學期（如2024-2025-11） 學號（如：20241404） 《計算機基礎與程式設計》第11周學習總結
作業資訊
| 這個作業屬於哪個課程 | https://edu.cnblogs.com/campus/besti/2024-2025-1-CFAP/homework/13274 |
|---|---|
| 這個作業要求在哪裡 | https://edu.cnblogs.com/campus/besti/2024-2025-1-CFAP/homework/13274) |
| 這個作業的目標 | 計算機網路 |
| 網路拓撲 | |
| 雲端計算 | |
| 網路安全 | |
| Web | |
| HTML，CSS，Javascript | |
| XML | |
| 作業正文 | https://www.cnblogs.com/wangsiwen666/p/18592825 |
教材學習內容總結
第 15 章：人工智慧
人工智慧概述：介紹了人工智慧的概念，即讓計算機展現出類似人類智慧的能力，如學習、推理、解決問題、理解語言、識別影像等。討論了人工智慧的目標是創造能夠智慧地與環境互動並執行任務的機器，其涵蓋的範圍從簡單的基於規則的系統到複雜的具有學習和自適應能力的系統。
知識表示：闡述了多種知識表示方法，如語義網路，它以節點表示概念，邊表示關係來構建知識體系；框架用於描述具有固定結構的物件或場景，包含槽和填充物來儲存屬性資訊；產生式系統透過一系列 “如果 - 那麼” 規則來表示知識並進行推理操作。
搜尋演算法：包括盲目搜尋演算法如深度優先搜尋和廣度優先搜尋，深度優先搜尋沿著一條路徑儘可能深地探索，直到無法繼續或達到目標，而廣度優先搜尋逐層地探索節點。同時介紹了啟發式搜尋演算法，如 A * 演算法，它利用啟發式函式來估計從當前節點到目標節點的代價，從而更有效地引導搜尋方向，減少不必要的搜尋空間。
機器學習：機器學習是人工智慧的重要分支，其中監督學習透過給定帶有標記的訓練資料，讓模型學習輸入與輸出之間的對映關係，例如線性迴歸用於預測連續值，決策樹用於分類任務等；無監督學習則處理未標記的資料，用於發現資料中的模式和結構，如聚類演算法將資料點劃分成不同的簇；強化學習透過讓智慧體在環境中進行一系列動作，並根據獎勵反饋來學習最優策略，以最大化長期累積獎勵。
自然語言處理：涉及計算機對人類語言的理解和生成。包括詞法分析（將文字分割成單詞並進行詞性標註）、句法分析（確定句子的語法結構）、語義分析（理解句子的含義）以及文字生成等任務，應用領域涵蓋機器翻譯、語音助手、文字摘要等。
專家系統：是一種基於特定領域知識的智慧系統，它由知識庫（包含領域專家的知識和經驗）和推理引擎（根據知識庫進行推理和決策）組成，能夠在特定領域內提供專業的建議和解決方案，例如醫療診斷專家系統、故障診斷專家系統等。
第 16 章：計算理論
自動機理論：介紹了有限狀態自動機，它由有限的狀態集合、輸入字母表、狀態轉移函式、起始狀態和接受狀態組成，可用於識別正則語言；下推自動機在有限狀態自動機的基礎上增加了一個棧，能夠識別上下文無關語言；圖靈機是一種強大的計算模型，具有無限長的紙帶和讀寫頭，可以模擬任何演算法過程，被認為是通用計算的基礎，能夠識別遞迴可列舉語言。
語言與文法：定義了正則文法、上下文無關文法、上下文相關文法和無限制文法等不同型別的文法，它們分別對應不同的自動機和語言類別。正則文法產生正則語言，可由有限狀態自動機識別；上下文無關文法產生上下文無關語言，由下推自動機識別等，透過文法規則可以生成和描述各種形式的語言結構。
