第三章 知识与知识表示

狐狸和羊羔在同一岸 （狐狸要吃羊羔）
知识表示入门—操作约束
根据题意，在10种可能的安全状态里，只有4 种是有可能的操作：
1）老农独自过河（包括从南岸到北岸和从北岸到南岸， 下同） 2）老农携带狐狸过河 3）老农携带羊羔过河 4）老农携带白菜过河
知识表示入门—问题求解过程的表示
(S,S,S,S) S--N(1,0,1,0) (N,S,N,S) N--S(1,0,0,0) (S,S,N,S) S--N(1,0,0,1) S--N(1,1,0,0) (N,N,N,S) N--S(1,0,1,0) (S,N,S,S) S--N(1,O,0,1) (N,N,S,N) N--S(1,0,0,0) (S,N,S,N) S--N(1,0,1,0) (N,N,N,N) (N,S,N,N) N--S(1,0,1,0) (S,S,S,N) S--N(1,1,0,0)
第三章 知识与知识表示
内容提要
知识的概念 知识的分类 知识的表示过程 知识的表示方法

第一节 知识及其表示
Байду номын сангаас
数据、信息与知识
– 数据：客观事物的属性、数量、位置、相 互关系的抽象表示。
• 例：（1.7，65）；（北京，中国）
– 信息：是对数据的理解（语义），是加载 于数据之上的
知识：是经过提炼加工的信息，是一个或
一个老农携带一只狐狸、一头羊羔和 一筐白菜，要从南岸过河到北岸。岸边有 一条小船，只有老农自己能划船，而且除 了老农以外，每次只能再带一样东西过河。 在整个渡河过程中，无论什么情况，若老 农不在场时，则不允许狐狸和羊羔单独相 处，否则羊羔会遭殃；羊羔也不得与白菜 放在一起，否则羊羔会吃白菜。
请问，老农如何才能把它们全部安全 摆渡到北岸？
人工智能研究学派
（3）行为主义认为智能取决于感知和行 动，不需要知识、不需要表示、不需要推理。 认为人的智能行为是在与现实世界的环境交 互作用下表现出来的，这种观点的核心是用 控制取代知识表示，从而获得概念、模型以 及显式表示的知识。这一观点还没有形成完 善的理论体系。
知识表示入门—用实例说明知识表示的过程
人工智能研究学派
（2）联结主义又称仿生学，人脑是由大 约1011个神经细胞组成，所以认为人的思维基 元是神经元，而不是符号处理过程，主张采 用模拟人的生理神经网络结构的研究方法。 这种方法的特征是实现联想功能，对于带有 噪声、缺损、变形的信息进行有效的处理， 适合于模拟人类的形象思维过程，求解问题 时，可以比较快地求得一个近似解。
多个信息之间的关联。

信息之间有多种关联形式，不同事物或者相同 事物间的不同关系形成了不同的知识。 事实，如 “雪是白色的”


规则，如 “如果大雁向南飞，则冬天就要来临 了”
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。
类比性知识
既不给出外延，也不给出内涵，而是给出它
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，谜语 “山叠叠而不高，路遥遥而不远， 雷轰轰而不雨，雪飘飘而不寒” – 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。
7）老农最后携带羊羔过河，到达北岸。问题就此解决。
知识表示入门—状态和操作
用符号表示： M：代表老农(farmer) F：代表狐狸(fox)
L：代表羊羔(lamb)
C：代表白菜(cabbage) S：表示在南岸 N：表示在北岸 S-N：表示从南到北
N-S ：表示从北到南
知识表示入门—状态和操作
用（M，F，L，C）表示四个对象的 一个状态,可有S和N两个值； 改变状态的操作，可分别用1，0表 示。表示对象“在船上”和“不在船 上”两个值。 如：初始状态：（S，S，S，S）， 终止状态：（N，N，N，N），中间状 态：S-N（1，1，0，0）
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。 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。
3、陈述性表示
把事物的属性、状态和关系逻辑地描述
出来 知识表示与知识的运用（推理）分开存 储 着重于知识的静态方面
– 4、过程性表示 • 把控制性知识嵌入对知识的描述中 • 或者说将知识包含在若干过程之中 • 着重于知识的动态方面

