第四章知识表达方法.ppt

Step 4. 用规则集中的各规则的结论同该目标匹配，若匹配
成功，则将第一个匹配成功且未用过的规则的前提作为新 目标，取代原来的父目标而加入目标链，转Step 3


Step 5. 若该目标是初始目标，则失败，退出。
Step 6. 将该目标的父目标移回目标链，取代该目标及其兄 弟目标，转Step 3

实现逻辑推理

当有事实能与某规则的前提匹配（即规则的前提成立）
时，就得到该规则后件的结论（即结论也成立）。
高级人工智能
18
产生式系统

产生式系统的组成

产生式规则库 推理机：控制执行机构
• 一个程序模块
产生式规则库
推 理 机
动态数据库
• 规则的前提条件测试匹配，规则的调度与选取 • 规则体的解释和执行
• 常见于模式识别和机器学习等领域

分类语义网：描述抽象概念及其层次 推理语义网：命题网。在某种程度上规范化以利于推理 框架语义网：与框架相结合的语义网
29
高级人工智能
语义网概念

由一些以有向图表示的三元组（节点1，弧，节点2）连接 而成。 节点1
R
节点2

节点：表示事物、对象、概念、事件、行为、状态、断言
高级人工智能
26

双向推理

同时从初始数据和目标条件出发进行推理，如果在中间 某处相逢，则推理搜索成功。

冲突消解策略

从候选规则集中选取其中一条规则
优先级法；可信度法；代价法等

搜索策略

启发式 盲目碰撞搜索
27
高级人工智能
语义网络表示法

Quillian作为人类联想记忆的一个显式心理学模型，提出语 义网络概念（1968）

状态。
高级人工智能
13

谓词逻辑表达的特点

自然 明确 精确

表示能力差


库管理困难
组合爆炸 效率低
灵活
模块化
高级人工智能
14
产生式系统

Production 产生式。美国数学家 E. Post提出 根据替换规则提出一种计算模型“波斯特机” 模型中的每一条规则被称为一个产生式。 产生式的一般形式

知识是由特定领域的描述、关系和过程组成的——
Bernstein 知识＝事实＋信息＋启发式——Roth

高级人工智能
4
知识属性

真假性 不确定性

不完备、不确定、模糊性

矛盾性、相容性

相容、一致：单调推理
不相容、矛盾知识：非单调推理

可表示性 可利用性
高级人工智能
5
表达方法的衡量

Table(A), EmptyHanded(robot), At(robot, A) Holds(robot, box), On(Box, A)

初始状态：

Table(A), Table(B)
At(robot, alcove), EmptyHanded(robot), On(box, A)

目标状态
第四章 知识表达方法

概述 谓词逻辑表示法 产生式表示法 语义网络表示法


框架表示法
知识表示的实现方法
高级人工智能
1
概述

人类智能的表现之一：知识 知识工程 (Knowledge Engineering)

Knowledge Representation Knowledge Acquisition

组装关系(a part of，APO)
• 下层概念是上层概念的一个方面或一部分 • 桌子 部分是 桌面；桌子 部分是 桌腿


逻辑表示法下，可以采用归结法进行推理。
一阶逻辑的表达能力有限。如具有归纳结构的知识，多
层次的知识类型都难以用一阶逻辑描述。

例。机器人－积木块问题

房间内有机器人Robot，一个壁龛Alcove，一个积木Box,
两个桌子A、B。机器人把Box从一个状态变成另一状态
高级人工智能
10

引入谓词

边(link)：表示两节点的关系
例 宠物 ISA 狗 ISA Own
小丫
30

常见关系、联系

实例关系 (is a)
• 小华 是一个 大学生

分类（从属、泛化）关系(a kind of, AKO)
• 下层概念可继承、细化、补充上层概念节点的属性，也可变异 • 鸵鸟 是一种 鸟
• R12: 有蹄类动物，白色，有黑色条纹，则它是斑马 • R13: 鸟，不会飞，长腿，长脖，黑白色，则它是鸵鸟 • R14: 鸟，不会飞，会游泳，黑白色，则它是企鹅 • R15: 鸟，善飞，不怕风浪，则它是海燕

