2-知识表示.ppt

知识及其处理 本章主要介绍传统人工智能——符号主义学派的一些基本内容 符号主义学派认为：认知的基本单元是符号，知识都用符号来表示，认知的过程就是符号运算。 符号主义学派主张的两大支柱，就是知识的表示方法和对知识的搜索技术 本章介绍第一大支柱——知识的表示方法 知识就是力量 人工智能的求解是以知识为基础的，所以知识表示是人工智能研究的一个基本问题 不管应用人工智能技术求解什么问题，首先遇到的问题都是如何将获得的有关知识在计算机内部以某种形式加以合理的描述、存储，以便有效的利用这些知识 概述 在知识处理中总要问到：“如何表示知识？”，“知识是用什么来表示的?”。怎样使机器能懂，能对之进行处理，并能以一种人类能理解的方式将处理结果告诉人们。 在AI系统中，给出一个清晰简洁的描述是很困难的。有研究报道认为。严格地说AI对知识表示的认识、系统的研究才刚刚开始。 概述-知识的定义 （难以给出明确的定义只能从不同侧面加以理解） Feigenbaum：知识是经过消减、塑造、解释和转换的信息。 Bernstein：知识是由特定领域的描述、关系和过程组成的。 Hayes-roth：知识=事实+信念+启发式规则 知识库的观点：知识是某领域中所涉及的各有关方面的一种符号表示。 概述-知识的种类 事实性知识：采用直接表示的形式 如：凡是猴子都有尾巴、北京是中国的首都 过程性知识：描述做某件事的过程 如：电视维修法、Windows安装手册 控制性知识：关于知识的知识，是关于如何决策的知识 如：如果你想省钱，就坐火车；如果想省时间，就坐飞机 概述-知识的种类 实例性知识：只给出一些实例，知识藏在实例中。 类比性知识: 即不给出外延，也不给出内涵，只给出它与其它事物的某些相似之处 如：比喻、谜语 元知识：有关知识的知识。最重要的元知识是如何使用知识的知识，如何从知识库中找到想要的知识。 概述-知识的要素 事实：事物的分类、属性、事物间关系、科学事实、客观事实等。（最低层的知识） 规则：事物的行动、动作和联系的因果关系知识。（启发式规则）。 控制：当有多个动作同时被激活时，选择哪一个动作来执行的知识。（技巧性） 元知识：高层知识。怎样实用规则、解释规则、校验规则、解释程序结构等知识。 概述-什么是知识表示 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，是数据结构与控制结构的统一。 知识表示是理智推理的部分理论。 知识表示是有效计算的载体 知识表示是交流的媒介（如语义网络） 知识表示的常用方法 直接表示 逻辑表示 产生式表示法 （规则表示法） 语义网络表示法 知识表示方法体系 概述-影响选择知识表示方法的因素 表示范围是否广泛 是否适于推理 是否适于计算机处理 是否有高效的算法 能否表示不精确知识 能否模块化 直接表示法 1963年由Gelernter提出的。用于基于传统欧氏几何证明的几何定理证明器。 它的输入是对前提和目标的陈述以及图示（图示是用一系列坐标来表示的）。 在证明过程中，证明器把图示作为启发式信息，排除在图示中不正确的子目标。从而大大地减少了搜索空间。 直接表示法 但，长期以来直接表示没有得到长足发展。原因如下： 计算机对直接表示的信息难以处理。 直接表示难以表示定量信息（语言设计失败） 直接表示不能描述自然世界的全部信息 这两年直接表示有所发展，因为，现在认识到，可以用其它媒体表示的方法去补充直接表示的不足。——将被发展成多媒体。 引申的研究是临场AI与临境技术。近几年AI对自主智能系统研究（完全机器做人不干预）的失望，导致对建立人机一体智能系统的尝试。这样系统所需环境的要求是直接表示兴起的原因之一。 逻辑表示法 一阶谓词逻辑是以谓词形式来表示动作的主题、客体。客体可以多个。 如：张三与李四打网球，可写为： play (Zhang, Li, tennis) 这里谓词是play，动词主体是Zhang和 Li，而客体是tennis。 谓词逻辑规范表达式： P ( x1, x2, x3, …)， 这里P是谓词, xi是主体与客体。 逻辑表示法 谓词比命题更加细致地刻画知识： 表达能力强 如：北京是个城市， City(x) 把城市这个概念分割出来。把“城市” 与“北京”两个概念连接在一起，而且说明“北京”是“城市”的子概念。（有层） 谓词可以代表变化的情况 如：City(北京),真。 City(煤球)，假 逻辑表示法 在不同的知识之间建立联系 如：Human(x) → Lawed(x)， 人人都受法律管制，x是同一个人。 Commit(x) → Punished(x)， x不一定是人也可以是动物。 而，{[Human(x) → Lawed(x)]→[commit