人工智能66247244

2.1概述2.1.1知识、信息、数据数据：一组符号及其组合表示的信息称为数据。信息：对数据的解释，是数据在特定场合下的具体含义。信息与数据又是两个不同的概念（例如）。Feigenbaum认为知识是经过削减、塑造、解释和转换的信息。简单地说，知识是经过加工处理的信息。Bernstein说知识是特定领域的描述、关系和过程组成。Hayes-Roth认为知识是事实、信念和启发式规则。知识是用信息表达的，信息是用数据表达的。信息和关联是构成知识的两大要素。知识可从（范围，目的，有效性）加以三维描述。其中知识的范围是由具体到一般，知识的目的是由说明到指定，知识的有效性是由确定到不确定。例如“为了证明A→B，只需证明A∧~B是不可满足的”这种知识是一般性、指示性、确定性的。而像“桌子有四条腿”这种知识是具体的、说明性、不确定性。知识表示是研究用机器表示知识的可行性、有效性的一般方法，是一种数据结构与控制结构的统一体，既考虑知识的存储又考虑知识的使用。知识表示可看成是一组描述事物的约定，以把人类知识表示成机器能处理的数据结构。2.1.2.知识的特性1.相对正确性2.不确定性：知识不总是只有真和假两种状态，而是在真和假之间存在很多状态，即存在真的程度问题。3.可表示性4.可利用性：人类时刻在利用知识解决问题。2.1.3知识的分类1.以知识的作用范围分类，常识性和领域性知识。2.以知识的作用分类，事实知识、规则知识、控制知识和元知识。事实：是有关问题环境的一些事物的知识，常以“...是...”的形式出现。如事物的分类、属性、事物间关系、科学事实、客观事实等，在知识库中属于低层的知识。如雪是白色的、鸟有翅膀、张三李四是好朋友。规则：是有关问题中与事物的行动、动作相联系的因果关系知识，是动态的，常以“如果...那么...”形式出现。特别是启发式规则是属于专家提供的专门经验知识，这种知识虽无严格解释但很有用处。控制：是有关问题的求解步骤，技巧性知识，告诉怎么做一件事。也包括当有多个动作同时被激活时应选哪一个动作来执行的知识。元知识：是有关知识的知识，是知识库中的高层知识。包括怎样使用规则、解释规则、校验规则、解释程序结构等知识。3.以知识的确定性划分，确定知识和不确定知识（可以用概率来度量）2.1.4知识的表示研究用机器表示知识的可行性、有效性的一般方法，是一种数据结构和控制结构的统一体，要考虑到知识的存储，又要考虑知识的使用。谓词逻辑是一种表达力很强的形式语言，谓词逻辑及其推理方法是人工智能中知识表示方法,机器推理,定理证明的基本方法。另外谓词逻辑中的替换合一技术，也是符号推理中模式匹配的基本技术。本章主要讲解基于谓词逻辑的归结演绎推理。2.2一阶谓词逻辑表示法2.2.1知识的谓词逻辑表示法谓词公式：用谓词、量词（存在量词，全称量词）、联接词（→蕴涵，∧合取，∨析取）连接而成的复杂的符号表达式称为谓词公式。例如：谓词STUDENT(x):表示x是学生则事实性知识“张三和李四都是学生”可表示为STUDENT(张三)∧STUDENT(李四)谓词M(x):表示x是人，谓词N(x):表示x有名字，规则性知识“凡是人都有名字”可表示为x(M(x)→N(x))，其中→是蕴涵式2.2.2用谓词公式表示知识的步骤定义谓词及个体根据所要表达的事物或概念，为每个谓词中的变元赋以特定的值根据表达知识的语义，用适当的连接符号将各个谓词连接起来，形式谓词公式2.2.3谓词公式表示知识的举例例1：知识“不存在最大的整数”的表示设：谓词G(x):表示x是整数，D(x,y)表示x大于y。则表示如下：～x(G(x)∧y(G(y)→D(x,y)))或x(G(x)∧y(G(y)∧D(y,x)))例2：机器人搬积木问题表示设在一个房间里，有一个机器人ROBOT，一个壁橱ALCOVE，一个积木块BOX，两个桌子A和B。开始时机器人ROBOT在壁橱ALCOVE的旁边，且两手是空的，桌子A上放着积木块BOX，桌子B上是空的。