（人工智能）人工智能习题
1，如何理解人工智能的发展从“一枝独秀”到“百花齐放”？
目前人工智能的主要学派有下面三家：
(1)符号主义(symbolicism)，
(2)连接主义(connectionism)，
(3)行为主义(actionism)，
符号主义曾长期一枝独秀，为人工智能的发展作出重要贡献，尤其是专家系
统的成功开发与应用，为人工智能走向工程应用和实现理论联系实际具有特别重
要的意义
符号主义又称为逻辑主义(logicism)、心理学派(psychologism)或计算机学
派(puterism)，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性
原理。
符号主义认为工智能源于数理逻辑。其有代表性的成果为启发式程序 LT逻
辑理论家，证明了 38条数学定理，表了可以应用计算机研究人的思维多成，模
拟人类智能活动。这些符号主义者，早在 1956年首先采用“人工智能”这个术
语。后来又发展了启发式算法->专家系统->知识工程理论与技术，并在 20世纪 80
年代取得很大发展。在人工智能的其他学派出现之后，符号主义仍然是人工智能
的主流派别。这个学派的代表任务有纽厄尔(Newell)、西蒙(Simon)和尼尔逊
(Nilsson)等。
符号主义主张用逻辑方法来建立人工智能的统一理论体系，但却遇到了“常
识”问题的障碍，以及不确知事务的知识表示和问题求解等难题，因此，受到一
些研究人员的的批评与否定。之后出现了连接主义和行为主义。
连接主义认为人工智能源于仿生学，特别是对人脑模型的研究。它的代表性
成果是 1943年由生理学家麦卡洛克(McCulloch)和数理逻辑学家皮茨(Pitts)创
立的脑模型，即 MP模型，开创了用电子装置模仿人脑结构和功能的新途径。它
从神经元开始进而研究神经网络模型和脑模型，开辟了人工智能的又一发展道路。
1986年，鲁梅尔哈特(Rumelhart)等人提出多层网络中的反向传播算法(BP)算法。
此后，连接主义势头大振，从模型到算法，从理论分析到工程实现，伟神经网络
计算机走向市场打下基础。
行为主义认为人工智能源于控制论。控制论思想早在 20世纪 40~50年代就
成为时代思潮的重要部分，影响了早期的人工智能工作者。维纳(Wiener)和麦克
洛克(McCulloch)等人提出的控制论和自组织系统以及钱学森等人提出的工程控
制论和生物控制论，影响了许多领域。20世纪 80年代诞生了智能控制和智能机
器人系统。行为主义是 20世纪末才以人工智能新学派的面孔出现的，引起许多
人的兴趣。这一学派的代表作者首推布鲁克斯(Brooks)的六足行走机器人，它被
看作是新一代的“控制论动物”，是一个基于感知-动作模式模拟昆虫行为的控
制系统。
以上三个人工智能学派将长期共存与合作，取长补短，并走向融合和集成，
共同为人工智能的发展作出贡献。
2，BP网络拓扑结构中输入和输出的行列数有什么要求？
基本 BP网络的拓扑结构中，列数针对训练样本组数，所以输入输出的列数
必须相同，行数针对的是输入输出的神经元数目，可以不一样。如图 1-1所示为
BP网络拓扑图
图 1-1BP网络拓扑图
3，神经网络的三大测试样本？
训练样本，测试样本，检验样本
4，神经元的连接模式（3种）
5，通过人的皮肤对细菌的反应说明“免疫应答反应学说”
人体免疫系统图如图 1-2所示
图 1-2人体免疫系统图
非特异性免疫应答，也称为固有免疫。是生物体在长期种系发育和进化过程
中，逐渐形成的一系列防卫机制。
非特异性免疫的特点：
1、非特异性免疫应答是先先天的，遗传的，只有比较初级的识别功能，它
只能识别自身和非自身。对异物无特异性区别作用，没有再次反映，没有记忆，
只能清除一般异物。
2、非特异性免疫是特异性免疫的基础。发挥作用快，作用范围广，初次外
来异物刺激时，即可发生反应，起着第一线的防御作用，以后随着特异性免疫的
形成，非特异性免疫又与特异性免疫与之起协同作用。
特异性免疫应答的概念，特异性免疫应答（immuneresponse）是指机体受抗
原刺激后，免疫活性细胞识别抗原，进而活化、增殖、分化或失去活性潜能，并
表现出一定生物学效应的全过程。
特异性免疫应答的类型：
1、正免疫应答
抗原特异性淋巴细胞受抗原刺激后被诱导活化，产生效应分子（如抗体、细
胞因子）和效应细胞（如 Tc细胞），出现排异效应，此过程称正免疫应答。
正免疫应答可以针对异己成分，也可以针对自身成分或改变的自身成分。后
