2章知识表达人工智能研究生教学课件

微机原理及接口技术,第二级,第三级,第四级,第五级,微机原理及接口技术,第2章 知识表达,智能的核心事实上就是知识，有多少知识，运用知识的效率。知识是智能活动的基础，智能活动过程就是一个不断地获取知识并运用知识的过程。,知识表示问题，把知识用计算机可接受的方式，以某种形式描述出来。,2.1 知识与知识表示概述,(Knowledge Representation),2.1.1 知识的概念,知识是人类世界特有的概念。,它是人类对客观世界一种,较,为准确、全面的认识和理解的结晶。,知识的正确性不是绝对的，而只有相对正确的特性。,模糊性、矛盾性、条件局限、不确定成了难点,1,生物形式机器形式,？,AI,语言,函数型,Lisp,逻辑,Prolog,2.1.2 数据、信息、知识,数据：,描述客观事物的数量、属性及其相互关系而引入一组数字、符号、,文字等的相关表示,；,信息：,构成一定含义的一组数据称为信息。,数据是信息的载体及其属性形态的表示，而信息则是数结构内含的解释与说明。,数据和信息都是对客观事物的某种描述，但它们都还不是知识。,例如，,某位同学名叫“国庆”，年龄“25”，该同学的父亲名字叫“建国”，,年龄“61”。“国庆”、“建国”、“25”、“61”等都是数据。,可以组成若干条不同的信息：“国庆25岁”，“建国61岁”，“建国61周年”等。,知识：,把,信息经过加工、整理、选择和充实，并能对其来龙去脉加以解释，,形成对客观世界的一种规律性的认识。 把有关信息关联在一起，形成的,关于客观世界某种规律性认识的动态信息结构称为知识。,利用信息关联构成知识的形式有多种多样。,例：“如果，则” 如果大雁南飞，则预示冬天临近；,“建国老师生于1949年”，“10.1是国庆同学的生日”，则把这些信息关联,在一起的一条知识可表达为,（,升华,）,“如果你了解建国老师，则明白他和儿子分别起名建国和国庆的含义。”,（,！,）,2,2.1.3 知识的特性（属性）,1 知识的真假性、相对正确性,知识相应于一定的客观环境与条件前提下，无疑是正确而可信的。但是，当客观环境,与条件发生改变时，知识的正确性就要接受检验，必要时就要对原来的认识加以补充,或予以修正，甚至完全取而代之予以知识更新,2 确定性与不确定性,知识可以由若干信息关联的结构来组成。其中有信息是精确，有信息是不精确, 概率事件发生常常不可避免，一般都具有随机不确定性的规律,;,模糊性概念及模糊关系比比皆是，形成了知识的不确定性,;,经验性及各种不完备的积累过程，导致了相关知识的不确定性,;,证据不足、地域时区不同、各种变化因素及现实世界的复杂性，造成,客观后果及其知识的不确定性等；,3 矛盾和相容性,不同知识之间的对立和不一致,4 知识的可表示性、可利用性和可发展性,知识的可表示性使得发展人工智能知识表示技术成为可行；,知识的可利用性使得机器或计算机也能利用知识成为现实；,可发展性,知识的更新,3,2.1.4 知识分类,(1),事实性知识,关于该问题的领域和性质、求解的环境与目标、已知条件及相关的特性,等方面的静态知识，用以记叙及描述有关的概念、事实、事物的状态,及属性等。事实性知识一般采用直接表示形式。,(2),控制性知识,（元知识）,关于求解策略、控制信息实施方法、推理路线的选取原则等知识。,控制性知识是关于如何运用相关知识的知识。,(3),过程性知识,按照问题的前提和相关信息进行匹配的知识，能依据一定的规则，推导,出相关的结论与目标的规律性知识，是由问题领域内的相关规则、,定律、定理及经验等要素构成的知识。过程性知识用以描述做某事的,过程，使人或计算机可以照此模式完成，,按知识的作用范围来划分，常识性知识、专业知识或领域性知识；,按知识结构和表现特点来划分，逻辑性知识、形象性知识；,知识还可以分确定性知识和不确定性知识等。,4,2.1.5,知识表示概述,知识表示，实际上就是对知识的一种描述或约定。对智能机器系统而言，其本质就是,采用某种技术模式，把所要求解问题的相关知识，变换成为一种便于找到该问题解的,数据结构；对知识进行表示的过程，就是把相关知识变换，或称映射，编码)成为某种,数据结构的过程。