简介这份资源是百度人工智能方向的经典考试试题合集面向准备AI相关笔试、面试或课程复习的学习者尤其适合需要系统梳理人工智能基础概念与解题思路的人群。压缩包内共1个doc文档约279KB内容以试题与答案为主涵盖选择题、填空题、简答题和应用题四种题型。试题涉及语义网络、推理、知识表示、机器学习、自然语言处理等核心模块并附有知识点总结与详细说明例如语义网络的有向弧与节点表示、正向与反向推理、可信度CF计算、MGU求解、α-β剪枝及谓词逻辑证明等。文档还包含三值逻辑表、产生式规则语义、子句集求解步骤等具体例题与参考答案便于读者对照练习、查漏补缺。目前已有1584人学习适合作为AI入门与进阶复习的实战题库。1. 从一份百度 AI 经典试题说起它到底能帮你补上哪些知识盲区如果你正在准备人工智能相关的面试或考试大概率会遇到一类很尴尬的情况概念都听过但一落到具体题目上就卡壳。比如“反演归结证明定理时当前归结式是什么才能得证”“MGU 到底怎么求”“α-β 剪枝在什么条件下剪枝”——这些问题在教科书里散落在不同章节复习时很难串起来。这份百度人工智能经典考试试题恰好把符号主义 AI 的核心考点集中到了一套卷子里涵盖选择题、填空题、简答题和应用题四种题型从语义网络、产生式推理、谓词逻辑到归结原理、可信度计算、博弈树剪枝基本覆盖了人工智能导论课程的主要知识模块。它适合两类人一是正在准备 AI 相关岗位笔试或课程期末的从业者二是想系统检验自己对经典符号 AI 掌握程度的学习者。下面我从这份试题的实际内容出发拆解每类题型的考点逻辑、解题步骤和容易翻车的地方。2. 选择题与填空题那些你以为会了但一做就错的考点2.1 选择题里的高频考点分布这份试题的选择题部分共 15 道每题 1 分看起来简单但实际做下来错误率并不低。我把考点按知识模块拆一下题号考点模块具体知识点正确答案1AI 基础AI 英文全称 Artifical IntelligenceB2归结原理归结式为空子句时定理得证C3产生式系统正向推理的定义A4语义网络AKO/ISA 链表达继承性C5谓词逻辑假言推理 (A→B)∧A BC6命题逻辑命题是可判断真假的陈述句D7谓词逻辑仅个体变元被量化的谓词是一阶谓词A8合一算法MGU 最一般合一A9AI 历史1997 年深蓝击败卡斯帕罗夫A10知识表示知识四要素不含“关系”D11归结原理归结式 C C1‘σ∨C2’σA12图搜索或图通常称为状态图D13AI 学派不属于 AI 学派的是机会主义B14AI 历史图林 1950 年提出机器智能测试模型C15机器学习自动获取知识和技能的学科是机器学习B从这张表能看出来选择题的分布集中在几个核心模块归结原理出现了 3 次第 2、11 题以及第 5 题的推理形式谓词逻辑出现了 3 次第 5、7、11 题AI 历史和基础概念出现了 4 次第 1、9、13、14 题。如果你在复习时时间有限优先把归结原理和谓词逻辑这两个模块吃透至少能拿下选择题三分之一的分数。第 2 题和第 11 题是很多人容易搞混的。第 2 题问的是“反演归结证明定理时若当前归结式是什么时定理得证”答案是空子句。这里的逻辑是归结法的本质是反证法把结论的否定加入子句集如果能推导出空子句□就说明结论的否定与前提矛盾从而原结论得证。第 11 题则是问归结式 C 的具体形式给定 C1 L∨C1‘C2 ¬L∨C2’σ 是互补文字的最一般合一置换归结式 C C1‘σ∨C2’σ。注意这里用的是析取符号∨而不是合取∧选项 C 和 D 用∧是干扰项。2.2 填空题的答案逻辑与记忆方法填空题共 8 题每空 1.5 分总分 30 分。这部分比选择题更容易丢分因为需要精确记忆。我把关键填空题的答案和推导逻辑整理如下不确定性类型按性质分为随机性、模糊性、不完全性、不一致性。这四个概念容易混淆我一般这样区分——随机性是事件发生与否不确定概率问题模糊性是概念边界不清晰如“高个子”不完全性是信息缺失不一致性是信息之间矛盾。删除策略归结中删除的子句含有纯文字的子句、含有永真式的子句、被别的子句类含的子句。纯文字是指子句集中某个文字及其否定都不出现这种文字对归结没有贡献永真式如 P∨¬P 恒为真不需要参与归结类含是指子句 S1 被 S2 包含S2 是 S1 的子集S1 可以删除。可信度 CF 的关系CF(~A) -CF(A)CF(A1∧A2) min{CF(A1), CF(A2)}CF(A1∨A2) max{CF(A1), CF(A2)}这里要注意摘要描述里给出的 CF 计算公式CF(~A)1-CF(A)CF(A1∧A2)CF(A1)×CF(A2)与试题答案不一致。以试题答案为准CF 模型用的是 -CF(A)、min、max 这组公式这是 Shortliffe 在 MYCIN 专家系统中提出的确定性因子模型的标准定义。图的基本概念图由节点和有向边组成按连接同一节点的各边的逻辑关系可分为或图与与或图。合一算法求非空有限具有相同谓词名的原子公式集的最一般合一MGU。产生式系统推理从可触发规则中选择一个规则来执行被执行的规则称为被触发规则。P(B|A) 的含义表示在规则 A→B 中证据 A 为真的作用下结论 B 为真的概率。AI 的远期与近期目标远期目标是制造智能机器近期目标是实现机器智能。2.3 用代码验证可信度计算可信度 CF 的计算公式看起来简单但实际组合时容易搞错。我写了一段 Python 代码来验证def cf_not(cf_a): 计算 CF(~A) return -cf_a def cf_and(cf_a1, cf_a2): 计算 CF(A1 ∧ A2) return min(cf_a1, cf_a2) def cf_or(cf_a1, cf_a2): 计算 CF(A1 ∨ A2) return max(cf_a1, cf_a2) # 测试用例 cf_a1 0.8 cf_a2 0.6 print(fCF(~A1) {cf_not(cf_a1)}) # -0.8 print(fCF(A1∧A2) {cf_and(cf_a1, cf_a2)}) # 0.6 print(fCF(A1∨A2) {cf_or(cf_a1, cf_a2)}) # 0.8这段代码直接对应试题中填空题第 3 题的三个公式。cf_not函数取负值cf_and取最小值cf_or取最大值。参数 cf_a1 和 cf_a2 的取值范围是 [-1, 1]其中 1 表示完全可信-1 表示完全不可信0 表示不确定。