一、处于产生式系统阶段是什么知识阶段
构造知识型系统和建立认知模型时常用的知识表示的形式系统。1943年E.波斯特首先将他提出的一种计算形式体系命名为产生式系统。50年代末期，A.纽厄尔和H.A.西蒙在研究人类问题求解的认知模型时也使用了产生式系统这一术语。产生式系统现代已成为研制人工智能系统时采用的最典型的体系结构之一。
二、产生式系统的工作原理是什么？
产生式系统的原理分为正向推理和逆向推理。正向推理指的是从现有条件出发，自底向上地进行推理（条件的综合），直到预期目标实现。逆向推理则从预期目标出发，自顶向下地进行推理（目标的分析），直到符合当前的条件。运用逆向推理时，后件而不是前件引导产生式的搜索工作，因此按推理方向可将产生式系统分为前件驱动和后件驱动两种类型。条件－行动型产生式系统采用前件驱动的工作方式。
三、建筑设计的人工智能产品前景如何？
人工智能在建筑中的潜在应用是巨大的。对信息，未决问题和变更单的请求是业界的标准要求。机器学习就像一个聪明的助手，可以仔细检查这一大量的数据。然后，它会向项目经理发出需要他们注意的关键事项的警报。一些应用程序已经以这种方式使用AI。它的好处包括垃圾邮件的平凡过滤到高级安全监控。
通过生成式设计（Generative Design）更好地设计
建筑信息模型是一个基于3D模型的过程，为建筑，工程和施工专业人员提供洞察力，以有效地规划，设计，建造和管理建筑物和基础设施。为了规划和设计建筑物，3D模型需要考虑建筑，工程，机械，电气和管道（MEP）计划以及各个团队的活动顺序。面临的挑战是确保子团队的不同模型不会相互冲突。业界正试图以生成设计的形式使用机器学习来识别和缓解不同团队在规划和设计阶段产生的不同模型之间的冲突，以防止返工。有软件它使用机器学习算法来探索解决方案的所有变体并生成设计备选方案。它利用机器学习专门创建机械，电气和管道系统的3D模型，同时确保MEP系统的整个路径不会与建筑物架构冲突，同时从每次迭代中学习以获得最佳解决方案。
机器人技术，人工智能和物联网可以将建筑成本降低多达20％。工程师可以穿上虚拟现实护目镜，并将迷你机器人送入正在建设的建筑物中。这些机器人使用相机跟踪工作进展。AI被用于规划现代建筑中的电气和管道系统的布线。公司正在使用AI来开发工作场所的安全系统。人工智能被用于跟踪现场工人，机器和物体的实时交互，并向主管提醒潜在的安全问题，施工错误和生产力问题。
人工智能是需要人力、脑力、开发、高等技术与不断的研究和尝试等等一系列超高难度的作业才能完成的科技产品。当然这种研究是得到国家和人们大力支持的发展。它的发展对国际影响力是非常大的。人工智能也可以定义为高仿人类，虽然不可能会像人一样具有灵敏的反应和思考能力，但人工智能是按照人类的思想结构等等的探索而开发的研究。
人工智能的开发最主要的目的就是为了替人类做复杂、有危险难度、重复枯燥等的工作，所以人工智能是以人类的结构来设计开发的，人工智能在得到较好的开发后国家也是全力给予支持。人工智能的开发主要也是为了帮助和便利人类的生活。所以人工智能的定义一直以来都是以“协助人类”而存在的。人工智能概念的火热促进了不少行业的兴起，比如域名，许多相关的.top域名已经被注册。
四、人工智能怎么做？
人工智能在计算机上实现时有2种不同的方式。一种是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。这种方法叫工程学方法（Engineering，approach），它已在一些领域内作出了成果，如文字识别、电脑下棋等。另一种是模拟法（Modeling，approach），它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。本书介绍的遗传算法（Generic，Algorithm，简称GA）和人工神经网络（ArtificialNeural，Network，简称ANN）均属后一类型。遗传算法模拟人类或生物的遗传-进化机制，人工神经网络则是模拟人类或动物大脑中神经细胞的活动方式。为了得到相同智能效果，两种方式通常都可使用。采用前一种方法，需要人工详细规定程序逻辑，如果游戏简单，还是方便的。如果游戏复杂，角色数量和活动空间增加，相应的逻辑就会很复杂（按指数式增长），人工编程就非常繁琐，容易出错。而一旦出错，就必须修改原程序，重新编译、调试，最后为用户提供一个新的版本或提供一个新补丁，非常麻烦。采用后一种方法时，编程者要为每一角色设计一个智能系统（一个模块）来进行控制，这个智能系统（模块）开始什么也不懂，就像初生婴儿那样，但它能够学习，能渐渐地适应环境，应付各种复杂情况。这种系统开始也常犯错误，但它能吸取教训，下一次运行时就可能改正，至少不会永远错下去，用不到发布新版本或打补丁。利用这种方法来实现人工智能，要求编程者具有生物学的思考方法，入门难度大一点。但一旦入了门，就可得到广泛应用。由于这种方法编程时无须对角色的活动规律做详细规定，应用于复杂问题，通常会比前一种方法更省力。