简介这份资料是山东大学人工智能导论课程的概念汇总笔记面向正在修读该课程或备考期末的学生也适合希望系统梳理人工智能基础概念的自学者。内容围绕课程核心知识展开涵盖智能与人工智能的基本定义、知识表示与知识图谱、确定性推理方法等章节对一阶谓词逻辑、产生式表示法、框架表示法、知识图谱构建等知识点做了归纳整理并标注了非重点内容便于读者按考试范围取舍复习。资源包共1个PDF文件大小约2.28MB单文件结构便于直接阅读和打印。目前已有433人学习下载说明其在课程复习场景中具有一定参考价值。读者可借助这份汇总快速回顾课堂要点、理清概念之间的逻辑关系在考前集中查漏补缺也可作为学习推理方法与搜索策略等后续内容的入门铺垫。1. 期末周翻这份概念汇总人工智能导论到底该背什么每年期末周总有人在群里问“人工智能导论到底背什么”。这门课的尴尬在于教材厚、概念碎、考法活光看 PPT 容易漏光刷题又抓不住原理。我手上这份概念汇总 V2就是冲着这个痛点来的——它把绪论、知识表示与知识图谱、确定性推理、不确定性推理这几大块的核心定义、公式、例题压成了一份可检索的笔记代码框里的内容被明确标成非重点等于帮你划了复习边界。适合两类人一是正在备考、需要一份能对着教材逐条核对的提纲二是已经工作、想快速把谓词逻辑、归结原理、可信度这些老概念捡回来的从业者。它不教你调参但能让你在面试被问“归结反演怎么走”时不至于卡壳。这份材料的价值不在“全”而在“取舍”。原版内容更杂V2 做了删减删的是偏工程实现和扩展阅读的部分留的是考试高频和概念骨架。比如知识表示一章一阶谓词逻辑、产生式、框架、语义网络四种方法都给了结构定义和特点对比知识图谱只讲到模式层/数据层和构建方式没有展开图数据库操作——这个尺度对导论课刚好。下面我按“怎么用这份汇总”来拆重点放在几处最容易背混、最容易在答题时丢分的地方顺带把每类表示法和推理方法的适用边界讲清楚让你背的时候知道为什么这么设计而不是死记。2. 知识表示四件套谓词逻辑、产生式、框架、语义网络怎么选知识表示是这门课第一个真正的分水岭。四种方法摆在一起很多人背完特点就混了一到“给个场景选表示法”的题就靠猜。其实选型逻辑很朴素看知识是精确的还是不精确的、是结构化还是碎片化、要不要继承。这一章把四种方法的表示结构、优缺点和典型例题过一遍重点讲清楚它们之间的替换关系。2.1 一阶谓词逻辑精确性的天花板也是组合爆炸的源头谓词逻辑的起点是命题。命题是非真即假的陈述句命题逻辑研究命题之间的关系但它的缺陷很致命无法反映事物的内部结构也表述不了不同事物间的共同特征。“老张是教师”和“小李是教师”在命题逻辑里是两个无关的原子命题没法体现“教师”这个共同谓词。谓词逻辑就是来补这个洞的。一元谓词写成Teacher(Zhang)多元谓词写成P(x1, x2, ..., xn)其中 x 是个体P 是谓词名。连接词优先级从高到低是¬、∧、∨、→、↔这个顺序在化简子句集时天天用背错一步后面全错。量词部分要分清辖域(∀x)[ROBOT(x) → COLOR(x, GRAY)]里全称量词的辖域是方括号内整个公式x 是约束变元如果变量不在任何量词辖域内就是自由变元。谓词逻辑表示法的优点是自然性、精确性、严密性、容易实现缺点是三座大山不能表示不确定知识、组合爆炸、效率低。这三条几乎就是后面产生式、框架、语义网络存在的理由。答题时如果问“为什么需要其他表示法”把这三条摆出来再对应到具体方法逻辑就顺了。2.2 产生式规则库加综合数据库冲突消解是隐藏考点产生式的核心是P → Q。确定性规则这么写确定性事实写成(对象, 属性, 值)不确定性规则加置信度写成P → Q (置信度)不确定性事实写成(对象, 属性, 值, 置信度)。这里有个高频对比题产生式和谓词逻辑的蕴含式有什么区别两点——第一产生式除了逻辑蕴含还包括操作、规则、变换、算子、函数第二蕴含式只能表示精确知识产生式可以表示不精确知识。产生式系统的结构图要能默画规则库存领域知识的产生式集合综合数据库存求解过程中的当前信息控制系统负责运行和求解。