,图,2,.,1,知识表示及其变换,5,2.1.5 知识表示概述2,一个智能系统的智能性很大程度上取决于知识的数量及其可利,用程度，该系统的可利用知识越多，其智能性就可能越高。要,用计算机模拟人类智能，就必须使它具有知识，即必须把所需,知识用适当的形式表示出来并存放到计算机中。,知识表示的要求,(1)表示能力,(2)可利用性,(3)可组织性与可维护性,(4)可实现性,(5)自然性与可理解性,6,2.2谓词逻辑表示法,命题,(Proposition) (例),X：西安是一座历史名城。,FCITY(x),，,Y：煤球是白的。,Z：3+4=7。,定义命题：即具有真(T)假(F)意义的陈述性语句。,(1) 命题反映了人脑进行思维的一种判断，可见命题表达自身就含有,智能特性。,(2) 命题一定是陈述性语句。,(3) 命题既可用自然语言(包括中、外文)形式表示，也可用大写的英文,字符或字符串来命名,。,个体,命题中的行为中心对象，称为个体。,个体的取值范围又称为个体域。（有限的，无限的）,命题逻辑的关系表达直观，生动而简洁，加以简单的形式化，就能扩展应用于谓词逻辑推理中。 命题逻辑是谓词逻辑得以发展的前导和基础。,7,主谓宾，主系表结构,谓词和变元,谓词是一种用来刻画个体群之间的相互关系、性质及其逻辑结构的数,学表示，采用这种 表示的运算又叫,谓词逻辑,。,“？ 是一座历史名城”。,FCITY(x),（计算机ASCLL）,定义一种类同数学函数形式的、含有变元参量的字符或字符串来表示。,字符串FCITY(x)就是,谓词,。,FCITY是,谓词名,，(它可以由使用者自行定义) ；,括号中的参量 x 叫做谓词的,变元,；,一个谓词可以有n ( n = 0，1，2，,)个变元，并称之为,n元谓词,。,谓词的变元可在相应个体域集合中取值任意一个元素，故又把,x 叫做项,（变元之一个），,通常，谓词名采用自然语言中的谓语动作词根来表示，,用以表达语句中除主语个体之外的其余部分。,x可以取值“北京”(T)、 “东京”(T)，“深圳”(F)、 “野玫瑰”(F)、“计算机”(F)等。,谓词的元和谓词的阶,9,ADDQ(x，y，2)；,表示的是表达式“x+y2”,三元谓词,LIKE(john，mary)；,“机器人约翰喜欢玛丽”,二元谓词,ROBOT(john)；,“机器人约翰喜欢玛丽” ( 意同，表达方式不同),MARY,(robot)；,“机器人约翰喜欢玛丽” 一元谓词(主宾),谓词中包含个体或变元的数目称为,谓词的元,或,谓词的目,。,在多元谓词中，变元的排序很重要，一旦确定，就不可随意交换。,LIFELESS(outer-stars)，,外星球没有智能生命。 一阶谓词,INCORRECT(1ifeless(outer-stars),说“外星球没有智能生命”是不确切的。 二阶谓词（n阶）,谓词表达形式中所包容相叠加的含义层次数数目，称为,谓词的阶,。,命题和谓词逻辑特性,10,谓词可以灵活表现变化的情况，而命题只能表达具体固定的情况；,谓词表达是命题的一般推广，而命题表达是谓词的特例。,虽然在一定条件下，谓词的知识表示形式和命题表达形式可以相互转化，,但谓词比命题有更强的表达能力。,三大类，即,命题逻辑演算,、,一阶谓词逻辑演算,和,二阶谓词演算,。,由于命题表达具有直观生动的特点，而谓词演算具有方便灵活的特性，,因此，在谓词逻辑表示中，可把二者的知识表示特点结合起来。基于,命题和谓词的知识表示满足共同的逻辑运算特性，,谓词逻辑,命题,泛化,变元参量替换成个体常量,2.2.2. 连接词,11,把单个的谓词组合成为谓词公式,，就可按照约定的规则进行推理演算。,连接词共有五个符号，, 称为“,非,”或“否定”(NOT)，它表示“非”的连接关系。,即当命题P为真时，则P为假；反之，当命题P为假，则P为真。, 称为“,析取,”，它表示“或”(OR)的关系；, 称为“,合取,”，它表示“与”或“同时”(AND)的关系；,称为“条件”或者“,蕴含,”，它表示“,如果,，则,”的定义关系。,例如，在PQ的表达式中，表示了“如果P，则Q”的条件推导关系。