计。另一方面，科技部、国家发改委、工信部等相关部门也将有望发布人工智能相关的政策文件，从技术研发、产业培育等角度做出具体的部署，实施一批大型项目。此外，围绕标准、安全等特定议题，相关的政策研究与制定也将有望取得积极进展。 趋势二产业规模快速增长 自2006年深度学习算法提出以来，语音和视觉识别准确率得到大幅提升，人工智能进入到了第三次高峰期。当前，在技术突破和应用需求的双重驱动下，人工智能技术已走出实验室，加速向产业各个领域渗透，产业化水平大幅提升，人工智能产业发展正处在黄金期。根据初步测算，2016年，全球人工智能市场规模约为1680亿元，我国人工智能市场规模约为98亿元。今年，随着我国软件与互联网技术向各行各业的持续深入以及云计算、大数据、物联网等相关产业的不断进步，人工智能产业市场规模将持续扩大，预计人工智能及其相关产业发展增速将超过40%。从细分行业来看，语音服务相关技术和模型将趋于成熟，围绕智能语音的行业应用将不断加速，市场逐渐打开，成为人工智能产业发展的主要方向。图像处理等计算机视觉技术将随着训练数据的快速累积实现大的突破，而面向各个行业领域的专业化智能服务则将创造出新的市场空间，有望造就新的行业领军者。 趋势三关键技术取得突破
概要 人工智能是信息时代的尖端技术。从人类建立起需要指导操纵才能运行的计算机，到计算机拥有能够自己去学习的能力，这一飞跃对各行各业都产生了巨大的阻碍。尽管现在此刻可能是下一个 AI 冬季（图8）到来之前的「给予承诺又让人失望」的周期，但这些投资和新技术至少会给我们带来有形的机器学习生产力的经济利益。
与此同时，人工智能、机器人和无人驾驶汽车差不多成为了流行文化甚至是政治话语的前沿。而且我们在过去一年的研究使我们相信这不是一个错误的开始，而是一个拐点。正如我们将在本报告中探讨的那样，那个变化的缘故有显而易见的（更快更强的计算资源和爆炸式增长的数据库），也有细致入微（深度学习，专有硬件和开源的崛起）的。 那个 AI 拐点（AI inflection）中更令人兴奋的一个方面是「现实世界」的使用案例比比皆是。尽管深度学习使计算机视觉和自然语言处理等技术有了显著的提高，比如苹果公司的Siri，亚马逊的 Alexa 和 Google 的图像识不，然而 AI 不仅仅是「科技技术」（tech for tech），也确实是大数据集与足够强大的技术相结合的情况下，价值正在被慢慢创建，竞争优势也变得越来越明显。 例如，在医疗保健中，图像识不技术能够提高癌症诊断的准确性。在农业中，农民和种子生产商能够利用深度学习技术来提高作物产量。在制药业中，深度学习能够用于改善药物的研发。在能源方面，勘探效率正在提高，设备可用性正在不断增强。在金融服务方面，通过开发新的数据集，实现更快的分析，从而降低成本，提高回报。AI 现在还处于发觉其可被利用场景的早期时期，这些必要的技术会通过基于云的服务实现大众化、平等化，我们相信随之而来的创新浪潮将在每个行业中制造新的赢家和 输家。
人工智能实验报告大 全
人工智能课内实验报告 （8次） 学院：自动化学院 班级：智能1501 姓名：刘少鹏（34） 学号： 06153034 目录 课内实验1：猴子摘香蕉问题的VC编程实现 (1) 课内实验2：编程实现简单动物识别系统的知识表示 (5)
课内实验3：盲目搜索求解8数码问题 (18) 课内实验4：回溯算法求解四皇后问题 (33) 课内实验5：编程实现一字棋游戏 (37) 课内实验6：字句集消解实验 (46) 课内实验7：简单动物识别系统的产生式推理 (66) 课内实验8：编程实现D-S证据推理算法 (78)
人工智能课内实验报告实验1：猴子摘香蕉问题的VC编程实现 学院：自动化学院 班级：智能1501 姓名：刘少鹏（33） 学号： 06153034 日期： 2017-3-8 10:15-12:00
实验1：猴子摘香蕉问题的VC编程实现 一、实验目的 （1）熟悉谓词逻辑表示法； （2）掌握人工智能谓词逻辑中的经典例子——猴子摘香蕉问题的编程实现。 二、编程环境 VC语言 三、问题描述 房子里有一只猴子（即机器人），位于a处。在c处上方的天花板上有一串香蕉，猴子想吃，但摘不到。房间的b处还有一个箱子，如果猴子站到箱子上，就可以摸着天花板。如图1所示，对于上述问题，可以通过谓词逻辑表示法来描述知识。要求通过VC语言编程实现猴子摘香蕉问题的求解过程。 图1 猴子摘香蕉问题
四、源代码 #include
（此文档为Word格式，下载后可以任意编辑修改！）试卷装订封面 人工智能期末考试卷（1） 一、填空题（每空1分，共10分）
