人工智能習(xí)題參考答案

人工智能習(xí)題參考答案第一章緒論1-4現(xiàn)在人工智能有哪些學(xué)派？它們的認(rèn)知觀是什么？

(1)符號主義(symbolicism)(2)連接主義(connectionism)(3)行為主義(actionism)

符號主義認(rèn)為人工智能起源于數(shù)理邏輯；連接主義認(rèn)為人工智能起源于仿生學(xué)，特別是對人腦模型的研究；行為主義認(rèn)為人工智能源于控制論

1-6人工智能的主要研究和應(yīng)用領(lǐng)域是什么？其中，哪些是新的研究熱點(diǎn)？研究和應(yīng)用領(lǐng)域：問題求解(下棋程序)，邏輯推理與定理證明(四色定理證明)，自然語言理解，自動(dòng)程序設(shè)計(jì)，專家系統(tǒng)，機(jī)器學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)，機(jī)器人學(xué)(星際探索機(jī)器人)，模式識別(手寫識別，汽車牌照識別，指紋識別)，機(jī)器視覺(機(jī)器裝配，衛(wèi)星圖像處理)，智能控制，智能檢索，智能調(diào)度與指揮(汽車運(yùn)輸高度，列車編組指揮)，系統(tǒng)與語言工具。新的研究熱點(diǎn)：概率圖模型（隱馬爾可夫模型、貝葉斯網(wǎng)絡(luò)）、統(tǒng)計(jì)學(xué)習(xí)理論(SLT)&支持向量機(jī)(SVM)、數(shù)據(jù)挖掘與知識發(fā)現(xiàn)(超市市場商品數(shù)據(jù)分析)，人工生命。第二章知識表示方法2-1狀態(tài)空間法、問題歸約法、謂詞邏輯法和語義網(wǎng)絡(luò)法的要點(diǎn)是什么？它們有何本質(zhì)上的聯(lián)系及異同點(diǎn)?狀態(tài)空間法是基于解答空間的問題表示和求解方法，是以狀態(tài)和操作符為基礎(chǔ)的。需要擴(kuò)展過多的節(jié)點(diǎn)，容易出現(xiàn)“組合爆炸”，因而只適用于表示比較簡單的問題。問題歸約法是從目標(biāo)(要解決的問題)出發(fā)逆向推理，建立子問題以及子問題的子問題，直至最后把初始問題歸約為一個(gè)平凡的本原問題集合。狀態(tài)空間法是問題歸納法的一種特例。這些本原問題的解可以直接得到，從而解決了初始問題，用與或圖來有效地說明問題歸約法的求解途徑。謂詞邏輯法是采用謂詞合式公式和一階謂詞演算把要解決的問題變?yōu)橐粋€(gè)有待證明的問題，然后采用消解定理和消解反演來證明一個(gè)新語句是從已知的正確語句導(dǎo)出的，從而證明這個(gè)新語句也是正確的語義網(wǎng)絡(luò)法是用“節(jié)點(diǎn)”代替概念，用節(jié)點(diǎn)間的“連接弧”代替概念之間的關(guān)系。語義網(wǎng)絡(luò)表示法的優(yōu)點(diǎn)：結(jié)構(gòu)性、聯(lián)想性、自然性。它們的本質(zhì)都是對一具體事實(shí)知識表示，只是表示的方法不同。2-2設(shè)有3個(gè)傳教士和3個(gè)野人來到河邊，打算乘一只船從右岸渡到左岸去。該船的負(fù)載能力為兩人。在任何時(shí)候，如果野人人數(shù)超過傳教士人數(shù)，那么野人就會把傳教士吃掉。他們怎樣才能用這條船安全地把所有人都渡過河去?設(shè)（m,n）表示左岸上有m個(gè)野人，n個(gè)傳教士。x（m,n）表示船上有m個(gè)野人，n個(gè)傳教士（L-R）

y(m,n)表示船上有m個(gè)野人，n個(gè)傳教士（R-L）(3,3)x(2,0)(1,3)y(1,0)(2,3)x(2,0)(0,3)y(1,0)(1,3)x(0,2)(1,1)

