简介：这份百度人工智能经典考试试题文档面向准备人工智能课程考试、笔试及基础面试的学习者，围绕语义网络、推理、知识表示、机器学习与自然语言处理等核心知识点组织内容。题目覆盖选择题、填空题、简答及计算题、应用题四种题型，并附参考答案与知识点说明，可用来快速自查概念掌握程度、熟悉常见命题方式，也能借助三值逻辑、归结证明、MGU、α-β剪枝、语义网络表示等具体题目复盘解题思路。压缩包内共1个doc文件，约279KB，篇幅紧凑，便于直接查阅和打印练习；既可用于期末复习，也可作为面试前的基础概念自测材料。目前已有1586人学习，适合需要系统梳理人工智能基础知识、查漏补缺的读者。

1. 从四道大题倒推：人工智能经典考试试题的知识地图

如果要在一周内把人工智能经典考试试题刷明白，先别急着背答案，先看骨架。一份 100 分的卷子通常这么切：15 分选择题打底常识，30 分填空专抠定义里的关键词，25 分简答计算考手算流程，30 分应用题落到语义网络、博弈树、谓词证明三个大块。这套结构在高校期末卷和大厂 AI 岗笔试题里重复率极高，所以它值得当成一张地图来记，而不是当题库来背。

这张地图上只有五个省：谓词逻辑与归结原理、产生式系统与知识表示、搜索与博弈、不确定性推理、AI 常识与学派。前两个省占分最重，第三第四个是计算题的主要产地，第五个省专门捡分。正在系统学这门课的人，用这张地图对一遍教材目录就能发现漏了哪块；已经在复习或准备面试题的人，直接按章节权重分配时间最快，哪块分高先啃哪块，别在学派选择题上耗一晚上。

2. 谓词逻辑与归结原理：子句集八步法、MGU 与反证法的完整链条

归结原理这块，是全卷唯一必须动手算、还一算就错的地方。它由三块拼起来：把自然语言翻译成谓词公式、把公式化成子句集、用归结反证法推空子句。三块里任何一块断链，后面的证明就无从下手，而卷面上往往只给几分，扣起来却毫不留情。

2.1 谓词、量词与三个必须分清的名词

命题的定义先钉死：能判断真假的陈述句。祈使句、疑问句、感叹句一律不算，这是选择题的固定陷阱。往上走是谓词，谓词里被量化的对象如果是「个体变元」，那叫一阶谓词；如果连谓词本身也能被量化，才是二阶谓词。卷面常问「仅个体变元被量化的谓词称为」，答一阶谓词。

量词相关的三个名词必须分清，填空题最爱抠这里：

翻译环节有两个高频句型要练熟。一个是「不存在最大的整数」，先设 G(x) 表示 x 是整数、D(x,y) 表示 x 大于 y，写成 ¬∃x(G(x) ∧ ∀y(G(y) → ¬D(x,y)))，意思是没有任何一个整数能大过所有整数。另一个是「凡是清洁的东西就有人喜欢」，设 P(y) 表示 y 清洁、L(x,y) 表示 x 喜欢 y，写成 ∀y(P(y) → ∃xL(x,y))，化成子句时 ∃ 会被一个函数顶替，这个函数把每个 y 映射到「喜欢它的那个人」。

2.2 子句集八步法：每一步对应一个典型翻车点

从谓词公式 G 到子句集 S，教材给的是固定八步，顺序不能乱：

1. 消去蕴含式和等价式，把 → 和 ↔ 换掉；
2. 把否定词 ¬ 的作用范围压到原子公式上，靠德摩根律和量词否定律；
3. 适当改名，让不同量词不共用同一个指导变元；
4. 消去存在量词，形成 Skolem 标准型；
5. 消去所有全称量词，默认全称量词管辖全式；
6. 化成合取范式，靠分配律把 ∨ 分配到 ∧ 里；
7. 适当改名，让不同子句之间不出现同名变元；
8. 消去合取符号 ∧，用逗号隔开，以每个子句为元素组成集合 S。

