任务描述本关任务：学习人工智能博弈算法中的 AlphaBeta 剪枝技巧，并基于 MinMax 算法编程实现如下图博弈树最优值问题的求解。博弈树的输入形式为字符串：[A, [B, (E, 3), (F, 12), (G, 8)], [C, (H, 2), (I, 4), (J, 6)], [D, (K, 14), (L, 5), (M, 2)]]，其中 [] 里的第一项为结点名称，后面的 [] 或

任务描述本关任务：了解有信息搜索策略的算法思想；能够运用计算机语言实现搜索算法；应用A*搜索算法解决罗马尼亚问题；相关知识A搜索算法介绍A算法常用于 二维地图路径规划，算法所采用的启发式搜索可以利用实际问题所具备的启发式信息来指导搜索，从而减少搜索范围，控制搜索规模，降低实际问题的复杂度。算法原理：A*算法的原理是设计一个代价估计函数：其中 **评估函数F(n)**是从起始节点通过节点n的到达目标

任务描述本关任务：了解一阶逻辑相关知识并完成习题。相关知识为了完成本关任务，你需要掌握：1. 一般的表示语言；2. 一阶逻辑的语法和语义；3. 一阶逻辑的简单应用。一般的表示语言程序设计语言（如C++、Java或Python）是目前为止常用的形式语言中最大的一类。命题逻辑是一种描述性语言，它有充分的表达能力，可以采用析取式或否定式来处理不完全信息。自然语言更多的认为它是交流的媒介而不是单纯的表示。

任务描述本关任务：阅读理解第一章绪论内容完成本节练习题。相关知识为了完成本关任务，你需要掌握：1.人工智能的定义，2.人工智能的基础，3.人工智能的历史以及最新发展水平。

第1关：条件概率任务描述本关任务：根据本节课所学知识完成本关所设置的选择题。相关知识为了完成本关任务，你需要掌握条件概率。条件概率朴素贝叶斯分类算法是基于贝叶斯定理与特征条件独立假设的分类方法，因此想要了解朴素贝叶斯分类算法背后的算法原理，就不得不用到概率论的一些知识，首当其冲就是条件概率。接下来就开启我们的条件概率之旅吧。什么是条件概率概率指的是某一事件A发生的可能性，表示为P(A)。而条件概率

任务描述本关任务：学习掌握第十四章内容并完成相应习题。相关知识为了完成本关任务，你需要掌握贝叶斯网络。贝叶斯网络贝叶斯网络：是使用简单的、本地分布（条件概率）描述复杂的联合分布（模型）的一种技术，更确切的称之为图模型。描述本地变量如何交互，以及本地交互链结合起来提供全球的、间接地交互作用，大约10分钟，将会模糊的指定这些交互作用。贝叶斯网络 含蓄地 编码 联合分布作为本地条件分布的产物，为了看贝叶

任务描述本关任务：掌握一阶推理相关知识并完成习题。相关知识为了完成本关任务，你需要掌握：1. 量词推理与命题化；2. 合一与提升；3. 前向链接算法与反向链接算法；4. 归结。量词推理与命题化全称量词实例化（UI）：可以用任何常数项置换变量得到语句。V是变量，g是常数基项，α是语句。存在量词实例化：对于语句α，变量V和常数符号k，只要ki没有在知识库的其他地方出现过。合一与提升合一算法Unify：

1.考虑一个实时的在线电话翻译系统，该系统实现英语与日语之间的实时在线翻译，讨论该系统的性能度量，环境，执行器，感知器，并对该环境的属性进行分析。性能度量：翻译的正确率环境：电话线路、电话两侧的声音来源传感器：麦克风执行器：音响环境属性：完全可观察的，单agent，确定的，片段的，静态的，离散的为了确保翻译的完整性，这个agent的传感器应该在每个时间点上都能获取环境的完整状态，即读取音源，故是完

任务描述本关任务：了解掌握第十五章的内容并完成习题。相关知识为了完成本关任务，你需要掌握：1. 时间与不确定性；2. 隐马尔科夫模型；3. 卡尔曼滤波器；4. 动态贝叶斯网络。时间与不确定性将世界看作一系列快照。（时间片，每个时间片都包含了一组随机适量、其中一部分可观察另一部分是不可观察的。）Xt表示在时刻t的不可观察的状态变量集，E表示在时刻t的可观察的证据，时间片之间的时间间隔与具体问题有关。

任务描述本关任务：学习了解逻辑 Agent 相关知识并完成习题。相关知识为了完成本关任务，你需要掌握：1. 基于知识的Agent；2. 逻辑；3. 命题逻辑以及定理证明；4. 模型检验。基于知识的Agent基于知识 Agent 的核心部件是 知识库（KB）。知识库是一个语句集合，这些语句用知识表示语言表达，还表示了关于世界的某些断言。知识库的添加：Tell知识库的查询：AskAgent要能够：表示