1.7 习题

1.人工智能发展的几次低潮的原因是什么？

2.人工智能诞生需要三个条件？

3.解释下列名词

1）自然智能；2）人工智能；3）生物智能；4）人类智能；

5）群体智能；6）系统智能；7）涌现；8）微观态；

9）宏观态；10）自组织；11）图灵测试。

4.下载并安装Netlogo平台，了解平台的环境及使用（https://ccl.northwestern.edu/Netlogo/）。

5.人工神经网络（ANNs）是生物神经元的计算类比。“感知器”是第一次尝试这种特殊类型的机器学习。它试图对输入信号进行分类并输出结果。它通过给出大量的例子并试图对它们进行分类，然后让一个监督者告诉它分类是对的还是错的。基于这个信息感知器更新它的权重，直到它正确地分类所有的输入。

为了确定其值，输出节点计算其输入节点的加权和。每个输入节点的值乘以连接到输出节点的链接的权重，从而得到一个加权值。然后将加权值全部相加。如果结果高于阈值，则值为1，否则为-1。该模型中输出节点的阈值为0。

当网络在训练时，输入被呈现给感知器。输出节点值与期望值进行比较，并更新链接的权重，以便尝试正确地对输入进行分类。

在Netlogo平台上学习感知器模型，按以下步骤运行该模型以便理解其工作原理。

1）SETUP将初始化模型并将任何权重重置为一个小的随机数。

2）在这个视图中，链接的大小越大，它的权重就越大。如果链接是红色的，那么它就是一个正权值。如果链接是蓝色的，那么它的权重就是负的。

3）值为-1用黑颜色，值为1用白颜色表示。

4）按TRAIN ONCE一次运行一代epoch的训练。

5）按下TRAIN继续训练网络。

6）按TEST将input-1和input-2的值输入感知器并计算输出。

6.路径涌现形成

从A点到B点铺设的道路并不总是最理想的路线，这可能会导致行人抄近路。最初，行人走过绿色的草地。之后的人往往会使用踩过的草地，而不是原始的草地，经过许多行人，形成了一条没有任何自上而下设计的未铺砌的道路。

环顾您的校园，找找从自底向上设计中出现的路径示例。

7.说明下列涌现现象

股票市场，免疫系统，大脑，生态系统，人类社会

8.运行模型库中的蜂拥模型flocking，体会智能的涌现过程。

Sample Models→Biology→Flocking

9.运行模型库中的蚁群模型，了解蚁群系统的自组织过程。