1.人工智能历史上有哪几个学派？代表理论是什么？
连接主义，符号主义，行为主义。
连接主义的连接是指的神经元，试图让自己搭建的人工神经网络尽量去模拟人脑里的神经元组成，虽然目前深度神经网络的可解释性还很差，但是在工程上确实很好用，就像炼丹一样，你加不同的火候、材料就会出不同的丹，在GPU里炼几百万次总有一颗丹好用，虽然你不知道他为什么会这样炼，但确实能炼出来。代表成果有多层感知机，神经网络，反向传播算法
符号主义其实就是离散数学里的那套交并补的逻辑，把各种行为通过符号表示出来，突出数学的作用，专家系统，启发式算法都是符号主义代表作。
行为主义起源于控制论，在自然界中有些低级昆虫脑部发育不好，甚至于只用大脑维持正常生命，而完全不用来控制行为，但仅凭四肢和关节的协调就能很好的适应环境，这也是数亿年进化的结果，行为主义核心是不去表示和推理，只关注对环境的感知和相应的行为，让进化充分发挥作用，不适应环境的自动淘汰，不主动要求人工智能去适应环境，而是创造出无数的智能，依据达尔文进化论，环境自然会让适应的留下，留下的不是因为有多智能，而只是因为恰好符合环境要求，甚至于可以没有大脑，但会对环境变化做出反应。代表成果有遗传算法，进化策略，遗传规划，进化规划。
2.简述数据、信息、知识的概念及其关系。
数据是最基本的单位，信息是加工处理的数据，知识是包含了有价值的信息。
3.什么是演绎推理，什么是归纳推理，论述二者区别
我知道狗摇尾巴代表高兴，在路上遇见一只狗，它向我摇尾巴，所以我推测他摇尾巴是因为高兴，从群体推理到个体的叫演绎推理
柴犬见到我会摇尾巴，哈士奇见了我会摇尾巴，那么我就会推测狗见了我都会摇尾巴，我推理藏獒见了我也会摇尾巴，这种从个体推群体就是归纳推理。
4.什么是启发式搜索
首先需要了解什么是盲目式搜索。盲目式搜索常见的有深度优先搜索、宽度优先、等代价搜索，都是维护一个CLOSE表存放已遍历的节点，然后把子节点放到OPEN表中，按照特定搜索策略进行搜索，在搜索过程中获得的中间信息不用来改进控制策略。
启发式搜索是利用与问题有关的启发性信息，并以这些启发性信息指导搜素过程，比如说定义一个评价函数，每次通过评价函数评估下一步的搜索策略，常见的有A*算法。
5.什么是字句
在人工智能里一个原子公式和原子公式的否定都叫文字，而把它们用析取（向上的那个像大于号的东西）连起来，之后就叫子句。
6.什么是特征工程？
对分类器设计来说，使用什么样的特征描述事物，也就是说用什么样的特征空间是一个很重要的问题，这个问题就被称为描述量的选择问题，意思是保留哪些描述量，删除哪些描述量的问题。为了提高某方面性能，我们需要对特征空间进行改造，所以我们研究的问题也可以叫做特征优化问题。说了这么多官方概念，其实总结下来就是两个字：降维。
降维十分常见，在特征工程中有两种方法，第一种特征选择是指从原有的D维特征空间，删去一些特征描述量，从而得到精简后的特征空间。在这个特征空间中，样本由降维后的d维的特征向量描述：x={x1,x2,…xd}，d＜D。由于x只是y的一个子集，因此每个分量xi必然能在原特征集中找到其对应的描述量xi=yj。
第二种特征提取则是找到一个映射关系：A:Y→X，使新样本特征描述维数比原维数降低。其中每个分量xi是原特征向量各分量的函数，即xi=WTyi。
