國考的人工智能題型構成為：3道選擇、3道簡答和1道證明題；
分值：選擇3分每道 + 簡答4分每道 + 證明題9分 = 30分；
證明題9分必考原題，選擇題9分也基本是這些里面的原題，相當于送18分；
簡答題3道12分，都是主觀題，暫時只整理了少部分答案（非標準），而且人工智能學科也一直在發(fā)展，所以沒有所謂意義上的標準答案，文中的答案起到參考作用，每年的考題內容也類似；
綜合以上，刷幾遍選擇題，掌握了證明題，再稍微理解一下簡答題，25+的分數就穩(wěn)了。

選擇題

1.使用神經網來求得分類問題的解，常使用的方法首先是通過（ B ）來實現的
A. 增加神經網的層次
B. 調整神經網的權值
C. 增加神經網的輸入節(jié)點

2.非單調推理是針對（ B ）而提出的一種推理方法
A. 知識獲取
B. 知識不完全
C. 規(guī)則表示不規(guī)范

3.本體（ontology）是一種（ C ）
A. 實例學習算法
B. 非單調推理方法
C. 概念間關系的知識表示方法

4.人工智能優(yōu)化算法是為了盡力求得（ C ）解。
A. 全局最優(yōu)
B. 局部最優(yōu)
C. 滿意

5.框架是一種（ A ）方式。
A. 知識表示
B. 推理

6.BP網絡很可能趨于（ A ）函數。
A. 任一連續(xù)
B. 任一
C. 任一離散

7.XXX神經元構成的簡單的神經網絡為感知器，它不能實現（ C ）。
A. “與”運算
B. “或”運算
C. “異或”運算

8.建立基于案例推理系統(tǒng)，主要花費在于（ A ）
A. 案例庫
B. 推理機
C. 程序

9.構建一個多層神經網絡，可實現逼近一個任意的（ A ）。
A. 函數
B. 連續(xù)函數
C. 只有有限個間斷點的連續(xù)函數

10.支持向量機SVM是一種（ A ）算法。
A. 小樣本下的統(tǒng)計機器學習
B. 大樣本下的統(tǒng)計機器學習
C. 大樣本下的實例機器學習

11.非單調推理是由于處理（ B ）問題提出來的。
A. 邏輯矛盾
B. 知識不完全
C. 知識表

12.在MYCIN專家系統(tǒng)中，已知證據（事實）A和B的不確定性度量分別為CF(A)=0.3和CF(B)=0.5，那么證據A^B 的不確定性度量CF(A^B)=（ B ）。
A. 0.5
B. 0.3
C. 0.15

13.啟發(fā)式搜索是使用（ C ）的一種搜索方法。
A. 深度優(yōu)先策略
B. 廣度優(yōu)先策略
C. 經驗知識

14.建造專家系統(tǒng)常使用依（ C ）的推理方法。
A. 證據理論
B. 概率知識
C. 產生式規(guī)則匹配

15.專家系統(tǒng)知識的規(guī)則表示是（ A ）的一類知識表示方法。
A. 知識庫改變時，原推理程序不需改變
B. 知識庫改變時，原推理程序需隨之改變
C. 知識庫改變時，原推理程序可能改變