,称P为,前件,，表示了条件的前提；称Q为,后件,，表示的是逻辑结论。,称为“,双条件,”，PQ表示“P当且仅当Q”。或者说“P为真，当且仅当Q为真”,(互为因果，唯一决定),(Connectives),连接词定义真值表,12,P QP PQPQ PQ PQ,T T F T T T T,T F F T F F F,F T T T F T F,F F T F F T F,当前,P=F,时，无论后件,Q,为何值,(T,或者,F),，条件表达式,P,Q,总是为,T,；,当前件,P,T,时，条件表达式,P,Q,总是与后件,Q,的真值相同。,2.2.3 量词,13,表达量词与个体之间的关系,(1),全称量词,(Universal Quantifier) (x),表示该量词作用的辖域个体域中每一个个体x都要遵从所约定的谓词关系。,例：(x) (理工科大学生(x)学习高等数学(x)；,该谓词逻辑表达“所有的理工科大学生，每一个人都要学习高等数学”的含义,(2),存在量词,(Existential Quantifier) （x）,表示该量词只要求“存在于个体域中的某些个体或某个个体x”,要服从所约定谓词关系。,例： (x) (y)(CLASSMATE(x，y) UNIVERSITY-TECHNOLOGY(x)；,该谓词逻辑表达了：对于所有的理工科的大学生来说，对于每个个体x，,就会存在一个个体y，使x和y满足同班同学的关系。,x,(Quantifiers),2.2.4 谓词公式概念及对问题的简单描述,14,采用表达式来描述复杂的问题,。,(1),原子命题,例如， 好朋友(小王，小张)； 梦想成真(小王)。,仅能表达单一意义且不可再细划分的一个简单命题称为原子命题。,通常个一阶零元命题、一阶一元命题就是原子命题。,(2),命题合式公式,原子公式（AF，Atomic Formula）,使用连接词和量词，联结组合原子命题在一起。,(3),谓词合式公式,（,原子谓词公式）,WFF (Well-Formula Folmula) ),把命题合式公式中的常量，采用,参量,变,元,来替代。,例：小王和小张是好朋友，平常无论谁有了喜事，俩人都高兴。现在小王梦想成真，,自然她们很高兴，请使用合式公式表达之。,假设：F(w，z)，小王和小张是好朋友；TR(w)，小王梦想成真；,G(w，z)，小王和小张很高兴。,用合式公式表示为：F(w，z)TR(w) G(w，z),2.2.4 谓词公式的永真性,15,要完成的智能任务表示为一个谓词公式时，则就转化成了求解该公式的真值,定义 如果谓词公式P对个体域D上的任何一个解释都取得真值T，则称P在D上是,永真,的；,如果P在每个非空个体域上都是永真的，则称,P永真,。,定理 如果谓词合式公式WFF对于个体域中的任何一个解释I都有 (,I,)WFF(I)T成立，,则该公式WFF是一个永真的公式。,类同上述，永假、非永真、非永假的概念，,定理 如果谓词合式公式WFF对于个体域中的任何一个解释I都有 (I)WFF(I)F,成立，则该公式WFF是一个永假式。,定理 如果谓词合式公式WFF在个体域中存在解释I，使得 (I)WFF(I)F成立，,则该公式WFF是一个非永真公式；并且该解释I是此公式的一个反模型。,定理 如果谓词合式公式WFF在个体域中存在解释I，使得 (I)WFF(I)T成立，,则该公式WFF是一个非永假公式；并且该解释I是此公式的一个模型。,可满足性与不可满足性,16,定义 对于谓词公式,P,，若至少存在一个解释，使得谓词公式,P,在此解下的真值为,T,，,则称公式,P,是可满足的；,反之，如果存在一个解释集,(set),，使得谓词公式,P,在其中的任何解释下的真值都为,F,，,则称公式,P,对该解释集是不兼容的或不可满足的。,显而易见，非永假公式是兼容的或可满足的，永假公式若不加以适应性的改造，,自然是永远不可满足的或不兼容的了。,2.2.5 谓词逻辑的知识表示及其特性,17,谓词知识表示符合人的逻辑思维习惯，可读性好，逻辑关系表达简便。既适宜作为,概念、状态、属性等事实性知识的表达，又能方便地采用谓词公式的形式，进行各,种智能行为的过程性描述与演绎推理。