1智能具有五个特征，分别为① 学习能力、自适应能力、 ②记忆与思维能力、表达能力和感知能力。 2. 机器的③ 感知能力是让机器自动获取知识的基本条件，而知识的自动 获取一直是智能系统研究中最困难的问题之一。 3?从研究的角度不同，对人工智能的研究可分两大阵营：④ 联接和 ⑤符号。其中⑤符号的理论基础为数理逻辑。 4. ⑥问题规约方法是一种将复杂问题变换为比较简单的子问题，子问题再转换为更简单的 子问题，最终将问题转换为对本原问题的知识表示方法。 5. 鲁宾逊提出了⑦归结原理使机器定理证明成为可能。 6. 当某个算符被认为是问题求解的决定步骤时，此算符为⑧关键算符。 7. 宽度优先搜索与深度优先搜索方法的一个致命的缺点是当问题比较复杂是可 能会发生⑨组合爆炸。 8. 语义网络⑩方法是1968年由J.R.Quilian 在研究人类联想记忆时提出的心 理学模型。1972年，Simon首先将⑩用于自然语言理解系统。 二、简答题（共30分） 1. 什么是A*算法的可纳性？（4分） 答：在搜索图存在从初始状态节点到目标状态节点解答路径的情况下，若一个搜索法总能找 到最短（代价最小）的解答路径，则称算法具有可采纳性。 2. 在一般图搜索算法中，当对某一个节点n进行扩展时，n的后继节点可 分为三类，请举例说明对这三类节点的不同的处理方法。（8分） 答： 把SNS中的子节点分为三类：（1）全新节点，（2）已出现于OPEN表的节点，（3 ）已 出现于CLOSE表的节点；/后二类子节点实际上意味着具有新老两个父节点；（3分）*加第1类子节点于OPEN表，并建立从子节点到父节点n的指；（1分） *比较第2类子节点经由新、老父节点到达初始状态节点s的路径代价，若经由新父节点的代价较小，则移动子节点指向新父节点（2分） ?对于第3类子节点作与第2类同样的处理，并把这些子节点从CLOSE 表中移出，重新加入OPEN表；（2分） 3. 请简述不确定性推理的含义。（4分） 是一种从不确定的初始证据出发，通过运用不确定性知识，最终推出具有一定程度的不确定 性但却有是合理或基本合理的结论的推理过程。 4. 若S={P（x）V Q（f（x））「P（a）, n Q（y）}，请画出与该子句集对应的语义树， 为什么可以用封闭语义树来判定子句集的不可满足性？（14分） 答：H={a,f（a）,f（f（a））, ……}（1 分）
（发展战略）人工智能的状态及今后发展方向展望
人工智能的现状及今后发展趋势展望 壹．引言 人工智能(ArtificialIntelligence),英文缩写为AI，也称机器智能。“人工智能”壹词最初是于1956年的Dartmouth学会上提出的。它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的壹门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造智能机器或智能系统来模拟人类智能活动的能力，以延伸人们智能的科学。 二．目前人工智能技术的研究和发展情况 目前，人工智能技术于美国、欧洲和日本依然飞速发展。于AI技术领域十分活跃的IBMXX公司，已经为加州劳伦斯·利佛摩尔国家实验室制造了ASCIWhite电脑，号称具有人脑的千分之壹的智力能力。而正于开发的更为强大的新超级电脑———“蓝色牛仔”（BlueJean），据其研究主任保罗·霍恩称，“蓝色牛仔”的智力水平将大致和人脑相当。 三．技术应用 随着AI技术的发展，现代几乎各种技术的发展均涉及到了人工智能技术，能够说人工智能已经广泛应用到许多领域，其典型的应用包括： 1符号计算 计算机最主要的用途之壹就是科学计算,科学计算可分为俩类:壹类是纯数值的计算,例如求函数的值;另壹类是符号计算,又称代数运算,这是壹种智能化的计算,处理的是符号。符号能够代表整数、有理数、实数和复数,也能够代表多项式、函数、集合等。随着计算机的普及和人工智能的发展,相继出现了多种功能齐全的计算机代数系统软件,其中Mathematic和Maple是它们的代表。由于它们均是用
