知识表示逻辑推理

3.1概述
3。1。1知识和知识表示 行为性知识 不直接给出事实本身，只给出它在某方面 的行为。行为性知识经常表示为某种数学模型， 从某种意义上讲，行为性知识描述的是事物的 内涵，而不是外延。 如微分方程 实例性知识 只给出一些实例。知识藏在实例中。感兴 趣的不是实例本身，而是隐藏在大量实例中的 规律性知识。
3.3.1语法
（4）→：蕴涵（Implise），复合命题P→Q称为 蕴涵或条件句，表示命题P蕴涵命题Q，或者说 命题P是命题Q的条件，即“如果P，那么Q‖。 P常称为蕴涵的前件（Antecedent），Q常称为 蕴涵的后件（Consequent）。 （5） ：等价（Equivalent），复合命题P Q称为 等价（或双条件），表示命题P和命题Q互为条 件，即“如果P，那么Q；如果Q，那么P‖。亦 即“P当且仅当Q‖。 。
3.1概述
3。1。1知识和知识表示 将其简单地分为如下几类： 事实性知识 知识的一般直接表示，如果事实性知识是 批量的、有规律的，则往往以表格、图册，甚 至数据库等形式出现。 这种知识描述一般性的事实，如凡是冷血 动物都要冬眠，哺乳动物都是胎生繁殖后代等。 过程性知识 表述做某件事的过程。标准程序库也是常 见的过程性知识，而且是系列化、配套的。
3.1.2人工智能对知识表示方法 的要求
充分表示领域知识:首先考虑能不能充分 表示领域知识.要能反应出领域的特点 有利于知识的利用:表示的目的是为了利 用知识,求解问题 便于对知识的组织,维护和管理:便于今后 的更新,维护,保证其一致性和完整性 便于理解和实现:容易让人理解并符合人 的习惯.还有容易在计算机上实现
3.3.1语法
P:北京是中国的首都; ~P: 北京不是中国的首都; • H∧G: 张三是学生, 并且李四是老师;(合 取式) – H: 张三是学生; – G:李四是老师; • H∨G: 10是偶数或者9是奇数; (析取式) – H: 10是偶数; – G: 9是奇数;
3.3.1语法
用连接符将多个原子公式组合以构成比较复杂的逻辑公 式。
3.1概述
数据一般指单独的事实，是信息的载体，数据 项本身没有什么意义，除非在一定的上下文中， 否则没有什么用处。 信息由符号组成，如文字和数字，但是对符号 赋予了一定的意义，因此有一定的用途或价值。 知识也是由符号组成，但是还包括了符号之间 的关系以及处理这些符号的规则或过程。 – 知识在信息的基础上增加了上下文信息，提 供了更多的意义因此也就更加有用和有价值。 – 知识是随着时间的变化而动态变化的，新的 知识可以根据规则和已有的知识推导出来。
3.1.2人工智能对知识表示方法 的要求
过程性表示还是说明性表示 一般认为，说明性的知识表示涉及 细节少，抽象程度高，因此可靠性好， 修改方便，但执行效率低。过程性知识 表示的优缺点与说明性知识表示的相反。 表示方法是否自然 一般在表示方法尽量自然和使用效 率之间取得一个折中。比如，对于推理 来说，ＰＲＯＬＯＧ比高级语言如Visual C++自然，但显然牺牲了效率。
合式公式（wff:well-formed formulas）递归定义 如下。 （1） 任何原子命题都是合式公式，如P、Q 等都是原子命题，也是合式公式。 （2） 如果P和Q是合式公式，则 P，P∧Q， P∨Q，P→Q，P Q都是合式公式。 （3） 经过有限次地使用（1）和（2），得到 的由原子公式、连接词和括号所组成的符号串， 也是合式公式。
3.3命题逻辑
• 逻辑是一种用来表示信息的形式语 言，根据所表示的信息，可以推出 新的结论。 • 经典逻辑系统： – 命题逻辑系统 – 一阶谓词逻辑系统
3.3命题逻辑
所谓的命题逻辑就是具有真假意义的陈述 句 命题有两种类型：第一是不能分解成更简 单的陈述语句，称为原子命题。第二种 类型是由连接词、标点符号和原子命题 等复合构成的命题，称为复合命题。所 有这些命题都应具有确定的真值。
3.1.2知识表示
知识表示就是研究用机器表示上述这些 知识的可行性、有效性的一般方法，可 以看作是将知识符号化并输入到计算机 的过程和方法。 知识表示在智能Agent的建造中起到关键 的作用。可以说正是以适当的方法表示 了知识，才导致智能Agent展示出了智能 行为。
3.1.2知识表示
目前在知识表示方面主要有两种基本的观 点 叙述性的观点：将知识的表示和知识的 运用分开处理，在知识表示时不涉及如 何运用知识的问题 过程性的观点：将知识的表示和知识的 运用结合起来，知识包含于程序之中
3.3命题逻辑
• 命题逻辑是最简单的逻辑系统 • 命题： – 能够判断真假的语句成为命题 它只能取真或假，而不能是两者。 – 例子:
• 北京是中国的首都(真). • 西安是中国最大的城市(假). • 1+101=110(上下文). • 今年的中秋节有雨.