当然，谓词逻辑的连接特性还便于表达前提、,结论及因果关系等规则类型的控制性知识。,总之，用谓词逻辑进行知识表示，关键在于定义谓词和谓词的连接,。,2,.,2,.,5,.,1,用谓词逻辑和公式表达各种意境,例,2,.,6,分析如下命题和谓词逻辑，并尽可能正确地表述它的含义：,(1),蓝的,(,天,),飘,(,白云,),奔跑,(,马儿,),飞翔歌唱,(,鸟儿,),；,(2) ( x),好姑娘,(x),居住的地方,(z,，,x),遥远的,(z),(y),人,(y),行走经过,(y,，,z),回头留恋地张望,(y),。,机器翻译,让机器完成自然语言的自动翻译，这件工作难度比较大，因为机器缺乏知识。,但是要让机器先用谓词逻辑公式表达意境，进行谓词逻辑的语言转换，然后再转译为,后一种自然语言，就降低了机器直接翻译的难度。因此，这种表达方式可用于机器翻,译的研究中。,2.2.5 用谓词逻辑表示知识单元,18,谓词逻辑可用来进行知识单元的划分和表示，以便于知识库的管理和查询。,一般常采用事物名称或依据关键词的方法来完成方式和谓词的连接。,例,设有下述记录： 阿毛给阿娟送礼物； 阿毛是工程师； 阿娟是程序员；, 阿毛的地址是长城大道1059号； 阿娟的地址是黄山路746号。,用谓词逻辑(中或英文)表示上述记录，并分成必要的知识单元。,解 首先定义谓词，并注意直接用个体常量替代参量变元，得到：, GIVE(amao，ajuan，presents)；OCCUPATION(amao，engineer)；, OCCUPATION(ajuan，programmer)；ADDRESS(amao，1059-changcheng-st)；, ADDRESS(ajuan，746huangshan-rd).,可以把主要的个体常量作为关键词来划分知识单元。,关键词amao集中表示了关于阿毛的知识和情况，,尤其还表现了阿毛的一个,情感、性格特点（智能性要点）,给自己喜欢的女孩子买礼物；,关键词presents表现了礼物被传递的情况。,2.2.5. 用谓词逻辑描述智能行为过程例子,19,为了用谓词逻辑描述智能行为的过程，首先，应按照意境描述的需要，定义谓词,并给出每个谓词的确切含义；其次，注意个体域和量词辖域的约束与划定；然后，,再根据意境逻辑，利用连接词、量词把这些谓词关联起来。这样，就形成了一系,列的谓词逻辑公式，它们就表现了真实意境的描述。,例 如图所示，设有一个心字形的房间，机器人在,c,处。在房间内有,a,和,b,两张桌子，,桌子,a,上放着一台计算机。现在的任务是要求机器人从,c,处出发，把桌子,a,上的计算,机搬到桌子,b,上去，,完成任务后立刻再,返回,c,处。用谓词,逻辑描述机器人完,成这一工作的全过程。,图 让机器人完成,搬机器的任务,机器人完成搬机器的任务求解,1,20,解,(1),为了能够描述这个机器人世界的有关环境和状态变迁，要求必须先,定义谓词,。这里分别需要两类谓词：描述环境状态，表示机器人的操作。,1)首先定义描述环境状态的谓词。,TABLE(x)：x是桌子，个体域：x,a，b，c；,EMPTY(y)：y手中是空的，个体域：y,robot；,HOLDS(y，z)：y手中拿着z，个体域：z,computer；,AT(y，w)：y在w处，个体域：w,a，b，c；,ON(z，x)：z被放在x之上；,CLEAR(x)：x上是空的。,(2)利用连接词、量词等符号和已给出定义的谓词来表示环境状态,。,问题的初始状态可表示为：,S0：AT(robot，c)EMPTY(robot)ON(computer，a)CLEAR(b),TABLE(a)TABLE(b),要求达到的目标状态为：,Sg：AT(robot，c)EMPTY(robot)ON(computer，b)CLEAR(a),TABLE(a)TABLE(b),机器人完成搬机器的任务求解,2,21,(3) 从初始状态到达目标状态的变迁,，是通过机器人一步一步地执行操作类,谓词序列,，才逐步实现的。经过仔细分析，必要的操作谓词共有三类。,GOTO(x，w)：机器人从x走到w处；,PICKUP(x)：机器人在x处拿起计算机；,SETDOWN(x)；机器人在x处放下计算机。