Y(1,1)(2,2)x(0,2)(2,0)y(1,0)(1,0)x(2,0)(0,0)2野人過河----1野人劃船回來----2野人過河----1野人回來---2傳教士過河----1野人和1傳教士回來---2傳教士過河---1野人回來---2野人過河---1野人回來---2野人過河2-8把下列語句表示成語義網(wǎng)絡(luò)描述(1)Allmanaremortal.(2)Everycloudhasasilverlining.(3)AllbranchmanagersofDECparticipateinaprofit-sharingplan.2-9作為一個(gè)電影觀眾，請你編寫一個(gè)去電影院看電影的劇本。開場條件：1我想去看電影

2我有買電影票的錢

3我能去看電影

4電影院有電影放映角色：我電影放映員售票員檢票員道具：電影院放映機(jī)電影票錢銀幕椅子場景一進(jìn)入電影院

1走進(jìn)電影院2買票3檢票4找到自己的座位場景二看電影

1放映員開始放映2觀眾看電影場景三離開電影院

1電影放映完2離開結(jié)果：我花錢買票看了電影，知道了電影的情節(jié)。電影院工作人員播放了電影，付出了勞動(dòng)。電影院獲得了收入。第三章搜索推理技術(shù)

3-9比較寬度優(yōu)先搜索、有界深度優(yōu)先搜索及有序搜索的搜索效率，并以實(shí)例數(shù)據(jù)加以說明。寬度優(yōu)先搜索是一種盲目搜索，時(shí)間和空間復(fù)雜度都比較高，當(dāng)目標(biāo)節(jié)點(diǎn)距離初始節(jié)點(diǎn)較遠(yuǎn)時(shí)會產(chǎn)生許多無用的節(jié)點(diǎn)，搜索效率低。有界深度優(yōu)先搜索，主要是深度限制值的選取。如果dm取得太小，有可能找不到一個(gè)解，太大，搜索過程會產(chǎn)生過多的無用節(jié)點(diǎn)。有序搜索，是選擇OPEN表上具有最小F值的節(jié)點(diǎn)作為下一個(gè)要擴(kuò)展的節(jié)點(diǎn)，利用問題自身的一些特征、信息來指導(dǎo)搜索過程，則可以縮小搜索范圍，提高搜索效率。

1

234

56781112設(shè)搜索結(jié)點(diǎn)99101：寬度1-2-3-4-5-6-7-8-92有界深度優(yōu)先dm=0失敗dm=11-2-3-4失敗dm=21-2-3-5-6-4-7-8失敗dm=31-2-3-5-6-9成功3有序搜索1-3-6-93-15在什么情況下需要采用不確定推理?不確定推理的主要方法有哪些？一般推理方法在許多情況下，往往無法解決面臨的現(xiàn)實(shí)問題，因而需要應(yīng)用不確定性推理等高級知識推理方法。不確定推理是研究復(fù)雜系統(tǒng)不完全性和不確定性的有力工具。有兩種不確定性，即關(guān)于證據(jù)的不確定性和關(guān)于結(jié)論的不確定性。關(guān)于證據(jù)的不確定性主要包括：以模糊集理論為基礎(chǔ)的方法、以概率為基礎(chǔ)的方法。關(guān)于結(jié)論的不確定性推理的主要方法有：可信度方法、證據(jù)理論、主觀概率論（又稱主觀Bayes方法）等。第四章計(jì)算智能（1）

