人工智能知识表示与推理

知识表示与推理
本课内容
1.知识表示概述
2.一阶谓词逻辑
3.产生式和产生式系统
4.框架
5.自动推理
1.知识表示概述
知识与智能
人类的智能活动主要是获得并运用知识。

知识是智能的基础。

为了使计算机具有智能，能模拟人类的智能行为，就必须使它具有知识。

但人类的知识需要用适当的模式表示出来，才能存储到计算机中并能够被运用。

因此，知识的表示成为人工智能中一个十分重要的研究课题。

知识的概念
费根鲍姆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。

知识的概念
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。

知识是人们在长期的生活及社会实践中、在科学研究及实验中积累起来的对客观世界的认识与经验。

知识的分类
从内容上分原理（客观）性知识和方法（主观）性知识：
⏹原理（客观）性知识具有抽象概括性；
⏹方法（主观）性知识具有通用性。

从形式上分显式和隐式知识；
从逻辑思维角度分逻辑型和直觉型知识；
理论知识和经验知识。

从可靠性上分
知识的要素
事实
事物的分类、属性、事物间关系、科学事实、客观事实等规则
事物的行动、动作和联系的因果关系知识
控制
当有多个动作同时被激活时，选择哪一个动作来执行的知识
元知识
怎样使用规则、解释规则、校验规则、解释程序结构等知识
知识的特性
知识的相对正确性
知识是人类对客观世界认识的结晶，并且受到长期实践的检验。

因此，在一定的条件
及环境下，知识是正确的。

“一定的条件及环境”是必不可少的，它是知识正确性的前提。

因为任何知识都是在
一定的条件及环境下产生的，因而也就只有
在这种条件及环境下才是正确的。

知识的相对正确性
西风昨夜过园林，吹落黄花满地金。

——（宋）王安石秋花不比春花落，说与诗人仔细吟。

——（宋）苏轼
知识的相对正确性
知识的不确定性
由于现实世界的复杂性，信息可能是精
确的，也可能是不精确的、模糊的;
关联可能是确定的，也可能是不确定的。

这就使知识并不总是只有“真”和“假” 这两种状态，而是在“真”和“假”之间还
存在许多中间状态；
即存在为“真”的程度问题。

知识的这
一特性称为不确定性。

知识的可表示性与可利用性
知识的可表示性
是指知识可以用适当形式表示出来，如用语言、文字、图形、神经网络等，这样才能被存储、传播。

知识的可利用性
是指知识可以被利用。

这是不言而喻的，我们每个人天天都在利用自己掌握的知识来解决各种问题。

知识表示
知识表示是人工智能研究中最基本的
问题之一。

知识表示方法是面向计算机的知识描述或表达形式和方法，是一种数据结构与控制结构的统一体，既考虑知识的存储又考虑知识的使用。

知识表示可看成是一组事物的约定，把人类知识表示成机器能处理的数据结构，是知识工程的核心领域。

知识表示
知识表示是人工智能研究中最基本的
问题之一。

同一知识可采用不同的表示方法，不同的表示方法可能产生不同的效果。

知识表示的目的在于通过有效的知识表示，使人工智能程序能利用这些知识作出决策，
获得结论。

知识表示的特性
知识表示是智能推理的部分理论。

知识表示是有效计算的载体。

知识表示是交流的媒介（如语义网络）。

知识表示的要求
充分表示
表达有关领域的各种所需知识；
充分推理
能从旧的知识推出新的知识；
有效推理
有能力把附加信息结合到结构中去，这些信息有利于推理；
有效获取知识
方便获取，最好系统本身有能力控制知识获取。

知识表示的评价
表示方案应便于修改和扩充知识。

表示方案尽量简单、易懂。

表示方法应该清晰、明确。

知识表示方法
一阶谓词产生式框架状态空间
语义网络
自然语言
其它（剧本、神经网络……）
2.一阶谓词逻辑
逻辑表示
这是一种最早使用的知识表示方法，运用命题演算、谓词演算的概念来描述知识。

