[农业专家系统和PROLOG语言]Nyzjxt4.pptVIP

What’s Knowledge Representation? Knowledge representation is the application of logic and ontology to the task of constructing computable models for some domain. Knowledge representation is a multidisciplinary subject that applies theories and techniques from three other fields: Logic provides the formal structure and rules of inference. Ontology defines the kinds of things that exist in the application domain. Computation supports the applications that distinguish knowledge representation from pure philosophy. 知识表示 ＝ 逻辑＋本体论＋可计算模型 1. 表示知识的范围是否广泛？例如，逻辑是一种广义的知识表示工具，而帮会的行话只能表示很窄的内容。 2. 是否适于推理？一般说来，人工智能主要对适合推理的知识表示感兴趣。数学模型（如微分方程）不适于推理，普通的数据库只能供检索用，也不适于推理。 3. 是否适于计算机处理？一般说来，用文字表述的知识不适于计算机处理，以连续形式表述的知识（如微分方程）也不适于直接用计算机处理。 4. 是否有高效的算法？不完备的或不可解的知识表示，或推理复杂性高的知识表示，在选用时都要特别谨慎。PROLOG之所以采用深度优先向后推理，是因为已经证明了Horn子句的消解是完备的。 5. 能否表示不精确知识？自然界的信息具有先天的模糊性和不精确性。许多知识表示方法往往需要经过改造，以便表示不精确性（例如，MYCIN中带可信度的产生规则）。 6. 能否模块化？这有两重含义，首先是在同一层次上的模块化。例如PROLOG只有一个全局性知识库，不能模块化，是它的缺点。其次，是按知识分层方法实行模块化。例如，微分方程是一种知识表示，说明u是调和函数，但是要真正把u解现来，还需要一套处理微分方程的知识。这就是在不同层次上的知识。 7. 知识和元知识能否用统一的形式表示? 这两种知识是属于不同层次的知识。使用统一的表示方法可以使知识处理简便。产生式系统是比较适合于统一表示知识和元知识的。 8. 是否适于加入启发信息？前面说的不精确性主要是指我们对于作为推理对象的客观事物的认识一般是不精确的。因此，推出的结论只能有有限的精确度。但是这种不精确性也表现在元知识（控制知识）方面，在已知的前提下，如何才能最快地推得所需的结论。以及如何能推得最佳的结论，我们的认识往往也是不精确的。这些不够精确的控制信息就是通常所说的启发信息。 9. 过程性表示还是说明性表示？一般认为：说明性表示涉及细节少，抽象程度高，因此可靠性较好，修改方便，但执行效率比较低，过程性表示的优缺点与说明性表示相反。 10. 表示方式是否自然？正象不同的人在不同的场合下穿不同的衣服一样，针对不同的知识及不同的用途，也应分别情况采用不同的表示方法。一般应在表示方法尽量自然（适合于该问题特点）与使用效率尽量高之间取一个妥协。对于推理来说，PROLOG比某些高级语言（如FORTRAN）自然，但牺牲了一些效率。另一方面，在PROLOG中只能用Horn子句，比起一般的谓词公式它又显得不够自然，但这种不自然又换来了一些效率。 一、 一阶谓词逻辑表示方法(又称逻辑模式) 逻辑是到目前为此能够表达人类思维和推理的最精确和最成功的方法。它能够通过计算机作精确处理，而它的表现方式和人类自然语言又非常接近，因此用逻辑作为知识表示工具自然很容易为人们接受。 特别是一阶谓词逻辑，它是一种形式语言，是人工智能中重要的主要的基本的常用的知识表示方法，具有较强的表示能力。 在逻辑表示法下可采用归结法或其他方法进行正确的推理。当然一阶谓词逻辑的表达能力也是有限的，如具有归纳结构的知识、多层次的知识类型都难于用一阶谓词来描述。 用逻辑模式求解一个问题的全过程是： (1) 用谓词演算将问题形式化； (2) 在这种逻辑表示的形式上建立控制系统； (3) 证明从初始状态可到达终结状态（目标）。 举例：1设有下列事实性知识： 张晓辉是一名计算机系的学生，但他不喜欢编程