附录Ａ 计算机科学与技术学科综合考试人工智能真题
１９９９年计算机科学与技术学科综合考试真题
课程Ⅳ 人工智能原理
一、选择题（共４分）
人工智能作为一门学科，在（ ）年诞生于（ ）。ＬＩＳＰ语言是（ ）年提出的，ＭＹＣＩＮ的诞生地
是（ ）。
第１、３空格候选答案：
（Ａ）１８７０ （Ｂ）１８７６ （Ｃ）１８８０ （Ｄ）１８８６ （Ｅ）１８９０ （Ｆ）１８９５ （Ｇ）１９３５
（Ｈ）１９４０ （Ｉ）１９４６ （Ｊ）１９５０ （Ｋ）１９５６ （Ｌ）１９６０（Ｍ）１９７０（Ｎ）１９８０
第２、４空格候选答案：
（１）Ｄｏｖｅｒ （２）ＬａｓＶｅｇａ （３）ＲｉｃｅＵｎｉｖｅｒｓｉｔｙ
（４）ＮｅｗＹｏｒｋ （５）Ｈｏｕｓｔｏｎ （６）Ｃｈｉｃａｇｏ
（７）Ｂｏｓｔｏｎ （８）Ｌｏｎｄｏｎ （９）Ｄａｒｔｍｏｕｔｈ
（１０）Ｓｅａｒｔｉｅ （１１）ＨａｒｖａｒｄＵｎｉｖｅｒｓｉｔｙ （１２）ＯｘｆｏｒｄＵｎｉｖｅｒｓｉｔｙ
（１３）ＵｎｉｖｅｒｓｉｔｙｏｆＣａｍｏｒｉｄｇｅ （１４）Ｂｉｒｍｉｎｇｈａｍ （１５）ＪｏｈｎｓＨｏｐｋｉｎｓＵｎｉｖｅｒｓｉｔｙ
（１６）Ｐｅｎｎｓｙｌｖａｎｉａ （１７）ＲＡＮＤ （１８）ＩＢＭ
（１９）ＳａｎＪｏｓｅ （２０）ＦｒａｎｋｌｉｎａｎｄＭａｒｓｈａｌｌＣｏｌｌｅｇｅ （２１）Ｐｈｉｌａｄｅｌｐｈｉａ
（２２）Ｄｅｎｖｅｒ （２３）Ｍｏｎｔｒｅａｌ （２４）Ｂｅｒｋｅｌｅｙ
（２５）ＣａｒｎｅｇｉｅＭｅｌｏｎＵｎｉｖｅｒｓｉｔｙ （２６）Ｍｉｃｈｉｇａｎ （２７）ＭＩＴｓ
（２８）ＫａｎｓａｓＣｉｔｙ （２９）Ｐｒｏｖｉｄｅｎｃｅ （３０）ＳｔａｎｆｏｒｄＵｎｉｖｅｒｓｉｔｙ
二、填空题（共１０分）
１．近年来，对人类智能的理解上形成了两种不同的观点，一种观点称做（ ）主义，另一种观
点，即（ ）的观点，称做（ ）主义。
２．常用的知识表示方法有逻辑表示法、（ ）、（ ）、（ ）、（ ）
等。
３．下图为Ｓｉｍｏｎ提出的学习模型，请填充空白框。
三、（５分）将下式化为不含量词的子句
～ｘｙｚｕＰ（ｘ，ｙ，ｚ，ｕ）
五、（１０分）已知：规则可信度
Ａ→Ｘ ＣＦ（Ｘ，Ａ）＝０．８
Ｂ→Ｘ ＣＦ（Ｘ，Ｂ）＝０．６
Ｃ→Ｘ ＣＦ（Ｘ，Ｃ）＝０．４
Ｘ∧Ｄ→Ｙ ＣＦ（Ｙ，Ｘ∧Ｄ）＝０．３
证据可信度ＣＦ（Ａ）＝ＣＦ（Ｂ）＝ＣＦ（Ｃ）＝ＣＦ（Ｄ）＝０．５。
Ｘ、Ｙ的初始可信度ＣＦ0（Ｘ）＝０．１；ＣＦ0（Ｙ）＝０．２。
