人工智能导论课件(同名225)

第二章 知识表示方法2-4 语义网络表示法语义网络1968年J.R.Quillian研究人类联想记忆时提出的一种心理学模型，认为记忆是由概念间的联系实现的；1972年H.A.Simon在自然语言理解系统中采用语义网络表示法；1975年G.G.Hendrix提出全称量词表示的语义网络分区技术；应用较多的一种知识表示方法，特别是在自然语言处理中的语义词典。2-4-1 语义网络的基本概念什么是语义网络 语义网络语义网络是一种用实体及其语义关系来表达知识的有向图。在语义网络中，结点结点代表实体，表示事物、概念、情况、属性、状态、事件、动作等；弧弧代表语义关系，表示结点对象间的关系。语义网络作为一个整体表示具有某种特定语义的知识体系。在语义网络中由两个结点和它们之间的弧一起构成一个语义基元语义基元，记为（结点1，弧，结点2），如下图所示：结点1结点2弧ABR例：鸵鸟是一种鸟。鸵鸟鸟是一种 语义网络表示法和产生式表示法之间有着对应的表示能力。例：雪是白的。（事实）雪白色颜色例：如果A，则B。（规则）ABR语义网络表示法和谓词逻辑表示之间也有对应的表示能力。例：P(x1,x2)x1x2P基本的语义关系实例关系 体现“具体与抽象”的概念。Is-a：是一个 例：李刚是一个人。李刚人Is-a分类关系 体现“子类与超类”的概念 A-Kind-of（AKO）：是一种 例：鸟是一种动物。鸟动物AKO成员关系 体现“个体与集体”的概念 A-Member-of：是一员 例：张强是共青团员。张强共青团A-Member-of属性关系 指事物与其行为、能力、状态、特征等属性之间的关系。Have：有 Can：能、会 Age：年龄 例：鸟有翅膀。鸟翅膀Have 例：张强18岁。张强18Age聚类关系 体现“部分与整体”的关系。Part-of：是一部分 例：大脑是人的一部分。大脑人体Part-of 例：黑板是墙壁的一部分。聚类关系一般不具备属性继承性。黑板墙Part-of时间关系 指事物发生的先后次序关系。Before：在前 After：在后 例：北京奥运会在雅典奥运会之后。例：离散数学开设在人工智能之前。北京奥运会雅典奥运会After离散数学人工智能Before位置关系 Located-on：在上 Located-at：在 Located-under：在下 Located-inside：在内 Located-outside：在外 例：书在桌子上。书桌子Located-on相近关系 Similar-to：相似 Near-to：相近 例：猫似虎。猫虎Similar-to 2-4-2 事物和概念的表示用语义网络表示一元关系 一元关系：用一元谓词P(x)表示的关系。常用“是”、“有”、“会”、“能”等语义关系来说明。例2-8 动物能运动、会吃。动物运动Can吃Can用语义网络表示二元关系 二元关系：用二元谓词P(x,y)表示的关系。例2-9 动物能运动、会吃。鸟是一种动物，鸟有翅膀、会飞。鱼是一种动物，鱼生活在水中、会游泳。动物运动Can Can吃鱼AKO鸟AKO游泳Can飞Can翅膀Have水中Live例2-10 王强是理想公司的经理；理想公司在中关村；王强28岁。王强经理Headship28岁Age理想公司Work-for中关村Located-at例 2-11用语义网络表示多元关系 多元关系：用多元谓词表示的关系。例：北京位于沈阳和郑州之间。位置关系北京居中郑州边界2沈阳边界12-4-3 情况和动作的表示情况的表示 情况结点：结点有一组向外引出的弧，用于指出各种不同的情况。例2-12（p.48）事件和动作的表示 事件结点：结点有一组向外引出的弧，用于指出动作的主体与客体。例2-13 常河给江涛一张磁盘。给江涛Receiver常河Giver一张磁盘Gift给予事件常河Giver一张磁盘Gift江涛Receiver给Action2-4-4 逻辑关系的表示合取与析取的表示 合取结点、析取结点 例2-14否定的表示 基本语义关系的否定的表示 例2-15 书不在桌子上。书桌子Located-on否定的表示 一般语义关系的否定的表示：“非”结点。例2-16 常河没有给江涛一张磁盘。例2-16 常河没有给江涛一张磁盘。给常河Giver一张磁盘Gift江涛Receiver非蕴涵的表示 蕴涵结点：前提ANTE，结论CONSE。例2-17存在量词和全称量词的表示 存在量词：用“是一种”、“是一个”等语义关系表示。全称量词：网络分区技术例2-18：每个学生都学习了一门程序设计语言。P(x)：x是学生；Q(y)：y是一种程序设计语言；R(x,y)：x学习了y。gGSISAFs学生学生ISAlSubject学习学习AKOpObject程序语言程序语言AKO例2-19：每个学生都学习了所有的程序设计语言。P(x)：x是学生；Q(y)：y是一种程序设计语言；R(x,y)：x学习了y。