第 3 步和第 7 步是两次改名，很多人只做一次，结果归结时把两个不同子句里的同名变元当成同一个，合出错解。第 4 步最容易错：只孤立出现一次的存在量词用一个常量（Skolem 常量）替换；如果存在量词落在某个全称量词的辖域内，说明这个存在的个体依赖前面的全称变元，必须用一个函数替换，参数就是那些全称变元。区分这两者的标准只有一条——看 ∃ 外层有没有 ∀。

注意：第 6 步化成合取范式时，全称量词已经被消掉，所以分配过程中不要再纠结量词顺序，此时公式里已经没有量词了。

2.3 MGU：差异集手算法和它的边界条件

MGU 是最一般合一，求它靠差异集逐轮迭代。记初始替换 δ0 为空，S0 为原始原子公式集，每一轮看 S 是否只剩一个元素：是则停，δ 就是 MGU；否则找出第一个差异位置，比较该位置上的两个项。

def mgu(atoms): """差异集法求最一般合一：atoms 为若干原子公式，返回替换字典或 None""" subst = {} atoms = list(atoms) while True: # 1) 所有原子公式完全一致，当前替换即 MGU if all(a == atoms[0] for a in atoms): return subst # 2) 定位第一个差异位置，取出参与差异的两个项 v, t v, t = first_difference(atoms) # 3) 差异双方必须有一方是变元，否则合一失败（谓词名不同直接无解） if is_variable(t): v, t = t, v if not is_variable(v): return None # 4) occurs check：变元不能出现在要与它合一的项里，否则会无限展开 if occurs(v, t): return None # 5) 记录替换并整体应用到所有原子公式，进入下一轮 subst[v] = t atoms = [apply_subst(subst, a) for a in atoms]

参数说明上，subst是累积替换字典，键是变元、值是项；first_difference负责从左到右比对两个原子公式的项结构，返回第一处不一致的项对；occurs就是那个防止把 x 合一成 f(x) 的检查。这段代码对应的手算过程是：每一轮只解决一个差异，替换要同步作用到所有剩余公式上，而不是只改当前那一对。

照着试卷里那道 S={P(f(x),y,g(y)), P(f(x),z,g(x))} 走一遍：第一轮差异集是 {y,z}，y 是变元且 z 中不含 y，取 δ1={z/y}；应用后集合变成 {P(f(x),z,g(z)), P(f(x),z,g(x))}，第二轮差异集是 {z,x}，取 δ2={z/y, z/x}；此时集合只剩 P(f(z),z,g(z))，停止。最终 MGU={z/y, z/x}，注意顺序写反不算错，写成 {z/x, z/y} 也对，但漏掉其中一个就是零分。

另一道 W={P(f(x,g(A,y)),z), P(f(x,z),z)} 的差异集是 {g(A,y), z}，这次变元是 z，取 {g(A,y)/z}，一轮就收敛。

2.4 归结反证法：从否定结论到空子句

归结式定义是死的：设 C1 = L ∨ C1'，C2 = ¬L ∨ C2'，σ 是互补文字的最一般合一置换，则归结式 C = C1'σ ∨ C2'σ。是析取，不是合取，这一条能救回填空题的分。证明定理时走反证：把结论取反加进子句集，一路归结，出现空子句 □ 就说明定理成立。

祖孙那道题是标准模板。定义 F(x,y) 表示 x 是 y 的父亲，G(x,z) 表示 x 是 z 的祖父，已知三条：F(x,y)∧F(y,z)→G(x,z)、F(L,D)、F(D,X)。把结论 ¬G(u,v) 加进来，归结路径是：① ¬F(x,y) ∨ ¬F(y,z) ∨ G(x,z) 与 ② F(L,D) 归结得到 ⑤ ¬F(D,z) ∨ G(L,z)；⑤ 再与 ③ F(D,X) 归结得到 ⑥ G(L,X)；⑥ 与 ④ 归结出 □。

如果要的不是「得证」而是「谁是谁的祖父」，就把结论的否定换成重言式 ¬G(u,v) ∨ G(u,v)，最后一步归结出来的是 G(L,X) 而不是空子句，答案直接落在置换里：L 是 X 的祖父。这个技巧叫提取答案，应用题里出现「问谁和谁是祖孙关系」时必须用它，只写 □ 等于没答问题。