实际使用中如果 CF 值超出这个范围需要做截断处理。常见做法是在每步计算后加一个 clamp 函数把结果限制在 [-1, 1] 内。3. 简答与计算题从子句集到 MGU 的完整推导链3.1 谓词公式化子句集的八个步骤简答题第 3 题要求写出谓词公式 G 化为子句集 S 的八个步骤。这道题是谓词逻辑归结的基础步骤必须按顺序记牢消去蕴含式和等价式→ 和 ↔缩小否定词的作用范围直到其作用于原子公式适当改名使量词间不含同名指导变元和约束变元消去存在量词形成 Skolem 标准型消去所有全称量词化成合取范式适当改名使子句间无同名变元消去合取词∧用逗号代替以子句为元素组成集合 S这八步的顺序不能乱。第 4 步消去存在量词时如果存在量词在全程量词的辖域内需要用 Skolem 函数代替存在量词的变元这个函数以全称量词的变元为参数。第 7 步的改名容易被忽略但如果子句间有同名变元归结时会产生混淆。3.2 MGU 求解的完整过程试题中出现了两道 MGU 求解题一道是 S{P(f(x),y,g(y)), P(f(x),z,g(x))}另一道是 W{P(f(x,g(A,y)),z), P(f(x,z),z)}。我以第一道为例把完整推导过程写清楚。def mgu_algorithm(s): 求最一般合一MGU的算法 s: 原子公式集合用列表表示 返回: 合一置换字典或 None无法合一 k 0 delta {} # 初始置换为空 s_k [list(clause) for clause in s] # 复制一份避免修改原数据 while True: # 检查是否为单元素集 if len(s_k) 1: return delta # 求差异集 diff find_difference(s_k) if diff is None: return None # 无法合一 # 检查差异集中是否有变元和项 var, term diff if var is None: return None # 差异集中无变元无法合一 # 检查变元是否出现在项中occurs check if var in str(term): return None # 出现检查失败 # 构造置换并应用到 s_k new_delta {var: term} delta compose_substitution(delta, new_delta) s_k apply_substitution(s_k, new_delta) k 1 def find_difference(s_k): 找到两个原子公式的第一个差异位置 # 简化实现逐字符比较 first s_k[0] for other in s_k[1:]: for i, (a, b) in enumerate(zip(first, other)): if a ! b: # 判断哪个是变元 if a.islower() and a not in (),: return (a, b) elif b.islower() and b not in (),: return (b, a) return None def compose_substitution(delta, new_delta): 组合两个置换 result dict(delta) for var, term in new_delta.items(): # 将新置换应用到已有置换的值上 result {k: apply_term(v, new_delta) for k, v in result.items()} result[var] term return result def apply_substitution(s_k, delta): 将置换应用到原子公式集合 result [] for clause in s_k: new_clause [] for term in clause: new_clause.append(apply_term(term, delta)) result.append(new_clause) return result def apply_term(term, delta): 将置换应用到一个项上 if isinstance(term, str): for var, replacement in delta.items(): if term var: return replacement return term这段代码实现了 MGU 算法的核心逻辑。mgu_algorithm函数接收一个原子公式集合通过循环求差异集、构造置换、应用置换直到集合变为单元素集或无法合一。find_difference函数找到两个公式的第一个差异位置判断其中是否有变元。compose_substitution函数负责组合新旧置换注意这里需要把新置换应用到旧置换的值上。apply_substitution和apply_term负责将置换应用到公式上。对于 S{P(f(x),y,g(y)), P(f(x),z,g(x))}手工推导过程是k0S0Sδ0εS0 不是单元素集差异集 D0{y,z}y 是变元z 是项且 y 不在 z 中出现δ1δ0·{z/y}{z/y}S1{P(f(x),z,g(z)), P(f(x),z,g(x))}S1 不是单元素集差异集 D1{z,x}z 是变元x 是项δ2δ1·{z/x}{z/y, z/x}S2{P(f(z),z,g(z))} 是单元素集MGU δ2 {z/y, z/x}第二道题 W{P(f(x,g(A,y)),z), P(f(x,z),z)} 的求解类似最终 MGU {g(A,y)/z}。注意这里 z 是变元g(A,y) 是项且 z 不在 g(A,y) 中出现。3.3 归结证明的写法与置换标注简答题第 5 题要求证明 G 是否是 F 的逻辑结论。归结证明的写法有固定格式先写出前提的子句形式再写出结论的否定然后逐步归结每步标注归结的两个子句编号和使用的置换。以试题中的证明为例① P(x) ... 从 F 变换 ② Q(a)∨Q(x) ... 从 F 变换 ③ ¬P(y)∨¬Q(y) ... 结论的否定 ④ ¬Q(x) ... ①③归结, {x/y} ⑤ □ ... ②④归结, 置换{a/x} 得证这里第④步是①和③归结①中的 P(x) 和③中的 ¬P(y) 互补置换 {x/y} 表示把 y 替换为 x。