人工智能ppTppt课件
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
• 对象知识，事件知识，性能知识，元知识
–按作用范围划分
• 常识知识，领域（专业）知识
–按应用层次划分
• 事实知识，过程知识，控制知识
–按是否确定划分
• 确定性知识，不确定性知识
–按结构与表现划分
• 逻辑知识，形象知识
–按抽象程度划分
• 0级知识，1级知识，2级知识
• 使用知识：分为4个层面
–知识获取
• 知识的特性
–相对正确性：认识的局限性和条件、环境的限制 –不确定性：
• 随机性引起不确定性 • 模糊性引起不确定性 • 不完全性引起不确定性 • 经验性引起不确定性
–可表示性
• 知识要能被表示才能被记载和传播
–可利用性
• 知识要可应用才有意义，人们才愿意去学习和掌握
Βιβλιοθήκη Baidu
• 知识分类
–按表示形式划分
• on(x,y)——x在y上
– 可能的行动
• goto(x,y)——猴子从x处到y处
– 条件：at(monkey,x)
– 动作：删除 at(monkey,x)，添加 at(monkey,y)
• push(x,y)——猴子将箱子从x处推到y处
– 条件：at(monkey,x)∧at(box,x)∧has(monkey,empty)
• 从已知的知识出发，如何使智能系统获得更多的知识 • 主要途径：更新、重组、推理
–知识表示与存储
• 知识表示方法 • 知识存储技术
–知识检索
• 通过一定的策略，搜索适合当前使用的知识
–推理应用
• 利用已有知识，通过推理规则产生新的知识 • 利用已有知识，解决应用问题
• 知识表示
–表示问题
• 知识表示是对知识的一种描述或一组约定，是一种计算机 可以识别和存取的数据结构
教学计划
• 人工智能及其发展 • 知识表示 • 确定性推理 • 不确定推理 • 搜索策略 • 机器学习—知识获取 • 专家系统
第二章 知识表示
• 基本观点：
– 知识是智能的基础 – 智能是运用知识的过程、行为 – 研究知识及其结构、获取、应用是建造智能系统的基础
• 知识工程的观点：
– 智能是建立在一定数量和质量的知识基础上的，它是知识的 表现形式，是知识运用的结果或外在表现形式
• 过程性表示法，动态表示法
–将知识的表示融合到知识的应用过程中
–表示方法选择
• 充分表示领域知识 • 有利于对知识的利用 • 便于知识的组织、管理和维护 • 便于理解和实现
–知识表示难点
• 常识性知识及其表示
§2、一阶逻辑表示法
• 表示方法
–表示事实知识
• 表示事物的状态、属性、概念等事实 • 形式：谓词或谓词公式 • 例：
（x)(I(x)→O(x)∨E(x))
– 一阶逻辑不适合于表示过程知识和控制知识
• 应用
– 规划猴子取香蕉问题。P.108。房内有一只猴子位于a处、一个 箱子位于c处，在b处的正上方挂了一串香蕉。猴子需要把箱子 推到香蕉下，然后爬上箱子才能拿到香蕉。
– 设定谓词：
• at(x,y)——x在y处
• has(x,y)——x手中有y
–成绩90分以上是优秀：good(x,90) –重庆是长江边的城市：near(重庆，长江) –50万人口以上的城市是大城市：bigcity(x) ∧
population(x,50万)
–表示因果关系 • 形式：逻辑蕴涵式 x→y • 例：
–自然数都是大于零的整数：（x)(N(x)→GZ(x)∧I(x)) –所有的整数不是奇数就是偶数：
–up的条件满足，采取up行动 –at(box,b)，has(monkey,empty)，on(monkey,box) –take的条件满足，采取take行动 –at(box,b)，has(monkey,banana)，on(monkey,box) –目标已达到，行动结束
• 注意：在采取push行动时，up的条件也满足，因此可以执 行的动作通常不是唯一的。
–例子中，造成状态转换的原因是使用了相关的行动。 然而应采用怎样的行动序列，一阶谓词是不能很好 解决的。
–？例子中，使用了哪些知识，这些知识怎样表示？ 请大家思考。
§3、产生式表示法