可計算性與不可計算性：探討了什麼是可計算問題，即能夠透過演算法在有限步驟內解決的問題，而圖靈機的停機問題是一個著名的不可計算問題，證明了存在某些問題是無法透過任何演算法來確定其是否會停止執行的，這揭示了計算能力的侷限性，並且許多其他複雜問題也可以透過與停機問題的歸約來證明其不可計算性。
計算複雜性理論：主要研究演算法在解決問題時所需的資源，如時間和空間。時間複雜性用大 O 記號來表示演算法執行時間隨輸入規模增長的漸進上界，例如線性時間 O (n)、多項式時間 O (n^k)、指數時間 O (2^n) 等；空間複雜性則衡量演算法執行過程中所需的儲存空間。根據複雜性分類，問題可分為 P 類（多項式時間可解問題）、NP 類（非確定性多項式時間可解問題）以及 NP 完全問題，NP 完全問題具有特殊的性質，即如果一個 NP 完全問題能在多項式時間內解決，那麼所有 NP 問題都能在多項式時間內解決，它們在計算理論和實際演算法設計中都具有重要意義，許多實際問題都可以轉化為 NP 完全問題進行分析和研究。
教材學習中的問題和解決過程（先問 AI）
第 15 章：人工智慧
問題 1：監督學習和無監督學習的主要區別是什麼？
回答：監督學習使用帶有標記的訓練資料，模型學習輸入與輸出之間的對映關係，目的是預測未知資料的輸出。例如在影像分類任務中，訓練資料包含影像及其對應的類別標籤。而無監督學習處理未標記的資料，主要用於發現資料中的內在結構和模式，如聚類分析將資料點分成不同的群組，資料降維等任務，並不涉及明確的預測輸出標籤。
問題 2：深度優先搜尋和廣度優先搜尋在什麼情況下各有優勢？
回答：深度優先搜尋在目標節點可能位於搜尋樹較深位置且分支因子較大時可能更高效，因為它沿著一條路徑深入探索，可能較快地找到目標。例如在一些迷宮求解問題中，如果目標在迷宮深處，深度優先搜尋可能先到達。廣度優先搜尋則適用於尋找最優解（如最短路徑問題），因為它逐層搜尋，能保證先找到距離起始點最近的目標節點。例如在地圖導航中尋找兩點間最短路徑，廣度優先搜尋可確保找到步數最少的路徑。
問題 3：專家系統的侷限性有哪些？
回答：專家系統的侷限性包括知識獲取瓶頸，獲取領域專家的知識並準確地轉化為知識庫中的規則可能困難且耗時。其推理能力相對固定，對於超出知識庫範圍或複雜的、模糊的情況處理能力有限。並且專家系統難以自我學習和適應新的知識或環境變化，當領域知識發生更新或面臨全新的情境時，需要人工干預來更新知識庫和推理規則。
第 16 章：計算理論
問題 1：為什麼圖靈機被認為是通用計算模型？
回答：圖靈機具有強大的計算能力，它的紙帶可以儲存無限量的資訊，讀寫頭能夠在紙帶上進行讀寫和移動操作，透過定義不同的狀態轉移規則，可以模擬任何演算法過程。理論上，任何可計算的問題都可以用圖靈機來描述和解決，其他計算模型（如有限狀態自動機、下推自動機等）的計算能力都可以被圖靈機涵蓋，所以它被視為通用計算模型，為現代計算機的理論基礎奠定了基石。
問題 2：NP 完全問題有什麼重要性？
回答：NP 完全問題的重要性在於它處於計算複雜性理論的核心地位。如果能找到一個 NP 完全問題的多項式時間演算法，那麼所有 NP 問題都能在多項式時間內解決，這將對電腦科學和眾多領域產生巨大影響，如密碼學、組合最佳化等。許多實際問題都可以歸約為 NP 完全問題，這使得我們可以透過研究 NP 完全問題的性質和近似演算法來處理這些實際問題，即使不能得到精確的多項式時間解，也能找到在可接受時間和精度範圍內的近似解。