初始事实
• f1: 某动物有毛发 f2: 吃肉 • f3: 黄褐色 f4: 有黑色条纹

利用客观规律解决实际问题的方法和策略
• 步骤、操作、规则、过程、技术、技巧、等微观方法 • 战术、战略、计谋、策略等宏观方法

即：原理性知识、方法性知识。
加工 升华 事务收集 →→数据处理 →→信息→→ 知识→→ 智慧
高级人工智能
3

知识是经过消减、塑造、解释、选择、和转换的信息—— Feigenbaum
如：雪是白的；鸟有翅膀；

规则

与事物的行动、动作、相联系的因果关系知识 形如“如果…那么…” 是动态的。如启发式规则。
7
高级人工智能

控制知识

有关问题的求解步骤、技巧性知识 当有多个动作时应选择哪一个的知识

元知识

有关知识的知识。是知识库中的高层知识。包括怎样使
用、解释、校验规则，解释程序结构等知识。 与控制知识有重叠。 元知识存于知识库中 控制知识与程序结合在一起。
8

高级人工智能
知识表示模型

知识表示的两层模型：逻辑层与实现层 逻辑层

不同表达模式 逻辑表示法、产生式系统、语义网络、框架

实现层

实现技术、环境、语言 面向对象、XML、关系模型
高级人工智能
9
逻辑表示法

将以自然语言描述的知识，通过引入谓词、函数来加以描 述，得到相关逻辑表达式，进而以机器内部代码表示。
• 增添表 ON(Box, B) • 删除表 ON(Box, A)

又如，机器人由初始状态走近A桌，然后拿起积木。与
初始状态比，有
• 增添表： AT(robot, A), Holds(robot, A) • 删除表： AT(robot, Alcove), Emptyhanded(robot), ON(box, A)
• R7: 若某动物是哺乳动物且有蹄，则它是有蹄类动物
• R8: 若某动物是有蹄类动物且反刍，则它是偶蹄类动物 • R9:若某动物是肉食类动物且黄褐色且有黑色条纹，则它是老
虎
高级人工智能 23
例：动物分类知识库系统

规则库
• R10: 肉食类动物，黄褐色，有黑色斑点，则它是金钱豹
• R11: 有蹄类，长腿，长脖，黄褐色，有暗斑点，则它是长颈鹿
高级人工智能
12

进一步，机器人的每一步操作需要满足先决条件。

如robot拿起A上的box，先决条件是
• ON(box, A), AT(robot, A), Emptyhanded(robot)

而先决条件成立与否的验证可使用归结法。如初始条件为 已知条件，待验证的先决条件视作结论，便可使用归结法。 从初始状态出发，每实现机器人的一个操作都先验证先决 条件，并建立相应的增添表和删除表，便可逐步达到目标
Knowledge Inference
Knowledge Application

知识表示（前提，重要性）

按一定模式，用一些约定的符号编码知识，构造机器可 接受的数据结构。
高级人工智能
2

知识

对客观事物（自然的、人造的）及其规律的认识
• 对客观事物原理的认识 • 现象、本质、属性、状态、关系、联系、运动等

一个产生式规则就是一条知识。
不仅可进行推理，还可以实现操作 很好的一种知识表示形式
17
高级人工智能
产生式规则

事实：陈述句，断言一个语言变量的值或多个语言变量的 关系。可用谓词逻辑描述。


产生式规则：前件→后件
实现有前提条件的逻辑操作

当一条规则的前提条件满足，该规则被触发，执行其后
件规定的动作

朝目标方向前进 数据驱动

反向推理（目标驱动）

从目标出发，反向使用规则进行推理
• 用规则结论与目标匹配，产生新的目标，对目标做同样处理

朝初始事实方向，或数据方向前进
20
高级人工智能
正向推理算法

Step 1. 将初始事实置入GDB Step 2. 用GDB中的事实，匹配目标，若满足，成功，结束 Step 3. 用RB中的各规则前提匹配GDB中的事实，将匹配 成功的规则组成候用规则集
前件→后件