一阶谓词逻辑表示法是一种基于数理逻辑的表示方法。

数理逻辑是一门研究推理的学科。

可分为：
一阶经典逻辑非一阶经典逻辑一阶经典命题逻辑、一阶经典
谓词逻辑
指除经典逻辑以外的那些逻辑，例如：二阶逻辑、多值逻辑、模糊逻辑等。

命题
断言命题一个陈述句称为一个断言。

具有真假意义的断言称为命题。

命题的真值：T：表示
命题的意义为真F：表
示命题的意义为假
一个命题不能同时既为真又为假。

一个命题可在一定条件下为真，而在另一条件下为假。

命题的分类
简单命题
最简单的、不能再分的原子命题。

复合命题
由多个简单命题，通过联结词，连接起来组成的命题。

联结词
∧∨¬→≡合取（与，并且）析取（或）
否定（非）
蕴含（生成）
等价
真值表
P Q¬P P ∧Q P ∨Q P →Q T T F T T T T F F F T F
F T T F T T F F T F F T
谓词演算用谓词表达命题，带有参数的命题，包括实体和谓词两个部分。

谓词公式的一般形式是：
12n P(x , x , …, x )
P 是谓词符号（简称谓词）
x i (i=1,2,…n)是参数项谓词WH:是白的实体s(白雪)，c( 煤炭) WH(s) =T ，
WH(c) =F
量词
全称量词
以符号（∀x）P(x)表示对于某个论域中的所有（任意一个）个体x，都有P(x)的值为T。

存在量词
以符号（∃x）P(x)表示某个论域中的至少存在一个个体x，使P(x)的值为T。

一阶谓词演算
若限定不允许在谓词、连词、量词和函数名位置上出现使用变量进行量化处理，且参数项不能是谓词公式，则这样的谓词演算是一阶的。

一阶谓词演算不允许对谓词、连词、量词和函数名进行量化。

谓词公式
P(x1,x2,…,x n)是合适公式
若A为合适公式，则¬A也是合适公式。

若A、B都是合适公式，则A∧B，A∨B，A→B，A≡B也是合适公式。

若A为合适公式，x为A中的自由变元，则（∀x）A，（∃x）A也是合适公式。

谓词公式
我喜爱音乐和绘画
LIKE (I, MUSIC) ∧LIKE (I, PAINTING)
小明打篮球或踢足球
PLAYS ( XIAOMING, BASKETBALL)
∨PLAYS ( XIAOMING, FOOTBALL )
机器人不在5号房间内
¬I NROOM (ROBOT,r5)
所有的机器人都是灰色的
（∀ x）[ROBOT（x）→COLOR（x，GRAY）]
合适公式
使用合适公式来表示知识
合适公式具有强大的形式化表示功能。

推理采用归结原理方法。

逻辑表示的优点
符号简单，描述易于理解
自然、严密、灵活、模块化
具有严格的形式定义和理论基础
基于归结法的推理，保证正确
逻辑表示的缺点没有提供组织知识信息的方法无法使用启发式规则
浪费时间、空间，容易产生组合爆炸
没有提供组织知识信息的方法无法使用启发式规则浪费时间、空间，容易产生组合爆炸
3.1产生式
产生式
产生式表示法又称为产生式规则（production rule）表示法。

“产生式”这一术语是由美国数学家波斯特（E. Post）在1943年首先提出来的。

产生式表示法如今已被应用于很多领域，成为人工智能中应用最广泛的一种知识表示方法。

成功案例
1965 年，爱德华·费根鲍姆（Edward Albert Feigenbaum）和诺贝尔奖得主莱德伯格（Joshua Lederberg）等人合作，开发出了世界上第一个专家系统程序DENDRAL。