C语言写成的,所以能够于绝大多数计算机上使用。 2模式识别 模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。这里,我们把环境和客体统称为“模式”。用计算机实现模式（文字、声音、人物、物体等）的自动识别，是开发智能机器的壹个关键的突破口，也为人类认识自身智能提供线索。计算机识别的显著特点是速度快、准确性和效率高。识别过程和人类的学习过程相似，以“语音识别”为例：语音识别就是让计算机能听懂人说的话，壹个重要的例子就是七国语言（英、日、意、韩、法、德、中）口语自动翻译系统。该系统实现后，人们出国预定旅馆、购买机票、于餐馆对话和兑换外币时，只要利用电话网络和国际互联网，就可用手机、电话等和“老外”通话。3机器翻译 机器翻译是利用计算机把壹种自然语言转变成另壹种自然语言的过程，用以完成这壹过程的软件系统叫做机器翻译系统。搜文网目前，国内的机器翻译软件不下百种，根据这些软件的翻译特点，大致能够分为三大类：词典翻译类、汉化翻译类和专业翻译类。词典类翻译软件的代表是“金山词霸”，堪称是多快好省的电子词典，它能够迅速查询英文单词或词组的词义且提供单词的发音，为用户了解单词或词组含义提供了极大的便利。汉化翻译软件的典型代表是“东方快车2000”，它首先提出了“智能汉化”的概念，使翻译软件的辅助翻译作用更加明显。 4机器学习 机器学习是机器具有智能的重要标志，同时也是机器获取知识的根本途径。有人认为，壹个计算机系统如果不具备学习功能，就不能称其为智能系统。机器
实验四有限状态机实验 实验报告 一、实验目的 通过蚂蚁世界实验掌握游戏中追有限状态机算法 二、实验仪器 Windows7系统 Microsoft Visual Studio2015 三、实验原理及过程 1）制作菜单 设置参数：点击会弹出对话框，设置一些参数，红、黑蚂蚁的家会在地图上标记出来 运行：设置好参数后点击运行，毒药、食物、水会在地图上随机显示 下一步：2只红蚂蚁和2只黑蚂蚁会随机出现在地图上，窗口右方还会出现红、黑蚂蚁当前数量的统计 不断按下一步，有限状态机就会不断运行，使蚁群产生变化 2）添加加速键 资源视图中 下方
选择ID和键值 3）新建头文件def.h 在AntView.cpp中加入#include"def.h" 与本实验有关的数据大都是在这里定义的 int flag=0; #define kForage 1 #define kGoHome 2 #define kThirsty 3 #define kDead 4 #define kMaxEntities 200 class ai_Entity{ public: int type; int state; int row; int col; ai_Entity(); ~ai_Entity() {} void New (int theType,int theState,int theRow,int theCol); void Forage(); void GoHome(); void Thirsty(); void Dead(); }; ai_Entity entityList[kMaxEntities]; #define kRedAnt 1 #define kBlackAnt 2
XXXX2017至2018 学年第 1 学期 《人工智能技术》 课程考试（ A ）卷 计科 系 级 专业 学号 姓名 一、选择题：（2分×10=20分） 1． 人工智能AI 的英文全称（ ）最早于1956年在达特茅斯会议上被提出。这是历史上第一次人工智能研讨会，也被广泛认为是人工智能诞生的标志。 A ．Automatic Intelligence B ．Artifical Intelligence C ．Automatice Information D ．Artifical Information 2． 所谓不确定性推理是从（ ）的初始证据出发，通过运用（ ）的知识，最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论的思维过程。 A ．不确定性，确定性 B ．确定性，确定性 C ．确定性，不确定性 D ．不确定性，不确定性 3． 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（ ）。 A ．概率推理 B ．神经网络 C ．机器学习 D ．智能搜索 4． 下面几种搜索算法中，不完备的搜索算法是（ ）。 A ．广度优先搜索 B ．A*搜索 C ．迭代深入深度优先搜索 D ．贪婪搜索 5． 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 ．模拟、延伸和扩展人的智能 B ．和人一样工作 C ．完全代替人的大脑 D ．具有智能 6．在一个监督学习问题f:x →y 中，输出y 的值域是连续的，例如实数集R ，那么这是一个（ ）问题。 A ．分类 B ．聚类 C ．回归 D ．降维 装 订 线
