人工智能第三章.ppt

人工智能基础教程,人工智能的英文是Artificial Intelligence,简称AI. 有两个分支：科学人工智能和工程人工智能。 科学人工智能，它的目的是发展概念和词汇，以帮助我们了解人和其他动物的智能行为。 工程人工智能，它主要研究的是建立智能机器的概念、理论和实践。例如： 专家系统，在专门的领域（医疗、探矿、财务等领域）内的咨询服务系统。 自然语言处理，在有限范围内的问题回答系统。 程序验证系统，通过定理证明途径验证程序的正确性。 智能机器人，研究计算机视觉和智能机。,知识表示与处理方法,3.1概述 3.2逻辑表示法 3.3产生式表示法 3.4语义网络表示法 3.5框架表示法 3.6过程式知识表示,3.1概述,3.1.1知识和知识表示的含义 1.知识 知识是人类进行一切智能活动的基础。哲学、心理学、语言学、教育学等都是在对知识和知识的表示方法等问题进行研究。 费根鲍姆：知识是经过裁剪、塑造、解释、选择和转换了的信息。 伯恩斯坦：知识是由特别领域的描述关系和过程组成。 海叶斯-罗斯：知识=事实+信念+启发式。,2.知识表示,知识表示是指将知识符号化，并输入计算机的 过程和方法。它包含两层含义： （1）用给定的结构，按一定的原则、组织方法表示知识。 （2）解释所表示知识的含义。 具体表现为：选取合适的数据结构描述用于求解某问题所需的知识。 在AI领域，研究知识表示方法的目的是用知识来改善程序的性能，具体表现为： 利用知识来帮助选择或限制程序搜索的范围。 利用知识来帮助程序识别、判断、规划与学习。,3.智能系统中的知识,要是计算机系统具有智能，至少应使系统具有以下4方面的知识： 对象和物体； 事件； 行为； 元知识.,3.1.2 AI中知识表示方法分类,常见的知识可以从不同的角度进行划分： 就知识的形成而言，知识是由概念、命题、公理、定理、规则、方法等组成。 就知识的层次而言，知识可以分为表层知识和深层知识。 就知识的确定性程度而言，知识可以分为确定性知识和模糊知识。 就知识的等级而言，知识可以分为元知识和非元知识。 就知识的作用而言，知识可以分为陈述性知识和过程性知识。,知识表示方法粗略地可分为以下两大类： 1.过程式知识表示（procedure） 表示如何做的知识 表示描述过程性知识 可用算法予以描述，用一段计算机程序来实现。,2.陈述式知识表示（declarative） 描述系统的状态、环境和条件，以及问题的概念、定义和事实。 表示描述这种事实性知识 与知识运用（推理）是分开处理的，是显式表示的。 表示“做什么” 优点是： 易于修改；可独立使用；易于扩充。,3.1.3 AI对知识表示方法的要求,首先，要求有较强的表达能力和足够的精细程度，可以从三方面考虑：表示能力；可理解性；自然性。 然后，从知识利用上讲，衡量知识表示方法可以从以下3个方面考察：便于获取和表示新知识，并以合适方式与以后知识相连接；便于搜索，在求解问题时，能够较快地在知识库中找到相关知识；便于推理，要能够从已有知识中推出需要的答案或结论。,3.1.4 知识表示要注意的问题,外部 内部 世界 表示（机器内表示的知识） 理解 生成 描述 事 自然 实 语言 表达,建立知识的内部表示是知识表示的具体表现，在建立内部表示要注意如下问题： （1）知识的范围和基本知识的确定。 （2）决定哪些知识该清楚表达出来，哪些可以隐含。 （3）知识库的模块化和可理解性，知识检索的效率。 （4）一般模块化的知识易于检索、理解，但也有无法模块化的知识。 （5）排除自然语言的二义性。 （6）加入必要的常识。,3.2 逻辑表示法,逻辑表示法主要用于定理的自动证明、 问题求解、机器人学等领域。 