,（如果定义谓词太多，将造成信息冗余，增加了问题的复杂度；,如果定义谓词太少，就不够用。不过可以多去除少补充。,）,(4),按照行动计划，仔细选择操作，一步一步地进行,状态替换,，直到达到目标状态。,并把状态变迁过程和操作序列记录下来，即得到问题的解.,下面写出该过程的最优路径；,机器人完成搬机器的任务求解,3,22,AT(robot，c)EMPTY(robot)ON(computer，a),CLEAR(b)TABLE(a)TABLE(b),GOTO(c，a),AT(robot，a)EMPTY(robot)ON(computer，a),CLEAR(b)TABLE(a)TABLE(b),PICKUP（x),AT(robot，a)HOLDS(robot，computer)CLEAR(a),CLEAR(b)TABlE(a)TABLE(b),GOTO(a，b),AT(robot，b)HOLDS(robot，computer)CLEAR(a),CLEAR(b)TABLE(a)TABLE(b),SET-DOWN(b),AT(robot，b)EMPTY(robot)ON(computer，b),CLEAR(a)TABLE(a)TABLE(b),GOTO(b，c),AT(robot，c)EMPTY(robot)ON(computer，b)CLEAR(a),TABLE(a)TABLE(b),2.2.6 谓词逻辑知识表示特性概述,23,至于其求解过程，和前述机器人逻辑知识表示的主要特点是建立在某种形,式逻辑的基础上，并利用了逻辑方法研究推理的规律，即条件与结论之间,的蕴含关系。,逻辑表示法的主要优点如下。(1)自然,(2) 明确,(3) 精确,(4) 灵活,(5) 模块化,主要缺点如下(1)知识表示能力差,(2)知识库管理困难,(3)存在组合爆炸,(4),系统效率低,2.2.6 谓词逻辑知识表示特性2,24,综上所述，谓词逻辑是一种经典而基本的知识表示形式化方法，在人工智能,领域中最早用于机器定理证明，并取得了巨大成就。谓词逻辑进行智能推理过,程,严密规范，逻辑性强，自然性好，易于实现,，,模块化,具有许多优良的特性。,这也是谓词逻辑知识表示在人工智能中得以成功的主要原因。但是必须看到，,谓词属于二值逻辑（T和F），难以直接进行,不确定性问题,的处理；对于复杂,系统的求解问题，容易陷入冗长的演绎推理中，常常不可避免地带来求解效,率低甚至,组合爆炸,问题，因此。尚待人们不断地探索，寻求自然性好，效率,更高的知识表示方法。,例子1、情感、性格表达？,例子2、机械准确，达到要求,2.3 产生式知识表示法,25,2,.,3,.,1,产生式的知识表示,人,思维习性,产生式知识表示的语言因果结构关系,IF .，THEN .。,2,.,3,.,1,.,1,产生式系统的基本组成,（三部分）,产生式规则,(Production Rules),综合数据库,(Global Database),控制策略,(Control Strategy),图,2,产生式系统组成,产生式规则又常被称为产生式规则库或知识库，它和综合数据库是系统的具体,知识与信息的存储处理部件，是产生式系统的主体与基础，控制策略是系统的协同处理,机构，是产生式系统的指挥控制中心。产生式系统的知识表示主要体现于产生式规则和,综合数据库的表示。,产生式规则(库),综合数据库,匹配事实,调用规则,控制,策略,2.3.1.2 产生式规则的知识表示,26,产生式规则是产生式系统的主体关键部分，是知识表示的核心。,规则：,是指人们思维判断中的一种固定逻辑结构关系，,通常，产生式的结构关系可简单表达为PQ,或表达为自然语言形式，形如IF P，THEN Q,前件 P,是产生式的前提或引入的事实，表示规则成立时必须满足的条件；,后件 Q,是产生式的输出结果，表示规则成立时导出的结论或要采取的行动，,或进展状况或执行的操作。,前件P是规则的环境事实，后件Q是由前件P触发而导致的新事件新情况。