16.本體（ontology）是一種（ C ）
A. 推理方法
B. 產生式系統(tǒng)的另一種表示方法
C. 概念和概念間關系的表示方法

17.百度、谷歌的知識問答系統(tǒng)，所使用的主要技術是（ C ）。
A. 知識推理方法
B. 自然語言的語義理解
C. 簡單的模式匹配方法

18.A*算法是一種（ C ）。
A. 深度優(yōu)先搜索算法
B. 廣度優(yōu)先搜索算法
C. 可求得最優(yōu)解的圖搜索算法

19.使用神經網來求解問題，常用的方法是通過（ B ）來達到。
A. 增減神經網絡的層次
B. 調整神經網的連接權值
C. 增減輸入節(jié)點

20.啟發(fā)式搜索是一種尋求問題（ C ）的方法。
A. 最優(yōu)解
B. 一般通用解
C. 滿意解

21.基于案例（case）的推理是歸結推理方法的一種特例嗎？（ B ）
A. 是
B. 不是

22.腳本（script）方法是一種結構化的推理方法嗎？（ B ）
A. 是
B. 不是

23.不確定性推理是一種概率意義下的推理方法嗎？（ A ）
A. 是
B. 不是

24.神經網絡求解問題的過程中，（ B ）陷入局部極值點。
A. 不可能
B. 可能
C. 必然

25.提出非單調推理是由于（ B ）。
A. 處理邏輯矛盾
B. 知識不完全
C. 知識表示方法

26.建造專家系統(tǒng)的主要花費在于（ B ）。
A. 建立推理機制
B. 收集知識建知識庫
C. 程序設計

27.采用單元歸結策略的歸結方法是（ A ）。
A. 不完備的
B. 完備的
C. 不一定

28.使用神經網絡來求得分類問題的解，實際常用的手法是通過（ B ）來達到。
A. 增減神經網絡的層數
B. 調整神經網絡的連接權值
C. 增減輸入節(jié)點

29.本體（ontology）是一種（ C ）
A. 推理方法
B. 產生式系統(tǒng)的另一種形式
C. 概念和概念間關系的表示方法

30.從理論上講沒有當今計算機不能求解的問題（ B ）
A. 是
B. 不是
C. 尚無定論

31.像百度、谷歌這類知識問答系統(tǒng)，所使用的主要技術是（ C ）。
A. 自然語言的語義理解方法
B. 知識推理方法
C. 簡單的模式匹配方法

32.建造一個多層神經網絡可逼近任意的（ B ）。
A. 函數
B. 連續(xù)函數
C. 不連續(xù)函數

33.子句C1 = ?P∨Q∨R，C2 = P∨Q∨?R的歸結式為（ B ）。
A. 空子句
B. 重言式
C. Q

34.支持向量機SVM是一種（ A ）算法。
A. 小樣本下的統(tǒng)計學習
B. 大樣本下的統(tǒng)計學習
C. 大樣本下的實例學習

35.建造一個基于案例（case）的推理系統(tǒng)，需研究的是給出（ C ）。
A. 歸結推理算法
B. 不確定推理方法
C. 相似度計算方法

36.近年來機器學習最活躍的研究領域是（ C ）。
A. 實例學習
B. 基于解釋的學習
C. 統(tǒng)計機器學習

37.建造專家系統(tǒng)常用的知識表示方法是（ C ）。
A. 邏輯法
B. 語義網
C. 產生式

38.非單調推理是針對（ C ）而提出的一種推理方法。
A. 邏輯方法
B. 規(guī)則表達不規(guī)范
C. 知識不完全

39.子句C1 = ?P∨?Q，C2 = P∨Q的歸結式為（ B ）。
A. 空子句
B. 重言式
C. 任意子句

40.啟發(fā)式搜索是尋求問題（ C ）解的一種方法。
A. 最優(yōu)
B. 一般
C. 滿意

41.單元歸結法（ B ）一種完備的歸結推理策略。
A. 是
B. 不是

42.啟發(fā)式搜索是一種使用（ C ）的搜索方法。
A. 深度優(yōu)先策略
B. 寬度優(yōu)先策略
C. 經驗知識
D. 數據庫查詢技術

43.子句C1 = ?P∨Q，C2 = P∨?Q的歸結式（ A ）空子句。
A. 不是
B. 是

44.神經網絡求解問題過程中，（ A ）陷入局部極值點。
A. 可能
B. 不可能

45.建造實用的專家系統(tǒng)，主要花費用在（ C ）。
A. 程序設計
B. 推理方法設計
C. 知識獲取和建知識庫
D. 建數據庫

簡答題

1.給出人工智能學科的幾類推理方法。
演繹推理、歸納推理、默認推理
確定性推理、不確定性推理
單調推理、非單調推理
啟發(fā)式推理、非啟發(fā)式推理

2.給出“機器學習”概念的定義。
多領域的交叉學科，涉及概率論、數學、統(tǒng)計學等多門學科；專門研究計算機怎么模擬或實現人類的學習行為，以獲取新知識，不斷改善自身性能；是人工智能的核心。

3.近幾年機器學習的發(fā)展階段。
近幾年機器學習的領域迎來了自誕生以來的大爆發(fā)，隨著數據量指數級的增加和計算機性能空前的提升，機器學習也開始更多向深度學習等領域不斷發(fā)展。目前在自動駕駛、圖像識別、醫(yī)療診斷、大數據智能分析等等領域大力發(fā)展。