第⑤步是②和④归结②中的 Q(a)∨Q(x) 和④中的 ¬Q(x) 归结置换 {a/x} 表示把 x 替换为 a得到 Q(a) 和 ¬Q(a) 互补产生空子句。写归结证明时每一步的置换标注不能省。我见过不少人归结步骤写对了但置换写错导致整道题扣分。置换的写法是 {项/变元}表示用项替换变元不要写反。4. 应用题语义网络、α-β 剪枝与谓词逻辑建模4.1 语义网络表示知识的画法与要点应用题第 1 题要求用语义网络表示两组信息。语义网络的画法有约定俗成的规范节点用方框或圆圈表示有向弧标注关系名ISA 链表示个体属于某个类AKO 链表示子类属于父类。第一组信息“胡途是思源公司的经理他 35 岁住在飞天胡同 68 号”。语义网络表示如下节点“胡途”通过 ISA 链连接到“经理”节点“胡途”通过“年龄”弧连接到“35”节点“胡途”通过“住址”弧连接到“飞天胡同68号”节点“经理”通过 AKO 链连接到“公司职员”节点“胡途”通过“工作单位”弧连接到“思源公司”第二组信息“清华大学与北京大学进行篮球比赛最后以 89:102 的比分结束”。表示如下节点“篮球比赛”通过“参赛方”弧分别连接到“清华大学”和“北京大学”节点“篮球比赛”通过“比分”弧连接到“89:102”节点“清华大学”和“北京大学”通过 ISA 链连接到“大学”语义网络的关键在于关系弧的命名要准确。ISA 表示“是一个”AKO 表示“是一种”这两种链在试题中被专门考到用来表达节点知识的继承性。实际画图时如果题目没有指定关系名可以用“属性”“组成”等通用关系名但 ISA 和 AKO 必须按规范使用。4.2 α-β 剪枝的条件与手工推演应用题第 2 题要求对博弈树进行 α-β 剪枝。这道题的得分点在于正确标注剪枝位置和写出剪枝条件。α 剪枝的条件若任一极小值层节点的 β 值小于或等于它任一先辈极大值层节点的 α 值即 α(先辈层) ≥ β(后继层)则可中止该极小值层中这个 MIN 节点以下的搜索过程。这个 MIN 节点最终的倒推值就确定为这个 β 值。β 剪枝的条件若任一极大值层节点的 α 值大于或等于它任一先辈极小值层节点的 β 值即 α(后继层) ≥ β(先辈层)则可以中止该极大值层中这个 MAX 节点以下的搜索过程。这个 MAX 节点的最终倒推值就确定为这个 α 值。手工推演时从叶子节点向上倒推。MAX 节点取子节点最大值作为 α 值MIN 节点取子节点最小值作为 β 值。当某个 MAX 节点的 α 值大于等于其先辈 MIN 节点的 β 值时该 MAX 节点以下的搜索可以停止。反过来当某个 MIN 节点的 β 值小于等于其先辈 MAX 节点的 α 值时该 MIN 节点以下的搜索可以停止。我一般建议在草稿纸上画两列数字左边标 α右边标 β每访问一个节点就更新对应的值。这样不容易搞混剪枝方向。4.3 谓词逻辑建模从自然语言到子句集应用题第 3 题是经典的“祖孙关系”问题。题目给出三条事实和一条规则要求用谓词逻辑表示并证明祖孙关系存在。定义谓词F(x,y)x 是 y 的父亲G(x,z)x 是 z 的祖父已知条件F(x,y)∧F(y,z)→G(x,z)F(L,D)老李是大李的父亲F(D,X)大李是小李的父亲要求解G(u,v)u?v?证明过程① ¬F(x,y)∨¬F(y,z)∨G(x,z) ... 从(1)变换 ② F(L,D) ... 从(2)变换 ③ F(D,X) ... 从(3)变换 ④ ¬G(u,v) ... 结论的否定 ⑤ ¬F(D,z)∨G(L,z) ... ①②归结, 置换{L/x, D/y} ⑥ G(L,X) ... ③⑤归结, 置换{X/z} ⑦ □ ... ④⑥归结, 置换{L/u, X/v} 得证说明存在祖孙关系如果要得到具体的祖孙关系而不是仅仅证明存在需要用重言式代替结论的否定④ ¬G(u,v)∨G(u,v) ... 重言式代替结论的否定 ⑤ ¬F(D,z)∨G(L,z) ... ①②归结, 置换{L/x, D/y} ⑥ G(L,X) ... ③⑤归结, 置换{X/z} ⑦ G(L,X) ... ④⑥归结, 置换{L/u, X/v} 得结果L 是 X 的祖父即老李是小李的祖父这里的关键区别在于如果只需要证明“存在祖孙关系”用 ¬G(u,v) 作为结论的否定归结出空子句即可如果需要求出“谁和谁是祖孙关系”需要用重言式 ¬G(u,v)∨G(u,v) 代替结论的否定这样归结后不会产生空子句而是得到 G(L,X)从而读出 uLvX。4.4 产生式系统描述数字序列问题应用题第 7 题是一个综合题给 1 到 9 九个数字排一个序列使得该序列的前 n 个数字组成的整数能被 n 整除。这道题的知识点在于用产生式系统描述问题求解过程。可用的知识包括序列中偶数在偶数位置奇数在奇数位置第五个数为 5综合数据库用一个 1 到 9 的序列表示N {x}其中 x 为 1 到 9 的数字之一。规则集r1: IF len(N)4 THEN {x}{5}∪r2: IF len(N)为偶数 and nIn(1,3,7,9) THEN {x}{n}∪r3: IF len(N)为奇数 and nIn(2,4,6,8) THEN {x}{n}∪其中 len(N) 为求序列的长度In(a,b,c,d) 为取 a、b、c、d 之一。初始状态{}空序列 结束条件得到的序列 N 前 i 个数组成的整数能被 i 整除这道题的难点在于把数学约束转化为产生式规则。r1 规则利用“第五个数为 5”这个知识在序列长度为 4 时直接填入 5。r2 和 r3 规则利用奇偶位置约束在偶数位置填入奇数在奇数位置填入偶数。实际求解时还需要结合整除条件逐步筛选产生式系统的推理机会根据当前序列状态触发可用的规则。5. 避坑与排查做这套题时最容易翻车的五个地方5.1 归结式符号写反现象第 11 题归结式 C 的选项中把 C1‘σ∨C2’σ 写成了 C1‘σ∧C2’σ。原因归结法的本质是从两个子句中消去互补文字剩余部分用析取连接。因为子句本身是文字的析取归结后剩余的文字仍然保持析取关系。解决记住归结式的定义——C1 L∨C1‘C2 ¬L∨C2’归结式 C C1‘σ∨C2’σ。符号是∨不是∧选项中出现∧的直接排除。