ROBOT将把积木块BOX从桌子A转移到桌子B上。TABLE(x)：x是桌子EMPTYHANDED(x)：x双手是空的BESIDE(x,y):x在y旁边HOLD(x,y)：x拿着yON(u,v)：u在v上面EMPTYTABLE(x)：桌子x上是空的问题的初试状态：BESIDE(ROBOT,ALCOVE)∧EMPTYHANDED(ROBOT)∧TABLE（A）∧TABLE（B）∧ON（BOX,A）∧EMPTYTABLE(B)问题的目标状态：BESIDE(ROBOT,ALCOVE)∧EMPTYHANDED(ROBOT)∧TABLE（A）∧TABLE（B）∧ON（BOX,B）∧EMPTYTABLE(A)为了解决这个问题还要定义表示动作的谓词：GOTO(x,y)：从x处走到y处，动作谓词公式为：BESIDE(ROBOT，x)∧GOTO(x,y)→BESIDE(ROBOT，y)PICK-UP（x）：在x处拿起盒子，动作谓词公式为：ON(BOX,x)∧TABLE(x)∧BESIDE(ROBOT，x)∧EMPTYHANDED(ROBOT)→HOLDS（ROBOT，BOX）SET-DOWN（x）：在x处放下盒子，动作谓词公式为：TABLE(x)∧BESIDE(ROBOT，x)∧HOLDS（ROBOT，BOX）→ON(BOX,x)∧EMPTYHANDED(ROBOT)2.2.4一阶谓词逻辑表示法的特点自然性。接近于自然语言适宜于精确知识的表示（谓词公式的值只有真和假）易实现，容易转换成计算机的内部形式（可以用VisualProlog语言）有与之相应的推理方法（归结原理）2.3产生式表示方法产生式（production）是美国数学家POST提出的一种称为POST机的计算模型，模型中的每一条规则称为一个产生式，所以产生式表示法又称为产生式规则表示法。2.3.1产生式可表示的知识种类及其基本形式可表示的知识种类：事实性、规则性知识以及它们的不确定度量基本形式：P→Q或IFPTHENQ产生式与蕴涵式的区别：蕴涵式表示的是精确知识，产生式表示的可以是精确知识也可以不是精确知识。在使用产生式的智能系统中，进行推理时不要求精确匹配，而蕴涵式前提条件的匹配总是要求精确匹配。蕴涵式有逻辑真值，而产生式没有。2.3.2用产生式进行知识的表示方法确定性规则知识的产生式表示：P→Q或IFPTHENQ不确定性规则知识的产生式表示：P→Q（可信度）或IFPTHENQ（可信度）。确定性事实知识的产生式表示（三元组）（对象，属性，值）或（关系，对象1，对象2）例如：（雪，颜色，白色），（Li，AGE，40）,(FRIENDS,Li,Zhang)不确定性事实知识的产生式表示：四元组：（对象，属性，值，可信度）或（关系，对象1，对象2，可信度）例如：“老李年龄很可能是40岁（0.8）”，“老李和老张是朋友的可能性不大（0.1）”表示为（Li，AGE，40，0.8），(FRIENDS,Li,Zhang，0.1)2.3.3产生式系统的组成产生式系统，由规则库、综合数据库、推理机三部分组成（规则库和综合数据库合在一起称为知识库）。规则库描述某领域知识的产生式集合，包含着将问题从初始状态转换解状态的那些变换规则，规则库是专家系统的核心，也是productsystem赖以进行问题求解的基础。规则库可表成与或树形式。综合数据库又称为事实库，当中存放着初始事实、外部数据库输入的事实、中间结果事实和最后结果事实。当规则集中的规则前件与事实库中的事实匹配时，该产生式被激活，并将推出的结论再放入事实库中，作为后面推理的已知事实。综合数据库的内容是变化的，动态的。推理机是一个或一组程序，控制协调规则库与综合数据库的运行，包含推理方式和控制策略。控制策略的作用就是如何选用规则和如何应用规则。2.3.4产生式系统的推理方式产生式系统的推理方式有正向推理、反向推理和双向推理正向推理：从已知事实出发，通过规则库求得结论，或称数据驱动方式。