4-4簡述生物神經(jīng)元及人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和主要學(xué)習(xí)算法。生物神經(jīng)系統(tǒng)是一個(gè)有高度組織和相互作用的數(shù)量巨大的細(xì)胞組織群體。人類大腦的神經(jīng)細(xì)胞大約在1011-1013個(gè)左右。神經(jīng)細(xì)胞也稱神經(jīng)元，是神經(jīng)系統(tǒng)的基本單元，它們按不同的結(jié)合方式構(gòu)成了復(fù)雜的神經(jīng)網(wǎng)絡(luò)。通過神經(jīng)元及其聯(lián)接的可塑性，使得大腦具有學(xué)習(xí)、記憶和認(rèn)知等各種智能。神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)是由基本處理單元及其互連方法決定的。圖4.2所示神經(jīng)元單元由多個(gè)輸入，i=1,2,...,n和一個(gè)輸出y組成。中間狀態(tài)由輸入信號的權(quán)和表示，而輸出為：圖4.2神經(jīng)元模型神經(jīng)網(wǎng)絡(luò)主要通過指導(dǎo)式（有師）學(xué)習(xí)算法和非指導(dǎo)式（無師）學(xué)習(xí)算法。此外，還存在第三種學(xué)習(xí)算法，即強(qiáng)化學(xué)習(xí)算法；可把它看做有師學(xué)習(xí)的一種特例。（１）有師學(xué)習(xí)有師學(xué)習(xí)算法能夠根據(jù)期望的和實(shí)際的網(wǎng)絡(luò)輸出（對應(yīng)于給定輸入）間的差來調(diào)整神經(jīng)元間連接的強(qiáng)度或權(quán)。因此，有師學(xué)習(xí)需要有個(gè)老師或?qū)焷硖峁┢谕蚰繕?biāo)輸出信號。有師學(xué)習(xí)算法的例子包括Delta規(guī)則、廣義Delta規(guī)則或反向傳播算法以及ＬＶＱ算法等。（２）無師學(xué)習(xí)無師學(xué)習(xí)算法不需要知道期望輸出。在訓(xùn)練過程中，只要向神經(jīng)網(wǎng)絡(luò)提供輸入模式，神經(jīng)網(wǎng)絡(luò)就能夠自動(dòng)地適應(yīng)連接權(quán)，以便按相似特征把輸入模式分組聚集。無師學(xué)習(xí)算法的例子包括Kohonen算法和Carpenter-Grossberg自適應(yīng)諧振理論（ＡＲＴ)等。（３）強(qiáng)化學(xué)習(xí)強(qiáng)化（增強(qiáng)）學(xué)習(xí)是有師學(xué)習(xí)的特例。它不需要老師給出目標(biāo)輸出。強(qiáng)化學(xué)習(xí)算法采用一個(gè)“評論員”來評價(jià)與給定輸入相對應(yīng)的神經(jīng)網(wǎng)絡(luò)輸出的優(yōu)度（質(zhì)量因數(shù)）。強(qiáng)化學(xué)習(xí)算法的一個(gè)例子是遺傳算法（GA）。4-10什么是模糊集合和隸屬函數(shù)或隸屬度？模糊集合（fuzzysets）論域U到[0,1]區(qū)間的任一映射，即，都確定U的一個(gè)模糊子集F；稱為F的隸屬函數(shù)（membershipfunction）或隸屬度（gradeofmembership）。在論域U中，可把模糊子集表示為元素u與其隸屬函數(shù)的序偶集合，記為：第五章計(jì)算智能(2)5-2試述遺傳算法的基本原理，并說明遺傳算法的求解步驟。遺傳算法的基本原理如下：通過適當(dāng)?shù)木幋a方式把問題結(jié)構(gòu)變?yōu)槲淮问剑ㄈ旧w），在解空間中取一群點(diǎn)作為遺傳開始的第一代，染色體的優(yōu)劣程度用一個(gè)適應(yīng)度函數(shù)來衡量，每一代在上一代的基礎(chǔ)上隨機(jī)地通過復(fù)制、遺傳、變異來產(chǎn)生新的個(gè)體，不斷迭代直至產(chǎn)生符合條件的個(gè)體為止。迭代結(jié)束時(shí)，一般將適應(yīng)度最高的個(gè)體作為問題的解。一般遺傳算法的主要步驟如下：(1)隨機(jī)產(chǎn)生一個(gè)由確定長度的特征字符串組成的初始群體。