逻辑表示学的主要特点是它建立在某种形式逻辑的基础上。优点：自然；明确：灵活；模块化。 不足：它所表示的知识属于表层知识，不易表达过程性知识和启发式知识；另外它把推理演算和知识的含义截然分开，抛弃了表达内容中含有的语义信息，往往使推理难以深入，特别是当问题比较复杂、系统知识量比较大的时候，容易产生组合爆炸问题。,3.3 产生式表示法,3.3.1 产生式系统的组成 控制策略 产生式规则 全局数据库,3.3.2 产生式系统的知识表示,1.事实的表示 （1）孤立事实的表示 通常用三元组（对象、属性、值）或（关系、对象1、对象2）表示。当要考虑不确定性时，就要用四元组表示。 （2）有关联事实的表示 （a）树形结构 MYCIN系统 （b）网状结构 PROSPECTOR系统,2.规则的表示 （1）单个规则的表示 前项有逻辑连接词组成各种不同的前提条件；后项表示前提条件为真时，应采取的行为或所得的结论。 MYCIN系统中的规则定义为： (IFTHENELSE) 基本部分是关联三元组（）或一个谓词加上三元组。,（2）关联规则间关系的表示 在知识库（规则库）中某些规则常按牟中国特征组织起来放在一起，形成某种结构。这样既便于规则库的维护管理也便于规则的使用。 （a）规则按参数分类 （b）规则的网状结构,3.3.3 产生式系统的推理方式,1.正向推理 从已知事实出发，通过规则库求的结论。正向推理称为数据驱动方式，也称作自底向上的方式。推理过程是: (1)规则集中规则的前件与数据库中的事实进行匹配，得到匹配的规则集合。 (2)从匹配规则集中选择一条规则作为使用规则。 (3)执行使用规则，将该使用规则后件的执行结果送入数据库。 重复这个过程直到达到目标。,2.逆向推理 从目标（作为假设）出发，逆向使用规则，找到已知事实。逆向推理也称目标驱动方式或称自顶向下的方式，其推理过程如下： （1）规则集中的规则后件与假设的目标事实进行匹配，得到匹配的规则集合。 （2）从匹配规则集中选择一条规则作为使用规则。 （3）将使用规则的前件作为新的假设子目标。 重复这个过程，直至各子目标均为已知事实后成功结束。,3.双向推理 又叫混合推理，既自顶向下，又自底向下，从两个方向做推理，直至某个中间界面上两个方向的结果相符后成功结束。,3.3.4 产生式规则的选择与匹配,通常搜索策略的主要任务是确定选取规则的方式和方法。 选取规则的基本方式有两种： 不考虑给定问题所具有的特定知识。 考虑问题领域可应用的知识。 选取规则的方法为使用匹配。,1.规则的匹配 匹配方式有三种： （1）索引匹配 对全局数据库GD加索引，再通过映射函数找出相应的规则。 （2）变量匹配 如：符号积分，使用规则：udvuv-vdu,而系统实际求积分时，要查找GD中xdy的形式,要求x与u，y与v匹配。 （3）近似匹配 在匹配中，有大部分条件符合或接近符合，则可认为规则匹配。,2.规则的选取 有如下六个原则可用于规则的选择： （1）专用与通用性排序。 （2）规则排序。 （3）数据排序。 （4）规模排序。 （5）就近排序。 （6）按上下文限制将规则分组。,3.3.5 产生式表示的特点,产生式以规则作为形式单元，格式固定，易于表示，且知识单元间相互独立，易于建立知识库。 推理方式单纯，适于模拟强驱动特点的智能行为。当一些新的数据输入时，系统的行为就会发生改变。 知识库与推理机相分离，这种结构易于修改知识库，可增加新的规则去适应新的情况，而不会破坏系统的其他部分。 易于对系统的推理路径作为解释。,3.4 语义网络表示法,语义网络是知识的一种图解表示，它是由结点和弧线组成。结点用于表示实体、概念和情况等，弧线用于表示结点间的关系。语义网络表示由下列4个相关部分组成： 1.