,广泛使用的各种“条件,结论” ；“前提,操作” ；“事实,进展” ；“原因,结果” ；,“情况行为”结构等，比如：,(1) 和风送暖大地回春； (因果结构),(2) 天下雨地湿润；风吹草动； (因果或条件结构),(3) 夜闻风雨声花落知多少； (事实及其进展结构),(4) 刚才开机了意味着发出了捕获目标图像的,信,号； (情况行为),(5) 才饮长沙水又食武昌鱼； (事实及其进展结构),2.3.1.2,产生式规则的知识表示,2,27,没有写出背景条件的,隐含产生式,。例如：,(7) “中国的首都是北京”，即中国的首都是北京,隐含了北京的相关政治、历史、经济、地理及交通等背景条件的优势比较和介绍。,更复杂的情况,，,把产生式规则的一个或多个前提条件和逻辑结论相互并立、分立、合成、嵌套等。,(8) 四边形四边相等有一角是直角正方形；,(正方形四边形)(正方形四边相等)(正方形有一角是直角),(9) 甲到太白山游览山上突然刮起寒风甲仅仅身穿单衣冰雹雪花纷纷飘落,气候太寒冷了甲浑身打哆嗦；,(10) 甲到太白山游览山上刮寒风甲穿单衣山上下雪气候寒冷甲打哆嗦。,2.3.1.3 综合数据库的多元组表达,28,综合数据库用来表述问题空间的各种状态或有关的事实，存储了包括所要求解问题的,初始状态、目标状态、相关的静态环境知识、动态资料信息和规则知识等。,数据库黑板,工作内存,常数、变量、谓词、多元组，也可以是表结构、图形、图像、复杂的信息知识结构等。,P和Q的表示不再局限于命题或谓词形式。P和Q的表示归结为一种多元组，,P(S1，S2，Sk),Q(D1，D2，Dl),形如：(对象名，属性，值)；,(葡萄，味道，酸甜)：葡萄好吃，酸甜可口；,每两个对象再增加一个描述关系。形如：(对象i，相互关系，对象j)；,(梅花，欢喜，大雪)：“梅花欢喜漫天雪”；,多个对象可参考两个对象来处理；,小故事：,(大龟，赛跑，兔子)(兔子，样子，傲慢地睡着了)(龟，样子，拼命地爬行),(龟成功地胜过了兔子)；,对于不确定性的知识表示，用可信度因子),(小王，症状，咳嗽) (小王，病症，感冒，0.8) 小王咳嗽，八成是感冒了,。,Backus范式BNF(Backus Normal Form)描述形式？,29, ： , ：。,： | ,： AND AND),|OR ),：，,例2.5 一个用于动物识别的产生式系统,30,设该系统可以识别老虎、金钱豹、斑马、长颈鹿、企鹅、信天翁这,6,种动物。,其规则库包含如,15,条规则：,r1 IF,该动物有毛发,THEN,该动物是哺乳动,r2 1F,该动物有奶,THEN,该动物是哺乳动物,r3 IF,该动物有羽毛,THEN,该动物是鸟,r4 IF,该动物会飞,AND,会下蛋,THEN,该动物是鸟,r5 IF,该动物吃肉,THEN,该动物是肉食动物,r6 IF,该动物有犬齿,AND,有爪,AND,眼盯前方,THEN,该动物是肉食动物,r7 IF,该动物是哺乳动物,AND,有蹄,THEN,该动物是有蹄类动物,r8 IF,该动物是哺乳动物,AND,是嚼反刍动物,THEN,该动物是有蹄类动物,r9 IF,该动物是哺乳动物,AND,是肉食动物,AND,是黄褐色,AND,身上有暗斑点,THEN,该动物是金钱豹,r10 IF,该动物是哺乳动物,AND,是肉食动物,AND,是黄褐色,AND,身上有黑色条纹,THEN,该动物是虎,r11 IF,该动物是有蹄类动物,AND,有长脖子,AND,有长腿,AND,身上有暗斑点,THEN,该动物是长颈鹿,例2.5 一个用于动物识别的产生式系统2,31,r11 IF,该动物是有蹄类动物,AND,有长脖子,AND,有长腿,AND,身上有暗斑点,THEN,该动物是长颈鹿,r12 IF,该动物是有蹄类动物,AND,身上有黑色条纹,THEN,该动物是斑马,r13 IF,该动物是鸟,AND,有长脖子,AND,有长腿,AND,不会飞,THEN,该动物是鸵鸟,r14 IF,该动物是鸟,AND,会游泳,AND,不会，飞,AND,有黑白二色,THEN,该动物是企鹅,r15 IF,该动物是鸟,AND,善飞,THEN,该动物是信天翁,例 一个用于动物识别的产生式系统表达,32,长颈,斑马,长颈鹿,有蹄,黑条纹,长腿,有蹄类,哺乳动物,反刍动物,暗斑点,有毛,有奶,r1,r2,2.3.3 产生式知识表示法的应用特点,33,(1)自然：产生式知识表示自然、客观，符合人的思维习惯。