中国人工智能行业发展现状分析及投资前景预测 在东西方神话中，上古「智人」通过各种方法制造「人类」这一物种并赋予其智能；而到了中世纪的欧洲，古典哲学家们尝试着用机械符号处理的观点解释人类大脑的活动；直到20世纪40年代，来自数学，心理学，工程学，经济学和哲学等领域的一批科学家们基于抽象数学推理的可编程数字计算机的发明使得智能大脑出现的可能性被广泛探讨。 1950年，Marvin Minsky和Dean Edmonds建造了世界上第一台神经网络计算SNARC （Stochastic Neural Analog Reinforcement Calculator），它通过使用3000个真空管和B-24轰炸机上的自动指示装置模拟了40个神经元而组成神经网络。 同期，被誉为「计算机科学之父」的AlanT uring在Mind上发表论文，第一次提出机器智能设想。虽然未提到具体的研究方法，但论文中提到的「图灵测试」、「机器学习」、「遗传算法」和「强化学习」等理论也在日后成为了人工智能领域重要的分支。 图灵的计算理论认为任何形式的计算均可被数字信号描述，这也为人工智能的后续实践提供了理论基础。 随后的1956年，在MarvinMinsky连同ClaudeShannon和NathanRochester一起组织的Dartmouth会议上，「人工智能」这个概念首次被提出并开启了西方「人工智能」科学长达半个多世纪的高速发展。 在中国，关于「人工智能」的研究和探讨在70年代末被解禁后又不适时地与「特异功能」联系在一起而停滞不前，直到80年代初期随着技术和思想的不断进步才取得实质性进步。 而今，全球共有近千家人工智能公司遍及62个国家的十余个产业，国内涉及人工智能领域的公司也早已破百。 除了「机器学习」、「模式识别」和「神经网络」这些晦涩的词汇和各种层出不穷的借势营销，这个看似离我们越来越近的市场却在「互联网玄学」的外衣下显得愈发迷雾重重。 一、国内人工智能产业链解构 「基础技术」、「人工智能技术」和「人工智能应用」构成了人工智能产业链的三个核心环节，我们将主要从这三个方面对国内人工智能产业进行梳理，并对其中的「人工智能应用」进行重点解构。 （一）基础技术提供平台 人工智能的基础技术主要依赖于大数据管理和云计算技术，经过近几年的发展，国内大数据管理和云计算技术已从一个崭新的领域逐步转变为大众化服务的基础平台。而依据服务性质的不同，这些平台主要集中于三个服务层面，即「基础设施即服务（IaaS）」、「平台即服务（PaaS）」和「软件即服务（SaaS）」。
人工智能的现状及今后发展趋势展望 一．引言 人工智能(Artificial Intelligence),英文缩写为AI，也称机器智能。“人工智能”一词最初是在1956年的Dartmouth学会上提出的。它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造智能机器或智能系统来模拟人类智能活动的能力，以延伸人们智能的科学。 二．目前人工智能技术的研究和发展状况 目前，人工智能技术在美国、欧洲和日本依然飞速发展。在AI技术领域十分活跃的IBM公司，已经为加州劳伦斯·利佛摩尔国家实验室制造了ASCI White电脑，号称具有人脑的千分之一的智力能力。而正在开发的更为强大的新超级电脑———“蓝色牛仔”（Blue Jean），据其研究主任保罗·霍恩称，“蓝色牛仔”的智力水平将大致与人脑相当。 三．技术应用 随着AI技术的发展，现代几乎各种技术的发展都涉及到了人工智能技术，可以说人工智能已经广泛应用到许多领域，其典型的应用包括： 1符号计算 计算机最主要的用途之一就是科学计算,科学计算可分为两类:一类是纯数值的计算,例如求函数的值;另一类是符号计算,又称代数运算,这是一种智能化的计算,处理的是符号。符号可以代表整数、有理数、实数和复数,也可以代表多项式、函数、集合等。随着计算机的普及和人工智能的发展,相继出现了多种功能齐全的计算机代数系统软件,其中Mathematic和Maple是它们的代表。由于它们都是用C语言写成的,所以可以在绝大多数计算机上使用。 2模式识别 模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。这里,我们把环境与客体统称为“模式”。用计算机实现模式（文字、声音、人物、物体等）的自动识别，是开发智能机器的一个关键的突破口，也为人类认识自身智能提供线索。计算机识别的显著特点是速度快、准确性和效率高。识别过程与