前件即前提，后件是结论或动作。 前件和后件可以是由逻辑运算符AND、OR、NOT连接组 成的表达式
高级人工智能
15

产生式规则的语义 如果前提满足，则可得结论或者执行相应的动作。即后件 由前件触发。 前件是规则的执行条件，后件是规则体。如


如果速度超限，则关小油门 如果胶卷感光度为200，光线条件晴天，目标距离5米以 内，则快门速度取250，光圈大小取f16

产生式与逻辑蕴涵式相似，但不相等。 产生式包括逻辑蕴涵式，此外还有各种操作、规则、变换、 算子、函数等
16
高级人工智能

产生式描述了事物之间的一种对应关系（因果关系和蕴涵 关系），其外延十分广泛。


状态转换规则、
程序设计语言的文法规则 逻辑蕴涵式和等价式 数学中的微分和积分公式 规章制度等

目标条件：该动物是什么
24
高级人工智能
例：动物分类知识库系统

推理树
老虎
肉食动物
哺乳动物
有毛发
高级人工智能
吃肉
黄褐色
有黑色条纹
25
反向推理算法

Step 1. 将初始事实置入GDB，将目标条件置入目标链 Step 2. 若目标链为空，则推理成功，结束 Step 3. 取出目标链中的第一个目标，用GDB中的事实与其 匹配。若匹配成功，转Step 2

个反向（自底向上）的与或树搜索过程。

算法中未记录GDB的状态变化历史，只保持当前的一个状 态，并始终基于当前数据库进行推理
推理
动态 数据 库
高级人工智能 22
例：动物分类知识库系统

规则库
• R1: 若某动物有奶，则它是哺乳动物
• R2: 若某动物有毛发，则它是哺乳动物
• R3: 若某动物有羽毛，则它是鸟 • R4: 若某动物会飞且生蛋，则它是鸟 • R5: 若某动物是哺乳动物且有爪且有犬齿且目盯前方，则它是 肉食类动物 • R6: 若某动物是哺乳动物且吃肉，则它是肉食类动物

Step 4. 若候用规则集为空，则失败，退出。
Step 5. 在候用规则集中选择一条规则，作为执行规则 Step 6. 将执行规则的结论加入GDB，或执行其动作 Step 7. 转Step 2.
高级人工智能
21
讨论

随着推理的进行，GDB中的内容在不断变化。 若GDB的每一个状态作为一个节点，则推理过程就是一个 从初始状态到目标状态的状态图搜索过程。 若把GDB中每一个事实作为一个节点，则推理过程就是一


Simmon将语义网络用在自然语言理解的研究（70s）
划分为5个级别

执行级
逻辑级 认识论级 概念级 语言学级
28
高级人工智能

七种类型

命题语义网（包括分块联想网络） 数据语义网：以数据为中心的语义网络 语言语义网：用于自然语言的分析和理解
结构语义网：描述客观事物的结构

动态数据库
• 全局数据库、综合数据库、工作存储器、上下文、黑板，等等
• 动态数据结构，存放初始事实数据、中间结果、最后结果
高级人工智能
19
产生式系统的控制策略

正向推理

从初始事实出发，正向使用规则进行推理
• 规则前提与GDB中的事实匹配，或用GDB中的数据测试规则的 前提条件，然后产生结论或执行动作
表达能力

正确有效地将问题求解所需知识表示出来。
• 范围、高效性、精细程度、对不确定性知识的支持

可利用性

推理的适应性、高效算法的支持

可维护性 自然性 可实现性
高级人工智能
6
知识构成：事实、规则、控制、元知识

事实

有关问题环境的一些事物的知识，形如“x是y” 如事物分类、属性、事物间关系、客观事实等 静态的、共享的、可公开获得的、公认的知识

Table(A), Table(B) At(robot, alcove), EmptyHanded(robot), On(Box, B)
11
高级人工智能

问题归纳为：从初始状态到目标状态的操作过程

机器人的每个操作结果所引起的状态变化，可用对原状 态的增添表和删除表来表示。如机器人由初始状态把积 木从A移到B，然后返回到alcove，同初始状态相比，有