– 命题是一句有真假意义的话。
• ―关门!” (命令) • “你是谁?” (问话)
3.3.1语法
（4） 再没有其他的合式公式，如P→ 、 ∨Q都不是合式公式。 在命题逻辑中，这5个连接词的优先级顺序 （从高到低）为： 、∧、∨、→、 。因 此，句子 P∨Q∧R→S等价于句子（（ P） ∨（Q∧R））→S。
心的知识
3.1概述
3。1。1知识和知识表示 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。 是有关问题的求解步骤、规划、求 解策略等技巧性知识 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。 是有关知识的知识，是知识库中的 高层知识。元知识与控制知识有时有重 叠。
命题逻辑的语法非常简单。命题逻辑的符 号包含以下几种。 . 逻辑常量：True（T）和False（F），它们 本身也是句子。 . 命题符号：P、R、Q等 . 连接词：命题逻辑主要使用下面5个连接 词，通过这些连接词，可以由简单的命 题构成复杂的复合命题。
3.3.1语法
（1）：否定(Not)，句子P成为句子P的否 定，即“非P‖。只是是一元连接词，其 他4个连接词都是二元连接词。否定连接 词也可以用“～”表示。 （2）∧：合取（Conjunction），复合命 题P∧Q表示P和Q的合取，即“P和Q‖。 （3）∨：析取（Disjunction），复合命题 P∨Q表示P和Q的析取，即“P或Q‖。
3.3命题逻辑
• 命题的两种类型： –原子命题：在逻辑上不能分解成更简单的陈 述句的命题
1.北京是中国的首都 2.10是偶数 3.张三是学生
–复合命题：由连接词、标点符号和原子命题 符合构成的命题
1.北京不是中国的首都 2.张三是学生, 并且李四是老师; 3.10是偶数，或者9是奇数
3.3.1语法
3.1概述
3。1。1知识和知识表示 事实：事物的分类、属性、事物间关系、科学事 实、客观事实等。 是有关问题环境的一些事物的知识，常以 “┅是┅”形式出现，也是最低层的知识。例 如：雪是白色的，人有四肢。 规则：事物的行动、动作和联系的因果关 系知识。 这种知识是动态的，常以“如果┅那么┅” 形式出现。例如启发式规则，如果下雨，则出 门带伞。
一个Agent需要什么样的知识才可能具有智能呢？ 一般说来至少包括下面几个方面的知识 事实：是关于对象和物体的知识。 规则：是有关问题中与事物的行动、动作相联 系的因果关系的知识，是动态的，常以“如 果……那么……”形式出现。 元知识：是有关知识的知识，是知识库中的高 层知识。例如包括怎样使用规则、解释规则、 校验规则、解释程序结构等知识。 常识性知识：泛指普遍存在而普遍认识了的客 观事实一类知识，即指人们共有的知识。
3.wenku.baidu.com.2人工智能对知识表示方法 的要求
能否在同一层次上和不同层次上模块化 例如PROLOG只有一个全局知识库，不能模块化， 这是它的缺点。 知识和元知识能否用统一的形式表示 知识和元知识是属于不同层次的知识，使 用统一的表示方法可以使知识处理简单。产生 式表示法就能比较方便的表示这两种层次的知 识。 是否适合于加入启发信息 在已知的前提下，如何最快的推得所需的 结论，以及如何才能推得最佳的结论，我们的 认识往往是不精确的。因此，往往需要在元知 识（控制知识）加入一些控制信息，也就是通 常所说的启发信息。
3.1.2人工智能对知识表示方法 的要求
3.2知识表示语言问题