5.2 MGU 求解时忘记 occurs check现象求 MGU 时遇到差异集 {x, f(x)} 这种情况直接令 x f(x)导致无限递归。原因变元 x 出现在项 f(x) 中如果允许 x f(x)置换会无限循环。解决合一算法中必须做 occurs check出现检查如果变元出现在要替换它的项中则无法合一返回失败。代码实现时在mgu_algorithm函数中加入if var in str(term): return None的判断。5.3 子句集化步骤顺序搞错现象化子句集时先消去了全称量词再消去存在量词导致 Skolem 函数缺少参数。原因消去存在量词时如果存在量词在全程量词的辖域内Skolem 函数需要以全称量词的变元为参数。如果先消去了全称量词这些变元就丢失了。解决严格按照八个步骤的顺序执行——先消蕴含和等价再缩小否定范围再改名再消存在量词再消全称量词。第 4 步和第 5 步的顺序不能颠倒。5.4 α-β 剪枝方向搞反现象在 MAX 节点做 β 剪枝在 MIN 节点做 α 剪枝导致剪枝条件判断错误。原因α 剪枝发生在 MIN 节点β 剪枝发生在 MAX 节点。α 是 MAX 节点的下界β 是 MIN 节点的上界。解决记住口诀——“α 剪枝剪 MINβ 剪枝剪 MAX”。在 MIN 节点如果 β ≤ 先辈 α剪枝在 MAX 节点如果 α ≥ 先辈 β剪枝。5.5 可信度 CF 公式记混现象把 CF(A1∧A2) 算成了 CF(A1)×CF(A2)把 CF(~A) 算成了 1-CF(A)。原因混淆了概率公式和确定性因子公式。CF 模型用的是 min/max 和取负不是概率的乘法和补运算。解决记住 MYCIN 系统的 CF 组合公式——CF(~A) -CF(A)CF(A1∧A2) min{CF(A1), CF(A2)}CF(A1∨A2) max{CF(A1), CF(A2)}。如果题目明确给出的是概率公式则用概率公式如果题目说的是可信度 CF则用这组公式。6. 从试题到实战用 Python 实现一个简单的归结定理证明器做完这套题之后我最大的感受是归结原理和 MGU 算法如果只停留在纸面上过两周就会忘。最好的巩固方式是用代码实现一个简化版的归结定理证明器。下面是我写的一个 Python 实现支持基本的命题逻辑归结和一阶谓词逻辑的简单情形。class Clause: 表示一个子句由文字列表组成 def __init__(self, literals): self.literals set(literals) def __repr__(self): return ∨.join(sorted(self.literals)) if self.literals else □ def is_empty(self): return len(self.literals) 0 def resolve(self, other): 与另一个子句归结返回归结式或 None for lit in self.literals: neg lit[1:] if lit.startswith(¬) else ¬ lit if neg in other.literals: new_lits (self.literals - {lit}) | (other.literals - {neg}) return Clause(new_lits) return None def resolution_refutation(clauses, max_steps100): 归结反证法主循环 clauses: 初始子句集包含结论的否定 返回: True 如果推导出空子句否则 False clauses [Clause(c) for c in clauses] for step in range(max_steps): new_clauses [] n len(clauses) for i in range(n): for j in range(i 1, n): resolvent clauses[i].resolve(clauses[j]) if resolvent is not None: if resolvent.is_empty(): print(f第 {step1} 步归结出空子句定理得证) return True if resolvent not in clauses and resolvent not in new_clauses: new_clauses.append(resolvent) if not new_clauses: print(无法继续归结定理不成立) return False clauses.extend(new_clauses) print(f第 {step1} 步当前子句数{len(clauses)}) print(达到最大步数限制) return False # 测试证明 (A→B)∧A B # 子句集{¬A∨B, A, ¬B} clauses [ [¬A, B], # A→B [A], # A [¬B] # 结论的否定 ] result resolution_refutation(clauses) print(f证明结果{result})这段代码实现了命题逻辑的归结反证法。Clause类表示一个子句resolve方法尝试与另一个子句归结——遍历当前子句的文字找到互补文字后消去互补对返回新的归结式。resolution_refutation函数是主循环每轮对所有子句两两尝试归结如果产生空子句则返回 True如果无法产生新子句则返回 False。参数说明clauses是初始子句集必须包含前提的子句形式和结论的否定。max_steps是最大归结步数防止无限循环。实际使用时如果子句数量较多两两归结的复杂度是 O(n²)可以通过只归结包含互补文字的子句对来优化。这个证明器只能处理命题逻辑如果要扩展到一阶谓词逻辑需要在归结前做合一unification把两个子句中的文字通过置换变成互补文字。合一算法的实现可以参考第 3 章中的mgu_algorithm函数。从那以后我每次复习归结原理都会把这个证明器跑一遍把试题中的证明题输入进去验证。代码跑通了手写证明就不会再犯符号写反、置换标注错误的低级问题。希望这套试题和配套的代码实现能帮你把符号主义 AI 的核心考点真正吃透。本文还有配套的精品资源点击获取