推理过程是规则集中的规则前件与数据库中的事实进行匹配，得匹配的规则集合。从匹配规则集合中选择一条规则作为使用规则。执行使用规则的后件。将该使用规则的后件送入数据库中重复这个过程直至达到目标具体说如数据库中含有事实A，而规则库中有规则A-B，那么这条规则便是匹配规则，进而将后件B送入数据库中。这样可不断扩大数据库直至包含目标便成功结束。如有多条匹配规则需从中选一条作为使用规则，不同的选择方法直接影响着求解效率，选规则的问题称作控制策略。正向推理会得出一些与目标无直接关系的事实，是有浪费的。例：R1：如果X能被12整除，则X能被6整除R2：如果X能被20整除，则X能被10整除R3：如果X能被6整除，则X能被2整除R4：如果X能被10整除，则X能被5整除同时假设数据库中某数N能被12和20整除，现在问题是判断N能否被5整除。我们先将以下数据输入到数据库中：N能被12整除N能被20整除采用数据驱动方法，该问题的的整个搜索空间可用一棵树表示，其中每一分支代表了一种选择使用规则的顺序。反向推理：从目标（作为假设）出发，反向使用规则，求得已知事实，或称目标驱动方式，推理过程是：规则集中的规则后件与目标事实进行匹配，得匹配的规则集合；从匹配的规则集合中选择一条规则作为使用规则；将使用规则的前件作为子目标；重复这个过程直至各子目标均为已知事实成功结束；如果目标明确，使用反向推理方式效率较高。双向推理：同时使用正向推理又使用反向推理。2.3.5产生式表示的特点清晰性：产生式表示格式固定，形式单一，规则（知识单位）间相互较为独立，没有直接关系使知识库的建立较为容易，处理较为简单的问题是可取的。另外推理方式单纯，也没有复杂计算模块性：知识库与推理机是分离的，这种结构给知识的修改带来方便，无须修改程序，对系统的推理路径也容易作出解释。所以，产生式表示知识常作为构造专家系统的第一选择的知识表示方法。自然性：直观自然，便于推理。既可表示确定性知识，也可表示不确定性知识。实现：用visualprolog语言表示产生式规则，甚至不用写推理机程序2.4语义网络表示方法2.4.1语义网络的概念及结构逻辑表示法和产生式表示法常用于表示有关论域中各个不同状态间的关系，然而用于表示一个事物同其各个部分间的分类知识，各事物、概念之间含义上的联系或者语义上的联系就不方便了。语义网络是对知识的有向图表示方法。一个语义网络是由一些以有向图表示的三元组（结点1，弧，结点2）连接而成。这个三元组称为基本网元。结点表示概念、事物、事件、情况等。弧是有方向的有标注的。方向体现主次，结点1为主，结点2为辅。弧上的标注表示结点1的属性或结点1和结点2之间的关系。如下图中A、B代表结点，R代表A与B之间的某种联系。当把多个基本网元用相应的语义联系关联在一起时，就可得到一个语义网络。2.4.2与谓词逻辑表示法和产生式表示法的联系从逻辑表示法来看，一个语义网络相当于一组二元谓词。因为三元组（结点1，弧，结点2）可写成P（个体1，个体2），其中个体1、个体2对应于结点1、结点2，而弧及其上标注的结点1与结点2的关系由谓词P来体现。语义网络视作一种知识的单位，人脑的记忆是由存储了大量的语义网络来体现的。而产生式表示法是以一条产生式规则作为知识的单位，而各条产生式规则没有直接的联系。每一条产生式规则也可以表示成语义网络的形式，如规则“如果A那么B”，可表示成：这样事实知识与规则知识的表示是相同的，区别仅是弧上的标注有别。2.4.3语义网络中常用的语义联系从功能上讲，语义网络可以描述任何事物间的任意复杂关系，但是这种描述是通过把许多基本的语义关系关联到一起来实现的。基本语义关系是构成复杂语义关系的基石，也是语义网络知识表示的基础。下面是普遍接受的语义联系。(1)类属关系：具有共同属性的不同事物间的分类关系、成员关系和实例关系。它体现的是“具体与抽象”“个体与集体”的层次分类。其直观的含义是“是一个”、“是一种”、“是一只”、“是一名”....