第7部分逻辑Agent.pptVIP

* * * 蕴含和推理 蕴含和推理： 将KB的所有推论集合视为一个大干草堆，而把α视为一根针。 蕴含就像是干草堆里的一根针，推理就是寻找它的过程。 如果推理算法i可以根据KB导出α，则表示为 KBI-iα 读为：通过i从KB导出α ，或i从KB导出α 。 蕴含和推理 只导出蕴含句的推理算法被称为可靠的或真值保持的推理。 可靠性是一个非常必要的属性。 本质上，不可靠的推理过程可能会虚构事实。 模型检验在可行的情况下（模型空间是有限的）是一个可靠的过程。 完备性属性也是非常必要的。 推理算法是完备的，如果它可以生成任一蕴含句。 真正的干草堆在一定程度上是个有限空间。显然，系统化的检查总可以判断出针是否在干草堆中。然后，对于多数知识库，干草堆的推论是无限的，完备性成为一个重要问。 幸运的是，存在可用于逻辑学的完备的推理过程。 蕴含和推理 前面描述的推理过程，在前提为真的任何世界中，它的结论保证为真。 特别地，如果KB在现实世界中为真，那么通过可靠推理过程从KB导出的任意语句α在现实世界中也都为真。 因此，当推理过程对“语法”——内在的实际结果，注入寄存器的比特或大脑中的电子点模式——进行操作时，该过程符合现实世界的关系，该关系表明现实世界的某些方面为真要依赖于现实世界的其它方面为真。 世界和表示之间的对应关系 语句是智能体的实际结构，推理是从旧的结构中构建新的实际结构的过程。 逻辑推理应该确保新结构所代表的那部分世界的确是旧结构所代表的那部分的必然结论。 筑基 筑基：逻辑推理过程和智能体生存的真实环境之间的联系，如果存在的话。特别是，我们如何知道KB在现实世界中为真。毕竟，KB只是存在于智能体头脑中的“语法”。 这是个哲学问题。 一个简单回答是，智能体的传感器创建了这一联系。 例如，Wumpus世界的智能体有一个嗅觉传感器。只要有气味，智能体程序就创建一个适合的语句来表示它。那么，只要该语句存在于知识库中，它在现实世界中就为真。 筑基 因此，感知语句的含义和真值是通过产生它们的感知和语句构造的过程来定义的。 其余的智能体知识，诸如它对在相邻方格中的Wumpus 散发出气味的信念是怎么回事呢？ 这不是某个单一感知信息的直接表示问题，而是一条一般规则——可能根据感知经验得到，但不等同于该经验的一个陈述。 这类一般规则由被称为学习的语句构造过程产生。学习是教材第五部分的主题。学习容易出现错误。可能存在这样的情况， Wumpus 会发出臭味，但是除了闰年的2月29日那天Wumpus 去洗澡以外。因而， KB在现实世界中可能不为真，但是由于有很好的学习过程，存在乐观理由。 本章内容 7.1 基于知识的Agent 7.2 Wumpus世界 7.3 逻辑 7.4 命题逻辑：一种简单逻辑 7.5 命题逻辑定理证明 7.6 有效的命题逻辑模型检验 7.7 基于命题逻辑的Agent 命题逻辑 语法 语义 一个简单的知识库 推理 语法 命题逻辑的语法定义允许出现的语句。 包括原子语句和复合语句。 原子语句——不可分割的句法元素——构成一个命题符号。 每个这样的符号代表一个或为真或为假的命题。 通常采用大写名称表示命题符号：P , Q, R，等等。 名称可以采用任意字符，但是通常采用有助于读者记忆的名称。 语法 例如，我们可以用W1, 3表示“Wumpus位于[1, 3]” 这一命题。 注意，诸如W1, 3这样的符号是一个原子。也就是说， W、1 和3 不是该符号有意义的部分。 有两个具有固定意义的命题符号： True 是永真命题， False 为永假命题。 语法 复合句由更简单的语句用逻辑连接符构造而成。 以下是常用的5 种连接符。 ?：否定（非） ∧：合取（与） ∨：析取（或） ?：蕴涵（IF…THEN） ?：等价（当且仅当） 语法 ?：否定（非） 例如，?W1, 3，称作W1, 3的否定式 ∧：合取（与） 例如，W1, 3∧P3, 1，称作合取式，它的各个部分称作合取子句。 ∨：析取（或） 例如，(W1, 3∧P3, 1)∨W2, 2是析取子句W1, 3∧P3, 1和W2, 2的析取式。 语法 ?：蕴涵（IF…THEN） 形式如(W1, 3∧P3, 1) ? ?W2, 2的语句称为蕴含式（或条件式），它的前提或前项是W1, 3∧P3, 1，结论或后项是?W2, 2 。 蕴涵式也称为规则，或如果-那么语句(if~then)。 ?：等价（当且仅当） 语句是W1, 3 ??W2, 2双向蕴含式。 文字：要么是原子语句（正文字），要么是否定的原子语句（负文字）。 命题逻辑的形式语法 优先级（从高到低）： ?， ∧，∨， ?， ?。 命题逻辑 语法 语义 一个简单的知识库 推理 语义 语义定义了用于判定关于特定模型的语句真值的规则。