gGSISAFs学生学生ISAlSubject学习学习AKO程序语言程序语言AKOpObject例2-20：每个学生都学习了C+语言。P(x)：x是学生；Q(y)：y是一种程序设计语言；R(x,y)：x学习了y。gGSISAFs学生学生ISAlSubject学习学习AKOC+语言Object程序语言程序语言AKO2-4-5 语义网络的推理过程用语义网络表示知识的问题求解系统主要由两大部分组成：用语义网络构成的知识库；用于问题求解的推理机构。语义网络的推理过程主要有两种：继承，匹配。语义网络知识库待求解问题构造的语义网络片断推理机构继承匹配继承 继承是指把事物的属性从抽象结点（箭头结点）传递到具体结点（箭尾）。通过继承可以得到所需结点的一些属性。继承的一般过程（p.51）例：鸟的属性。动物运动Can Can吃鱼AKO鸟AKO游泳Can飞Can翅膀Have水中Live匹配 匹配就是在知识库的语义网络中寻找与待求解问题相符的语义网络模式。语义网络问题求解的一般过程（p.52）例：王强是理想公司的经理。（理想公司在中关村；王强28岁。）王强经理Headship28岁Age理想公司Work-for中关村Located-at王强经理Headship理想公司Work-for2-4-6 语义网络表示法的优缺点优点 结构性 联想性 自索引性 自然性缺点 非严格性 复杂性作业(p.63）2-19阅读：第8章 自然语言理解学科前沿讲座学科前沿讲座皇帝的新脑还是人类的终结皇帝的新脑还是人类的终结 一、关于人工智能 一、关于人工智能从数值计算文字、图像等多媒体信息处理初步实现了Leibniz提出的“将人的思维机器化”的思想让机器拥有人的心智成为计算机专家梦寐以求的理想！1956年，M.L.Minsky，C.Shanon，J.McCarthy(人工智能之父)等在美国达德茅斯大学召开第一届人工智能学术会议。会上首次使用“人工智能”这一术语。标志着人工智能学科的诞生。一、关于人工智能1950年，W.格雷.瓦尔特，可以自己充电的“乌龟”1960年，K.M.柯尔，模拟了一个精神病疗法专家电脑下棋方面，97年的“深蓝”(Deep Blue)，03年的“小深”(Deep Junior)一、关于人工智能医生：我可以为你效劳吗病人：我不知道医生：请告诉我一些情形病人：不医生：请你说得仔细些病人：今天我厌烦得很医生：你知道这是什么原因病人：是的我老了医生：请继续讲病人：仿佛任何事情都激不起我的兴致医生：请更多地告诉我你的这种感觉病人：我也有些知道为何我会这样感觉医生：是吗病人：我似乎在想有一个家医生：什么东西使你有这样的想法病人：它是一种挑战医生：为什么那对你是重要的二、电脑能否实现人的智能？机器体力电脑计算速度和准确性人脑思维是否电脑能代替人脑实现智能？一旦能够实现，这种被认为是特权的智能行为将受到挑战。二、电脑能否实现人的智能？二、电脑能否实现人的智能？二、电脑能否实现人的智能？l人真实地回答问题并试图说服质问者，他确实是人；l电脑被编好“说谎”的程序，试图说服质问者它是人。三、目前人工智能两个代表性的观点：三、目前人工智能两个代表性的观点：爱因斯坦曾经将其比喻为“与上帝的对话”三、目前人工智能两个代表性的观点：三、目前人工智能两个代表性的观点：四、对人工智能领域有影响的理论与书籍 四、对人工智能领域有影响的理论与书籍推荐网址http:/ 四、对人工智能领域有影响的理论与书籍镶嵌图案 埃舍尔的版画(1957)四、对人工智能领域有影响的理论与书籍问题求解逻辑推理与定理证明自然语言理解自动程序设计专家系统机器学习神经网络机器人学五、目前人工智能的研究与应用领域模式识别机器视觉智能控制智能检索智能调度与指挥分布式人工智能与Agent计算智能与进化智能数据挖掘与知识发现 六、计算机视觉中的困惑这些与人类视觉活动相比，显得微不足道。人类视觉中的视觉含义的把握以及主观经验在视觉中的作用，使机器不可能拥有的。六、计算机视觉中的困惑六、计算机视觉中的困惑 六、计算机视觉中的困惑六、计算机视觉中的困惑著名的混沌理论“蝴蝶效应”：美国气象学家洛伦芝（Lorenz）于1960年代提出一篇论文，名叫一只蝴蝶拍一下翅膀会不会在德克萨斯州引起龙卷风？，他说，亚马逊流域的一只蝴蝶扇动翅膀，会掀起密西西比河流域的一场风暴。洛伦芝把这种现象戏称做蝴蝶效应，意思即一件表面上看来毫无关系、非常微小的事情，可能带来巨大的改变。六、计算机视觉中的困惑眼睛和大脑的组合并不只具有“摄像机”般的功能。虽然，人们对“视觉理解”发生的机制还不太清楚，但可以肯定其中含有非线性突变的因素，而且导致某种结果的因素是不确定的。（即蝴蝶效应）“视觉理解”中抹不去的主观因素不可能通过确定的算法给出。七、展望在计算机上要实现人的心智，充满困境。要冲破这一困境，必须有理论性的突破：大自然的机理+算法 七、展望问题的解决不依赖于复杂的逻辑运算，而是利用装置本身的复杂性功能。七、展望大自然的机理+算法目前，在计算原理和模式方面出现了一些新的尝试：p生物计算p量子计算p光子计算p