人工智能教法04节 知识表示41 概要.docVIP

4.1 概述4.1.1 知识的定义 很难给知识以明确的定义，只能从不同侧面加以理解，不同的人有不同的理解。 知识表示是人工智能研究中最基本的问题之一。在知识处理中总要问到：如何表示知识，怎样使机器能懂这些知识，能对之进行处理，并能以一种人类能理解的方式将处理结果告诉人们。　　在AI系统中，给出一个清晰简洁的有关知识的描述是很困难的。有研究报道认为。严格地说AI对知识表示的认真、系统的研究才刚刚开始。　　下面是一些专家的看法：　　Feigenbaum：知识是经过消减、塑造、解释和转换的信息。　　Bernstein：知识是由特定领域的描述、关系和过程组成的。　　Hayes-roth：知识是事实、信念和启发式规则。　　从知识库的观点看，知识是某领域中所涉及的各有关方面的一种符号表示。　　另外有一种三维的描述方法：（范围，目的，有效性）,其中知识的范围由具体到一般，知识的目的从说明到指定，知识的有效性从确定到不确定。例如，“今天下雨”这种知识是具体的、说明性、不确定的，而“要证A→B，只需证明A∧～B是不可满足的”这种知识是一般性的、指示性、确定性的。 4.1.2 知识的分类 从不同的角度、不同的侧面对知识有着不同的分类方法。 在此，我们根据知识表达的内容，将其简单地分为如下几类：　　事实性知识　　知识的一般直接表示，如果事实性知识是批量的、有规律的，则往往以表格、图册