2019年中国人工智能行业市场现状及发展前景分析未来智 能制造将成为行业主战场 未来智能制造将是人工智能的主战场 国家工业信息安全发展研究中心认为，目前我国人工智能和制造业融合有着广泛的基础，智能制造是“中国制造2025”的主攻方向，而人工智能是引领新一轮科技革命和产业变革的战略性技术。但新一代人工智能技术在制造业重点领域的应用刚刚起步，人工智能与制造业的融合尚处于初级阶段，未来智能制造将是人工智能的主战场。 1、人工智能+制造业创造新业态 目前中国人工人工智能迈向了2.0阶段，以通过互联网联系在一起的一套巨大的智能系统为标志。从智能制造业角度出发，人工智能技术正在深入改造制造行业。新一代人工智能技术与制造业实体经济的深度融合，成为应用市场一大亮点，催生了智能装备、智能工厂、智能服务等应用场景，创造出自动化的一些新需求、新产业、新业态。
2、政策春风利好工智能发展 2017年，人工智能被首次写入到政府工作报告中，2018年政府工作报告中提出：“发展壮大新动能，做大做强新兴产业集群，实施大数据发展行动，加强新一代人工智能研发应用，在医疗、养老、教育、文化、体育等多领域推进‘互联网+’。发展智能产业，拓展智能生活。”，2019年的政府工作报告中，对人工智能的描述也由“加快人工智能等技术研发和转化”、“加强新一代人工智能研发应用”变为“深化大数据、人工智能等研发应用”，可见在国家层面上，对人工智能产业的重视程度日益加深。 3、2018年中国人工智能产业规模超400亿 在政策和技术的推动下，中国人工智能产业发展迅速。跟据中国信通院数据，2015年到2018年中国人工智能产业规模复合平均增长率为54.6%，高于全球平均水平(约36%)。2018年，中国人工智能产业市场规模已达到415.5亿元。其中，企业技术集成与方案提供、关键技术研发和应用平台两个应用领域据发展火热。
人工智能课内实验报告 （8次） 学院：自动化学院 班级：智能1501 姓名：刘少鹏（34） 学号： 06153034
目录 课内实验1：猴子摘香蕉问题的VC编程实现 (1) 课内实验2：编程实现简单动物识别系统的知识表示 (5) 课内实验3：盲目搜索求解8数码问题 (18) 课内实验4：回溯算法求解四皇后问题 (33) 课内实验5：编程实现一字棋游戏 (37) 课内实验6：字句集消解实验 (46) 课内实验7：简单动物识别系统的产生式推理 (66) 课内实验8：编程实现D-S证据推理算法 (78)
人工智能课内实验报告实验1：猴子摘香蕉问题的VC编程实现 学院：自动化学院 班级：智能1501 姓名：刘少鹏（33） 学号： 06153034 日期： 2017-3-8 10:15-12:00
实验1：猴子摘香蕉问题的VC编程实现 一、实验目的 （1）熟悉谓词逻辑表示法； （2）掌握人工智能谓词逻辑中的经典例子——猴子摘香蕉问题的编程实现。 二、编程环境 VC语言 三、问题描述 房子里有一只猴子（即机器人），位于a处。在c处上方的天花板上有一串香蕉，猴子想吃，但摘不到。房间的b处还有一个箱子，如果猴子站到箱子上，就可以摸着天花板。如图1所示，对于上述问题，可以通过谓词逻辑表示法来描述知识。要求通过VC语言编程实现猴子摘香蕉问题的求解过程。 图1 猴子摘香蕉问题 四、源代码 #include
人工智能未来发展前景展望 ：磊(10计本) 学号： 长久以来，人工智能对于普通人来说是那样的可望而不可及，然而它却吸引了无数研究人员为之奉献才智，从美国的麻省理工学院(M ＩＴ)、卡基-梅隆大学(CＭＵ)到IＢＭ公司，再到日本的本田公司、ＳＯＮＹ公司以及国的清华大学、中科院等科研院所，全世界的实验室都在进行着ＡＩ技术的实验。不久前，著名导演斯蒂文·斯皮尔伯格还将这一主题搬上了银幕，科幻片《人工智能》(ＡＩ)对许多人的头脑又一次产生了震动，引起了一些人士了解并探索人工智能领域的兴趣。 （一）、人工智能的定义 人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。 “智能”1是一个宽泛的概念。智能是人类具有的特征之一。Intelegere是从中进行选择，进而理解、领悟和认识。正如帕梅拉·麦考达克在《机器思维》(machines who thinks,1979)中所提出的: 在1"智能"源于拉丁语legere，字面意思是采集(特别是果实)、收集、汇集，并由此进行选择，形成一个东西。
