人工智能原理教案03章-不确定性推理方法3.1-概述

3．1概述一个人工智能系统，由于知识本身的不精确和不完全，采用标准逻辑意义下的推理方法难以达到解决问题的目的。对于一个智能系统来说，知识库是其核心。在这个知识库中，往往大量包含模糊性、随机性、不可靠性或不知道等不确定性因素的知识。为了解决这种条件下的推理计算问题，不确定性推理方法应运而生。归纳起来，不确定性推理方法研究产生的原因大致如下：·很多原因导致同一结果如多种原因引起同一种疾病。例如，发烧可能因为感冒，也可能因为得了肺炎，需要进一步的知识才能作出具体判断。·推理所需的信息不完备如勘探得到的地质分析资料不完备。·背景知识不足由于人类认识水平的客观限制，客观世界的很多知识仍不为人们所认知。在智能系统中，表现为所处理的知识的背景知识不完备。如疾病的发病原因不十分明确。·信息描述模糊这种现象十分普遍。如他不高不矮，今天不冷不热等等。在这类描述中，通常无法以一个量化的标准来描述，所描述的事物通常处在一个大致的范围。比如，认为身高在165cm－174cm之间的男士符合不高不矮的描述。·信息中含有噪声噪声的存在干扰了人们对本源信息的认知，从而加大了认知上的难度。如语音信号、雷达信号中的噪音干扰带来的信息模糊。·规划是模糊的当需要对某个问题域进行划分时，可能无法找到一个清晰的标准。如根据市场需求情况调节公司产品的内容和数量。·推理能力不足必须考虑到实现的可能性，计算复杂度，系统性能。如计算机的实现能力，推理算法的规模扩大能力有限等。·解题方案不唯一没有最优方案，只有相对较优方案。不实施，不能做出最后判断。不精确思维并非专家的习惯或爱好所至，而是客观现实的要求。在人类的知识和思维行为中，精确性只是相对的，不精确性才是绝对的。知识工程需要各种适应不同类的不精确性特点的不精确性知识描述方法和推理方法。一个人工智能系统，由于以上某种或多种原因，常采用非标准意义下的不确定性推理方法。对于不确定推理来说，不确定性如何描述以及如何传播是主要问题。Shortliffe等人1975年结合MYCIN系统的建立提出了确定性理论。DURA等人1976在PROSPECTOR的基础上给出了概率法。DempsterShafter同年提出证据理论，Zadeh两年后提出了可能性理论，1983年提出了模糊逻辑。这一系列的系统推进了不确定性推理的研究和发展。不确定性推理是指那种建立在不确定性知识和证据的基础上的推理。它实际上是一种从不确定的初始证据出发，通过运用不确定性知识，最终推出既保持一定程度的不确定性，又是合理和基本合理的结论的推理过程。例如：A发生的概率是0.7，A发生后B发生的概率是0.8。那么A发生引起B发生的概率是0.7*0.8=0.56不确定性推理：是指那种建立在不确定性知识和证据的基础上的推理3.1.1不确定性推理的基本问题在不确定性推理中，除了解决在确定性推理过程中所提到的推理方向、推理方法、控制策略等基本问题外，一般还需要解决不确定性的表示与度量、不确定性的匹配、不确定性的传递算法以及不确定性的合成等问题。将不确定性问题用确定的数学公式表示出来，是不确定性推理研究的基础。表示问题：是指用什么方法描述不确定性，这是解决不确定推理关键的一步。通常有数值表示如：CH(A),和非数值表示的语义表示方法如：很可能。表示问题决定采用什么方法描述。表达不确定性，问题表达不了就不可能解决。计算问题：主要是指不确定性的传播和更新，也即获得新的信息的过程。如：1）已知C（A）,A→Bf（B，A）如何计算C（B）2）从一个规则得到A的度量C1（A），又从另一个规则得到A的度量C2（A），如何从两个规则合成确定C（A）3）如何由C（A1）、C（A2）来计算C（A1∧A2）,C(A1∨A2)等初始命题的不确定性度量的获得也是非常重要的，一般由领域内的专家从经验得出。这个过程可以用推理树直观的表示出来。例如，对于如下的推理过程：R1：A1∧A2→B1R2：A2∨A3→B2R3：B1→BR4：B2→B用推理树可以表示如下：图3-1推理树结果图t3-1_swf.htm最下层的是初始证据，经过一些与和或的组合，形成推理中的临时证据，由这些临时证据推导出最终的结论。图中斜体所表示的是推理弧上所使用的规则，图中的红字表示证据或规则的不确定度量值。正是这些值的变化反映了不确定性的传播和更新。语义问题：解释上述表示和计算的含义。目前多用概率方法解决这个问题。如：f（B，A）可理解为当前提A为真时结论B为真的一种影响程度，C（A）可理解为A为真的程度。特别关心的是f（B，A）的值：1）A(T)→B(T),f（B，A）=?2）A(T)→B(F),f（B，A）=?3）B独立于A，f（B，A）=?对C（A）关心的是：1）A为TRUE，C（A）＝?2）A为FALSE,C（A）＝?T表示True，F表示False在任何一个AI系统中，都必须较好的解决这三个问题。表示问题实际上要解决的是如何表示知识，以便于计算和推理；计算问题实际是在一定的知识表示方式下进行数学运算。当然，上述的两个步骤都必须有合理的语义解释，也即表示、计算推理所代表的知识含义。3.1.2不确定性推理方法的分类可分为形式化方法和非形式化方法。形式化方法有逻辑法、新计算法和新概率法。逻辑法是非数值方法，采用多值逻辑和非单调逻辑来处理不确定性。新计算法认为概率法不足以描述不确定性，从而出现了证据理论（也叫Dempster－Shafter，D-S方法），确定性方法（CF法）以及模糊逻辑方法。新概率法试图在传统的概率论框架内，采用新的计算方法以适应不确定性描述。非形式化方法是指启发性方法，对不确定性没有给出明确的概念。另外一种观点，把处理不确定问题的方法分为工程方法、控制方法和并行确定性法。工程法是将问题简化为忽略哪些不确定性因素。控制法是利用控制策略来消除不确定性的影响，如启发式的搜索方法。并行确定性法是把不确定性的推理分解为两个相对独立的过程：一个过程不计不确定性采用标准逻辑进行推理；另一过程是对第一个过程的结论加以不确定性的度量。前一过程决定信任什么，后一过程决定对它的信任程度。