百度AI经典试题解析：符号主义AI核心考点与Python实现
简介这份资源是百度人工智能方向的经典考试试题合集面向准备AI相关笔试、面试或课程复习的学习者尤其适合需要系统梳理人工智能基础概念与解题思路的人群。压缩包内共1个doc文档约279KB内容以试题与答案为主涵盖选择题、填空题、简答题和应用题四种题型。试题涉及语义网络、推理、知识表示、机器学习、自然语言处理等核心模块并附有知识点总结与详细说明例如语义网络的有向弧与节点表示、正向与反向推理、可信度CF计算、MGU求解、α-β剪枝及谓词逻辑证明等。文档还包含三值逻辑表、产生式规则语义、子句集求解步骤等具体例题与参考答案便于读者对照练习、查漏补缺。目前已有1584人学习适合作为AI入门与进阶复习的实战题库。1. 从一份百度 AI 经典试题说起它到底能帮你补上哪些知识盲区如果你正在准备人工智能相关的面试或考试大概率会遇到一类很尴尬的情况概念都听过但一落到具体题目上就卡壳。比如“反演归结证明定理时当前归结式是什么才能得证”“MGU 到底怎么求”“α-β 剪枝在什么条件下剪枝”——这些问题在教科书里散落在不同章节复习时很难串起来。这份百度人工智能经典考试试题恰好把符号主义 AI 的核心考点集中到了一套卷子里涵盖选择题、填空题、简答题和应用题四种题型从语义网络、产生式推理、谓词逻辑到归结原理、可信度计算、博弈树剪枝基本覆盖了人工智能导论课程的主要知识模块。它适合两类人一是正在准备 AI 相关岗位笔试或课程期末的从业者二是想系统检验自己对经典符号 AI 掌握程度的学习者。下面我从这份试题的实际内容出发拆解每类题型的考点逻辑、解题步骤和容易翻车的地方。2. 选择题与填空题那些你以为会了但一做就错的考点2.1 选择题里的高频考点分布这份试题的选择题部分共 15 道每题 1 分看起来简单但实际做下来错误率并不低。我把考点按知识模块拆一下题号考点模块具体知识点正确答案1AI 基础AI 英文全称 Artifical IntelligenceB2归结原理归结式为空子句时定理得证C3产生式系统正向推理的定义A4语义网络AKO/ISA 链表达继承性C5谓词逻辑假言推理 (A→B)∧A BC6命题逻辑命题是可判断真假的陈述句D7谓词逻辑仅个体变元被量化的谓词是一阶谓词A8合一算法MGU 最一般合一A9AI 历史1997 年深蓝击败卡斯帕罗夫A10知识表示知识四要素不含“关系”D11归结原理归结式 C C1‘σ∨C2’σA12图搜索或图通常称为状态图D13AI 学派不属于 AI 学派的是机会主义B14AI 历史图林 1950 年提出机器智能测试模型C15机器学习自动获取知识和技能的学科是机器学习B从这张表能看出来选择题的分布集中在几个核心模块归结原理出现了 3 次第 2、11 题以及第 5 题的推理形式谓词逻辑出现了 3 次第 5、7、11 题AI 历史和基础概念出现了 4 次第 1、9、13、14 题。如果你在复习时时间有限优先把归结原理和谓词逻辑这两个模块吃透至少能拿下选择题三分之一的分数。第 2 题和第 11 题是很多人容易搞混的。第 2 题问的是“反演归结证明定理时若当前归结式是什么时定理得证”答案是空子句。这里的逻辑是归结法的本质是反证法把结论的否定加入子句集如果能推导出空子句□就说明结论的否定与前提矛盾从而原结论得证。第 11 题则是问归结式 C 的具体形式给定 C1 L∨C1‘C2 ¬L∨C2’σ 是互补文字的最一般合一置换归结式 C C1‘σ∨C2’σ。注意这里用的是析取符号∨而不是合取∧选项 C 和 D 用∧是干扰项。2.2 填空题的答案逻辑与记忆方法填空题共 8 题每空 1.5 分总分 30 分。这部分比选择题更容易丢分因为需要精确记忆。我把关键填空题的答案和推导逻辑整理如下不确定性类型按性质分为随机性、模糊性、不完全性、不一致性。这四个概念容易混淆我一般这样区分——随机性是事件发生与否不确定概率问题模糊性是概念边界不清晰如“高个子”不完全性是信息缺失不一致性是信息之间矛盾。删除策略归结中删除的子句含有纯文字的子句、含有永真式的子句、被别的子句类含的子句。纯文字是指子句集中某个文字及其否定都不出现这种文字对归结没有贡献永真式如 P∨¬P 恒为真不需要参与归结类含是指子句 S1 被 S2 包含S2 是 S1 的子集S1 可以删除。可信度 CF 的关系CF(~A) -CF(A)CF(A1∧A2) min{CF(A1), CF(A2)}CF(A1∨A2) max{CF(A1), CF(A2)}这里要注意摘要描述里给出的 CF 计算公式CF(~A)1-CF(A)CF(A1∧A2)CF(A1)×CF(A2)与试题答案不一致。以试题答案为准CF 模型用的是 -CF(A)、min、max 这组公式这是 Shortliffe 在 MYCIN 专家系统中提出的确定性因子模型的标准定义。图的基本概念图由节点和有向边组成按连接同一节点的各边的逻辑关系可分为或图与与或图。合一算法求非空有限具有相同谓词名的原子公式集的最一般合一MGU。产生式系统推理从可触发规则中选择一个规则来执行被执行的规则称为被触发规则。P(B|A) 的含义表示在规则 A→B 中证据 A 为真的作用下结论 B 为真的概率。AI 的远期与近期目标远期目标是制造智能机器近期目标是实现机器智能。2.3 用代码验证可信度计算可信度 CF 的计算公式看起来简单但实际组合时容易搞错。我写了一段 Python 代码来验证def cf_not(cf_a): 计算 CF(~A) return -cf_a def cf_and(cf_a1, cf_a2): 计算 CF(A1 ∧ A2) return min(cf_a1, cf_a2) def cf_or(cf_a1, cf_a2): 计算 CF(A1 ∨ A2) return max(cf_a1, cf_a2) # 测试用例 cf_a1 0.8 cf_a2 0.6 print(fCF(~A1) {cf_not(cf_a1)}) # -0.8 print(fCF(A1∧A2) {cf_and(cf_a1, cf_a2)}) # 0.6 print(fCF(A1∨A2) {cf_or(cf_a1, cf_a2)}) # 0.8这段代码直接对应试题中填空题第 3 题的三个公式。cf_not函数取负值cf_and取最小值cf_or取最大值。