复杂的机械装置与智能之间存在长期的联系。从几个世纪前出现的神话般的巨钟和机械自动机开始，人们已对机器操作的复杂性与自身的某些智能活动进行直观联系。经过几个世纪之后，新技术已使我们所建立的机器的复杂性大为提高。1936年，24岁的英国数学家图灵 i(Turing)提出了"自动机"理论，把研究会思维的机器和计算机的工作大大向前推进了一步，他也因此被称为"人工智能之父"。 人工智能领域的研究是从1956年正式开始的，这一年在达特茅斯大学召开的会议上正式使用了"人工智能"(artificial intelligence，AI)这个术语。随后的几十年中，人们从问题求解、逻辑推理与定理证明、自然语言理解、博弈、自动程序设计、专家系统、学习以及机器人学等多个角度展开了研究，已经建立了一些具有不同程度人工智能的计算机系统，例如能够求解微分方程、设计分析集成电路、合成人类自然语言，而进行情报检索，提供语音识别、手写体识别的多模式接口，应用于疾病诊断的专家系统以及控制太空飞行器和水下机器人更加贴近我们的生活。我们熟知的IBM的"深蓝"在棋盘上击败了国际象棋大师卡斯帕罗夫就是比较突出的例子。 当然，人工智能的发展也并不是一帆风顺的，也曾因计算机计算能力的限制无法模仿人脑的思考以及与实际需求的差距过远而走入低谷，但是随着硬件和软件的发展，计算机的运算能力在以指数级增长，同时网络技术蓬勃兴起，确保计算机已经具备了足够的条件来运
（二零一二年十二月） 2020-2025年中国人工智能行业市场突围战略研究报告 可落地执行的实战解决方案 让每个人都能成为 战略专家 管理专家 行业专家 ……
报告目录 第一章企业市场突围战略概述 (6) 第一节研究报告简介 (6) 第二节研究原则与方法 (6) 一、研究原则 (6) 二、研究方法 (7) 第三节研究企业市场突围战略的意义 (9) 第二章市场调研：2019-2020年中国人工智能行业市场深度调研 (10) 第一节人工智能走向产业应用 (10) 一、人工智能行业图谱 (10) 二、人工智能的商业模式 (12) 第二节人工智能助力企业数字化转型 (13) 一、人工智能价值创造的三个层次 (13) 二、人工智能助力企业业务智能化 (14) 第三节2019-2020年人工智能行业发展情况分析 (15) 一、美国规定10项AI监管原则 (16) 二、发展人工智能各国争先 (16) 三、人工智能以人为本 (18) 四、2019年人工智能发展的热点透视 (18) 五、人工智能将在回归理性中走向新的飞跃 (23) 第四节2020年人工智能行业发展展望 (25) 一、2020年形势的基本判断 (26) （一）从产业链建设看 (26) （二）从政策推动来看 (26) （三）从投融资情况看 (26) （四）从外部形势看 (27) 二、2020年新一代人工智能将围绕五大方向持续攻关 (27) 三、需要关注的几个问题 (28) （一）我国人工智能领域的基础创新投入严重不足 (28) （二）我国人工智能产业的算力算法核心基础相对薄弱 (28) （三）以算法战、深度伪造为代表的人工智能技术滥用给经济社会带来严重负面影响 (29) 四、应采取的对策建议 (29) （一）以算力为核心加强人工智能基础能力建设 (29) （二）体系化梳理我国人工智能产业供应链现状 (29) （三）推动国内人工智能企业加快开拓国内外应用市场并提升出海抗风险能力 (29) （四）在国际社会上提出发展“负责任的人工智能” (29) 第五节全球主要经济体人工智能发展战略 (30) 一、美国：政府高度重视，旨在继续“全面领先” (30) 二、欧盟：伦理价值观引领，协同合作推进战略 (32) 三、英国：积极推动产业创新发展 (33) 四、德国：借势工业4.0打造国家品牌 (34) 五、日本：以人工智能构建“超智能社会” (35)
一、选择题答案1、A2、A 二、填空题答案 1、基于规则的正向演绎系统使用的条件是（1）事实表达式是任意形式（2）规则形式为L→W或L1∨L2→W，其中L为单文字，W为任意形（3）目标公式为文字析取形 2、基于规则的逆向演绎系统使用的条件是（1）事实表达式是文字合取形（2）规则形式为W→L 或W→L1∧L2 ，其中L为单文字，W为任意形（3）目标公式为任意形式 3、归结法中，可以通过修改证明树的方法得到问题的解答。 三、问答题答案 第1题答：
得解图：