• 产生式的形式
–形式
• 产生式通常用于表示具有因果关系的知识。 • 一般形式：
–at(monkey,a)，at(box,c)，has(monkey,empty) –goto的条件满足，采取goto(a,c)行动 –at(monkey,c)，at(box,c)，has(monkey,empty) –push的条件满足，采取push(c,b)行动 –at(monkey,b)，at(box,b)，has(monkey,empty)
– 动作：删除 at(monkey,x), at(box,x) at(box,y)
添加 at(monkey,y),
• up——猴子爬到箱子上
–条件：(x)at(monkey,x)∧at(box,x) –动作：删除 at(monkey,x) 添加 on(monkey,box)
• take——猴子取香蕉
• 描述、约定、数据结构 • 注：目前，人们对知识的结构、机制等尚未完全搞清楚，
关于知识表示的理论与规范尚未完全建立。
–表示方法
• 显式表示法，符号表示法
–用各种包含具体含义的符号的有序组合表示知识
• 隐式表示法，连接表示法
–用神经元间的连接及其连接的强弱表示知识
• 说明性表示法，静态表示法
–侧重于客体、事件、事实及相关联系和状态的静态方面
• 本章主要内容
– 知识及其特征 – 知识表示方法
§1、基本概念
• 什么是知识
– 数据：泛指对客观事物的数量、属性、位置及其相互关系的 抽象表示
– 信息：数据在特定场合（上下文）的含义。
• 数据是信息的载体和表示
– 知识：把有关信息关联在一起的信息结构，是人们对客观世
界认识的结晶 – 比较
• 85 • 小王上次数学考试成绩85分 • 小王上次数学考试成绩在班上名列前茅
–条件：on(monkey,box)∧has(monkey,empty)∧at(box,b) –动作：删除 has(monkey,empty) 添加
has(monkey,banana)
–行动规划
• 初始状态： at(monkey,a)∧at(box,c)∧has(monkey,empty)
• 目标：has(monkey,banana) • 行动过程
–按作用范围划分
• 常识知识，领域（专业）知识
–按应用层次划分
• 事实知识，过程知识，控制知识
–按是否确定划分
• 确定性知识，不确定性知识
–按结构与表现划分
• 逻辑知识，形象知识
–按抽象程度划分
• 0级知识，1级知识，2级知识
• 使用知识：分为4个层面
–知识获取
• 知识的特性
–相对正确性：认识的局限性和条件、环境的限制 –不确定性：
• 随机性引起不确定性 • 模糊性引起不确定性 • 不完全性引起不确定性 • 经验性引起不确定性
–可表示性
• 知识要能被表示才能被记载和传播
–可利用性
• 知识要可应用才有意义，人们才愿意去学习和掌握
Βιβλιοθήκη Baidu
• 知识分类
–按表示形式划分
• on(x,y)——x在y上
– 可能的行动
• goto(x,y)——猴子从x处到y处
– 条件：at(monkey,x)
– 动作：删除 at(monkey,x)，添加 at(monkey,y)
• push(x,y)——猴子将箱子从x处推到y处
– 条件：at(monkey,x)∧at(box,x)∧has(monkey,empty)
• 从已知的知识出发，如何使智能系统获得更多的知识 • 主要途径：更新、重组、推理
–知识表示与存储
• 知识表示方法 • 知识存储技术
–知识检索
• 通过一定的策略，搜索适合当前使用的知识
–推理应用
• 利用已有知识，通过推理规则产生新的知识 • 利用已有知识，解决应用问题
• 知识表示
–表示问题
• 知识表示是对知识的一种描述或一组约定，是一种计算机 可以识别和存取的数据结构
教学计划
• 人工智能及其发展 • 知识表示 • 确定性推理 • 不确定推理 • 搜索策略 • 机器学习—知识获取 • 专家系统
第二章 知识表示
• 基本观点：
– 知识是智能的基础 – 智能是运用知识的过程、行为 – 研究知识及其结构、获取、应用是建造智能系统的基础
• 知识工程的观点：