問題 3：有限狀態自動機和下推自動機的區別主要體現在哪裡？
回答：有限狀態自動機只有有限個狀態，在處理輸入時根據當前狀態和輸入字元轉移到下一個狀態，它只能識別正則語言，其儲存能力有限，無法處理具有巢狀結構或需要記憶上下文資訊的語言。而下推自動機在有限狀態自動機的基礎上增加了一個棧，這個棧可以用來儲存和運算元據，使其能夠識別上下文無關語言，能夠處理如括號匹配、算術表示式求值等具有一定巢狀層次結構的語言，因為棧可以用來記錄和處理巢狀的資訊，提供了比有限狀態自動機更強的語言識別能力。
基於AI的學習
以下是以蘇格拉底提問方式對《電腦科學概論》第15、16章可能涉及的一些常見知識點展開的示例，你可以根據實際書中具體涵蓋的準確內容進行調整哦。
第十五章：電腦保安相關知識點
知識點：網路攻擊的常見型別
提問：
假如有人說，網路攻擊不就是駭客隨便搞搞破壞嘛，那是不是隻要防止別人隨便入侵電腦系統就算是防範了所有網路攻擊呀？
回答：
當然不是呀。網路攻擊有著多種不同的常見型別呢。比如有病毒攻擊，它是一段惡意的程式程式碼，會悄悄地隱藏在正常的程式或者檔案當中，當滿足一定條件的時候就發作，可能會破壞資料、干擾系統正常執行；還有蠕蟲攻擊，它能夠自我複製並且自動傳播到其他的聯網計算機上，大量佔用網路頻寬和系統資源；另外像拒絕服務攻擊（DoS），攻擊者會透過各種手段讓目標伺服器或者網路無法正常提供服務，使合法使用者沒辦法訪問相應資源呢。所以僅僅防止別人入侵電腦系統遠遠不能防範所有的網路攻擊，每種型別都有其特點和需要專門應對的辦法呀。
提問：
那有人覺得只要裝了防毒軟體，就能完全避免病毒攻擊了，你覺得這種想法對嗎？
回答：
這種想法不太對哦。雖然防毒軟體確實是防範病毒攻擊的一個很重要的工具，它能夠檢測出很多已知的病毒特徵碼，進而識別並清除病毒。但是呢，新的病毒是在不斷被製造出來的呀，有時候在防毒軟體還沒來得及更新病毒庫去識別新病毒的時候，這些新病毒就有可能入侵我們的系統了。而且有些高階的、經過特殊設計的病毒還會採用一些躲避防毒軟體檢測的手段，比如變形、加密自身等，所以僅僅依靠防毒軟體是沒辦法完全避免病毒攻擊的，還需要我們養成良好的上網習慣，比如不隨意點選來源不明的連結、不輕易下載可疑檔案等多方面配合才行呢。
知識點：密碼安全
提問：
有人覺得設定一個簡單好記的密碼，比如自己的生日或者電話號碼，只要不告訴別人就行了，這樣的密碼應該也挺安全的吧，你怎麼看呢？
回答：
這其實是很不安全的做法呀。你想想，現在很多駭客會採用暴力破解等方式去嘗試獲取密碼，他們有專門的程式可以按照一定的規律去不斷嘗試各種可能的字元組合。像生日、電話號碼這些資訊，其實很容易被別人知曉或者猜到呀，比如熟悉你的朋友可能知道你的生日，電話號碼有時候在一些公開場合也可能會被洩露。一旦駭客嘗試到這些常見的簡單組合，就能輕易破解你的密碼，進而訪問你的各種賬戶，造成資訊洩露、財產損失等嚴重後果呢。所以密碼最好是設定得複雜一些，包含字母、數字和特殊字元，並且長度足夠長，這樣安全性才會更高哦。
提問：
那如果我設定了一個很複雜的密碼，是不是就永遠不用改了呀，反正別人很難破解嘛。
回答：
那也不行呀。就算一開始設定的密碼很複雜，但是隨著時間推移，說不定這個密碼在你使用過程中因為某些原因被洩露了，可能是你在不安全的網路環境下登入過，密碼被截獲了，或者你使用的某個平臺本身出現了安全漏洞，導致密碼資訊有暴露風險。而且駭客的破解技術也在不斷髮展進步呀，原本難破解的密碼保不準哪天就可能被新的手段攻克了。所以定期更改密碼也是保障密碼安全很重要的一個舉措呢，這樣能進一步降低密碼被破解利用的風險哦。