,采用类似,IF.，THEN.”的工作模式,。,(2)可靠：表达知识类型全面、准确、成功有效，应用广。,产生式表示法既可用于表达确定性知识，又可用于表示不确定性知识；,既能用于表示事实性知识和过程性知识，又能方便地表示启发式知识。,(3)方便：便于模块化处理，便于规则设计，便于问题求解。,每条规则具有相同的模块形式.,(1),自然性,(2),模块性,(3),有效性,(4),一致性,产生式规则的主要缺点如下：,(1),效率较低,(2),不能表示结构性知识,2.4,苹果的语义网络,例子1,34,每个节点可以带有若干个属性；,弧是有方向、有标注的，方向用来体现节点间的主次关系，,标注则表示被连接的两个节点间的某种堵义联系或语义关系。,2.4语义网络表示法例子2,35,军港的夜啊静悄悄，,海浪把战舰轻轻地摇,年轻的水兵头枕着波涛,睡梦中露出甜美的微笑，海风你轻轻地吹,海浪你轻轻地摇,年轻的水兵多么辛劳，回到了祖国母亲的怀抱,让我们的水兵好好睡觉,，,，,环境,时间,动作,地点,某军港,摇动,轻轻地,战舰,海浪,静悄悄之夜，海风轻轻地吹。,某,天,夜,晚,与,2.4语义网络表示法,36,2.4.1 语义网络知识表示,2.4.1.1语义网络的概念,心理学模型，上下文环境,语义网络是一种通过概念及其语义关系来表达知识的有向图。,使用三种图形符号：框、带箭头及文字标识的线条、文字标识线；,并赋予三个名词，分别称为节点、弧、指针。,(1) 节点(Node) (结),用圆形、椭圆、菱形或长方形的框图来表示，,用来表示事物的名称、概念、属性、情况、动作、状态等。,在框图内再添加相应的个体名称或谓词关系标识，,以便简洁地表明该节点所表示的事物。,(2) 弧(Arc) (又叫做边或支路),节点之间用带箭头及文字标识的有向线条来联结，并又称之为有向弧，,用来表示事物之间的结构关系，即语义关系。,(3) 指 针(Pointer),也叫指示器，是在节点或者弧线的旁边另外附加的线条及文字标识等，,指针是用来对节点、弧线和语义关系所作的有关的补充解释与说明,。,2.4.1.2 基本的语义关系,37,(1),从属关系,(包括实例、泛化、分类关系),指具有共同属性的不同事物间的类别归并关系、成员关系或实例关系。,它体现的是“个体物与抽象类”、“成员与集体”的从属性质。,常用的从属关系有：,分类关系:,AKO,(A-Kind-Of)：含义为“是之中的一种”，,表示某事物是某类中的一个,“狗(类)是一种动物”,成员关系:,AMO,(A-Member-Of)；含义为“是之中的一员”，,表示某物是某类中的一员；,小华是大学生”,实例关系:,ISA,(is-a)：含义为“是一个”，,表示某事或某物是一个具体的实例。,“黄河是一条母亲河”,分类关系 成员关系 实例关系,从属关系的一个重要特征是具有属性的,继承性,，处在具体层的结点可以继承抽象层,结点的所有属性。,狗,动物,AKO,小华,大学生,AMO,黄河,母亲河,ISA,(2) 包含关系（聚类）,38,表示了下层概念是上层概念的一个,组成部分,的关系。包含关系不具备属性的继承性。,APO,(A-Part-Of)：含义为“是中的一部分”； “眼睛、耳朵是动物身体的一部分”,CO,(Composed-Of)：含义为“由所构成”，,表示了某一个(或某些,)事物是另一事物的一个组成部分或构成要素.,例如 “学生、教师、课程都是教学活动的要素”,包含关系,眼,动物身体,耳,APO,APO,学生,教学活动,课程,CO,CO,教师,CO,(3) 属性关系,属性关系表示对象及其属性之间的关系。,HAVE,：含义为“有”，表示上层结点具有下层结点所描述的属性值；,CAN,：,含义为“能”或“会”，表示上层结点能够执行下层结点所描述的功能。,例如，企鹅是一种有翅膀、会游泳的鸟。其中，“有翅膀”、“会游泳”就分别表示了企鹅所具有及所能够进行的属性关系。,2.4.1.3 复合语义关系,39,(1) 时间空间复合关系,时间空间关系分别表示某事物或事件发生的时间和位置地点。