参数 cf_a1 和 cf_a2 的取值范围是 [-1, 1]其中 1 表示完全可信-1 表示完全不可信0 表示不确定。实际使用中如果 CF 值超出这个范围需要做截断处理。常见做法是在每步计算后加一个 clamp 函数把结果限制在 [-1, 1] 内。3. 简答与计算题从子句集到 MGU 的完整推导链3.1 谓词公式化子句集的八个步骤简答题第 3 题要求写出谓词公式 G 化为子句集 S 的八个步骤。这道题是谓词逻辑归结的基础步骤必须按顺序记牢消去蕴含式和等价式→ 和 ↔缩小否定词的作用范围直到其作用于原子公式适当改名使量词间不含同名指导变元和约束变元消去存在量词形成 Skolem 标准型消去所有全称量词化成合取范式适当改名使子句间无同名变元消去合取词∧用逗号代替以子句为元素组成集合 S这八步的顺序不能乱。第 4 步消去存在量词时如果存在量词在全程量词的辖域内需要用 Skolem 函数代替存在量词的变元这个函数以全称量词的变元为参数。第 7 步的改名容易被忽略但如果子句间有同名变元归结时会产生混淆。3.2 MGU 求解的完整过程试题中出现了两道 MGU 求解题一道是 S{P(f(x),y,g(y)), P(f(x),z,g(x))}另一道是 W{P(f(x,g(A,y)),z), P(f(x,z),z)}。我以第一道为例把完整推导过程写清楚。def mgu_algorithm(s): 求最一般合一MGU的算法 s: 原子公式集合用列表表示 返回: 合一置换字典或 None无法合一 k 0 delta {} # 初始置换为空 s_k [list(clause) for clause in s] # 复制一份避免修改原数据 while True: # 检查是否为单元素集 if len(s_k) 1: return delta # 求差异集 diff find_difference(s_k) if diff is None: return None # 无法合一 # 检查差异集中是否有变元和项 var, term diff if var is None: return None # 差异集中无变元无法合一 # 检查变元是否出现在项中occurs check if var in str(term): return None # 出现检查失败 # 构造置换并应用到 s_k new_delta {var: term} delta compose_substitution(delta, new_delta) s_k apply_substitution(s_k, new_delta) k 1 def find_difference(s_k): 找到两个原子公式的第一个差异位置 # 简化实现逐字符比较 first s_k[0] for other in s_k[1:]: for i, (a, b) in enumerate(zip(first, other)): if a ! b: # 判断哪个是变元 if a.islower() and a not in (),: return (a, b) elif b.islower() and b not in (),: return (b, a) return None def compose_substitution(delta, new_delta): 组合两个置换 result dict(delta) for var, term in new_delta.items(): # 将新置换应用到已有置换的值上 result {k: apply_term(v, new_delta) for k, v in result.items()} result[var] term return result def apply_substitution(s_k, delta): 将置换应用到原子公式集合 result [] for clause in s_k: new_clause [] for term in clause: new_clause.append(apply_term(term, delta)) result.append(new_clause) return result def apply_term(term, delta): 将置换应用到一个项上 if isinstance(term, str): for var, replacement in delta.items(): if term var: return replacement return term这段代码实现了 MGU 算法的核心逻辑。mgu_algorithm函数接收一个原子公式集合通过循环求差异集、构造置换、应用置换直到集合变为单元素集或无法合一。find_difference函数找到两个公式的第一个差异位置判断其中是否有变元。compose_substitution函数负责组合新旧置换注意这里需要把新置换应用到旧置换的值上。apply_substitution和apply_term负责将置换应用到公式上。对于 S{P(f(x),y,g(y)), P(f(x),z,g(x))}手工推导过程是k0S0Sδ0εS0 不是单元素集差异集 D0{y,z}y 是变元z 是项且 y 不在 z 中出现δ1δ0·{z/y}{z/y}S1{P(f(x),z,g(z)), P(f(x),z,g(x))}S1 不是单元素集差异集 D1{z,x}z 是变元x 是项δ2δ1·{z/x}{z/y, z/x}S2{P(f(z),z,g(z))} 是单元素集MGU δ2 {z/y, z/x}第二道题 W{P(f(x,g(A,y)),z), P(f(x,z),z)} 的求解类似最终 MGU {g(A,y)/z}。注意这里 z 是变元g(A,y) 是项且 z 不在 g(A,y) 中出现。3.3 归结证明的写法与置换标注简答题第 5 题要求证明 G 是否是 F 的逻辑结论。归结证明的写法有固定格式先写出前提的子句形式再写出结论的否定然后逐步归结每步标注归结的两个子句编号和使用的置换。以试题中的证明为例① P(x) ... 从 F 变换 ② Q(a)∨Q(x) ... 从 F 变换 ③ ¬P(y)∨¬Q(y) ... 