人工智能（Artificial Intelligence）
章节概述
本章对应 Syllabus Section 18（Artificial Intelligence），涵盖人工智能的核心概念、算法与实现方法。本章内容在 Paper 3 中通常以 大题形式出现，分值在 8–15 分之间，涉及图论在 AI 中的应用、路径搜索算法、机器学习分类以及神经网络等主题。
核心知识点
| 知识点 | 说明 | 常见分值 |
|---|---|---|
| A* 算法 | 使用 g(n) + h(n) 的启发式搜索 | 6–8 分 |
| Dijkstra 算法 | 无启发式的经典最短路径 | 5–7 分 |
| 机器学习分类 | Supervised / Unsupervised / Reinforcement / Deep learning | 4–6 分 |
| 人工神经网络（ANN） | 结构、前馈、反向传播 | 5–8 分 |
| 图在 AI 中的应用 | 状态空间搜索、知识表示 | 2–4 分 |
学习重点
- A 与 Dijkstra 的计算* — 能够手动填写路径搜索表格，计算 g / h / f 值
- 机器学习四分类 — 能够准确区分并举例说明 Supervised / Unsupervised / Reinforcement / Deep learning
- 神经网络原理 — 理解神经元结构、激活函数、权重更新、Back propagation
- 考试审题 — 注意题目要求的是 "describe" 还是 "explain"，前者只需特征，后者需要机制
复习建议：A* 和 Dijkstra 的计算题是必考题，建议反复练习 3 道以上真题。机器学习分类题容易出现概念混淆，建议制作对比表格记忆。