者称自身免疫，引起组织损伤的则称自身免疫病。
2、负免疫应答
通常免疫系统对自身抗原表现为负免疫应答（即免疫耐受）。此外，在异常
情况下，机体对“非己”抗原可产生过高应答、低应答，前者可引起超敏反应，
后者导致免疫功能低下而致感染扩散或肿瘤发生。
特异性免疫应答的特征
生物体免疫系统对抗原性异物产生的免疫应答，不论是体液免疫或是细胞免
疫，均具有下列特征。
1、特异性
生物体中有众多的带有不同抗原表位受体的 B细胞和 T细胞，任一抗原表位
只能选择其中一个具有相应表位受体的淋巴细胞与之特异性结合，因而整个免疫
应答过程以及其最终免疫产物始终保持着配体和受体的对应关系。
2、多样性
生物体免疫系统可与多种多样的抗原物质发生特异性免疫应答，原因是在生
物体出生时已存在数量极为庞大的淋巴细胞库（lymphocyterepertoire）。
3、记忆性
生物体免疫系统再次接触相同抗原时，引发的免疫应答有别于初次应答。常
呈现应答快速和强度增大。
4、自我调节
由抗原诱发的免疫应答不会无限度地长期延续不止，而是随着时间延长逐渐
减弱直至最后消失，从而表现为一定的自限性。
5、区别“自己”和“非已”
正常情况下，生物体的免疫系统能区别外来抗原和体内潜在的自身抗原。对
前 者 发 生 免 疫 应 答 ， 将 之 清 除 ； 对 后 者 无 反 应 ， 称 为 免 疫 无 应 答
（immuneresponsiveness）或免疫耐受（immunetolerance）。
6，为什么 20世纪 60年代中叶到 70年代中叶，机器学习进
入冷静时期。
机器学习是人工智能研究较为年轻的分支，它的发展过程大体上可分为 4个
时期。
第一阶段是在 50年代中叶到 60年代中叶，属于热烈时期。…>
第二阶段是在 60年代中叶至 70年代中叶，被称为机器学习的冷静时期。
第三阶段是从 70年代中叶至 80年代中叶，称为复兴时期。
第四阶段始于 1986年，称为机器学习的新时期。
在 60年代中叶至 70年代中叶，机器学习进入冷静时期有以下两个原因：
1，这一时期的研究主要是针对符号概念获取，符号概念获取的主要研究目
标是模拟人类的概念学习过程。其学习过程是通过分析一些概念的正例和反例构
造出这些概念的符号表示。概念的符号表示一般采用逻辑表达式、决策树、产生
式规则或语义网络等形式。这一阶段的代表性工作有温斯顿的结构学习系统和海
斯-罗思(Hayes-Roth)等人的基于逻辑的归纳学习系统。虽然这类学习系统取得
了较大的成功，但它们只能学习单一概念，且未能投入实际应用。
2，关于神经元网络模型的研究，明斯基在 1969年发表的颇有影响的论著
“Perceptron”中对其做出了悲观的论断。由于明斯基在人工智能界的威望，以
及神经元模型自身的局限性，致使神经元模型的研究落入低潮。
基于符号概念获取的研究缺乏实际应用加上神经元模型研究的低落，使得不
少人对机器学习感到失望，因此也有人把这一阶段称为机器学习的冷静时期。
7，随着人工智能的发展，在未来人和机器，谁是最终主宰，
发表自己的意见？
参考答案：
即使是现有的科技水平还比较低下的机器人，也与螺丝刀等纯粹意义上的工
具有着本质区别。因为机器人首先必须是有智能的，他的任何行动都是需要经过
其"大脑"进行信息加工后做出的，这就具有了显著的人类特征。如果我们能把电
脑的运算过程也看作是一种思维的话，机器人在很大程度上就像人一样，做事是
经过了脑子的，而螺丝刀显然是没有脑子的。智能性，是机器人与普通工具最大
的区别。
还有一个不容忽视的地方，现有的机器人即使也只是一种工具，但他与普通
工具不同的地方是，机器人不是人类某几种器官的简单延伸，从其设计原理上说，
机器人从思维到做出反应的方式上是完全仿人的。谁也不知道，随着机器人科技
的发展，机器人会不会完全具有人的所有能力？如果真有那么一天的话，机器人
即使不是生物，比如说他的思维载体仍是集成电路而不是生物神经元，他的外部
器官仍是金属、橡胶等，那又有什么关系呢？
从单个器官的能力来说，机器人肯定是要超过人类的，比如说电脑智力具有
可延续性、可集中性、可输入性、思维的高速度等特性，机械手可以在非常恶劣
的环境下工作。人类之所以能够控制机器人，非常重要的一点就在于人类没有或
者说还没能力赋予机器人全面的能力，人类的综合能力还是要强于机器人的。例
如，电脑再发达，但是在没有外部器官去实现其思维的时候也是白搭。但是如果
机器人具有了人类的全面能力，甚至在综合能力上超过人类，事情就会变得非常
复杂了。
感谢阅读