控制系统里最关键的一步是冲突消解——匹配成功的规则可能不止一条得按策略选一条执行。常见策略有按针对性排序、按已知事实的新鲜性排序、按匹配度排序、按条件个数排序。这部分容易只背名词实际答题要能说清“为什么需要消解”因为规则库是模块化的多条规则可能同时满足前提不消解就无法确定执行顺序。产生式的优点是自然性、模块性、有效性、清晰性缺点效率不高、不能表达结构性知识。最后这条缺点正好是框架表示法的入口。2.3 框架槽、侧面、继承结构性知识的容器框架是描述对象属性的数据结构一个框架由若干槽组成每个槽描述对象某一方面的属性槽又可以带侧面描述属性的一个方面。以教师框架为例槽名取值约束缺省值姓名单位姓、名无年龄单位岁无性别范围男、女男职称范围教授、副教授、讲师、助教讲师部门单位系、教研室无住址〈住址框架〉无工资〈工资框架〉无把具体信息填进槽和侧面就得到一个事例框架比如“教师-1”填上姓名夏冰、年龄 36、职称副教授。框架表示法的三个特点是结构性、继承性、自然性。继承性体现在下层框架可以继承上层框架的槽值这也是它比产生式更适合表达“类属”知识的原因。考试里常给一个框架让你填事例或者问“缺省值的作用”答“在信息不完全时提供合理假设”即可。2.4 语义网络与知识图谱节点和边的两种尺度语义网络用节点表示概念、边表示概念间关系本质是带标记的有向图。知识图谱则是它的工程化延伸节点表示实体或概念边由属性或关系构成逻辑结构分模式层和数据层。数据层存事实模式层构建在数据层之上是知识图谱的核心。构建方式分自顶向下和自底向上资源对象分结构化、半结构化、非结构化数据。这部分在导论课里通常只考定义和分层不考具体构建工具。但有个容易混的点语义网络和知识图谱都叫“图”区别在于知识图谱强调模式层约束和实体对齐语义网络更偏概念关系表达。背的时候把“模式层是核心”这句话记住简答题基本能拿分。3. 确定性推理从谓词公式到子句集再到归结反演确定性推理是这门课计算量最大的一章也是最能拉开分差的地方。核心链路是自然演绎推理 → 谓词公式化为子句集 → 鲁宾逊归结原理 → 归结反演 → 求解问题。这条链路每一步都有固定套路但套路里埋着几个必须记住的细节错一个就推不出空子句。3.1 自然演绎推理P 规则、T 规则和假言推理自然演绎推理从一组已知为真的事实出发运用经典逻辑规则推出结论。三条基本规则要分清P 规则是前提引入T 规则是推理规则引入假言推理是P, P→Q ⇒ Q拒取式是P→Q, ¬Q ⇒ ¬P。经典例题是“小王喜欢 ds 课”已知凡是容易的课程小王都喜欢、C 班课程都容易、ds 是 C 班课程。定义谓词EASY(x)、LIKE(x,y)、C(x)把三句话写成谓词公式然后C(ds) → EASY(ds) → LIKE(Wang, ds)。这题的关键不是算是把自然语言准确翻译成谓词公式量词位置别放反。3.2 子句集化简九步Skolem 化是最容易翻车的一步谓词公式化为子句集有固定九步我按顺序列出来每步后面标上易错点消去→和↔P→Q ⇔ ¬P∨QP↔Q ⇔ (P∧Q)∨(¬P∧¬Q)否定符号内移双重否定律、德·摩根定律、量词转换律变量标准化去重名保证每个量词约束不同变量消去存在量词存在量词不在全称量词辖域内就换变量在辖域内则 Skolem 化用 Skolem 函数代替存在量词量化的变量化为前束形前缀是全称量词串母式不含量词化为 Skolem 标准形(∀x1)(∀x2)...(∀xn)MM 是子句的合取式略去全称量词消去合取词得到子句集子句变量标准化不同子句用不同变量名第 4 步 Skolem 化是血泪经验最多的地方。判断标准就一条存在量词前面有没有全称量词。没有直接换成一个新常量有就用 Skolem 函数函数参数是前面所有全称量词的变量。比如(∀x)(∃y)P(x,y)化成P(x, f(x))f 是 Skolem 函数。写成常量就错了因为 y 依赖 x。提示化简完检查一遍子句集里不应该残留→、↔、∃也不应该有自由变元。这三样只要剩一个后面归结必出问题。3.3 归结反演反证法加空子句顺序有讲究归结原理的基本思想是检查子句集里有没有空子句。