,BEFORE,：含义为“在之前”，表示上层事实发生在下层结点所描述的事件之前；,或者表示下层结点对象在上层结点对象的位置之前。,AFTER,下层结点对象在上层结点对象的位置之后。,AT,：含义为“在时刻”或“在地点”，,表示上层结点事实正好，在下层结点所描述的事件的时候或地点。,ON,：含义为“在之上”，表示上层的事物对象位于下层结点所描述的事物之上。,(2) 复合推论关系,复合推论关系表示了从一个概念或情况出发，推出另一个复合概念或事件的复合语义,构成关系，注意这里所说的复合关系，包含了各种复杂情况，,诸如多元关系、多语义成分的构成单元复合等。,BO,(Because-of：由于),FOR,（为了）,YHEN,（就，则）,GET,（使得，得到）,（3） 复合逻辑关系,NOR（非）、AND与、OR或,2.4.2.3语义网络知识表示特性,40,主要优点：,(1),结构化知识表示， 易于进行系统功能组合与集成，,易于模块功能组织与调用，,易于系统维护中进行功能扩充、更新与修改；,(2) 具有属性继承和匹配推理特性，便于实现机器学习与联想；,(3) 采用语义关系的有向图来连接，语义、语法、词语应用兼顾，,具有描述生动，表达自然，易于理解等优点,。,主要缺点,（,和严密的谓词逻辑知识比）,（1）没有公认严密的形式表达体系，,相关的知识表示和推理具有较大的灵活性， 带来了非一致性的缺点。,（2）语义网络知识表示的多样性也必然增加了程序设计和处理上的复杂性,。,2.5 框架表示法,41,2.5.1 框架知识表示系统,2.5.2 框架知识表示概述,框架理论认为自然界各种事物都可以看做是由一种通用的框架(Frame)组织所构成，,每个对象的框架又分别具有不同的特殊知识结构形式，并能够存储在大脑或计算机,的记忆中。当需要认识某个事物或对象时，可以按照框架理论的知识来表示和处理。,2,.,5,.,3,框架的知识表示实例,关于“大学教师”的框架设计模式如下,框架名：,姓名：单位,年龄：单位,性别：范围,学历：范围,职称：范围,部门：单位,住址：,工资：,参加工作时间：单位,健康状况：范围,其他：范围(，、),一般框 架,6.2.1,框架的概念,顾名思义，框架就是一种结构，一种模式，其一般形式是,:,| ,2.5.3.3 框架知识表示的特性,(1) 结构化的知识表示,框架结构表现了人类经验和抽象思维的特性，每个框架都表示了一个独立的知识,单元，形成了一个相对独立的知识模块。因此，框架知识表示法在实际应用中，具,有表达直观自然，描述层次简洁，易于理解，便于扩充，增删修改方便易行等优点。,(2) 模式匹配的推理手段,框架表示法采用模式匹配的经验手段，巧妙地利用了人和机器都可以进行细微比较,的智能，发挥了人和机器都可以进行模拟推理的思想。而且，模式匹配可以按照框,架的多方面多层次分别进行，便于控制推理过程的精度和效率。,(3) 继承性推理的方法,框架表示法能够把知识的内部结构关系与框架之间的联系结合起来，支持上层框架,概念抽象和下层框架信息共享的思想，这样，不仅减少了框架网络信息和属性知识,的冗余，而且较好地保证了下层与上层框架知识表达的一致性。,框架表示法的主要不足之处是难以表达过程性知识生动性.,43,2.5.1.2 建立框架的主要步骤,采用框架理论建立某个事物或对象的主要步骤：,建立框架模式与概念,依据以往的经验，可在脑海的记忆中勾画出一个粗略的框架模式，,予以装配，并给定一个框架名表示其概念。,(2),框架知识学习,对当前事物或对象进行观察与分析，把要认识的对象与选定的框架进行,比对，完成相关对象属性及其知识的了解与学习。,(3),框架的资料数值填写,在对该事物有了更加全面深入的了解后，再依据现实情况比照框架体的细节,加以替换、修改和补充，按照框架的数据项,(,所定义的框架槽名和框架的侧面,名的要求，完成相关对象属性及其知识等资料数值的填写，以便逐步形成一,个完整而具体的框架结构。,44,题目,（,1),用谓词逻辑描述,机器人完成搬机器的任务求解,智能行为过程,？,（,2）机器人摞积木问题 (人工智能原理及其应用扫描部分(自己书王万森 P33),（3）猴子摘香蕉问题 (人工智能原理及其应用扫描部分(自己书王万森 P35),（4）,45,