词法部分； 2.结构部分； 3.过程部分； 4.语义部分。,3.4.1 语义网络结构,语义网络是知识的有向图表示方法。一个语义网络是由一些以三元组（结点1，弧，结点2）的图形表示连接而成的有向图。其结点表示概念事物事件情况等；弧是有方向和标注的方向体现主次关系，结点1为主，结点2为辅。弧上的标注表示结点1的属性或结点1和结点2之间的关系。 这样一个三元组的图形表示为： R AB,3.4.2 二元语义网络的表示,二元语义网络可以用来表示一些涉及变元的简单事实，其实质还是一个三元组；（R,x,y）。 3.4.3 多元语义网络的表示 语义网络是一种网络结构。从本质上讲，结点之间的连接是二元关系。如果我们要表示的事实是多元关系，必须见多元关系转化为二元关系，然后用语义网络表示出来。必要是还需要在语义网络中增加一些中间结点。具体来说，多元关系R(x1,x2, , xn)总可以转成 R(x11,x12) R(x21,x22) R(xn1,xn2),3.4.4 连接词和量词的表示,1.合取 链GIVER,OBJ以及RECIP之间是合取关系 2.析取 将“或”关系的弧用一条封闭虚线包围起来，并标记DIS 3.否定 采用¬ISA和¬PART-OF关系或标注出NEG界限。 4.蕴涵 可用标注ANTE和CONSE界限来表示蕴涵关系。 5.量化 （1）存在量词的量化 用ISA链来表示 （2）全称量词的量化 整个语义网络或者把语义网络分割后的 某个范围,3.4.5 语义网络的推理过程,1.继承 把对事物的描述从概念结点或类结点传递到实例结点中去。在语义网络中，有三种继承过程：值继承、如果需要继承和默认继承。 2.匹配 语义网络的推理方法主要是依靠匹配。 3.语义网络上的推理 带蕴涵接点的语义网络有称为推理网络。推理网络上的搜索也有正向推理、逆向推理和双向推理三种。,3.4.6 语义网络的一般描述,特点： 语义网络能把实体的结构、属性与实体间的因果关系显示地、简明地表达出来，与实体相关的事实、特征和关系可以通过相应的结点弧线推导出来。这样可以联想方式实现对系统的解释。 由于概念相关的属性和联系都被组织在一个相应的结点中，因而语义网络是概念易于访问和学习。 语义网络表现问题更直观，更易于理解，适合于知识工程师与领域专家沟通。语义网络中的继承方式也符合人类的思维习惯。 语义网络结构的语义解释依赖于该结构的推理过程而没有固定的结构约定，因而得到的推理不能保证像谓词逻辑法那样有效。 语义网络结点间的联系可能是线状的、树状或网状的，甚至是递归状的，使相应的知识存储和检索需要比较复杂的过程。,3.5 框架表示法,3.5.1框架理论 3.5.2框架结构 一个框架的一般结构如下： 框架名 槽1侧面11值111 侧面12值121 槽2侧面21值211 槽n侧面n1值n11 3.5.3框架表示下的推理 1.匹配 2.填槽,总结： 语义网络、框架等知识表示方法，均是对知识和事实的一种静止的表示方法，这类知识表示方法称为陈述式知识表示。它们的共同特点是强调事物所涉及的对象是什么。这种对事物有关知识的静态描述，是知识的一种显示表达形式，对于这些知识的使用和推理，则是通过控制策略或推理机制来决定。,3.6 过程式知识表示,1.过程式知识表示就是将有关某一问题领域的知识，连同如何使用这些知识的方法，隐式地表达为一个求解问题的过程。它们给出的是事物的一些客观规律，表达的是如何求解问题。 2.过程表示法的知识描述形式就是程序，所有的信息均隐含在程序中。因而从程序求解问题效率上来说，过程式表示比陈述式表示要高得多，但过程式表示的缺点是难以添加新知识和扩充新功能，它适合于知识表示与求解结合非常紧密的这一类问题。,