(2)對該字符串群體迭代的執(zhí)行下面的步(a)和(b)，直到滿足停止標(biāo)準(zhǔn)：(a)計(jì)算群體中每個(gè)個(gè)體字符串的適應(yīng)值；(b)應(yīng)用復(fù)制、交叉和變異等遺傳算子產(chǎn)生下一代群體。(3)把在后代中出現(xiàn)的最好的個(gè)體字符串指定為遺傳算法的執(zhí)行結(jié)果，這個(gè)結(jié)果可以表示問題的一個(gè)解。5-7遺傳算法、進(jìn)化策略和進(jìn)化編程的關(guān)系如何？有何區(qū)別？遺傳算法是一種基于空間搜索的算法，它通過自然選擇、遺傳、變異等操作以及達(dá)爾文適者生存的理論，模擬自然進(jìn)化過程來尋找所求問題的解答。進(jìn)化策略(EvolutionStrategies，ES)是一類模仿自然進(jìn)化原理以求解參數(shù)優(yōu)化問題的算法。進(jìn)化編程根據(jù)正確預(yù)測的符號數(shù)來度量適應(yīng)值。通過變異，為父代群體中的每個(gè)機(jī)器狀態(tài)產(chǎn)生一個(gè)子代。父代和子代中最好的部分被選擇生存下來。進(jìn)化計(jì)算的三種算法即遺傳算法、進(jìn)化策略和進(jìn)化編程都是模擬生物界自然進(jìn)化過程而建立的魯棒性計(jì)算機(jī)算法。在統(tǒng)一框架下對三種算法進(jìn)行比較，可以發(fā)現(xiàn)它們有許多相似之處，同時(shí)也存在較大的差別。進(jìn)化策略和進(jìn)化編程都把變異作為主要搜索算子，而在標(biāo)準(zhǔn)的遺傳算法中，變異只處于次要位置。交叉在遺傳算法中起著重要作用，而在進(jìn)化編程中卻被完全省去，在進(jìn)化策略中與自適應(yīng)結(jié)合使用，起了很重要的作用。標(biāo)準(zhǔn)遺傳算法和進(jìn)化編程都強(qiáng)調(diào)隨機(jī)選擇機(jī)制的重要性，而從進(jìn)化策略的角度看，選擇（復(fù)制）是完全確定的。進(jìn)化策略和進(jìn)化編程確定地把某些個(gè)體排除在被選擇（復(fù)制）之外，而標(biāo)準(zhǔn)遺傳算法一般都對每個(gè)個(gè)體指定一個(gè)非零的選擇概率。5-9什么是人工生命？請按你的理解用自己的語言給人工生命下個(gè)定義。人工生命是一項(xiàng)抽象地提取控制生物現(xiàn)象的基本動(dòng)態(tài)原理，并且通過物理媒介（如計(jì)算機(jī)）來模擬生命系統(tǒng)動(dòng)態(tài)發(fā)展過程的研究工作。人工生命是通過人工方法建造的具有自然生命特征的人造系統(tǒng)。第六章專家系統(tǒng)6-1什么叫做專家系統(tǒng)?它具有哪些特點(diǎn)與優(yōu)點(diǎn)?答：專家系統(tǒng)是一個(gè)含有大量的某個(gè)領(lǐng)域?qū)＜宜降闹R與經(jīng)驗(yàn)智能計(jì)算機(jī)程序系統(tǒng)，能夠利用人類專家的知識和解決問題的方法來處理該領(lǐng)域問題。專家系統(tǒng)的特點(diǎn)：啟發(fā)性：專家系統(tǒng)能運(yùn)用專家的知識與經(jīng)驗(yàn)進(jìn)行推理、判斷和決策。透明性：專家系統(tǒng)能夠解釋本身的推理過程和回答用戶提出的問題，以便讓用戶能夠了解推理過程，提高對專家系統(tǒng)的信賴感。靈活性：專家系統(tǒng)能不斷地增長知識，修改原有知識，不斷更新。專家系統(tǒng)的優(yōu)點(diǎn)：專家系統(tǒng)能夠高效率、準(zhǔn)確、周到、迅速和不知疲倦地進(jìn)行工作。專家系統(tǒng)解決實(shí)際問題時(shí)不受周圍環(huán)境的影響，也不可能遺漏忘記?？梢允箤＜业膶ｉL不受時(shí)間和空間的限制，以便推廣珍貴和稀缺的專家知識與經(jīng)驗(yàn)。專家系統(tǒng)能促進(jìn)各領(lǐng)域的發(fā)展。專家系統(tǒng)能匯集多領(lǐng)域?qū)＜业闹R和經(jīng)驗(yàn)以及他們協(xié)作解決重大問題的能力。軍事專家系統(tǒng)的水平是一個(gè)國家國防現(xiàn)代化的重要標(biāo)志之一。專家系統(tǒng)的研制和應(yīng)用，具有巨大的經(jīng)濟(jì)效益和社會效益。研究專家系統(tǒng)能夠促進(jìn)整個(gè)科學(xué)技術(shù)的發(fā)展。6-2專家系統(tǒng)由哪些部分構(gòu)成?各部分的作用為何?