要求用ＭＹＣＩＮ的方法计算：
１．结论Ｘ的可信度ＣＦ（Ｘ）；
２．结论Ｙ的可信度ＣＦ（Ｙ）。
２０００年计算机科学与技术学科综合考试真题
课程Ⅳ 人工智能原理
一、选择与填空（共１０分，每空０．５分）
１．命题逻辑下，可以归结（消解、ｒｅｓｏｌｕｔｉｏｎ）的子句Ｃ１和Ｃ２，在某解释下Ｃ１和Ｃ２为真。则其归结式
（消解式、ｒｅｓｏｌｖｅｎｔ）Ｃ在该解释下（ ）。
Ａ．必真 Ｂ．必假 Ｃ．真假不能断言
２．表达式Ｇ是不可满足的，当且仅当对所有的解释（ ）。
Ａ．Ｇ为真 Ｂ．Ｇ为假 Ｃ．Ｇ为非永真（ｉｎｖａｌｉｄ）
床头柜尺寸
３．ＭＹＣＩＮ系统中规定，证据Ａ的可信度ＣＦ（Ａ）的取值为（ ）。
哪种精神病最可怕
Ａ．ＣＦ（Ａ）＞０ Ｂ．０≤ＣＦ（Ａ）≤１ Ｃ．－１≤ＣＦ（Ａ）≤１
４．主观Ｂａｙｅｓ推理中，规定似然比（Ｌｉｋｅｌｉｈｏｏｄ）ＬＳ和ＬＮ应（ ）。
Ａ．≥０ Ｂ．≤０ Ｃ．＞０
５．在诞生初期，人工智能被定义为这样一个计算机科学的分支：它是研究（ ）。人工智能程
序与通常意义下的程序比较它具有以下四个特点：（ ），（ ），（ ），（ ）。
６．用反演（ｒｅｆｕｔａｔｉｏｎ）归结证明定理，证明过程是这样结束的。若（ ），则定理得证；若（ ），
则证明失败。
７．在语义网络中，为了进行节点（结点，ｎｏｄｅ）间节点属性的继承推理，规定了两个约定俗成的链（弧，
ａｒｃ），命名为（ ）和（ ），用来标明类与子类、类与个体之间的关系。
８．产生式规则与蕴涵规则的区别在于：产生式规则（ ），而蕴涵规则（ ）。
９．ＭＹＣＩＮ推理中，对证据的可信度ＣＦ（Ａ）、ＣＦ（Ａ１）和ＣＦ（Ａ２）之间，规定如下关系：ＣＦ（～Ａ）＝
（ ），ＣＦ（Ａ１∧Ａ２）＝（ ），ＣＦ（Ａ１∨Ａ２）＝（ ）。
１０．主观Ｂａｙｅｓ推理中，规则Ｅ→Ｈ的不确定性是以似然比ＬＳ和ＬＮ描述的。ＬＳ表示了规则成立的
（ ）性；ＬＮ表示了规则成立的（ ）性。
二、化下列逻辑表达式为不含存在量词的前束形（ｐｒｅｎｅｘｆｏｒｍ）（５分）
（Ｘ）（Ｙ）｛（Ｚ）［Ｐ（Ｚ）∧～Ｑ（Ｘ，Ｚ）］→Ｒ（Ｘ，Ｙ，ｆ（ａ））｝
四、对结论做假设Ｈ，有证据Ｅ１和Ｅ２，规则Ｒ１和Ｒ２。（１０分）
Ｒ１：Ｅ１→Ｈ，ＬＳ＝２０，ＬＮ＝１；
Ｒ２：Ｅ２→Ｈ，ＬＳ＝３００，ＬＮ＝１。
已知Ｈ的先验概率Ｐ（Ｈ）＝０．０３。若证据Ｅ１和Ｅ２依次出现，按主观Ｂａｙｅｓ推理，求Ｈ在此条件下的
概率Ｐ（ＨｍＥ１，Ｅ２）。
（注意：每步应列出计算式，计算结果可取近似值。）