子句集大了以后手动归结对不动，删除策略是唯一的减负手段，三条要背准：删掉含纯文字的子句（该文字在整个子句集中没有互补文字）、删掉含永真式的子句（形如 L ∨ ¬L）、删掉被别的子句类含（包孕）的子句。注意「含有重复文字的子句」不属于这三条，写上去就是错。

3. 产生式系统与知识表示：三件套、AKO/ISA 链与四种表示法的取舍

知识表示这一章看着软，考点却很硬：产生式系统的组成部分、正向反向推理的判定、语义网络里弧的语义、专家系统缺哪一块。它和第二章的关系是——谓词逻辑解决「怎么算」，知识表示解决「知识长什么样、怎么被用起来」。

3.1 产生式系统的三件套与推理方向

产生式的基本形式是 P → Q，也可以写成 IF P THEN Q。P 是前件（前提），指出这条规则能不能用；Q 是后件（结论或操作），指出前提满足后应该得出什么或执行什么。语义一句话：如果前提 P 被满足，则可推出结论 Q 或执行 Q 规定的操作。

一个产生式系统由三部分组成，缺一不可：

推理方向按起点分三种。从已知事实出发、在规则库里找可用的规则、推出结论，是正向推理（数据驱动）；从假设的结论出发、倒着找支撑它的事实，是反向推理（目标驱动）；两头同时推进的是双向推理。卷面那句话「从已知事实出发，通过规则库求得结论」对应的就是正向推理，看到「事实出发」四个字先圈正向。

推理过程中可能出现多条规则同时可触发，形成冲突集，此时要从可触发规则里挑一条执行，被选中的那条叫触发规则，挑选的过程叫冲突消解。常见策略有优先级、专一性（更具体的规则先用）、就近原则。这个术语在填空题里出现频率不低，很容易和「被触发规则」混着写。

# 前向推理骨架：规则库 + 综合数据库 + 推理机 def forward_chain(facts, rules): db = set(facts) # 综合数据库：初始事实 fired = [] # 已执行规则，避免死循环 while True: agenda = [r for r in rules if r.cond(db) and r not in fired] # 冲突集：当前可触发规则 if not agenda: return db, fired rule = conflict_resolve(agenda) # 冲突消解：优先级 / 专一性 db |= rule.fire(db) # 执行触发规则，结论写回数据库 fired.append(rule)

cond是规则前提的判定函数，fire返回结论集合；conflict_resolve决定选哪条，一般先用专一性再用优先级，因为更具体的规则条件更强、结论更可靠。这段骨架的失败点通常不在推理本身，而在没有fired集合导致规则反复触发。

用 1~9 排序列那道题检验一下就清楚了：要求序列前 n 位组成的整数能被 n 整除。能帮上忙的知识有两条——偶数只能放偶数位、奇数只能放奇数位，第五位一定是 5。综合数据库用一个 1 到 9 的序列 N 表示，规则写成 r1：长度等于 4 时追加 5；r2：长度为偶数时追加 {1,3,7,9} 中的一个；r3：长度为奇数时追加 {2,4,6,8} 中的一个；初始状态是空序列，终止条件是前 i 位能被 i 整除。这类题的评分点不在答案数字，而在你有没有把「数据库、规则集、初始状态、终止条件」四件写全。

3.2 语义网络：节点、有向弧与 AKO/ISA 链的继承性

语义网络用节点表示概念或对象、用有向边表示节点之间的关系，本质是一张带标签的图。卷面那句「有向弧 AKO 链、ISA 链是用来表达节点知识的」答案只有一个——继承性。ISA 表示「是一个（is-a）」，AKO 表示「是一种（a-kind-of）」，两者都是把下层节点挂到上层概念上，让下层自动继承上层的属性，这就是继承性的来源。

