人工智能【稀缺资源路过别错过】

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,人工智能,第一章 人工智能概述,人工智能(Artificial Intelligence,简称AI)是在计算机科学、控制论、信息论、神经生理学、心理学、哲学、语言学等多种学科相互渗透的根底上开展起来的一门新兴边缘学科。它主要研究如何用机器计算机来模仿和实现人类的智能行为。目前把人工智能同原子能技术、空间技术一起称为20世纪的三大尖端科技成就。,内 容,人 工智 能 定 义 及 其 研 究 目 标,人 工 智 能 的 产 生 与 发 展,人 工 智 能 研 究 的 基 本 内 容,人 工 智 能 的 研 究 和 应 用 领 域,人 工 智 能 研 究 的 学 派 及 其 争 论,1 . 1,人工智能定义及其研究目标,1.1.1 人工 智能的定义,1. 什么是智能,是一种认识客观事物和运用知识解决问题的综合能力。,(1) 认识智能的三种观点：,智能来源于思维活动,这种观点称为思维理论，它强调思维的重要性，认为智能的核心是思维，人的一切智慧或智能都来自于大脑的思维活动，人的一切知识都是思维的产物，因而通过对思维规律与思维方法的研究可望揭示智能的本质。,智能取决与可运用的知识,这种观点被称为知识阈值理论，它把智能定义为：智能就是在巨大的搜索空间中迅速找到一个满意解的能力。知识阈值理论着重强调知识对智能的重要意义和作用，认为智能行为取决于知识的数量及其可运用的程度，一个系统所具有的可运用知识越多，其智能性就会越高。,智能可由逐步进化来实现,这种观点被称为进化理论，它是由美国麻省理工学院的布鲁克教授在对机器虫研究的根底上提出来的。他认为智能取决感知和行为，取决于对外界复杂环境的适应，智能不需要表示，不需要推理，智能可以由逐步进化来实现。,对智能给出如下的定义：,A. 通过适当的行为调整，成功地满足各种新的状况的能力；,B. 以导致所希望目标的方式来理解现有事实空间的相互关系。,(2) 智能的层次结构,高、中、低三个层次,高层智能以大脑皮层为主，主要完成记忆和思维等活动。,中层智能以丘脑为主，主要完成感知活动。,低层智能以小脑、脊髓为主，主要完成动作反响。,(3)智能所包含的的能力,智能具有感知能力,感知能力是指人们通过感觉器官感知外部世界的能力。它是人类最根本的生理、心理现象，也是人类获取外界信息的根本途径。,智能具有记忆与思维能力,记忆与思维是人脑最重要的功能，也是人类智能最主要的表现形式。记忆是对感知到的外界信息或由思维产生的内部知识的存储过程。思维是对所存储的信息或知识的本质属性、内部规律的认识过程。,人类根本的思维方式有抽象思维、形象思维和灵感思维。,智能具有学习和自适应能力,学习是一个具有特定目的的知识获取过程。学习和自适应是人类的一种本能。,智能具有行为能力,行为能力是指人们对感知到的外界信息做出动作反响的能力。,1 . 1 人工智能定义及其研究目标,1.1.1 人工 智能的定义,2. 什 么 是人工 智 能,1从能力和学科的角度来定义人工智能,定义1 ：(从学科角度),人工智能是一门研究如何构造智能机器或智能系统，使它能模拟、延伸和扩展人类智能的学科。,定义2 ：(从能力角度),人工智能是指用人工的方法在机器计算机上实现智能。,2如何衡量机器是否具有智能,1950年，英国数学家图灵(A.M.Turing)在他发表的一篇论文?Computing Machinery and Intelligence?中提出了“机器能思维的观点，并设计了一个很著名的测试机器智能的实验“图灵实验。,1 . 1 人工智能定义及其研究目标,1.1.2 人工智能的研究目标,1978年索罗门(A.Sloman)对人工智能总结了三个主要目标：,1对智能行为有效解释的理论分析；,2解释人类智能；,3构造智能的人工制品。,要实现这些目标，需要同时开展对智能机理和智能构造技术的研究。,近期目标：,如何使现有的计算机更聪明，使它能够运用知识去处理问题，模拟人类的智能行为，如,判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。为了实现这一目标，需要根据现有计算机的特点，研究实现智能的有关理论、方法和技术，建立相应的智能系统。