结论的否定 ④ ¬Q(x) ... ①③归结, {x/y} ⑤ □ ... ②④归结, 置换{a/x} 得证这里第④步是①和③归结①中的 P(x) 和③中的 ¬P(y) 互补置换 {x/y} 表示把 y 替换为 x。第⑤步是②和④归结②中的 Q(a)∨Q(x) 和④中的 ¬Q(x) 归结置换 {a/x} 表示把 x 替换为 a得到 Q(a) 和 ¬Q(a) 互补产生空子句。写归结证明时每一步的置换标注不能省。我见过不少人归结步骤写对了但置换写错导致整道题扣分。置换的写法是 {项/变元}表示用项替换变元不要写反。4. 应用题语义网络、α-β 剪枝与谓词逻辑建模4.1 语义网络表示知识的画法与要点应用题第 1 题要求用语义网络表示两组信息。语义网络的画法有约定俗成的规范节点用方框或圆圈表示有向弧标注关系名ISA 链表示个体属于某个类AKO 链表示子类属于父类。第一组信息“胡途是思源公司的经理他 35 岁住在飞天胡同 68 号”。语义网络表示如下节点“胡途”通过 ISA 链连接到“经理”节点“胡途”通过“年龄”弧连接到“35”节点“胡途”通过“住址”弧连接到“飞天胡同68号”节点“经理”通过 AKO 链连接到“公司职员”节点“胡途”通过“工作单位”弧连接到“思源公司”第二组信息“清华大学与北京大学进行篮球比赛最后以 89:102 的比分结束”。表示如下节点“篮球比赛”通过“参赛方”弧分别连接到“清华大学”和“北京大学”节点“篮球比赛”通过“比分”弧连接到“89:102”节点“清华大学”和“北京大学”通过 ISA 链连接到“大学”语义网络的关键在于关系弧的命名要准确。ISA 表示“是一个”AKO 表示“是一种”这两种链在试题中被专门考到用来表达节点知识的继承性。实际画图时如果题目没有指定关系名可以用“属性”“组成”等通用关系名但 ISA 和 AKO 必须按规范使用。4.2 α-β 剪枝的条件与手工推演应用题第 2 题要求对博弈树进行 α-β 剪枝。这道题的得分点在于正确标注剪枝位置和写出剪枝条件。α 剪枝的条件若任一极小值层节点的 β 值小于或等于它任一先辈极大值层节点的 α 值即 α(先辈层) ≥ β(后继层)则可中止该极小值层中这个 MIN 节点以下的搜索过程。这个 MIN 节点最终的倒推值就确定为这个 β 值。β 剪枝的条件若任一极大值层节点的 α 值大于或等于它任一先辈极小值层节点的 β 值即 α(后继层) ≥ β(先辈层)则可以中止该极大值层中这个 MAX 节点以下的搜索过程。这个 MAX 节点的最终倒推值就确定为这个 α 值。手工推演时从叶子节点向上倒推。MAX 节点取子节点最大值作为 α 值MIN 节点取子节点最小值作为 β 值。当某个 MAX 节点的 α 值大于等于其先辈 MIN 节点的 β 值时该 MAX 节点以下的搜索可以停止。反过来当某个 MIN 节点的 β 值小于等于其先辈 MAX 节点的 α 值时该 MIN 节点以下的搜索可以停止。我一般建议在草稿纸上画两列数字左边标 α右边标 β每访问一个节点就更新对应的值。这样不容易搞混剪枝方向。4.3 谓词逻辑建模从自然语言到子句集应用题第 3 题是经典的“祖孙关系”问题。题目给出三条事实和一条规则要求用谓词逻辑表示并证明祖孙关系存在。定义谓词F(x,y)x 是 y 的父亲G(x,z)x 是 z 的祖父已知条件F(x,y)∧F(y,z)→G(x,z)F(L,D)老李是大李的父亲F(D,X)大李是小李的父亲要求解G(u,v)u?v?证明过程① ¬F(x,y)∨¬F(y,z)∨G(x,z) ... 从(1)变换 ② F(L,D) ... 从(2)变换 ③ F(D,X) ... 从(3)变换 ④ ¬G(u,v) ... 结论的否定 ⑤ ¬F(D,z)∨G(L,z) ... ①②归结, 置换{L/x, D/y} ⑥ G(L,X) ... ③⑤归结, 置换{X/z} ⑦ □ ... ④⑥归结, 置换{L/u, X/v} 得证说明存在祖孙关系如果要得到具体的祖孙关系而不是仅仅证明存在需要用重言式代替结论的否定④ ¬G(u,v)∨G(u,v) ... 重言式代替结论的否定 ⑤ ¬F(D,z)∨G(L,z) ... ①②归结, 置换{L/x, D/y} ⑥ G(L,X) ... ③⑤归结, 置换{X/z} ⑦ G(L,X) ... ④⑥归结, 置换{L/u, X/v} 得结果L 是 X 的祖父即老李是小李的祖父这里的关键区别在于如果只需要证明“存在祖孙关系”用 ¬G(u,v) 作为结论的否定归结出空子句即可如果需要求出“谁和谁是祖孙关系”需要用重言式 ¬G(u,v)∨G(u,v) 代替结论的否定这样归结后不会产生空子句而是得到 G(L,X)从而读出 uLvX。4.4 产生式系统描述数字序列问题应用题第 7 题是一个综合题给 1 到 9 九个数字排一个序列使得该序列的前 n 个数字组成的整数能被 n 整除。这道题的知识点在于用产生式系统描述问题求解过程。可用的知识包括序列中偶数在偶数位置奇数在奇数位置第五个数为 5综合数据库用一个 1 到 9 的序列表示N {x}其中 x 为 1 到 9 的数字之一。规则集r1: IF len(N)4 THEN {x}{5}∪r2: IF len(N)为偶数 and nIn(1,3,7,9) THEN {x}{n}∪r3: IF len(N)为奇数 and nIn(2,4,6,8) THEN {x}{n}∪其中 len(N) 为求序列的长度In(a,b,c,d) 为取 a、b、c、d 之一。初始状态{}空序列 结束条件得到的序列 N 前 i 个数组成的整数能被 i 整除这道题的难点在于把数学约束转化为产生式规则。r1 规则利用“第五个数为 5”这个知识在序列长度为 4 时直接填入 5。r2 和 r3 规则利用奇偶位置约束在偶数位置填入奇数在奇数位置填入偶数。实际求解时还需要结合整除条件逐步筛选产生式系统的推理机会根据当前序列状态触发可用的规则。5. 避坑与排查做这套题时最容易翻车的五个地方5.1 归结式符号写反现象第 11 题归结式 C 的选项中把 C1‘σ∨C2’σ 写成了 C1‘σ∧C2’σ。原因归结法的本质是从两个子句中消去互补文字剩余部分用析取连接。因为子句本身是文字的析取归结后剩余的文字仍然保持析取关系。解决记住归结式的定义——C1 L∨C1‘C2 ¬L∨C2’归结式 C C1‘σ∨C2’σ。符号是∨不是∧选项中出现∧的直接排除。