答：

如圖所示。由于每個(gè)專家系統(tǒng)所需要完成的任務(wù)和特點(diǎn)不相同，其系統(tǒng)結(jié)構(gòu)也不盡相同，一般只具有圖中部分模塊。接口是人與系統(tǒng)進(jìn)行信息交流的媒介，它為用戶提供了直觀方便的交互作用手段。黑板是用來記錄系統(tǒng)推理過程中用到的控制信息、中間假設(shè)和中間結(jié)果的數(shù)據(jù)庫。它包括計(jì)劃、議程和中間解3部分。知識庫包括兩部分內(nèi)容。一部分是已知的同當(dāng)前問題有關(guān)的數(shù)據(jù)信息；另一部分是進(jìn)行推理時(shí)要用到的一般知識和領(lǐng)域知識。調(diào)度器按照系統(tǒng)建造者所給的控制知識，從議程中選擇一個(gè)項(xiàng)作為系統(tǒng)下一步要執(zhí)行的動(dòng)作。執(zhí)行器應(yīng)用知識庫中的及黑板中記錄的信息，執(zhí)行調(diào)度器所選定的動(dòng)作。協(xié)調(diào)器的主要作用就是當(dāng)?shù)玫叫聰?shù)據(jù)或新假設(shè)時(shí)，對已得到的結(jié)果進(jìn)行修正，以保持結(jié)果前后的一致性。解釋器的功能是向用戶解釋系統(tǒng)的行為，包括解釋結(jié)論的正確性及系統(tǒng)輸出其它候選解的原因。6-4專家系統(tǒng)程序與一般的問題求解軟件程序有何不同?開發(fā)專家系統(tǒng)與開發(fā)其它軟件的任務(wù)有何不同?答：前者把問題求解的知識隱含地編入程序，而后者則把其應(yīng)用領(lǐng)域的問題求解知識單獨(dú)組成一個(gè)實(shí)體，即為知識庫。知識庫的處理是通過與知識庫分開的控制策略進(jìn)行的。更明確地說，一般應(yīng)用程序把知識組織為兩級：數(shù)據(jù)級和程序級；大多數(shù)專家系統(tǒng)則將知識組織成三級；數(shù)據(jù)、知識庫和控制6-8新型專家系統(tǒng)有何特征？什么是分布式專家系統(tǒng)和協(xié)同式專家系統(tǒng)？答：新型專家系統(tǒng)有何特征為：1、并行與分布處理基于各種并行算法，采用各種并行推理和執(zhí)行技術(shù)，適合在多處理器的硬件環(huán)境中工作，即具有分布處理的功能。2、多專家系統(tǒng)協(xié)同工作在這種系統(tǒng)中，有多個(gè)專家系統(tǒng)協(xié)同合作。3、高級語言和知識語言描述專家系統(tǒng)生成系統(tǒng)就能自動(dòng)或半自動(dòng)地生成所要的專家系統(tǒng)。4、具有自學(xué)習(xí)功能新型專家系統(tǒng)應(yīng)提供高級的知識獲取與學(xué)習(xí)功能。5、引入新的推理機(jī)制在新型專家系統(tǒng)中，除演繹推理之外，還應(yīng)有歸納推理，各種非標(biāo)準(zhǔn)邏輯推理，以及各種基于不完全知識和模糊知識的推理等等。6、具有自糾錯(cuò)和自完善能力為了排錯(cuò)必須首先有識別錯(cuò)誤的能力，為了完善必須首先有鑒別優(yōu)劣的標(biāo)準(zhǔn)。7、先進(jìn)的智能人機(jī)接口理解自然語言，實(shí)現(xiàn)語聲、文字、圖形和圖像的直接輸入輸出是如今人們對智能計(jì)算機(jī)提出的要求。分布式專家系統(tǒng)把一個(gè)專家系統(tǒng)的功能經(jīng)分解以后分布到多個(gè)處理器上去并行地工作，從而在總體上提高系統(tǒng)的處理效率。協(xié)同式多專家系統(tǒng)亦可稱“群專家系統(tǒng)”，表示能綜合若干個(gè)相近領(lǐng)域的或一個(gè)領(lǐng)域的多個(gè)方面的子專家系統(tǒng)互相協(xié)作共同解決一個(gè)更廣領(lǐng)域問題的專家系統(tǒng)。分布式專家系統(tǒng)和協(xié)同式專家系統(tǒng)是兩種不同的先進(jìn)專家系統(tǒng)，它們各自的側(cè)重點(diǎn)不一樣。