命题逻辑里如果子句 C1 含文字 L、C2 含互补文字 ¬L从两者分别消去 L 和 ¬L余下部分析取构成归结式 C12。谓词逻辑里多一步最一般合一MGU先让两个子句的文字合一再归结。归结反演的步骤把前提写成谓词公式 F结论写成 Q 并否定得 ¬Q把{F, ¬Q}化成子句集 S对 S 反复归结出现空子句 NIL 就证明 Q 为真。这里有个实用技巧归结时按子句由长到短排序短子句先参与归结能少走弯路。招聘例题很典型三人至少录取一人、录取 A 不录取 B 则录取 C、录取 B 则录取 C求证录取 C。前提化成三个子句结论否定得¬P(C)归结路径是P(A)∨P(B)∨P(C)与¬P(A)∨P(B)∨P(C)归结出P(B)∨P(C)再与¬P(B)∨P(C)归结出P(C)最后与¬P(C)归结出 NIL。这题练的是子句化和归结顺序建议手写三遍。3.4 归结求解ANSWER 谓词的构造归结不仅能证明还能求解。步骤是在否定结论时构造¬Q ∨ ANSWER化成子句并入 S归结出ANSWER(具体值)就是答案。例题“小张的老师是谁”Teacher(Wang, Li)、Classmate(Li, Zhang)、同班同学老师相同构造¬Teacher(A, Zhang) ∨ ANSWER(A)归结路径先得¬Classmate(Li, y) ∨ Teacher(Wang, y)再得¬Classmate(Li, Zhang) ∨ ANSWER(Wang)最后与Classmate(Li, Zhang)归结出ANSWER(Wang)。这里的关键是 ANSWER 谓词的变量要和待求解变量一致且每步归结后 ANSWER 里的变量要跟着合一替换。写错变量名是常见失分点。4. 不确定性推理可信度、证据理论、模糊推理的参数怎么设不确定性推理是导论课里公式最密的一章可信度方法、证据理论、模糊推理三套体系各有各的参数和合成规则。很多人背了公式但不会代数字问题出在没搞清楚每个参数的取值范围和物理含义。这一章按三套方法拆开每套给一个可手算的例题路径。4.1 可信度方法CF 的取值范围和合成公式可信度 CF(H, E) 反映前提 E 与结论 H 的联系强度取值范围 [-1, 1]。CF1 表示肯定为真CF0 表示无关CF-1 表示肯定为假。证据不确定性的表示里CF(E)1 肯定为真CF(E)0 未获得观察CF(E)-1 肯定为假。组合证据的算法要记牢合取取最小CF(E)min{CF(E1),...,CF(E n)}析取取最大CF(E)max{...}。传递算法是CF(H) CF(H,E) × max{0, CF(E)}注意 max 的作用——当 CF(E)0 时直接归零不让负面证据通过这条规则传递。多条知识支持同一结论时用合成公式。两条正可信度CF1 CF2 - CF1×CF2一正一负(CF1 CF2) / (1 - min{|CF1|, |CF2|})。例题里 CF1(H)0.28、CF2(H)0.48合成得 0.280.48-0.28×0.480.63再与 CF3(H)-0.27 合成得 (0.63-0.27)/(1-min{0.63,0.27})0.36/0.73≈0.49。代数字时先算每条规则的 CF(H)再两两合成顺序不影响结果但影响手算难度。4.2 证据理论概率分配函数作用于子集不是元素证据理论最容易混的是概率分配函数 M 的定义域——它是 2^D 的所有子集不是单个元素。这是它和概率的本质区别概率作用于元素M 作用于子集。信任函数Bel(A)是对 A 为真的总信任程度Bel(∅)M(∅)0。似然函数Pl(A)1-Bel(¬A)表示对 A 为非假的信任程度。例题D{红, 黄, 蓝}M({红})0.3、M({黄})0、M({红,黄})0.2则Bel({红,黄})0.300.20.5Pl({蓝})1-Bel({红,黄})1-0.50.5。正交和公式里 K≠0 时正交和仍是概率分配函数K0 时不存在正交和称两个 M 矛盾。这部分考试多以计算题出现把 Bel 和 Pl 的公式代对就能拿分。