把「A同学是某公司的经理，他 35 岁，住某胡同 68 号」画成网络，节点有：A同学、某公司、经理、35、某胡同、68。边是：A同学 —is-a→ 经理，经理 —part-of/工作于→ 某公司，A同学 —age→ 35，A同学 —住址→ 某胡同68号。画的时候要注意，属性和关系都挂在节点上，别把「35」再拆成节点套一层。比赛比分那句同理：两所高校各作为节点，中间挂一个「比赛」事件节点，边上标 89 和 102，事件节点比「校A—校B」直连更能表达时序和比分。

语义网络和谓词逻辑可以互译，这是应用题的隐藏得分点。「某个学生读过三国演义」用谓词公式写是 ∃x(Student(x) ∧ Read(x, 某书))，画成网络就是一个 Student 节点、一个 Book 节点、一条 Read 弧连过去，存在量词体现为那个没名字的节点。反过来，网络里的每条弧都能还原成一个二元谓词。想拿满分的写法是两种表示都给出，再补一句弧的语义说明。

提示：语义网络的短板要能说出来——没有统一的形式语义、推理要靠继承和匹配、不好处理否定和析取。简答题问「语义网络的优缺点」时这几条就是分。

3.3 四种表示法的取舍与专家系统的六个部件

知识表示的方法卷面主要考四种，各自的适用场景别混：

专家系统的组成是另一处高频填空。标准六件是知识库、综合数据库（工作存储）、推理机、解释器、知识获取模块、人机界面。「用户」不是组成部分，它是使用者，出现在选项里就是来送分的。再往下问知识的四要素，是事实、规则、控制、元知识，「关系」是干扰项。

开发专家系统的步骤也有固定说法：总体分析与设计、知识获取、知识表示与知识描述语言设计、知识库与知识库管理系统设计、推理机与解释模块设计、总控与界面设计、编程调试、测试评价、运行维护。和一般软件工程相比的共同点是同样要走需求分析和系统设计，特点在于知识获取和知识表示是一切工作的起点，而且这两项一旦定下来，后面的设计可以并行推进——这个「并行」是简答题的采分点。

4. 搜索与博弈：状态图、启发函数与 α-β 剪枝的判定条件

搜索这一章的计算量集中在两处：搜索算法的完备性与最优性对比，以及博弈树上的 α-β 剪枝。前者靠一张表记住，后者必须动手画树，光看答案学不会。

4.1 状态空间图、或图与与或图

把迷宫位置、棋盘布局、八数码的排列都抽象成节点，把一步操作抽象成边，得到的就是状态空间图。因为求解过程是「在若干条可选路径里选一条能到终点的」，这类图的每个节点只要满足一个子节点即可，逻辑上是「或」，所以状态图也叫或图。与之相对的是与或图：一个问题分解成若干子问题，这些子问题必须全部解决，节点之间是「与」的关系，边上的连接符会画成小圆弧。

这两个名词在填空题里反复出现，判断依据只有一条：看子问题之间是「任选其一」还是「缺一不可」。

4.2 盲目搜索的最优性对比与启发式搜索的落点

四种搜索的最优性经常被拿来出选择题，问「如果问题存在最优解，哪种算法必然能得到该最优解」，标准答案是广度优先搜索（在边代价相等的条件下）。理由很直接：它按层扩展，第一次碰到目标节点时走过的步数一定最少。深度优先可能一头扎进无穷分支，找不到最优解甚至找不到解；有界深度优先的解不一定最优，因为深度界限卡在那；启发式搜索只有在启发函数满足可采纳性（不高估真实代价）时才保证最优。

启发式搜索中用来携带启发性信息的函数叫启发函数，常见写法是 f(n) = g(n) + h(n)，g 是从初始节点到 n 的实际代价，h 是 n 到目标的估计代价。h 取 0 时退化成一致代价搜索，h 高估时会快但可能不最优，这个权衡关系在简答题里值得写一句。

4.3 α-β 剪枝：两个判定条件和一棵必须画出来的树

博弈问题的标准解法是极大极小分析法：先生成一棵博弈树，叶节点给估值，然后自底向上算倒推值，MAX 层取最大值、MIN 层取最小值。它的效率太低，改进就是 α-β 剪枝。