4.如何建立一個基于案例的法院審判系統(tǒng)。

5.如何用決策樹進行二元分類。
決策樹是一種監(jiān)督學習，給定一堆樣本，根據給定樣本的屬性和類別，通過學習得到一個分類。二元分類，是或者不是。

6.給出構成神經網基本單元--神經元的數學描述。

7.如何建立一個中醫(yī)診斷專家系統(tǒng)？

8.說明線性歸結法是邏輯完備的含義。
如果定理成立，使用這種歸結方法必定會給出證明。

9.對一類問題求解來說，若有部分案例（case），而有較多的推理規(guī)則（知識），試問如何建造一個由基于案例推理和規(guī)則推理相結合的求解系統(tǒng)，以使推理效率高又能求得問題的解。

10.已知北京市地圖以及地圖中任意兩點A和B的最短路徑算法，試給出一種計算A和B最短路徑的啟發(fā)式算法。

11.給出分類問題的描述，進而說明用于分類的有監(jiān)督機器學習方法與無監(jiān)督機器學習方法。

12.給出建造基于案例（case）推理系統(tǒng)的主要步驟。

13.說明多Agent系統(tǒng)主要研究內容。
由分布在網絡上的多個問題求解器松散耦合而形成的大型復雜系統(tǒng)。通常解決由一個單獨個體的能力知識所不能解決的問題。每一個Agent知識和問題求解能力有限，系統(tǒng)不存在全局控制，是分布式的；知識與數據都是分散的，計算是異步的。

14.說明當前機器學習領域的主要研究方面。

15.說明在專家系統(tǒng)中不確定推理的含義，以及建立一種不確定推理機制，要解決哪些問題。
不確定推理是在缺少足夠信息的情況下作出判斷，是人工智能的本質特征。需要解決不確定性的表示與度量、不確定性的匹配、不確定性的傳遞算法以及不確定性的更新與合成等問題。

16.說明在自然語言處理中，機器理解了一段輸入的“自然語言文本”的含義是什么。
信息抽取、自動文摘、語音識別技術、翻譯模型、基于機器學習、基于深度學習，難點在于內容的有效界定、歧義和模糊性、不規(guī)范的輸入、語言的行為與計劃、語音語調情感的理解。

17.近年來人工智能學科的研究熱點，主要集中在哪幾個方面。

18.說明數據挖掘的含義，并列舉出幾種數據挖掘方法。
從大量的數據中通過算法搜索出隱藏于其中信息的過程。神經網絡法、決策樹法、遺傳算法、蟻群算法、A*算法。

19.說明框架（frame）表示的含義，并給出框架的一般表示形式。
框架通常由描述事物各反面的若干個槽組成，每個槽又擁有若干個側面，每個側面又有若干個值。

20.說明如何用基于案例的推理來構建一個醫(yī)療診斷系統(tǒng)。

21.給出常使用的描述Agent的邏輯模型，并說明使用這種模型帶來的問題。

22.使用支持向量機算法SVM求解問題的關鍵點。
找到一個具有最大間隔超平面。

23.列舉出常用的幾種人工智能優(yōu)化算法。
遺傳算法、蟻群算法、模擬退火算法、神經網絡算法。

24.給出近年來機器學習研究的趨勢。

25.說明框架知識表示方法的組成，并以一輛汽車為例，用框架知識表示方法來表示這輛車的主要信息。

26.以建造醫(yī)療診斷專家系統(tǒng)為例，給出產生式表示的專家系統(tǒng)的結構圖和推理機制。

27.闡明符號表示機制和連接（神經網）機制實現智能的主要區(qū)別。

28.近年來人工智能學科的研究熱點，主要在哪幾個方面？

29.說明Agent概念，以及多Agent系統(tǒng)的主要研究內容。
Agent是指駐留在某一環(huán)境下，能持續(xù)自主地發(fā)揮作用，具備駐留性、反應性、社會性、主動性等特征的計算智能體。

