知识工程学跟教育技术学--黄荣怀文档.ppt

知识工程学 ——一个新的重要研究领域 黄荣怀 教授/博导 北京师范大学信息科学学院 huangrh@bnu.edu.cn 知识工程概念 知识工程是应用人工智能的原理与方法，对那些需要专家知识才能解决的应用难题提供求解的手段。恰当地运用专家知识的获取、表达和推理过程的构成与解释，是设计基于知识的系统的重要技术问题。 美国斯坦福大学（Stanford University）计算机系教授费哥巴姆（Feigenbaum） 1977年第五届国际人工智能联合会议 知识工程的发展 （时间） 1965至1974年——实验性系统时期 DENDRAL系统标志着“专家系统”的诞生 1975至1980年——MYCIN时期 MYCIN专家系统是规范性计算机专家系统的代表 1980年以来——知识工程的“产品”在产业部门开始应用的时期 知识工程的研究目前在美国开展得较为活跃和深入，并且主要集中在斯坦福大学 知识工程与人工智能 专家——拥有大量的专门知识，特别是长时期地从实践中总结和积累的经验技能知识。 从知识工程的发展历史可以看出，知识工程是伴随“专家系统”建造的研究而产生的。实际上，知识工程的焦点就是知识。 知识工程领域的主要研究方向主要包含知识获取、知识表示和推理方法等，其研究目标是挖掘和抽取人类知识，用一定的形式表现这些知识，使之成为计算机可操作的对象，从而使计算机具有人类的一定智能。 主要研究领域 软计算：模仿自然法则的计算方法 主体（Agent）：机器世界中有“思维”的个体 自然语言理解与机器翻译：让机器“懂得”人类语言 逻辑与推理：机器的“思维”机制 形象思维研究：让机器具有“视觉认知” 基于事例的推理：让机器应用“经验(知识)” 机器学习：让机器也能“学习” 知识本体论：认识“知识”的本质 智能计算 凡是仿照自然法则构造的计算，均可称为智能计算(Computational intelligence)，有时也称为软计算(Soft computing)。 模仿人类处理方式引入的模糊计算(Fuzzy computing) 依据生物神经网络的工作规则引入的神经计算(Neural computing) 模仿生物界的“优胜劣汰”法则的遗传算法和进化计算(Evolution computing) 目前主要的问题：算法的“可扩展性”和“可理解性”问题。 主体(Agent ) Minsky在1986年出版的《思维的社会》一书中提出Agent ，认为社会中的某些个体经过协商之后可求得问题的解，这些个体就是Agent。 对Agent思维状态的直观描述涉及信念、愿望、目标、意图、承诺、规划等心理学以及社会学概念。 Agent理论的地位仍有争议 目前Agent成功案例：产品拍卖、军事演习与机器人足球赛等 自然语言理解与机器翻译 自然语言理解（起源于机器翻译）和信息检索是语言信息研究的两个重要部分。 机器翻译和信息检索的效果远未达到人们的要求（英法—流畅程度译准率只有54% ，检索基本准确率只有10%~20% ） 我国语言信息处理研究，基础研究仍然还是最重要的。研究方法，将更多的采用统计方法，特别是将统计与规则结合起来。 逻辑与推理 公理化方法实际是一种整理知识，特别是数学知识的方法。通过许多数学家的努力，用数理逻辑的语言和方法建立了一套关于公理系统的理论框架，这就是所谓的形式化（公理化）方法。 在人工智能领域中，在知识表示与推理方面，仅靠公理化方法和数理逻辑是不够的，因此出现了许多新的理论与方法，包括非经典逻辑与开放逻辑等，非经典逻辑的典型代表是模态逻辑。 逻辑与推理（续） 模态逻辑(model logic)及其扩展(包括时态逻辑、认知逻辑、动态逻辑、表述逻辑和行为逻辑等)已经成为更适用于各种应用领域的逻辑系统。 开放逻辑引进的概念有现论、新定律与事实反驳。现论是指阶段性理论或现阶段的理论，它揭示了这个领域现阶段知识之间的逻辑关系，并使这些知识有清晰的逻辑结构。我们可以将现论看着类似于认知心理学中的“图示”。 形象思维研究 形象思维研究（思维科学领域相对薄弱 ）：记忆理论和认知模型。心象系统以心象代码来存储关于具体的客体和事件的信息；言语系统以言语代码来存储言语信息。 心象在计算机中的模拟和表征的研究 ： Kosslyn（1981年）心理扫描实验基础——心象的计算理论 Glasgow（1992年）基于心象的问题求解，并提出了可计算心象的一种知识表达框架 心象的傅立叶模式 、区域生长法 、纹理表示理论 等 基于事例的推理 CBR方法来自于人类的日常认知心理活动 。 推理者求解新问题习惯借鉴以前对类似问题的处理经验：新出现的问题 以前处理过问题的简单重复—〉处理旧问题的成功经验直