5.2 MGU 求解时忘记 occurs check现象求 MGU 时遇到差异集 {x, f(x)} 这种情况直接令 x f(x)导致无限递归。原因变元 x 出现在项 f(x) 中如果允许 x f(x)置换会无限循环。解决合一算法中必须做 occurs check出现检查如果变元出现在要替换它的项中则无法合一返回失败。代码实现时在mgu_algorithm函数中加入if var in str(term): return None的判断。5.3 子句集化步骤顺序搞错现象化子句集时先消去了全称量词再消去存在量词导致 Skolem 函数缺少参数。原因消去存在量词时如果存在量词在全程量词的辖域内Skolem 函数需要以全称量词的变元为参数。如果先消去了全称量词这些变元就丢失了。解决严格按照八个步骤的顺序执行——先消蕴含和等价再缩小否定范围再改名再消存在量词再消全称量词。第 4 步和第 5 步的顺序不能颠倒。5.4 α-β 剪枝方向搞反现象在 MAX 节点做 β 剪枝在 MIN 节点做 α 剪枝导致剪枝条件判断错误。原因α 剪枝发生在 MIN 节点β 剪枝发生在 MAX 节点。α 是 MAX 节点的下界β 是 MIN 节点的上界。解决记住口诀——“α 剪枝剪 MINβ 剪枝剪 MAX”。在 MIN 节点如果 β ≤ 先辈 α剪枝在 MAX 节点如果 α ≥ 先辈 β剪枝。5.5 可信度 CF 公式记混现象把 CF(A1∧A2) 算成了 CF(A1)×CF(A2)把 CF(~A) 算成了 1-CF(A)。原因混淆了概率公式和确定性因子公式。CF 模型用的是 min/max 和取负不是概率的乘法和补运算。解决记住 MYCIN 系统的 CF 组合公式——CF(~A) -CF(A)CF(A1∧A2) min{CF(A1), CF(A2)}CF(A1∨A2) max{CF(A1), CF(A2)}。如果题目明确给出的是概率公式则用概率公式如果题目说的是可信度 CF则用这组公式。6. 从试题到实战用 Python 实现一个简单的归结定理证明器做完这套题之后我最大的感受是归结原理和 MGU 算法如果只停留在纸面上过两周就会忘。最好的巩固方式是用代码实现一个简化版的归结定理证明器。下面是我写的一个 Python 实现支持基本的命题逻辑归结和一阶谓词逻辑的简单情形。class Clause: 表示一个子句由文字列表组成 def __init__(self, literals): self.literals set(literals) def __repr__(self): return ∨.join(sorted(self.literals)) if self.literals else □ def is_empty(self): return len(self.literals) 0 def resolve(self, other): 与另一个子句归结返回归结式或 None for lit in self.literals: neg lit[1:] if lit.startswith(¬) else ¬ lit if neg in other.literals: new_lits (self.literals - {lit}) | (other.literals - {neg}) return Clause(new_lits) return None def resolution_refutation(clauses, max_steps100): 归结反证法主循环 clauses: 初始子句集包含结论的否定 返回: True 如果推导出空子句否则 False clauses [Clause(c) for c in clauses] for step in range(max_steps): new_clauses [] n len(clauses) for i in range(n): for j in range(i 1, n): resolvent clauses[i].resolve(clauses[j]) if resolvent is not None: if resolvent.is_empty(): print(f第 {step1} 步归结出空子句定理得证) return True if resolvent not in clauses and resolvent not in new_clauses: new_clauses.append(resolvent) if not new_clauses: print(无法继续归结定理不成立) return False clauses.extend(new_clauses) print(f第 {step1} 步当前子句数{len(clauses)}) print(达到最大步数限制) return False # 测试证明 (A→B)∧A B # 子句集{¬A∨B, A, ¬B} clauses [ [¬A, B], # A→B [A], # A [¬B] # 结论的否定 ] result resolution_refutation(clauses) print(f证明结果{result})这段代码实现了命题逻辑的归结反证法。Clause类表示一个子句resolve方法尝试与另一个子句归结——遍历当前子句的文字找到互补文字后消去互补对返回新的归结式。resolution_refutation函数是主循环每轮对所有子句两两尝试归结如果产生空子句则返回 True如果无法产生新子句则返回 False。参数说明clauses是初始子句集必须包含前提的子句形式和结论的否定。max_steps是最大归结步数防止无限循环。实际使用时如果子句数量较多两两归结的复杂度是 O(n²)可以通过只归结包含互补文字的子句对来优化。这个证明器只能处理命题逻辑如果要扩展到一阶谓词逻辑需要在归结前做合一unification把两个子句中的文字通过置换变成互补文字。合一算法的实现可以参考第 3 章中的mgu_algorithm函数。从那以后我每次复习归结原理都会把这个证明器跑一遍把试题中的证明题输入进去验证。代码跑通了手写证明就不会再犯符号写反、置换标注错误的低级问题。希望这套试题和配套的代码实现能帮你把符号主义 AI 的核心考点真正吃透。本文还有配套的精品资源点击获取