分布式專家系統(tǒng)強(qiáng)調(diào)并行和分布，而協(xié)同式專家系統(tǒng)則強(qiáng)調(diào)協(xié)作與協(xié)同。第七章機(jī)器學(xué)習(xí)7-2試述機(jī)器學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)，并說明各部分的作用。答：1.基本結(jié)構(gòu)圖7.1表示學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)：圖7.1學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)通過對這個(gè)簡單模型的討論，總結(jié)出設(shè)計(jì)學(xué)習(xí)系統(tǒng)應(yīng)當(dāng)注意的某些總的原則：環(huán)境向系統(tǒng)的學(xué)習(xí)部分提供某些信息，學(xué)習(xí)部分利用這些信息修改知識庫，以增進(jìn)系統(tǒng)執(zhí)行部分完成任務(wù)的效能，執(zhí)行部分根據(jù)知識庫完成任務(wù)，同時(shí)把獲得的信息反饋給學(xué)習(xí)部分。在具體的應(yīng)用中，環(huán)境，知識庫和執(zhí)行部分決定了具體的工作內(nèi)容，學(xué)習(xí)部分所需要解決的問題完全由上述3部分確定。7-7試比較說明符號系統(tǒng)和連接機(jī)制在機(jī)器學(xué)習(xí)中的主要思想。機(jī)器學(xué)習(xí)是機(jī)器獲取知識的重要途徑和人工智能的重要標(biāo)志。符號系統(tǒng)與連接機(jī)制在機(jī)器學(xué)習(xí)中的主要思想的共同之處：研究怎樣使用計(jì)算機(jī)來模仿人腦工作過程。學(xué)習(xí)——實(shí)踐——再學(xué)習(xí)——再實(shí)踐。不同之處：基于符號的歸納學(xué)習(xí)就是通過對環(huán)境輸入的符號信息的內(nèi)容組合以及語法進(jìn)行分析歸納，總結(jié)出相對于數(shù)據(jù)庫中原有數(shù)據(jù)的新的規(guī)則，并存入數(shù)據(jù)庫中，將來對同種信息的輸入就會有所反應(yīng)。符號系統(tǒng)研究人腦的推理、學(xué)習(xí)、思考、規(guī)劃等思維活動(dòng)，解決需人類專家才能處理的復(fù)雜問題。連接機(jī)制企圖闡明人腦結(jié)構(gòu)及其功能，以及一些相關(guān)學(xué)習(xí)、聯(lián)想記憶的基本規(guī)則（聯(lián)想、概括、并行搜索、學(xué)習(xí)和靈活性）。二者區(qū)別詳見下表。第八章自然語言理解8-2自然語言理解和語言自動(dòng)生成的關(guān)系為何?研究這兩者時(shí)有什么共同點(diǎn)。答：自然語言理解和自動(dòng)生成的關(guān)系是互逆的關(guān)系。語言生成就是把在計(jì)算機(jī)內(nèi)部以某種形式存放的需要交流的信息，以自然語言的形式表達(dá)出來。它是自然語言理解的一個(gè)逆過程。一般包括以下兩部分：（１）建立一種結(jié)構(gòu)，以表達(dá)出需要交流的信息。

（２）以適當(dāng)?shù)脑~匯和一定的句法規(guī)則，把要交流的信息以句子形式表達(dá)出來。同自然語言理解一樣，語言生成的處理方法有很多種，這不僅由于它們所采用的內(nèi)部表達(dá)結(jié)構(gòu)不同(如采用語義網(wǎng)絡(luò)或者概念從屬等)，而且由于語言生成的目的不同(如有的目的是為了對輸入文章作摘要，有的是為了作為問題回答系統(tǒng)的人-機(jī)界面等)。語言生成也有許多難點(diǎn)，特別是第一部分，顯得更加困難一些。有時(shí)，要交流的信息由問題回答系統(tǒng)在回答問題時(shí)加以估計(jì)。在這些系統(tǒng)中，信息的生成過程要受到回答問題的約束。在語言生成系統(tǒng)中遇到的許多問題與在自然語言理解系統(tǒng)中