人工智能)lesson.ppt

1.知识表示的基本概念 Feigenbaum认为知识是经过削减、塑造、解释和转换的信息。简单地说，知识是经过加工的信息。 Bernstein说知识是由特定领域的描述、关系和过程组成的。 Hayes-Roth认为知识是事实、信念和启发式规则。 从知识库观点看，知识是某论域中所涉及的各有关方面、状态的一种符号表示。　　 知识可从(范围，目的，有效性)加以三维描述。 知识的范围是由具体到一般， 知识的目的是由说明到指定， 知识的有效性是由确定到不确定。 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，是一种数据结构与控制结构的统一体，既考虑知识的存储又考虑知识的使用。 知识表示可看成是一组描述事物的约定，以把人类知识表示成机器能处理的数据结构。 2.人工智能系统所关心的知识 一个智能程序高水平的运行需要有关的事实知识、规则知识、控制知识和元知识。 事实 是有关问题环境的一些事物的知识，常以…是…的形式出现。如事物的分类、属性、事物间关系、科学事实、客观事实等，事实是静态的为人们共享的可公开获得的公认的知识，在知识库中属低层的知识。　　　　　　 规则 是有关问题中与事物的行动、动作相联系的因果关系知识，是动态的，常以“如果…那么…”形式出现。特别是启发式规则是属专家提供的专门经验知识，这种知识虽无严格解释但很有用处。 控制 是有关问题的求解步骤、技巧性知识，告诉怎么做一件事。也包括当有多个动作同时被激活时应选哪一个动作来执行的知识。 元知识 是有关知识的知识，是知识库中的高层知识。包括怎样使用规则、解释规则、校验规则、解释程序结构等知识。元知识与控制知识是有重迭的，对一个大的程序来说，以元知识或说元规则形式体现控制知识更为方便，因为元知识存于知识库中，而控制知识常与程序结合在一起出现，从而不容易修改。 3.陈述式知识表示与过程式知识表示 语义网络、框架和剧本等知识表示方法，均是对知识和事实的一种静止的表达方法，我们称这类知识表达方式为陈述式知识表达，它所强调的是事物所涉及的对象是什么，是对事物有关知识的静态描述，是知识的一种显式表达形式。而对于如何使用这些知识，则通过控制策略来决定。　　 过程式表示就是将有关某一问题领域的知识，连同如何使用这些知识的方法，均隐式地表达为一个求解问题的过程。它所给出的是事物的一些客观规律，表达的是如何求解问题。知识的描述形式就是程序，所有信息均隐含在程序中，因而难于添加新知识和扩充功能，适用范围较窄。 第二章 知识表示方法 2.1 状态空间法 　问题求解(problem solving)是个大课题，它涉及归约、推断、决策、规划、常识推理、定理证明和相关过程的核心概念。在分析了人工智能研究中运用的问题求解方法之后，就会发现许多问题求解方法是采用试探搜索方法的。也就是说，这些方法是通过在某个可能的解空间内寻找一个解来求解问题的。这种基于解答空间的问题表示和求解方法就是状态空间法，它是以状态和算符(operator)为基础来表示和求解问题的。 1.问题求解技术两个主要的方面 (1) 问题的表示：如果描述方法不对，对问题求解会带来很大的困难； (2) 求解的方法：采用试探搜索方法。 　　 2.状态空间法三要点 (1) 状态（state）：表示问题解法中每一步问题状况的数据结构； (2) 算符（operator）：把问题从一种状态变换为另一种状态的手段； (3) 状态空间方法：基于解答空间的问题表示和求解方法，它是以状态和算符为基础来表示和求解问题的。 2.1 状态空间法 问题状态描述 状态图示法 状态空间表示举例 2.1.1 问题状态描述 1、状态（State）的基本概念 　　状态(state)是为描述某类不同事物间的差别而引入的一组最少变量q0，q1，…，qn的有序集合，其矢量形式如下：　Q=［q0,q1,…,qn］T 　　　　　 　(2.1)式中每个元素qi(i=0,1，…，n)为集合的分量，称为状态变量。 给定每个分量的一组值就得到一个具体的状态，如　Qk=［q０k,q1k,…，qnk］T 　　　　　 (2.2)　 算符：使问题从一种状态变化为另一种状态的手段称为操作符或算符。操作符可为走步、过程、规则、数学算子、运算符号或逻辑符号等。 　问题的状态空间(state space)是一个表示该问题全部可能状态及其关系的图，它包含三种说明的集合，即所有可能的问题初始状态集合S、操作符集合F以及目标状态集合G。因此，可把状态空间记为三元状态(S，F，G)。 2.1.2 状态图示法 为了对状态空间图有更深入的了解，这里介绍一下图论中的几个术语和图的正式表示法。 1.图论中