人工智能中逻辑学的研究1.docVIP

人工智能中逻辑学的研究 摘要：人工智能科学，从其诞生之日起便与逻辑学密不可分，二者的共同发展促进了用机器模仿人类思维的智能学的进步。本文首先对传统的几种经典逻辑和非经典逻辑大致做一介绍，然后重点讲述泛逻辑以及三值概率逻辑的基本原理。最后根据对多种逻辑的分析，阐述了对人工智能科学中逻辑学发展的思考。 关键词：逻辑学，泛逻辑，概率逻辑，可能世界，三值概率逻辑 1 引言 按照符号主义的观点，智能的核心在于思维，因而如何把人们的思维活动形式化、符号化，使其得以在计算机上实现，就成为人工智能研究的重要课题。在这方面，逻辑的有关理论、方法、技术起着非常重要的作用，它不仅为人工智能提供了有力的工具，而且也为知识的推理奠定了理论基础。 本文首先从哲学的角度讲述一下逻辑学的内涵，便于我们更好地、辨证地理解逻辑学的概念，为我们在人工智能中的运用打下良好的基础。然后通过对传统的几种经典逻辑和非经典逻辑大致做一介绍，重点讲述泛逻辑以及三值概率逻辑的基本原理。最后根据对多种逻辑的分析，阐述了对人工智能科学中逻辑学发展的思考。 2 逻辑学的发展 2.1 逻辑学内涵 逻辑学是一门研究思维形式及思维规律的科学。逻辑规律就是客观事物在人的主观意识 中的反映。而思维的形式结构包括了概念、判断和推理之间的结构和联系，其中概念是思维的基本单位，通过概念对事物是否具有某种属性进行肯定或否定的回答，这就是判断；由一 个或几个判断推出另一个判断的思维形式就是推理[1]。对问题求解、推理，联想与学习的能 这就是计算机在“思考”、在“解决问题”。人们在进行这些活动时，是在逻辑思维的指导下进行的，而逻辑是客观现象的抽象，是客体之间关系的抽象描述。所以，在人工智能的众多课题和技术问题中，它的逻辑问题或者说它所使用的逻辑这一课题是不可缺少的，甚至在一定意义下它是一中心问题。正因为如此，人们在不断地研究有关的逻辑课题。 2.2 逻辑学的大体分类 从17世纪德国数学家、哲学家莱布尼兹 G. Leibniz 提出数理逻辑以来，随着人工智能的一步步发展的需求，各种各样的逻辑也随之产生。逻辑学大体上可分为经典逻辑、非经典逻辑和现代逻辑[2,3]。经典逻辑中包含命题逻辑、谓词逻辑等，这些理论已经非常成熟，这里就不再赘述。非经典逻辑是在经典逻辑的基础上发展起来的，是对经典逻辑有益的、实用性的补充，包括模态逻辑、多值逻辑、模糊逻辑、概率逻辑等。而现代逻辑是从非经典逻辑中划分出来的，包括认知逻辑、高阶逻辑、思维逻辑等，这些逻辑的理论基础还是相当不成熟的。如图1所示，形象地描述了逻辑学的分类。 2.3 各逻辑的相互关系 经典逻辑与模态逻辑都是二值逻辑，不同之处在于后者多了两个模态算子：必然算子和可能算子，丰富了经典逻辑的表达能力。多值逻辑，顾名思义，就是具有多个命题真值的逻辑，它是对二值逻辑的一重大突破，又是向模糊逻辑的逼近。模糊逻辑是处理具有模糊性命题的逻辑，其真值域是0到1上的连续区间，可以应用到人工智能的许多领域，如专家系统、智能决策等。但模糊逻辑中的Zadeh算子组缺乏坚实的理论基础。概率逻辑是研究基于逻辑的概率推理，从这个概念上我们可以知道，一是其命题中包含了随机性，二是其中的逻辑基础可以是二值逻辑，当然也可以是其他各种非经典逻辑。 2.4 泛逻辑的基本原理 人脑思维中最玄妙的是它的综合性、柔软性、辨证性和进化性。当今人工智能深入发展遇到的一个重大难题就是专家经验知识和常识的推理，它们都是具有随机性、模糊性、近似性和不完全性的知识，而信息的随机性、模糊性、近似性和不完全性都会引起推理的不确定性。现有的各种逻辑体系都无法满足人工智能中精确描述和研究形形色色的不确定性推理的需要。为了克服这些逻辑学的不足，现代逻辑迫切需要有一个统一可靠的，关于不精确推理的逻辑学作为它们进一步研究信息不完全情况下推理的基础理论，进而形成一种能包容一切逻辑形态和推理模式的，灵活的，开放的，自适应的逻辑学，这便是柔性逻辑学。而泛逻辑学就是研究刚性逻辑学（也即数理逻辑）和柔性逻辑学共同规律的逻辑学。如图2所示，描述了泛逻辑与其他各逻辑之间的关系，从中我们也可以看到泛逻辑学的开放性。 泛逻辑不是从底层研究某个有特殊形态和用途的具体逻辑，而是从高层研究一切逻辑的一般规律，即抽象逻辑学，建立能包容一切逻辑形态和推理模式，并能根据需要自由伸缩变化的柔性逻辑学，刚性逻辑学将作为一个最小的内核存在其中，这就是提出泛逻辑的根本原因，也是泛逻辑的最终历史使命[4]。如图2所示，描述了泛逻辑与其他各逻辑之间的关系，从中我们也可以看到泛逻辑的开放性。 3 概率逻辑的发展 3.1 传统的概率逻辑 自从凯恩斯建立了第一个概率逻辑系统以来，许多概率逻辑系统纷纷出现，如Nilsson[5] , Guggenheimer , Freedman[6]