如何选择知识表示方法？
表示知识的范围是否广泛
N-S（1,1,0,0）
知识表示法
所谓知识表示（Knowledge Representation）,就 是把知识用计算机可接受的符号并以某种形式描述出 来。 常见的知识表示方式有一阶谓词逻辑、产生式表 示、状态空间图表示、与或图表示、语义网络、框架 结构表示，还有问题归纳法、面向对象法等。
知识表示目前仍然是人工智能、知识工程 中的一个重要研究课题
人工智能研究学派
人工智能研究者根据研究的基础理论和方法不同，分为 符号主义（又叫心理学派）、联结主义（又叫生理学派）、 行为主义（又叫控制论学派）。 （1）符号主义认为人的认知基元是符号，而且认知过程 即符号操作过程，人通过自已的眼睛观察客观事物，用符号 的形式表示出来，而计算机也是一个对逻辑符号表示的知识 进行演绎的物理符号系统。因此可以用计算机自身所具有的 符号处理推算能力来模拟人的智能行为。它的主要特征是知 识可用符号表示，立足于逻辑运算和符号操作，适合于模拟 人的逻辑思维过程，解决需要进行逻辑推理的复杂问题。
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
给出一些实例，关于事物的知识隐藏
在这些实例之中 实例性知识和事实性知识的主要区别 是，人们感兴趣的一般不是这些实例 本身，而是隐藏在实例后面的规律性 知识 描述事物的外延 如，“江津，吴承瑛，李伟峰，范志 毅，……”


知识的分类
– 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。 如电视机维修法，怎样烹制法国大餐等。
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。 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，ＰＲＯＬＯ Ｇ比高级语言如Visual C++自然，但显然牺牲了效 率。

知识的概念

知识（Knowledge）是人们在改造客观世界的实践中 形成的对客观事物（包括自然的和人造的）及其规 律的认识，包括对事物的现象、本质、状态、关系、 联系和运动等的认识。 经过人的思维整理过的信息、数据、形象、意象、 价值标准以及社会的其他符号产物，不仅包括科学 技术知识----知识中最重要的部分，还包括人文社会 科学的知识、商业活动、日常生活和工作中的经验 和知识，人们获取、运用和创造知识的知识，以及 面临问题做出判断和提出解决方法的知识。

知识的表示
就是对知识的一种描述，或者说是一组约
定，一种计算机可以接受的用于描述知识 的数据结构。 – 对知识进行表示的过程就是把知识编码成 某种数据结构的过程。

知识的要素 知识的要素是指构成知识的必需元 素。在这里，我们关心的是一个人工智 能系统所处理的知识的组成成分。一般 而言，人工智能系统的知识包含事实、 规则、控制和元知识。
知识表示入门—状态约束分析
因老农、狐狸、羊羔和白菜都有2种状态，即在南岸和北岸， 所以4个对象的总状态数为2*2*2*2=16种，按条件要求，有几 种状态不能存在，如表所示。所以只有10种可能状态。
老农和其他三个对象不 在同一岸（狐狸要吃羊 羔，羊羔要吃白菜） 羊羔和白菜在同一岸 （羊羔要吃白菜） (S,N,N,N)：老农在南岸，其他三个对象在北岸 (N,S,S,S)：老农在北岸，其他三个对象在南岸 (S,S,N,N)：老农和狐狸在南岸，羊羔和白菜在北岸 (N,N,S,S)：老农和狐狸在北岸，羊羔和白菜在南岸 (S,N,N,S)：老农和白菜在南岸，狐狸和羊羔在北岸 (N,S,S,N)：老农和白菜在北岸，狐狸和羊羔在南岸

知识表示有如下特性： ◇ 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）
1、符号表示法
用各种包含具体含义的符号，以各种不
同的方式和次序组合起来表示知识的一 类方法 主要用来表示逻辑性知识 – 2、连接机制表示法 • 用神经网络表示知识 • 知识的隐式表示、知识的分布式表示 • 适用于表示各种形象化的知识