两个判定条件必须背准，方向弄反是最常见的翻车现场：

INF = float("inf") def alphabeta(node, depth, alpha, beta, maximizing): # 叶子节点或到达深度限制，直接返回静态估值 if depth == 0 or node.is_leaf(): return node.value if maximizing: # MAX 层：往上抬 alpha value = -INF for child in node.children: value = max(value, alphabeta(child, depth - 1, alpha, beta, False)) alpha = max(alpha, value) if alpha >= beta: # 对应试卷的 β 剪枝：MAX 节点的 α 顶到先辈 MIN 的 β break return value else: # MIN 层：往下压 beta value = INF for child in node.children: value = min(value, alphabeta(child, depth - 1, alpha, beta, True)) beta = min(beta, value) if alpha >= beta: # 对应试卷的 α 剪枝：MIN 节点的 β 掉到先辈 MAX 的 α 之下 break return value

参数含义：alpha是 MAX 层当前能保证的下界，beta是 MIN 层当前能保证的上界，maximizing标记当前轮到谁走。break的位置就是剪枝点，被跳过的那些子节点就是卷面上要求你画叉的分枝。

这里有个特别容易错的表述：剪掉的是「该节点以下的分枝」，不是节点本身，节点自己的倒推值照样要算出来往上传。另外注意剪枝条件里的方向——判断发生在 MIN 层时叫 α 剪枝，发生在 MAX 层时叫 β 剪枝，很多人按「剪的是 α 还是 β」去记，结果和层类型对不上。手算时先把树按层标好 MAX/MIN，再从最左子树开始，一路记着祖先传下来的 α 和 β，遇到不满足就停，比死记文字可靠。

5. 易错点清单：五个一到考场就翻车的地方

这一章是我自己按错题整理出来的。有些错误不是不会，是记混了一个字、漏写了一个符号，扣分却和完全不会一样多。

5.1 归结式写成合取，还把合一置换 σ 丢了

易漏点：归结式 C = C1'σ ∨ C2'σ，写成 C1' ∧ C2'，或者把 σ 直接省掉写成 C1' ∨ C2'。

为什么漏：潜意识里把「两个子句合到一起」理解成「同时成立」，于是顺手写成 ∧；而 σ 在推导过程中往往被默认掉了，因为简单题里 σ 是空替换，写不写看不出差别，一旦遇到需要合一的题就露馅。

怎么补：每次写归结式前先默念一遍「析取 + 置换」，写完检查两件事——符号是不是 ∨、σ 有没有落到两个剩余部分上。练习时强迫自己在归结式后面用括号标出置换，比如 (C1'σ ∨ C2'σ){z/y, z/x}，标两周就形成条件反射了。

5.2 CF 的合取析取公式记成另一套

易漏点：CF(¬A) = -CF(A)，CF(A1∧A2) = min{CF(A1), CF(A2)}，CF(A1∨A2) = max{CF(A1), CF(A2)}，这一套是确定性理论的原版定义。另一套把可信度当概率处理，用 1-CF(A)、乘法、加法减乘积的写法也广泛流传，两套混着用就全错。

为什么漏：不同教材给的版本不一样，复习时手边同时有两本书，抄公式时抄了上半句忘了下半句，结果 ¬A 用 -CF(A)、合取用乘积，成了缝合怪。

怎么补：先确认自己考的那本教材用哪套，然后在草稿纸首页写死一套，全程只用手上这套。判断依据是问自己「这套公式满足 CF(A∨¬A)=1 吗」，满足的那套自洽。考试时遇到不确定，就把两套都写在旁边，按教材版本选，不要临场推导。

5.3 删除策略的三个术语写成大白话

易漏点：删除策略删的是含纯文字的子句、含永真式的子句、被别的子句类含（包孕）的子句。

为什么漏：这三条用大白话解释起来都通顺——「含重复文字的子句」「自相矛盾的子句」「被证明出来的子句」听着也像那么回事，于是填空时顺手写了白话，判卷按术语给分，一分不得。