第2题 第3题 答：综合数据库： (m1, m5, m9, b) 设从河的左岸到右岸，其中m1, m5,m9分别表示过河时间需要1分钟，5分钟和9分钟的人，在河左岸的人数。b＝1表示船在左岸，b＝0表示船在右岸。规则集： 初始状态：(2, 1, 1, 1) 结束状态：(0, 0, 0, 0) h函数：h(n) = m - b，其中m为在左岸的人数，b为船是否在左岸。 对于任意两个节点ni和nj，其中nj是ni的子节点。 当ni中b＝1时，则nj中b＝0，因此：max(h(ni)-h(j))=(m-1)-(m-1)=0, 而C(ni, nj)最小为1， 因此h(ni)-h(nj) 因此该h函数满足单调性条件。所以h满足A*条件。 第4题 答：对事实和规则进行skolem化： （1）(s) ~P(a) （2）(s)(P(g(s))) P(g(s)) （3）(x)(s)(y)((P(s)∧Q(b，x，s))→H(y) (P(s)∧Q(b，c，s))→H(f(s)) （4）(x)(s)(Q(b，x，s)→Q(b，x，g(s))) Q(b，x，s)→Q(b，x，g(s)) （5）(x)(s)(y)(~P(s)→Q(b，x，y)) ~P(s)→Q(b，x，h(x, s)) 经变量换名后，有事实和规则如下： ~P(a) P(g(s1)) r1: (P(s2)∧Q(b，c，s2))→H(f(s2)) r2: Q(b，x3，s3)→Q(b，x3，g(s3)) r3: ~P(s4)→Q(b，x4，h(x4, s4)) 用对偶形式对目标skolem 化： (x)H(x) H(x) 演绎图如下图(这里只给出了一个一致解图)。 一、人工智能的内涵及分类 （一）人工智能的内涵 人工智能（Artificial Intelligence，简称AI）是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。人工智能是计算机学科的一个分支，既被称为20世纪世界三大尖端科技之一（空间技术、能源技术、人工智能），也被认为是21世纪三大尖端技术之一（基因工程、纳米科学、人工智能）。人工智能被发达国家视为人类的最后科学尖端，科研领域皇冠上的明珠。 （二）人工智能的分类 人工智能的概念很宽泛，按照人工智能的实力可分为三大类： 1、弱人工智能：在特定领域等同或者超过人类智能或效率的机器智能。 2、强人工智能：各方面都能和人类比肩的人工智能。 3、超人工智能：在包括科学创新、通识和社交技能等各个领域都超越人类的人工智能。 人工智能的革命就是从弱人工智能，通过强人工智能，最终达到超人工智能的过程。目前人类已经掌握弱人工智能，生活中弱人工智能无处不在，比如Siri、垃圾邮件过滤器、谷歌翻译、电商网站上的商品推送、谷歌无人驾驶汽车等等。 人脑与电脑的最大差别在于，一些我们认为困难的事情，如微积分、金融市场策略、翻译等，对于电脑来说都十分容易；但一些人类认为容易的事情，如视觉、动态、移动、直觉，对于电脑来说却是十分困难。而要达到人类级别的智能，电脑必须要理解更高深的东西，比如微小的脸部表情变化，以为为什么喜欢这个而不喜欢那个，要达到这样的水平首先在硬件方便要增加电脑处理速度，其次在软件方面要让电脑变得智能。 美国发明家、未来学家Kurzweil估算出人脑的运算能力是10^16 cps（calculations per second，每秒计算次数，描述运算能力的单位），即1亿亿次计算每秒。现在世界上最快的超级计算机，中国的天河二号，运行能力已达到3.4亿亿次，已经超过人脑，但由于其成本高、规模大、功耗高，使其并不能够被商业及广泛运用。Kurzweil认为考虑电脑发展程度的标杆是看1000美元能买到多少cps，当1000美元能买到人脑级别的1亿亿运算能力的时候，强人工智能就成为生活的一部分。而目前1000美元能买到10万亿cps（人脑的千分之一），根据加速回报定律，科技的进步将呈指数型增长，按照这个速度，到2025年1000美元就可以买到和人脑运算速度抗衡的电脑了。 二、人工智能的产业链分析 从发展路径及阶段上看，实现人工智能需经历三个阶段：计算智能（能存会算）、感知智能（能听会说、能看会认）和认知智能（能理解会思考）。 实验报告 1.对CLIPS和其运行及推理机制进行介绍 CLIPS是一个基于前向推理语言，用标准C语言编写。它具有高移植性、高扩展性、 强大的知识表达能力和编程方式以及低成本等特点。 CLIPS由两部分组成：知识库、推理机。它的基本语法是： (defmodule< module-n ame >[< comme nt >]) CLIPS的基本结构： （1）.知识库由事实库（初始事实+初始对象实例）和规则库组成。 事实库： 表示已知的数据或信息，用deftemplat，deffact定义初始事实表FACTLIS，由关系名、后跟 零个或多个槽以及它们的相关值组成，其格式如下： 模板： （deftemplate 一单项选择题（每小题2分，共10分） 1.首次提出“人工智能”是在（D ）年 A.1946 B.1960 C.1916 D.1956 2. 