２００１年计算机科学与技术学科综合考试真题
课程Ⅳ 人工智能原理
一、选择与填空（共１０分，每空０．５分）
（１）标准逻辑（谓词逻辑）中，重言式（ｔａｕｔｌｏｇｙ）是（ ）。
支部工作计划Ａ．永真 Ｂ．永假 Ｃ．非永真（ｉｎｖａｌｉｄ）
大学生的目标（２）反演（ｒｅｆｕｔａｔｉｏｎ）归结（消解，ｒｅｓｏｌｕｔｉｏｎ）证明定理时，
若当前归结式（消解式，ｒｅｓｏｌｖｅｎｔ）是（ ），则
定理得证。
Ａ．永真式 Ｂ．包孕式（ｓｕｂｓｕｍｅｄ） Ｃ．空子句
（３）ＭＹＣＩＮ系统中规定，若证据Ａ的可信度ＣＦ（Ａ）＝０，则意味着（ ）。写一篇读后感
Ａ．证据不可信 Ｂ．对证据一无所知 Ｃ．证据可信
（４）主观Ｂａｙｅｓ推理中，规则Ｅ→Ｈ，其ＬＳ＝ＬＮ＝１，这意味着（ ）。
Ａ．Ｅ对Ｈ没有影响 Ｂ．Ｅ支持Ｈ Ｃ．～Ｅ支持Ｈ
（５）开发专家系统所要解决的基本问题有３个，那就是知识的获取、知识的表示和（ ）；知识
表示的方法主要有（ ），（ ），（ ），（ ）。
（６）反演归结的支持集策略规定：参加归结的子句应这样选取：（ ），而其归结式应并
入（
）内。
（７）谓词逻辑下，子句Ｃ１＝Ｌ１∨Ｃ′１，Ｃ２＝～Ｌ２∨Ｃ′２，若σ是互补句节的（ ）的合一子，则其归结
式（消解式，ｒｅｓｏｌｖｅｎｔ）Ｃ＝（ ）。
（８）以反演归结证明子句集Ｓ不可满足的过程中，当前归结式是（ ）或（ ），则可
删除。
（９）语义网络是（ ）表示的［节点１，有向弧，节点２］三元式联结而成的。其节点表示（
），其弧表示（ ）。
（１０）ＰＲＯＳＰＥＣＴＯＲ系统中的规则，由专家指定其ＬＳ、ＬＮ的值，由似然比定义知：ＬＳ、ＬＮ与０（零）
比较应ＬＳ、ＬＮ皆（ ）０，并且，若指定ＬＳ＞１，则ＬＮ应指定（ ）；反之亦然。
二、计算证据对结论的不确定性的影响（７分）
已知规则Ｒ１、Ｒ２的可信度：Ｒ１，Ａ→Ｘ，ＣＦ（Ｘ，Ａ）＝０．８
Ｒ２，Ｂ→Ｘ，ＣＦ（Ｘ，Ｂ）＝０．６
证据可信度ＣＦ（Ａ）＝ＣＦ（Ｂ）＝０．５，Ｘ的初始ＣＦ０（Ｘ）＝０．１，现逐次引用Ｒ１、Ｒ２，要求用ＭＹＣＩＮ的方
法计算结论Ｘ的可信度ＣＦ（Ｘ）。
三、用标准逻辑（经典逻辑，谓词逻辑）的子句集表示下述刑侦知识，并用反演归结的线性策略证明结
论。（９分）
现定义如下谓词（其项变量Ｘ，Ｙ，Ｚ，皆为全称变量）。
Ｔｈｉｅｆ（Ｘ）———某人Ｘ是贼；
车图片大全图片Ｌｉｋｅｓ（Ｘ，Ｙ）———某人Ｘ喜欢某物Ｙ；