30.說明一種歸結方法是完備的含義，并舉出一種不完備的歸結策略。
單元歸結不完備。

31.已知一個基于規(guī)則的推理系統(tǒng)和一個基于案例的推理系統(tǒng)，為求得問題的解并有較高的推理效率，試給出一種將這兩個系統(tǒng)相結合的推理系統(tǒng)的結構圖并簡述工作流程。

32.自然語言理解的含義是什么？簡述對自然語言表達的文本做理解的過程。

33.指出實例學習和基于解釋學習的區(qū)別。
實例學習（歸納學習）：給出正例和反例，歸納出一個總的概念描述，使用于正例，排除所有反例。

實例學習圖解

33.試說明使用神經網絡識別漢字的主要步驟。

34.試比較專家系統(tǒng)和基于案例（case）推理系統(tǒng)的結構、推理機制。

35.試說明數據挖掘技術的含義，并列舉出幾種常用的數據挖掘方法。
從大量的數據中通過算法搜索出隱藏于其中信息的過程。神經網絡法、決策樹法、遺傳算法、蟻群算法、A*算法。

36.若案例（case）不夠充足，而有足夠的規(guī)則（知識），試問如何構建一個包含有基于案例推理和基于規(guī)則推理的推理系統(tǒng)，以使推理效率提高而且總能求得問題的解。

37.什么是數據挖掘？常見的數據挖掘方法？
從大量的數據中通過算法搜索出隱藏于其中信息的過程。神經網絡法、決策樹法、遺傳算法、蟻群算法、A*算法。

38.產生式表達知識的方法，及推理過程。

39.什么是知識？知識的幾種表達方式。

證明題

試使用線性歸結法，證明A1∧A2∧A3→B
其中 A1 = (?x){?(D(x)→E(x))→( ?y)(F(x,y)∧H(y))}
A2 = (?x){D(x)∧G(x)∧(?y)(F(x,y)→G(y))}
A3 = (?x)(?E(x)∨?G(x))
B = (?x)(H(x)∧G(x))

解：要證明A1∧A2∧A3→B，也就是要證明A1∧A2∧A3∧?B是永假式。
A1 : (?x){(D(x)∧?E(x))→( ?y)(F(x,y)∧H(y))}
<=> (?x){(D(x)→E(x))∨( ?y)(F(x,y)∧H(y))}
<=> (?x){(?D(x)∨E(x))∨( ?y)(F(x,y)∧H(y))}
<=> (?x)( ?y){(?D(x)∨E(x))∨(F(x,y)∧H(y))}
<=> (?x){(?D(x)∨E(x)∨(F(x,y))∧(?D(x)∨E(x)∨H(y))}
<=> (?D(x)∨E(x)∨(F(x,f(x)))∧(?D(x)∨E(x)∨H(f(x)))
得到子句集：①?D(x)∨E(x)∨(F(x,f(x)) ②?D(x)∨E(x)∨H(f(x))

A2 : (?x){D(x)∧G(x)∧(?y)(F(x,y)→G(y))}
<=> (?x)(?y){D(x)∧G(x)∧(F(x,y)→G(y))}
<=> (?x)(?y){D(x)∧G(x)∧(?F(x,y)∨G(y))}
<=> D(x)∧G(x)∧(?F(x,y)∨G(y))
得到子句集：③D(a) ④G(a) ⑤?F(a,y)∨G(a)

A3 : (?x)(?E(x)∨?G(x))
<=>?E(x)∨?G(x)
得到子句集：⑥?E(x)∨?G(x)

?B: ?(?x)(H(x)∧G(x))
<=> (?x)(?H(x)∨?G(x))
<=> ?H(x)∨?G(x)
得到子句集：⑦?H(x)∨?G(x)

線性歸結：

1. ⑧?E(a) -- ⑥④歸結?={x/a}
2. ⑨?D(a)∨H(f(a)) -- ⑧②歸結?={x/a}
3. ⑩H(f(a)) -- ⑨③歸結
4. ??G(f(a)) -- ⑩⑦歸結?={x/f(a)}
5. ??F(a,f(a)) -- ?⑤歸結?={f(a)/y}
6. ??D(a)∨E(a) -- ?①歸結?={x/a}
7. ?E(a) -- ?③歸結
8. ??G(a) -- ?⑥歸結
9. ?NIL -- ?④歸結

結果是NIL，命題得證。