第十六章：計算機倫理相關知識點
知識點：軟體盜版問題
提問：
有人說，軟體太貴了，我下載個盜版軟體自己用用，又沒影響別人，這應該沒什麼大不了的吧，你認同這種觀點嗎？
回答：
這種觀點是不對的呀。雖然表面上看好像只是自己使用，沒有直接影響到其他人。但實際上軟體的開發是需要軟體開發者投入大量的時間、精力以及成本的呀，他們依靠售賣正版軟體來獲得相應的收益，以維持公司運營、繼續投入新軟體的研發等。如果大家都去使用盜版軟體，那軟體開發者就沒辦法得到合理的回報，長此以往，他們可能就沒有足夠的資金和動力去開發更好的軟體了，最終受損的其實是整個軟體行業以及未來可能享受到更優質軟體服務的廣大使用者呀。而且使用盜版軟體本身在很多國家和地區也是違反法律法規的行為呢，所以不管從道德層面還是法律層面來看，使用盜版軟體都是不應該的哦。
提問：
那假如一個小公司，資金緊張，買不起正版軟體，為了正常辦公先用著盜版軟體，等以後有錢了再買正版，這樣可以理解嗎？
回答：
這種做法雖然看似有苦衷，但依然是不合理的呀。資金緊張確實是個現實的困難，不過現在很多軟體廠商都有針對不同規模企業、不同使用場景的多種授權方案，比如有一些價格相對較低的基礎版本可供選擇，或者可以按使用時長租賃軟體等靈活的方式呀。即使暫時沒辦法購買最完整功能的正版軟體，也應該透過合法途徑去和軟體廠商溝通協商，尋求合適的解決方案，而不是直接使用盜版軟體。因為一旦開了這個使用盜版的頭，那不僅違反了法律和道德準則，也不利於整個行業形成尊重智慧財產權的良好風氣呢，還是要想辦法透過正當途徑去解決辦公軟體使用的問題哦。
知識點：資料隱私保護
提問：
有人覺得只要我自己不在網上隨便透露自己的隱私資訊，那我的資料隱私就肯定能得到保護了，這種想法對嗎？
回答：
這種想法有些片面了呀。雖然我們自身注意不在網上隨意透露隱私資訊是很重要的一點，但是很多時候我們的資料隱私還面臨著其他諸多方面的威脅呢。比如說，我們使用的各種網際網路服務平臺，像社交平臺、購物平臺等，它們會收集我們大量的個人資料，要是這些平臺的安全措施不到位，出現資料洩露的情況，那我們的資料隱私就會被侵犯呀。還有一些惡意的第三方可能會透過網路攻擊等手段去竊取儲存在伺服器中的使用者資料呢。另外，就算是一些看似正規的機構，在使用我們的資料進行資料分析等操作的時候，如果沒有遵循嚴格的資料隱私保護政策，也可能會在不經意間把我們的資料洩露或者濫用了。所以僅僅靠自己注意不主動透露隱私資訊是遠遠不夠的，還需要依靠法律法規對資料收集、儲存、使用等各環節進行規範，以及各平臺自身加強安全保障措施等來共同維護我們的資料隱私哦。
提問：
那如果一個網站說會保護好使用者資料隱私，我們就可以完全放心地把自己的資料交給它了嗎？
回答：
不能完全放心呀。雖然網站承諾會保護資料隱私，但是承諾有時候並不一定能完全落實到位呢。我們得看看這個網站有沒有完善的安全技術保障，比如是否採用了加密傳輸和儲存使用者資料的技術，有沒有專業的安全團隊來定期檢測和防範可能的資料洩露風險等。而且還要看它是否有良好的信譽和遵守隱私保護相關法規的過往記錄呀。有些網站可能一開始是出於好意承諾保護隱私，但是在運營過程中由於各種原因，比如被駭客攻擊、內部管理不善等，還是有可能出現資料隱私被侵犯的情況。所以我們在向網站提供自己的資料時，還是要謹慎評估，儘量選擇那些口碑好、有強大安全保障機制的正規網站哦。