In the Knowledge lies the power.
知识只有被人所发掘和掌握时，才能生成力量。

成功案例
产生式
产生式通常用于表示事实、规则以及它们的不确定性度量，适合于表示事实性知识和规则性知识。

产生式可以用来表示：
确定性规则不确定性规则
确定性事实不确定性事实
确定性规则
确定性规则的产生式表示的基本形式是：
IF P THEN Q
或者：P →Q
P是产生式的前提，用于指出该产生式是否可用的条件；Q是一组结论或操作，用于指出当前提P所指示的条件满足时，应该得出的结论或应该执行的操作。

含义
如果前提P被满足，则结论Q成立或执行Q所规定的操作。

确定性规则
r1:IF动物会飞AND动物会下蛋
THEN该动物是鸟类
r1是该产生式规则的编号
“动物会飞AND动物会下蛋”是前提P；
“该动物是鸟类”是结论Q。

例子
不确定性规则
不确定性规则的产生式表示的基本形式是：
IF P THEN Q（置信度）
或者：P→Q（置信度）
例如，在专家系统MYCIN中有这样一条产生式：IF本微生物的染色斑是革兰氏阴性，本微生物
的形状呈杆状，病人是中间宿主
THEN该微生物是绿脓杆菌(0.6)
它表示当前提中列出的各个条件都得到满足时，结论“该微生物是绿脓杆菌”可以相信的程度为0.6。

0.6表示知识的强度。

确定性事实
确定性事实一般用三元组表示。

三元组有以下两种情况：
（对象，属性，值）
（关系，对象1，对象2）例如
“老李的年龄是45岁”表示为
(LaoLi , Age ,45)“老李和老王是朋友”表示为
(Friend, LaoLi,LaoWang)
（对象，属性，值）（关系，对象1，对象2）
不确定性事实
不确定性事实一般用四元组表示：
（对象，属性，值，置信度）
或者：
（关系，对象1，对象2，置信度）“老李年龄很可能是45岁”表示为：
(LaoLi , Age , 45,0.8)“老李和老王不大可能是朋友”表示为：
( Friend, LaoLi, LaoWang, 0.1)用置信度0.1表示可能性比较小。

产生式
与蕴涵式的主
要区别：
蕴涵式表示的知识只能是精确的，产生式表示的知识可以是不确定的。

蕴涵式是一个逻辑表达式，逻辑值只有真和假。

蕴含式的匹配一定要求是精确的，而产生式的匹配可以是不确定的。

产生式的前提条件和结论都可以是不确定的，因此其匹配也可以是不确定的。

产生式
与条件语句（if）的主要区别：
前件结构不同
产生式的前件可以是一个复杂的的结构。

传统程序设计语言中的左部仅仅是一个布尔表达式。

控制流程不同
产生式系统中满足前提条件的规则被激活后，不一定被
立即执行，能否执行将取决于冲突消解策略。

传统程序设计语言中的控制流程，则是严格地从一个条
件语句向其下一个条件语句传递。

3.2产生式系统
产生式系统
把一组产生式放在一起，让它们互相配合、协同作用，一个产生式生成的结论可以供另一个产生式作为已知事实使用，以求得问题的解，这样的系统称为产生式系统。

产生式系统
一般来说，一个产生式系统由以下三部分组成：
规则库
综合数据库
控制系统（推理机）
推理
规则库综合数据库
推理机
控制
1.规则库
用于描述相应领域内知识的产生式集合称为规则库。

显然，规则库是产生式系统求解问题的基础。

因此，需要对规则库中的知识进行合理的组织和管理，检测并排除冗余及矛盾的知识，保持知识的一致性。

采用合理的结构形式，可使推理避免访问那些与求解当前问题无关的知识，从而提高求解问题的效率。

2.综合数据库
又称为事实库、上下文、黑板等，用于存放问题的初始状态、原始证据、推理中得到的中间结论及最终结论等信息。

当规则库中某条产生式的前提可与综合数据库的某些已知事实匹配时，该产生式就被激活，并把它推出的结论添加到综合数据库中，作为后面推理的已知事实。

综合数据库的内容是不断变化的。