人工智能原理第7章不精确推理.pptxVIP

人工智能原理：不精确推理第7章概率推理、贝叶斯网络与不确定性决策

Contents本章知识架构人工智能原理：不精确推理01不精确推理的必要性02贝叶斯概率推理03贝叶斯网络04可信度方法与模糊推理

CHAPTER01不精确推理的必要性从确定性逻辑到不确定性环境的认知跨越

UncertainReasoning为什么需要不精确推理？现实世界的复杂性与人类认知的局限性，决定了人工智能无法仅依赖经典二值逻辑进行推断。不精确推理是智能体在信息不完备、含噪声及多因一果环境下，实现理性决策与问题求解的必由之路。信息自身的缺陷Noise信息中含有噪声：如雷达声纳信号干扰、医疗化验误差及虚假统计数据，导致输入证据不可靠Ambiguity信息描述模糊：如目击者对嫌疑犯的特征描述缺乏精确边界，难以用经典布尔逻辑直接映射Incomplete信息不完备：如博弈竞争中无法获取对手的全部底牌，必须在局部视野下进行概率预估环境与背景的制约Multi-Cause多因一果现象：如多种不同疾病均可能引发相同的发热症状，导致从结果反推原因时存在不确定性KnowledgeGap背景知识不足：如疑难病症的深层病理机制尚未被医学界完全掌握，只能依赖统计规律进行近似推断Dynamic环境动态变化：外部条件持续演变，静态规则难以适应，需引入不确定性建模实现灵活响应

DecisionTheory·AIPrincipl