4.3 模糊推理隶属度、运算和决策模糊集合给每个元素赋一个 [0,1] 的隶属度全体隶属度构成隶属函数。表示方法有 Zadeh 表示法、序偶表示法、向量表示法。运算里交并补是min、max、1-μ代数运算里代数积是逐元素相乘、代数和是ab-ab、有界和是min(1, ab)、有界积是max(0, ab-1)。例题给 A 和 B 两个模糊向量算A·B逐元素相乘、AB代数和、A⊕B有界和、AⓧB有界积。模糊关系合成对应矩阵运算×用 min、用 max。模糊决策把模糊向量转成确定值方法有最大隶属法、加权平均判决法、中位数法。最大隶属法取隶属度最大的元素加权平均法用隶属度做权重求加权平均中位数法找累积隶属度到 0.5 的位置。三种方法结果可能不同答题时按题目指定方法算没指定就写最大隶属法并说明理由。5. 避坑清单这份概念汇总里最容易背错的五处概念汇总的好处是压缩坏处是压缩后相邻概念容易串。我对着这份材料过了两遍挑出五处高频翻车点每条按“现象 → 原因 → 解决”写考前扫一遍能省不少后悔药。5.1 把产生式的置信度写成概率现象答题时写“产生式规则 P→Q (0.8)表示 Q 发生的概率是 0.8”。原因把置信度和概率混为一谈。产生式的置信度是规则强度不是事件概率它不满足概率公理。解决记清楚产生式置信度只表示“前提对结论的支持程度”可信度方法里的 CF 同理取值范围 [-1,1] 而不是 [0,1]。5.2 子句集化简时 Skolem 函数漏参数现象(∀x)(∃y)P(x,y)化成P(x, a)a 是常量。原因没判断存在量词是否在全称量词辖域内。解决存在量词前有全称量词就必须用 Skolem 函数参数是前面所有全称变量写成P(x, f(x))。只有存在量词独立出现时才换常量。5.3 归结反演忘记否定结论现象直接拿前提子句集归结怎么都出不了空子句。原因归结反演是反证法必须把结论否定后并入子句集。解决步骤固定为“前提 F 结论否定 ¬Q → 子句集 S → 归结出 NIL”少否定这一步整个证明不成立。5.4 可信度合成公式正负号用反现象一正一负两条规则合成时算成CF1CF2。原因只记了正正合成公式。解决正正合成用CF1CF2-CF1×CF2正负合成用(CF1CF2)/(1-min{|CF1|,|CF2|})两个公式分母不同代数字前先判断符号组合。5.5 模糊集合运算把代数积和有界积搞混现象算AⓧB时用了逐元素相乘。原因代数积A·B和有界积AⓧB符号相近。解决代数积是a×b有界积是max(0, ab-1)有界和是min(1, ab)代数和是ab-ab。四个运算列一张小表贴在笔记首页考前看一眼。6. 把概念汇总用成复习引擎三遍过书法与自测表这份材料如果只是通读效果有限。我自己的习惯是三遍过第一遍按章扫定义用荧光笔标出所有带“定义”“特点”“区别”的句子这些是简答题的原料第二遍只做例题盖住答案手推推完对照材料找差异差异处就是薄弱点第三遍做自测把每章核心概念转成“给场景选方法”的问法比如“知识需要继承且结构化选哪种表示法”“证据不确定且要算信任区间用哪套推理”。自测表可以按下面这个结构手写一张每格填完打勾章节必默写内容必手推例题自测问法绪论智能四特征、AI 三阶段无智能与人工智能的区别知识表示四种方法结构与优缺点教师框架填事例给场景选表示法确定性推理子句集九步、归结反演步骤招聘例题、小张老师例题化简后找 Skolem 函数不确定性推理CF 合成公式、Bel/Pl 公式可信度合成、证据理论算例正负 CF 合成代数字一个具体技巧把归结反演的每道例题用不同颜色笔标出“子句化”“否定结论”“归结路径”三段复习时只看颜色块回忆步骤比通读快得多。另外材料里代码框内容标了非重点但如果你后续要动手实现谓词逻辑的子句化用 Python 写一遍会理解更深——常见做法是用 sympy 的 logic 模块做公式化简再手动实现合一算法这一步不要求考试掌握但对理解 MGU 很有帮助。从那以后我每次带人复习这门课都强制先过一遍自测表再碰真题因为概念没串起来刷题只是背答案。希望帮到你。本文还有配套的精品资源点击获取
