不确定性推理概念

不确定性推理概念

6.1不确定性推理概念的基本概念

不确定性是智能问题的一个本质特征，研究不确定性推理概念是人工

智能的一项基本内容。为加深对不确定性推理概念的理解和认识，在讨论

各种不确定性推理概念方法之前，首先先对不确定性推理概念的含义，不

确定性推理概念的基本问题，以及不确定性推理概念的基本类型进行简单

讨论。

6.1.1不确定性推理概念的含义

不确定性推理概念是指那种建立在不确定性知识和证据的基础上的推理。例如，不完备、不精确知识的推理，模糊知识的推理等。不确定性推

理概念实际上是一种从不确定的初始证据出发，通过运用不确定性知识，

最终推出具有一定程度的不确定性但却又是合理或基本合理的结论的思维

过程。

采用不确定性推理概念是客观问题的需求，其原因包括以下几个主要

方面。

（1）所需知识不完备、不精确。所谓知识的不完备是指在解决某一

问题时，不具备解决该问题所需要的全部知识。例如，医生在看病时，一

般是从病人的部分症状开始诊断的。所谓知识的不精确是指既不能完全确

定知识为真，又不能完全确定知识为假。例如，专家系统中的知识多为专

家经验，而专家经验又多为不精确知识。

（2）所需知识描述模糊。所谓知识描述模糊是指知识的边界不明确，它往往是由模糊概念所引起的。例如，人们平常所说的“很好”、“好”、“比较好”、“不很好”、“不好”、“很不好”等都是模糊概念。那么，

当用这类概念来描述知识时，所得到的知识当然也是模糊的。例如，“如果李清这个人比较好，那么我就把他当成好朋友”所描述的就是一条模糊知识。

（3）多种原因导致同一结论。所谓多种原因导致同一结论是指知识的前提条件不同而结论相同。在现实世界中，可由多种不同原因导出同一结论的情况有很多。例如，引起人体低烧的原因至少有几十种，如果每种原因都作为一条知识，那就可以形成几十条前提条件不同而结论相同的知识。当然，在不确定性推理概念中，这些知识的静态强度可能是不同的。

（4）解决方案不唯一。所谓解决方案不唯一是指同一个问题可能存在多种不同的解决方案。这是现实生活中的一个十分普遍的问题，人们通常的解决方法是优先选择主观上认为相对较优的方案，这也是一种不确定性推理概念。

总之，在人类的知识和思维行为中，确定性只能是相对的，而不确定性才是绝对的。人工智能要解决这些不确定性问题，必须采用不确定性的知识表示和推理方法。

6.1.2不确定性推理概念的基本问题

在不确定性推理概念中，除了需要解决在确定性推理中所提到的推理方向、推理方法、控制策略等基本

问题外，一般还需要解决不确定性的表示与度量、不确定性的匹配、不确定性的合成和不确定性的更新等问题。

1．不确定性的表示

不确定性的表示包括知识的不确定性表示和证据的不确定性表示。

（1）知识不确定性的表示

知识不确定性的表示方式是与不确定性推理概念方法密切相关的一个

问题。在选择知识的不确定性表示方式时，通常需要考虑以下两个方面的

因素：一是要能够比较准确地描述问题本身的不确定性；二是要便于推理

过程中不确定性的计算。对这两个方面的因素，一般是将它们结合起来综

合考虑的，只有这样才会得到较好的表示效果。

知识的不确定性通常是用一个数值来描述的，该数值表示相应知识的

确定性程度，也称为知识的静态强度。知识的静态强度可以是该知识在应

用中成功的概率，也可以是该知识的可信程度等。如果用概率来表示静态

强度，则其取值范围为［0，1］，该值越接近于1，说明该知识越接近于“真”；其值越接近于0，说明该知识越接近于“假”。如果用可信度来

表示静态强度，则其取值范围一般为［−1，1］。当该值大于0时，值越大，说明知识越接近于“真”；当其值小于0时，值越小，说明知识越接

近于“假”。在实际应用中，知识的不确定性是由领域专家给出的。

（2）证据不确定性的表示

证据可有多种不同的分类方法，如果按照证据的组织形式，可分为基

本证据和组合证据。所谓基本证据，是指那种单一证据和单一证据的否定。所谓组合证据是指那种将多个基本证据组织到一起形成的复合证据。

证据不确定性的表示应包括基本证据的不确定性表示和组合证据的不

确定性计算。

①基本证据的不确定性表示。其表示方法通常应该与知识的不确定性

表示方法保持一致，以便推理过程能对不确定性进行统一处理。常用的表

示方法有：可信度方法、概率方法、模糊集方法等。

②组合证据的不确定性计算。多个基本证据的组合方式可以是析取关系，也可以是合取关系。当一个知识的前提条件是由多个基本证据组合而

成时，各个基本证据的不确定性表示方式同上，组合证据的不确定性可在

各基本证据的基础上由最大最小方法、概率方法和有界方法等计算得。

到。

2．不确定性的匹配

推理过程实际上是一个不断寻找和运用可用知识的过程。所谓可用知识，是指其前提条件可与综合数据库中的已知事实相匹配的知识。只有匹

配成功的知识才可以被使用。

在不确定性推理概念中，由于知识和证据都是不确定的，而且知识所

要求的不确定性程度与证据实际所具有的不确定性程度不一定相同，那么，怎样才算匹配成功呢？这是一个需要解决的问题。目前，常用的解决方法是：设计一个用来计算匹配双方相似程度的算法，并给出一个相似的限度，如果匹配双方的相似程度落在规定的限度内，则称匹配双方是可匹配的；

否则，称匹配双方是不可匹配的。

3．不确定性的更新

在不确定性推理概念中，由于证据和知识均是不确定的，那么就存在

以下两个问题：一是在推理的每一步如何利用证据和知识的不确定性去更

新结论（在产生式规则表示中也称为假设）的不确定性；二是在整个推理

过程中如何把初始证据的不确定性传递给最终结论。

对于第一个问题，一般做法是按照某种算法由证据和知识的不确定性

计算出结论的不确定性，至于如何计算，不同不确定性推理概念方法的处

理方式各有不同。