– 智能是建立在一定数量和质量的知识基础上的，它是知识的 表现形式，是知识运用的结果或外在表现形式
• 过程性表示法，动态表示法
–将知识的表示融合到知识的应用过程中
–表示方法选择
• 充分表示领域知识 • 有利于对知识的利用 • 便于知识的组织、管理和维护 • 便于理解和实现
–知识表示难点
• 常识性知识及其表示
§2、一阶逻辑表示法
• 表示方法
–表示事实知识
• 表示事物的状态、属性、概念等事实 • 形式：谓词或谓词公式 • 例：
（x)(I(x)→O(x)∨E(x))
– 一阶逻辑不适合于表示过程知识和控制知识
• 应用
– 规划猴子取香蕉问题。P.108。房内有一只猴子位于a处、一个 箱子位于c处，在b处的正上方挂了一串香蕉。猴子需要把箱子 推到香蕉下，然后爬上箱子才能拿到香蕉。
– 设定谓词：
• at(x,y)——x在y处
• has(x,y)——x手中有y
–成绩90分以上是优秀：good(x,90) –重庆是长江边的城市：near(重庆，长江) –50万人口以上的城市是大城市：bigcity(x) ∧
population(x,50万)
–表示因果关系 • 形式：逻辑蕴涵式 x→y • 例：
–自然数都是大于零的整数：（x)(N(x)→GZ(x)∧I(x)) –所有的整数不是奇数就是偶数：
–up的条件满足，采取up行动 –at(box,b)，has(monkey,empty)，on(monkey,box) –take的条件满足，采取take行动 –at(box,b)，has(monkey,banana)，on(monkey,box) –目标已达到，行动结束
• 注意：在采取push行动时，up的条件也满足，因此可以执 行的动作通常不是唯一的。
–例子中，造成状态转换的原因是使用了相关的行动。 然而应采用怎样的行动序列，一阶谓词是不能很好 解决的。
–？例子中，使用了哪些知识，这些知识怎样表示？ 请大家思考。
§3、产生式表示法
• 产生式的形式
–形式
• 产生式通常用于表示具有因果关系的知识。 • 一般形式：
–at(monkey,a)，at(box,c)，has(monkey,empty) –goto的条件满足，采取goto(a,c)行动 –at(monkey,c)，at(box,c)，has(monkey,empty) –push的条件满足，采取push(c,b)行动 –at(monkey,b)，at(box,b)，has(monkey,empty)
– 动作：删除 at(monkey,x), at(box,x) at(box,y)
添加 at(monkey,y),
• up——猴子爬到箱子上
–条件：(x)at(monkey,x)∧at(box,x) –动作：删除 at(monkey,x) 添加 on(monkey,box)
• take——猴子取香蕉
• 描述、约定、数据结构 • 注：目前，人们对知识的结构、机制等尚未完全搞清楚，
关于知识表示的理论与规范尚未完全建立。
–表示方法
• 显式表示法，符号表示法
–用各种包含具体含义的符号的有序组合表示知识
• 隐式表示法，连接表示法
–用神经元间的连接及其连接的强弱表示知识
• 说明性表示法，静态表示法
–侧重于客体、事件、事实及相关联系和状态的静态方面
• 本章主要内容
– 知识及其特征 – 知识表示方法
§1、基本概念
• 什么是知识
– 数据：泛指对客观事物的数量、属性、位置及其相互关系的 抽象表示
– 信息：数据在特定场合（上下文）的含义。
• 数据是信息的载体和表示
– 知识：把有关信息关联在一起的信息结构，是人们对客观世
界认识的结晶 – 比较
• 85 • 小王上次数学考试成绩85分 • 小王上次数学考试成绩在班上名列前茅
–条件：on(monkey,box)∧has(monkey,empty)∧at(box,b) –动作：删除 has(monkey,empty) 添加
has(monkey,banana)
–行动规划
• 初始状态： at(monkey,a)∧at(box,c)∧has(monkey,empty)
• 目标：has(monkey,banana) • 行动过程