人工智能导论--第三章_知识与推_....ppt

人工智能导论 第三章：知识与推理 骆炎民 主要内容 3.1 推理概述 3.2 知识及其表示 3.3 知识表示方法 3.3.1 一阶谓词逻辑表示法 3.3.2 产生式表示法 3.3.3 其他知识表示法 3.4 经典逻辑推理的逻辑基础 3.5 归结演绎推理 3.6 不确定性推理的基本问题 3.7 基于概率的不确定性推理 3.7.1 概率论基础 3.7.2 可信度方法 3.7.3 主观贝叶斯方法 3.8 基于证据理论的不确定性推理 第三章：知识与推理 模拟和实现人类的推理能力，是人工智能中的一个重要研究内容，是符号式人工智能中的主要内容之一。 知识表示和推理机制是两个关键问题。 1)在确定知识表达方法后，就可以把知识表示出来并存储到计算机中。 2)然后, 利用知识进行推理以求得问题的解. 利用知识进行推理是知识利用的基础。各种人工智能应用领域如专家系统、智能机器人、模式识别、自然语言理解等都是利用知识进行广义问题求解的智能系统. 3.1 推理概述 模拟和实现人类的推理能力，是人工智能中的一个重要研究内容，是符号式人工智能中的主要内容之一。 知识表示和推理机制是两个关键问题。 1)在确定知识表达方法后，就可以把知识表示出来并存储到计算机中。 2)然后, 利用知识进行推理以求得问题的解. 利用知识进行推理是知识利用的基础。各种人工智能应用领域如专家系统、智能机器人、模式识别、自然语言理解等都是利用知识进行广义问题求解的智能系统. 3.1 推理概述 3.1.1 推理的概念与类型 推理是人类求解问题的主要思维方法，是按照某种策略从已有事实和知识推出结论的过程。推理是由程序实现的，称为推理机。 人类的智能活动有多种思维方式，人工智能作为对人类智能的模拟，相应地也有多种推理方式： 按推理逻辑基础：演绎推理、归纳推理、默认推理 按知识及结论的确定程度：确定性推理和不确定性推理 按推理过程的单调性：单调推理和非单调推理 按推理中启发性知识的使用：启发式推理和非启发式推理 1. 演绎推理、归纳推理、默认推理 (1). 演绎推理：演绎推理是从全称判断推出特称判断或单称判断的过程，即从一般到个别的推理。最常用的形式是三段论法。 例如： 1）所有的推理系统都是智能系统； 2）专家系统是推理系统； 3）所以，专家系统是智能系统。 (2).归纳推理: 是从足够多的事例中归纳出一般性结论的推理过程，是一种从个别到一般的推理过程。 (3). 默认推理：默认推理又称缺省推理，它是在知识不完全的情况下假设某些条件已经具备所进行的推理。 2、确定性推理、不确定性推理 如果按推理时所用的知识的确定性来分，推理可分为确定性推理与不确定性推理。 （1）确定性推理（精确推理）。如果在推理中所用的知识都是精确的，即可以把知识表示成必然的因果关系，然后进行逻辑推理，推理的结论或者为真，或者为假，这种推理就称为确定性推理。（如归结反演、基于规则的演绎系统等） （2）不确定性推理(不精确推理)。在人类知识中，有相当一部分属于人们的主观判断，是不精确的和含糊的。由这些知识归纳出来的推理规则往往是不确定的。基于这种不确定的推理规则进行推理，形成的结论也是不确定的，这种推理称为不确定推理。 (在专家系统中主要使用的方法)。 3、单调推理、非单调推理 如果按推理过程中推出的结论是否单调增加，或者说推出的结论是否越来越接近最终目标来划分，推理又可分为单调推理与非单调推理。 （1）单调推理。是指在推理过程中随着推理的向前推进及新知识的加入，推出的结论呈单调增加的趋势，并且越来越接近最终目标。(演绎推理是单调推理。) （2）非单调推理。是指在推理过程中随着推理的向前推进及新知识的加入，不仅没有加强已推出的结论，反而要否定它，使得推理退回到前面的某一步，重新开始。(一般是在知识不完全的情况下进行的) 4、启发式推理、非启发式推理 如果按推理中是否运用与问题有关的启发性知识，推理可分为启发式推理和非启发式推理。 （1）启发式推理：如果在推理过程中，运用与问题有关的启发性知识，如解决问题的策略、技巧及经验等，以加快推理过程，提高搜索效率，这种推理过程称为启发式推理。如A、A*等算法。 （2）非启发式推理。如果在推理过程中，不运用启发性知识，只按照一般的控制逻辑进行推理，这种推理过程称为非启发式推理。(推理效率较低，容易出现“组合爆炸”问题。) 3.1 推理概述 3.1.2 推理控制策略 推理控制策略分为推理策略和搜索策略。 推理策略最要解决主要是指推理方向的选择、冲突解决策略等。 推理时所用的搜索策略主要解决知识的搜索和目标求解。 一般推理的控制策略与知识表达方法有关。 1、推理方向 用于确定推理的驱动方式。分为： 正向推理(由已知