过程性表示还是说明性表示 一般认为，说明性的知识表示涉及 细节少，抽象程度高，因此可靠性好， 修改方便，但执行效率低。过程性知识 表示的优缺点与说明性知识表示的相反。 表示方法是否自然 一般在表示方法尽量自然和使用效 率之间取得一个折中。比如，对于推理 来说，ＰＲＯＬＯＧ比高级语言如Visual C++自然，但显然牺牲了效率。
3.1.2人工智能对知识表示方法 的要求
表示知识的范围是否广泛 例如，数理逻辑表示是一种广泛的知识表 示办法，如果单纯用数字表示，则范围就有限 制。 是否适于推理 人工智能只能处理适合推理的知识表示， 因此所选用的知识表示必须适合推理。数学模 型（拉格朗日插值法）适合推理，普通的数据 库只能供浏览检索，但不适合推理。
3.1概述
3。1。1知识和知识表示 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。 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。
3.1概述
第三章知识表示及逻辑推理
知识表示是人工智能研究中最基本的问题 之一。在知识处理中总要问到：如何表 示知识，怎样使机器能懂这些知识，能 对之进行处理，并能以一种人类能理解 的方式将处理结果告诉人们。 在AI系统中，给出一个清晰简洁的 有关知识的描述是很困难的。有研究报 道认为。严格地说AI对知识表示的认真、 系统的研究才刚刚开始。
3.2知识的特性
相对正确性 在一定的条件及环境下，知识一般是正确的， 可信任的 不确定性 由随机性引起的不确定性 由模糊性引起的不确定性 由不完全性引起的不确定性 由经验性引起的不确定性 可表示性和可利用性 知识是可以表示出来的 知识是可以利用的
3.1.1概述人工智能系统所关
3.2知识表示语言问题
一个知识表示语言应该包括下面两部分：、 • 描述事物状态的形式系统（包括语法和语 义）： 用于知识的表示。语言的语义确定了 一个语句所指称的事实。事实是世界的一部 分，而它们的表示必须要编码成某种形式， 并物理地存储到agent中。 • 证明理论： 规则的集合，用于语句的演绎和推导。 所有的推理机制都是基于事实的表示，而不 是这些事实本身。即与具体事实无关，只与 事实的表示结构、形式有关。
是否适于计算机处理 计算机只能处理离散的、量化的byte字节流。 因此，用文字表述的知识和连续形式表示的知 识（如微分方程）不适合计算机处理。 是否有高效的求解算法 考虑到实用的性能，必须有高效的求解算 法，知识表示才有意义。 能否表示不精确知识 自然界的信息具有先天的模糊性和不精确 性，能否表示不精确知识也是考虑的重要因素。 许多知识表示方法往往要经过改造，如确定性 方法、主观贝叶斯方法等对证据和规则引入了 不确定性度量，就是为了表达不精确的知识。
3.1概述
3。1。1知识和知识表示 类比性知识 既不给出外延，也不给出内涵，只给出它 与其它事物的某些相似之处。类比性知识一般 不能完整地刻画事物，但它可以启发人们在不 同的领域中做到知识的相似性共享。 如比喻，心如刀绞，谜语等
3.1概述
3。1。1知识和知识表示 元知识 有关知识的知识。最重要的元知识是如何 使用知识的知识。例如，一个好的专家系统应 该知道自己能回答什么问题，不能回答什么问 题，这就是关于自己知识的知识。 元知识是用于如何从知识库中找到想要的 知识。
3。1。1知识和知识表示 另外有一种三维的描述方法：（范围， 目的，有效性）,其中知识的范围由具体 到一般，知识的目的从说明到指定，知 识的有效性从确定到不确定。例如， “今天下雨”这种知识是具体的、说明 性、不确定的，而“要证A→B，只需证 明A∧～B是不可满足的”这种知识是一 般性的、指示性、确定性的。