人工智能应用研究的两个最重要最广泛领域为：B A.专家系统、自动规划 B. 专家系统、机器学习 C. 机器学习、智能控制 D. 机器学习、自然语言理解 3. 下列不是知识表示法的是 A 。 A：计算机表示法B：“与/或”图表示法 C：状态空间表示法D：产生式规则表示法 4. 下列关于不确定性知识描述错误的是 C 。 A：不确定性知识是不可以精确表示的 B：专家知识通常属于不确定性知识 C：不确定性知识是经过处理过的知识 D：不确定性知识的事实与结论的关系不是简单的“是”或“不是”。 5. 下图是一个迷宫，S0是入口，S g是出口，把入口作为初始节点，出口作为目标节点，通道作为分支，画出从入口S0出发，寻找出口Sg的状态树。根据深度优先搜索方法搜索的路径是 C 。 A：s0-s4-s5-s6-s9-sg B：s0-s4-s1-s2-s3-s6-s9-sg C：s0-s4-s1-s2-s3-s5-s6-s8-s9-sg D：s0-s4-s7-s5-s6-s9-sg 二填空题（每空2分，共20分） 1.目前人工智能的主要学派有三家：符号主义、进化主义和连接主义。 2. 问题的状态空间包含三种说明的集合，初始状态集合S 、操作符集合F以及目标状态集合G 。 3、启发式搜索中，利用一些线索来帮助足迹选择搜索方向，这些线索称为启发式(Heuristic)信息。 4、计算智能是人工智能研究的新内容，涉及神经计算、模糊计算和进化计算等。 5、不确定性推理主要有两种不确定性，即关于结论的不确定性和关于证据的不确 定性。 三名称解释（每词4分，共20分） 人工智能专家系统遗传算法机器学习数据挖掘 一、单选题 1.AlphaZero训练（）击败日本将棋程序。（3.0分） A.2小时 B.4小时 C.8小时 D.24小时 我的答案：D ×答错 2.《人工智能：未来决策的机遇与影响》，这是下列哪个国家发布的报告？（ 3.0分） A.美国 B.日本 C.德国 D.英国 我的答案：D √答对 3.DQN在49种Atari视频/像素游戏中，（）达到乃至超过人类职业选手的水平，以智商比喻，远超人类。（3.0分） A.9种 B.19种 C.29种 D.39种 我的答案：C √答对 4.Google Waymo于（）10月在美国凤凰城Chandler镇100平方英里范围内，对500辆L4自动驾驶汽车进行社会公测，这是Waymo自动驾驶商业化落地的前奏。（3.0分） A.2014年 B.2015年 C.2016年 D.2017年 我的答案：D √答对 5.IBM超级电脑程序“深蓝”，于（）击败了国际象棋大师加里·卡斯帕罗夫。（3.0分） A.1996年 B.1997年 C.1998年 D.1999年 我的答案：B √答对 6.智能音箱Echo是下列哪家企业推出的产品？（3.0分） A.亚马逊 B.百度 C.阿里巴巴 D.小米 我的答案：A √答对 7.邓志东教授预测，（）是无人驾驶汽车元年。（3.0分） A.2020年 B.2021年 C.2022年 D.2023年 我的答案：B √答对 8.国务院是在哪一年印发《新一代人工智能发展规划》的？（3.0分） A.2015年 B.2016年 C.2017年 D.2018年 我的答案：C √答对 9.在人工智能速记领域，2016年10月17日，（）的语音识别系统实现了5.9％的词错率。（3.0分） A.科大讯飞 B.惠普 C.英特尔 D.微软 我的答案：D ×答错 10.IBM的自动问答系统，于（）2月在美国最受欢迎的智力竞答电视节目《危险边缘》中战胜了人类冠军。（3.0分） A.2011年 B.2012年 C.2013年 D.2014年 我的答案：A √答对 二、多选题 1.中国人工智能产业发展的短板包括（）。（4.0分）） A.原始创新能力不足 B.投资界过于追求短线逐利 C.体制机制障碍 D.缺乏高端基础性研究人才和AI工程开发人才 我的答案：ABCD √答对 2.根据邓志东教授所讲，AlphaGo如何进行学习？（4.0分）） A.深度监督学习 B.深度强化学习 C.大数据 D.TPU 我的答案：AB ×答错 3.下列哪些行业未来可以通过人工智能实现自动化？（ 4.0分）） A.传统制造业 B.长途运输 C./物流运输行业 D.翻译 我的答案：ABCD √答对 4.智能音箱Echo基于语音助手Alexa可以实现（）、外卖预定等服务。（4.0分）） A.音乐播放 B.新闻搜索人工智能行业发展前景展望及市场规模预测
人工智能实验报告
最新人工智能期末试题及答案完整版(最新)
全球人工智能产业发展和趋势(下)试卷
相关主题
文本预览