AI复习提纲及点提示.docVIP

“人工智能”复习提纲及重点提示 2005年10月17日 1、 知识原则和知识门槛，知识表示的构成；知识表示的工作假设和符号结构应满足的主要特性；知识表示性能的评价；知识表示的常见方式；程序性和陈述性知识。 答： （1）知识原则（P15-16） Lenat和Feiganbaum于IJCAI-10提出了知识原则：一个系统展示高级的智能理解和行为，主要是因为拥有应用领域特有的知识：概念、事实、表示、方法、模型、隐喻和启发式。 （2）知识门槛（P16） 系统拥有的知识和其性能（问题求解能力和效率）的关系可以表示为二维曲线（请参见书中P16中1的“图2.1 知识门槛”），图中W，C，E称为知识门槛。其中， 使能门槛W。超过此门槛时，系统就拥有了为执行任务所需的最低限度知识；低于此门槛，系统无足够的知识去解决问题。 胜任门槛C。到达C点时，系统成为在某应用领域中求解问题的专家，胜任只有专家才能解决的问题求解任务。 全能门槛E。到达E点时，由于知识量的空前增加（丰富），使系统能解决该应用领域内几乎所有的问题，成为全能专家。 （3）知识表示的构成（P17） 知识表示在人工智能体的建造中起到关键的作用，正是以适当的方式表示了知识，才导致智能体展示出智能行为。识别表示可视为数据结构及其处理机制的综合，即 知识表示 ＝ 数据结构 ＋ 处理机制 其中，恰当的数据结构用于存储要解决的问题、可能的中间解答和最终解答，以及解决问题涉及之世界的描述。存储这些描述（符号）的数据结构也称为符号结构，它导致了知识的显式表示。然而，仅有符号结构并不能体现出系统具有知识，因为符号结构本身并不构成意义，只有对其做适当的处理才构成意义。所以，要使系统显示出有知识，不仅要定义适当的数据结构（即符号结构），还须定义配套的处理机制去使用它们。 （4）知识表示的工作假设和符号结构应满足的主要特性（P21－22） Brian Smith在他的博士论文中提出了关于知识表示的一个基本的方法论设想，称为知识表示假设。该假设声称： 任何机械设置（装置？）的智能过程均由结构成分组成，人们作为外部观察者，自然地引用这些结构对该智能过程展示的知识作陈述性描述；独立于这样的外部语义，它们在产生显示（显式？）的行为中起到基本的作用。 上述“结构成分”就是KB系统中的符号结构，它满足2个主要特性： 可解释为表示知识的命题。 在KB系统的行为中起因果作用。 基于这一假设，设计任何KB系统均包括2个方面：知识表示和领域特有的知识。知识表示提供表示语言和推理机制，表示语言以符号结构描述获取到的领域知识，而推理机制则应用这些知识实现智能行为。 （5）知识表示性能的评价（P23－24） Woods提出应从两个方面评价知识表示的性能，包括表示的充分性和表示法效用： 表示的充分性：是指作重要区分和避免不必要区分的能力。一种表示方式无论怎样有效，若不能表示必要的区别，也是没有用处的。只有具备表示的充分性，知识表示系统才能恰当地描述问题求解涉及的事物，以及智能体对于外部世界的信念、目的和猜测等。 表示法效用：是指表示知识的元素和处理这些元素的操作应能有效地支持使用知识的推理活动。它又分为2个方面： i) 概念效率。指知识表示方式应能有利于知识库以自然的方式吸收随意的新信息，新知识的加入和老知识的更新不会引起知识库发生大的变化。 ii) 计算效率。主要指推理的有效性，如推理的速度、结论的正确性和有效性等。 要兼顾概念效率和计算效率往往比较困难，因为前者要求表示知识的符号结构与知识的获取和知识库维护相容（即知识应以接近于人的思维方式表示），而后者则要求与推理机相容（即知识应以接近于计算机目标代码的方式表示）。解决上述矛盾的一种可取方法是，提供2套符号结构，分别面向知识获取和机器推理，并设计自动转变程序来实现两者间的映射。 （6）知识表示的常见方式（P25-26） 常见的知识表示方式可归纳为4类：一阶谓词逻辑、产生式系统、语义网络、框架系统。 a) 一阶谓词（P25）。 b) 产生式系统（P25-26）。 c) 语义网络（P26）。 d) 框架系统（P26）。 重点提示： 一阶谓词逻辑具有很好的表示充分性，从而使得基于这种表示方式的归结定理证明方法能适用于各种应用领域。然而，归结原理不能应用启发式知识控制推理，因为它有知识库较大时推理效率极低的缺点。 产生式系统由规则库、综合数据库和控制子系统3个部分组成。产生式规则最适合于表示各种启发式知识以指示事物间的经验性关联，故广泛应用于专家系统的设计中。 语义网络注重表示对象间的关系，而框架系统更强调对象的内部结构。 （7）程序性和陈述性知识（P27-28） 智能体拥有的知识可按存储方式区分为2大类：程序性知识和陈述性知识。 程序性知识 —— 隐含于使用