不确定知识与推理-Read.PPTVIP

第八章 不确定知识与推理 概述 非精确性推理 不确定性人工智能的数学基础 贝叶斯网络 8.1 概述 8.1 概述 随机性 以牛顿理论为代表的确定性科学，创造了给世界以精确描绘的方法，将整个宇宙看作是钟表式的动力学系统，处于确定、和谐、有序的运动之中。 客观世界上随机的，映射到人脑的客观世界，即主观世界也应该是随机的。因此，人类在认知过程中表现出的智能和知识，不可避免地伴随有随机性。 随机性无处不在，随机性使得世界更为复杂，也更为丰富多彩。 模糊性 直到20世纪，人们才认识到，模糊性并不是坏事。它能够用较少的代价，传递足够的信息，并能对复杂事物做出高效率的判断和处理。 模糊性的客观性 哲学家罗素早在1923年一篇题为Vagueness的论文中明确指出：“认为模糊知识必定是靠不住的，这种看法是大错特错的”。 随着科学技术的发展，科学家们已经认识到：硬要把模糊事物人为地精确化，不仅会以方法的复杂性为代价，而且会降低结果的意义性。 自然语言中的不确定性 语言带有不确定性是很自然的，是人类思维的本质特征之一。 计算机自然语言理解、机器翻译等研究，从20世纪40年代兴起至今已经有60多年的历史，… 人们寄希望于表示概念的语言值的不确定性研究取得突破 8.1 概述 常识知识的不确定性 在人工智能界，常识知识的表示、处理和验证是非常困难的。 常识知识的相对性 目前，人工智能界有这样的共识：有无常识是人和机器的根本区别之一。 知识的其他不确定性 知识的不完备性 知识的 不协调性 知识的非恒常性 不确定性知识的表示、处理和模拟，寻找并且形式化地表示不确定性知识中的规律性，让机器模拟人类知识客观世界和人类自身的认知过程，使机器具有不确定性智能，成为人工智能学家的重要任务。 8.2 非精确性推理 8.2 非精确性推理 8.2 非精确性推理 Shortliffe等人1975年结合MYCIN系统的建立提出了确定性理论。 DURA等人1976在PROSPECTOR的基础上给出了概率法。 Dempster Shafter同年提出证据理论。 Zadeh两年后提出了可能性理论，1983年提出了模糊逻辑。 MYCIN 概述 MYCIN推理策略 采用反向推理和深度优先搜索。 诊断治疗过程如下 ： (1)确定患者有无细菌性感染。 (2)确定可能引起感染的有机体。 (3)确定对其有抑制作用的药物。 (4)选择对治疗最合适的药物。 这四个步骤由目标规则 来执行。 MYCIN知识表示 如：RULE 037 PREMISE: ($AND (NOTKNOWN CONTXT IDENT) (SAME CONTXT GRAM GRAMNEG) (SAME CONTXT MORPH ROD) (SAME CONTXT AIR AEROBIC) ACTION: (CONCLUDE CONTXT CLASS ENTEROBACTERIACEAE TALLY 0.8) MYCIN 不精确推理 不精确推理过程可以总结如下： 每条规则RULE和每项事实FACT各自都有一个确定的可信度(数值在[-1,1]闭区间内)，给了事实FACT的可信度F，按照规则RULE的可信度R，即可以如下地自下而上(从树叶到树根，前一层的C是后一层的F)计算出各层推断出结论CONCLUSION 的可信度 CF(自下而上算)： “与”节点处的结论可信度C=(推断规则的可信度 R)×(输入分支中的 min可信度 F或C) “或”节点处的结论可信度C=[(规则可信度R1)与(输入分支1的可信度C1)之乘积C1R1]+[(规则可信度R2)与 (输入分支2的可信度C2)之乘积C2R2]-(C1R1)×(C2R2)。 在推理过程中，一般还规定有一个统一的阈值，比方MYCIN系统是0.2；凡遇可信度≤阈值时，即置成0.0，表示谈不上可信不可信。所以在推理链上，凡遇C≤0.2者，置成C=0。 例： 其中:C2=0.4×0.75=0.3, C3=0.9×0.8=0.72 C4=1.0×0.75+0.75×1.0- 1.0×0.75×0.7×1.0 =0.93, C5=0.8×0.5=0.4, C6=min×0.5= 0.4×0.5=0.2≈0, C7=0.5×1.0+0.5×1.0- 0.5×1.0×1.0×0.5=0.75. 推理链上的可信