适于知识处理的非常规逻辑及应用分析.pdfVIP

6—41 适于知识处理的非常规逻辑及其应用分析’ 李刚屠轶清童颊 ‘上海大学计算机科学系201800)(中国科学院软件研究所) 抽翼逻辑作为人工智能研究中描述和模拟思维的工具．并利用推理来重现人类智能。但是常规逻 辑不适于处理不精确、不完全、不确定的信息，为此．人们提出了许多非常规逻辑。本文从知识工程的角 度。介绍了用于处理不精确信息的模糊逻辑、处理不完全信息的非单调逻辑以及处理不确定信息的归纳 逻辑和概率逻辑，井分析了这些逻辑在知识处理、知识发现中的应用，为设计充分利用这些逻辑优点的 数据发搁／知识发现系统打下基础。 关键调非常规逻辑数据发掘／知识发现模糊逻辑非单调逻辑归纳逻辑 o ／——_： ， V 、／ √’ ／ 1 引 青 逻辑学是研究人的思维规律和法则的学科。几十年以来，它一直是计算机科学。尤其是人工智 能研究中的主要形式工具。从语义学、软件规格说明理论到自动定理证明，从数据库、知识库到智 能代理，直到机器人研究，所有领域或多或少都与逻辑学有着若干联系。人工智能把逻辑学作为描 述和模拟思维的工具，并利用推理来重现人类智能，其根源可以追溯到人工智能和逻辑学所追求的 目标在深层次上的一致性。从本质上来看，人工智能是要用计算机来模拟人脑的行为和功能，使计 算机成为人脑的延伸。而人脑的行为和功能的模拟，实质上就是模拟人的思维过程。正因为此。逻 辑学的研究方法和成果自然而然地成为人工智能研究所选用的工具。 在相当大的范围内，人们提到的逻辑往往只是形式逻辑和数理逻辑，而后者又特指命题逻辑和 谓词逻辑。在长期的实践中，形式逻辑和数理逻辑(合称为：常规逻辑)对许多应用领域日渐暴露出 力不从心的现象．最普遍的有：①表达能力不足，无法刻划时间因素，以及必然、可能等认知概念；② 无法处理不精确、不完全、不确定的信息；③常规逻辑的推理算法效率不高。有鉴于此．人们建立了 许多适用于不同目的的逻辑系统。习惯上把这些逻辑系统称为：非常规逻辑。它们与常规逻辑之间 的区别主要表现在：①二值还是多值?常规逻辑都是二值逻辑，即任何命题的值只有T和F两种， 但是象“波斯海战”这样的问题上就暴露了二值逻辑描述能力的不足。为弥补这个缺陷．各种三值 逻辑、n值逻辑、多值逻辑被提出来。为了描述各种不精确、模糊的现象，还提出了模糊逻辑；②单调 还是非单{尉?常规逻辑是单调的，即已有的信念都充分可信，不会随新事实的发现而使旧信念变 假。但现实生活中，当人们对客观情况的认识进一步深化，或客观情况发生变化时，～些旧信念可 能要被推翻。这就是人类认知的非单调性，在逻辑学中引入非单调性以处理不完全的信息。就得到 非单调逻辑；@演绎还是归纳?从Aristotle开始。在逻辑学中演绎法长期占据主导地位。直到16世 ·国家自然科学基金贷助课题。 6—42 纪，这种局面才被Bacon等人提倡的归纳法所打破。实际上，归纳逻辑在人工智能中的地位一点都 不亚于演绎逻辑，特别是在不确定推理、机器学习等领域，归纳逻辑更是发挥重要作用。 人工智能的研究从数据处理进入到知识处理阶段后，经常需要处理不精确、不完全、不确定的 信息，本文从知识工程的角度，考察模糊逻辑、非单漏逻辑和归纳逻辑．并分析了它们在处理不精 确、不完全、不确定信息以及数据发掘／知识发现方面的应用。 2模糊逻辑 人类智能的一个重要特征是在日常生活中大多数情况下．人能够根据不精确的知识，正确地作 出判断、采取行动或解决面临的问题。常规逻辑强调精确性和严格性，无法描述不精确现象和解决 不精确问题。为了突破这种逻辑上的局限性，L．Zadeh于1965年首创模糊数学理论…，并发展了 模糊逻辑和模糊推理，以支持对不精确信息的处理。 2．1模糊集 按传统集合论，一个对象是否为某集合的元素，是界限分明的，其回答只有是和否两种。因此． 一个集合A可以用其特征函数”A(x)来刻划： “x，=锯黧 这样．传统集合论就在集合和元素特征之间建立一种双射关系：一个集合决定了一种元素特 征，一种元素特征确定一个集合