aai_4.pptVIP

高级人工智能 高级人工智能 第一章 人工智能概述 第二章 归结推理方法 第三章 不确定性推理 第四章 知识表达方法 第五章 自然计算及群体智能－蚁群算法 第六章 自然计算及群体智能－遗传算法 第四章 知识表达方法 概述 谓词逻辑表示法 产生式表示法 语义网络表示法 框架表示法 知识表示的实现方法 概述 人类智能的表现之一：知识 知识工程 (Knowledge Engineering) Knowledge Representation Knowledge Acquisition Knowledge Inference Knowledge Application 知识表示（前提，重要性） 按一定模式，用一些约定的符号编码知识，构造机器可接受的数据结构。 知识 对客观事物（自然的、人造的）及其规律的认识 对客观事物原理的认识 现象、本质、属性、状态、关系、联系、运动等 利用客观规律解决实际问题的方法和策略 步骤、操作、规则、过程、技术、技巧、等微观方法 战术、战略、计谋、策略等宏观方法 即：原理性知识、方法性知识。 事务→→数据→→信息→→知识→→智慧 知识是经过消减、塑造、解释、选择、和转换的信息——Feigenbaum 知识是由特定领域的描述、关系和过程组成的——Bernstein 知识＝事实＋信息＋启发式——Roth 知识属性 真假性 不确定性 不完备、不确定、模糊性 矛盾性、相容性 相容、一致：单调推理 不相容、矛盾知识：非单调推理 可表示性 可利用性 表达方法的衡量 表达能力 正确有效地将问题求解所需知识表示出来。 范围、高效性、精细程度、对不确定性知识的支持 可利用性 推理的适应性、高效算法的支持 可维护性 自然性 可实现性 知识构成：事实、规则、控制、元知识 事实 有关问题环境的一些事物的知识，形如“x是y” 如事物分类、属性、事物间关系、客观事实等 静态的、共享的、可公开获得的、公认的知识 如：雪是白的；鸟有翅膀； 规则 与事物的行动、动作、相联系的因果关系知识 形如“如果…那么…” 是动态的。如启发式规则。 控制知识 有关问题的求解步骤、技巧性知识 当有多个动作时应选择哪一个的知识 元知识 有关知识的知识。是知识库中的高层知识。包括怎样使用、解释、校验规则，解释程序结构等知识。 与控制知识有重叠。 元知识存于知识库中 控制知识与程序结合在一起。 知识表示模型 知识表示的两层模型：逻辑层与实现层 逻辑层 不同表达模式 逻辑表示法、产生式系统、语义网络、框架 实现层 实现技术、环境、语言 面向对象、XML、关系模型 逻辑表示法 将以自然语言描述的知识，通过引入谓词、函数来加以描述，得到相关逻辑表达式，进而以机器内部代码表示。 逻辑表示法下，可以采用归结法进行推理。 一阶逻辑的表达能力有限。如具有归纳结构的知识，多层次的知识类型都难以用一阶逻辑描述。 例。机器人－积木块问题 房间内有机器人Robot，一个壁龛Alcove，一个积木Box, 两个桌子A、B。机器人把Box从一个状态变成另一状态 引入谓词 Table(A), EmptyHanded(robot), At(robot, A) Holds(robot, box), On(Box, A) 初始状态： Table(A), Table(B) At(robot, alcove), EmptyHanded(robot), On(box, A) 目标状态 Table(A), Table(B) At(robot, alcove), EmptyHanded(robot), On(Box, B) 问题归纳为：从初始状态到目标状态的操作过程 机器人的每个操作结果所引起的状态变化，可用对原状态的增添表和删除表来表示。如机器人由初始状态把积木从A移到B，然后返回到alcove，同初始状态相比，有 增添表 ON(Box, B) 删除表 ON(Box, A) 又如，机器人由初始状态走近A桌，然后拿起积木。与初始状态比，有 增添表： AT(robot, A), Holds(robot, A) 删除表： AT(robot, Alcove), Emptyhanded(robot), ON(box, A) 进一步，机器人的每一步操作需要满足先决条件。 如robot拿起A上的box，先决条件是 ON(box, A), AT(robot, A), Emptyhanded(robot) 而先决条件成立与否的验证可使用归结法。如初始条件为已知条件，待验证的先决条件视作结论，便可使用归结法。 从初始状态出发，每实现机器人的一个操作都先验证先决条件，并建立相应的增添表和删除表，便可逐步达到目标状态。 谓词逻辑表达的特点 自然 明确 精确 灵活 模块化 表示能力差 库管理困难 组合爆炸