Ｍａｙｓｔｅａｌ（Ｘ，Ｙ）———某人Ｘ可能会偷窃某物Ｙ。
（１）用子句集表示下属刑侦知识：
ｉＪｏｈｎ是贼。
ｉｉＰａｕｌ喜欢酒（ｗｉｎｅ）。
ｉｉＰａｕｌ（也）喜欢奶酪（ｃｈｅｅｓｅ）
ｉｖ如果Ｐａｕｌ喜欢某物则Ｊｏｈｎ也喜欢某物。
ｖ如果某人是贼，而且他喜欢某物，则他就可能会偷窃该物。
（２）求证结论：Ｊｏｈｎ可能会偷窃什么？
即求证目标：Ｍａｙｓｔｅａｌ（Ｊｏｈｎ，Ｚ），Ｚ＝？
（提示：建议将求证目标作为顶子句，按线性策略进行反演消解，注明每次消解式的置换及其父子句的
编号。）
附录Ｂ 计算机科学与技术学科综合考试真题参考解答
１９９９年综合考试人工智能真题参考解答
一、（Ｋ），（９），（Ｌ），（３０）
二、１．（符号主义），（仿生学），（联结主义）
２．（框架表示法），（语义网络表示法），（面向对象表示法），（产生式表示法）土豆片的做法
３．
五、解：考虑Ｘ、Ｙ具有初始可信度，所以使用更新法计算结论可信度。
（１）Ｘ的可信度更新值计算
由于证据初始值ＣＦ（Ａ）＝ＣＦ（Ｂ）＝ＣＦ（Ｃ）＝ＣＦ（Ｄ）＝０．５＜１，所以，使用公式（４．２．１０）。由规则ｒ１：
ＣＦ（Ｘ／Ａ）＝ＣＦ０（Ｘ）＋ＣＦ（Ａ）×ＣＦ（Ｘ，Ａ）－ＣＦ０（Ｘ）×ＣＦ（Ａ）×ＣＦ（Ｘ，Ａ）
＝０．１＋０．５×０．８－０．１×０．５×０．８＝０．４６
由规则ｒ２：
ＣＦ（Ｘ／Ａ，Ｂ）＝ＣＦ（Ｘ／Ａ）＋ＣＦ（Ｂ）×ＣＦ（Ｘ，Ｂ）－ＣＦ（Ｘ／Ａ）×ＣＦ（Ｂ）×ＣＦ（Ｘ，Ｂ）
＝０．４６＋０．５×０．６－０．４６×０．５×０．６＝０．６２２
由规则ｒ３：
离婚协议书范文2013
ＣＦ（Ｘ／Ａ，Ｂ，Ｃ）＝ＣＦ（Ｘ／Ａ，Ｂ）＋ＣＦ（Ｃ）×ＣＦ（Ｘ，Ｃ）－ＣＦ（Ｘ／Ａ，Ｂ）×ＣＦ（Ｃ）×ＣＦ（Ｘ，Ｃ）
＝０．６２２＋０．５×０．４－０．６２２×０．５×０．４＝０．６９８
ＣＦ（Ｘ／Ａ，Ｂ，Ｃ）即是Ｘ的可信度之更新值。
（２）Ｙ的可信度更新值计算
由规则ｒ４：首先求出
ＣＦ（Ｘ∧Ｄ）＝ｍｉｎ｛ＣＦ（Ｘ），ＣＦ（Ｄ）｝
＝ｍｉｎ｛０．６９８，０．５｝
＝０．５
由于规则Ｘ∧Ｄ→Ｙ的前提Ｘ∧Ｄ之可信度ＣＦ（Ｘ∧Ｄ）＝０．５＜１，所以，仍要使用公式（４．２．１０），得到
ＣＦ（Ｙ／Ｘ∧Ｄ）＝ＣＦ０（Ｙ）＋ＣＦ（Ｘ∧Ｄ）×ＣＦ（Ｙ／Ｘ∧Ｄ）－ＣＦ０（Ｙ）×ＣＦ（Ｘ∧Ｄ）×ＣＦ（Ｙ，Ｘ∧Ｄ）
＝０．２＋０．５×０．３－０．２×０．５×０．３
＝０．２＋０．１５－０．２×０．１５＝０．３２
故结论Ｙ之可信度的更新值为ＣＦ（Ｙ）＝０．３２。