怎么补：把三个术语和它们的判定标准绑在一起记。纯文字看「该文字在全集中有没有互补文字」，永真式看「子句内部有没有 L 和 ¬L 并存」，类含看「子句 A 是否被另一个子句 B 包含」。三条判据都是结构性的，能落到符号上，就不会退化成模糊描述。

5.4 α-β 剪枝的方向和层类型对不上

易漏点：α 剪枝发生在 MIN 层，β 剪枝发生在 MAX 层；剪掉的是分枝，不是节点。

为什么漏：教材的两段定义都是「若……则中止该层以下搜索」，主语藏在中间，背的时候只记住了「α 大 β 小就剪」，一到画树就分不清该剪哪边。另外「剪掉节点」这种说法在口语里太顺，做题时容易把节点本身划掉。

为什么补不了：这一条纯靠手算，看答案永远学不会。

怎么补：拿三道不同形状的博弈树，从根开始一层层标 MAX/MIN，每到一个节点就把当前的 α、β 写在节点旁边，超过界限立刻打叉并注明「α 剪」还是「β 剪」。第三遍开始计时，能在五分钟内画完一棵四层树就算过关。

5.5 专家系统部件和知识四要素张冠李戴

易漏点：专家系统的六件是知识库、综合数据库、推理机、解释器、知识获取、人机界面；知识四要素是事实、规则、控制、元知识。

为什么漏：两组都是「四个或六个名词」的题，背的时候只记了数量，串了组。加上「用户」「关系」这类干扰项长得太像正确答案，选项一扫就中招。

怎么补：给两组词各配一句自解释——专家系统那组问「系统由什么构成」，答案里必须有能和人打交道的界面；知识四要素那组问「知识里装了什么」，答案里必须有元知识这种「关于知识的知识」。用这句自解释反查选项，比死背清单稳。

6. 考前 72 小时的复习清单：按分值和出错率排优先级

时间不够的时候，复习顺序比复习时长更重要。我的排法是先算「这章值多少分、我错几次」，再决定投入多少小时，而不是从第一章顺着看。

第一优先级是谓词逻辑与归结，因为它同时出现在填空、简答、应用三种题型里，一张卷子能占到 30 分以上。做法是把子句集八步写三遍，每遍都用不同的公式；然后把 MGU 那两道题闭卷重算，算完对照差异集一轮一轮核对；最后把祖孙关系和「苍蝇不清洁」两道证明各推一遍，重点检查置换写在没写。

第二优先级是 α-β 剪枝，应用题里它单独占一道，通常是 10 到 15 分。做法是画三棵形状不同的树，每棵都标 MAX/MIN、写 α/β、注明剪枝类型，画完自己在旁边写一句「这里剪掉的是分枝不是节点」自我提醒。

第三优先级是产生式系统与语义网络，这两块分值不低但套路固定。产生式把三件套、三种推理方向、冲突消解三个词写在一张卡片上；语义网络准备两个能直接套的例子，一个是实体属性型，一个是事件型，考试时按题目类型选模板往里填。

第四优先级是常识类填空，学派三家、知识四要素、专家系统六件、远期与近期目标、不确定性四种类型。这些内容十分钟能过完一遍，但覆盖率极高，属于性价比最高的一块。

查漏补缺的具体做法是「反向刷题」：不看题先看答案，从答案里的术语倒推它考的是哪个知识点，推不出来的就是盲区。比如答案写「类含」，你反应不出它属于删除策略，那这条就得回炉。这个方法比顺着做题快得多，尤其适合只剩两天的时候。

最后一条是血泪经验：所有需要写置换的题，落笔前先在草稿纸上把置换列成集合形式，再往正文里抄，中间不要跳步。我吃过一次亏，思路全对，就因为把 {z/y, z/x} 写成了 {z/x}，整道证明判零。从那以后我每次做归结题都强制走一遍「列置换、写析取、对空子句」三步，哪怕题再简单也不省。这份试卷和配套答案我整理成了完整文件，按上面四张表过一遍，比从头翻教材省事得多。希望帮到你。

本文还有配套的精品资源，点击获取