,远期目标：,揭示人类智能的根本机理，用智能机器去模仿、延伸和扩展人类智能。,1.2 人工智能的产生与开展,人工智能产生与开展过程大致分为孕育、形成、知识应用、综合集成四个阶段。,1.2.1 孕育期(1956年以前),(1)英国数学家图灵1936年创立了自动机理论,推进了思维机器的研究,并为电子计算机的诞生奠定了根底。,(2) 匈牙利数学家冯.诺依曼,博弈论的创立者,1945年提出了存储程序的概念,在计算机领域建立了不朽的功勋。,(3)美国数学家电子计算机的先驱莫克利与他的研究生合作,1946年研制成功了世界上第一台通用电子计算机ENIAC,为机器智能的研究与实现提供了物质根底。,(4)美国数学家维纳1948年创立了控制论,是一门研究和模拟自控制的生物和人工系统的科学。,(5)美国数学家香农创立了信息论。,(6) 美国神经生理学家麦克洛奇和皮兹建立了第一个神经网络模型(MP模型)，开创了用微观人工智能的方法，从结构上模拟人脑的研究途径，为人工神经元网络的研究奠定了理论根底。,形成期(1956年1970年,主要研究有以下几个方面：,(1)心理学小组,1957年 ,逻辑理论机(Logic Theory Machine,LT)的研制,该程序模拟人类用数理逻辑证明定理时的思维规律，用它证明了?数学原理?中的38条定理，开创了用计算机研究人类思维活动规律的 工作。,1960年研制了通用问题求解程序(General Problem Solving，GPS)。该程序可以解决不定积分、三角函数、代数方程、猴子摘香蕉等问题。,(2) IBM工程课题研究小组,1956年，塞缪尔研制成功西洋跳棋程序，它是用机器模拟人类学习过程的成功探索，主要奉献在于发现了启发式搜索是表现智能行为的最根本机制。,(3)MIT小组,1958年，麦卡锡建立了行动规划咨询系统。,1960年，麦卡锡研制了人工智能语言LISP。,1961年，明斯基发表了“走向人工智能的步骤论文，推动了人工智能的开展。,4 其他方面,1965年，鲁宾逊提出归结消解原理，为自动定理证明做出了突破性的奉献。,1965年，美国斯坦福大学的费根鲍姆在他领导的研究小组内开始研究化学专家系统DENDRAL，于1968年完成投入使用，DENDRAL被称为专家系统的的 萌芽，是人工智能研究从一般思维探讨到专门知识应用的一次成功尝试。,1969年，国际人工智能联合会议IJCAI成立。,知识应用期(1971年-80年代末),1.挫折和教训,博奕方面、定理证明方面、问题求解方面等的问题。,2.以知识为中心的研究,专家系统是一个具有大量的专门知识，并能够利用这些知识去解决特定领域中需要由专家才能解决的那些问题的计算机程序。,1968年化学专家系统DENDRAL、1976年医学专家系统MYCIN、1976年地质勘探专家系统PROSPECTOR、1972年人工智能语言Prolog系统。,1977年，费根鲍姆正式提出了知识工程Knowledge Engineering，简称KE的概念。,知识表示、知识获取、知识利用是人工智能系统的三个根本问题。,1.2.4 综合集成期(20世纪80年代至今),在专家系统方面，逐步向多技术、多方法的综合集成与多学科、多领域的综合应用型开展。,目前，人工智能技术正在向大型分布式人工智能、大型分布式多专家协同系统、大型分布式人工智能开发环境和分布式环境下的多智能体Agent协同系统等方向开展。,但从目前看，人工智能仍处于学科开展的早期阶段，其理论、方法和技术都不太成熟，人们对它的认识也比较浅薄，甚至连人工智能能否归结、如何归结为一组根本原理也还是个问号。,1.3 人工智能研究的根本内容及特点,1.3.1 人工智能研究的根本内容,1.认知建模,认知的5种类型：,认知是信息的处理过程、认知是心理上的符号运算、认知是问题求解、认知是思维、认知是一组相关的活动，如知觉、记忆、思维、判断、推理、学习等。,人们对认知的研究形成了认知科学。其主要研究目的就是要说明和解释人类在完成认知活动时是如何进行信息加工的。,认知科学是人工智能的重要理论根底，对人工智能的开展起着根本性的作用。从认知观点看，人工智能不能仅限于逻辑思维的研究，还必须深入开展对形象思维和灵感思维的研究。,2.机器感知,就是让计算机具有类似于人的感知能力,如视觉、听觉、触觉等。,研究较多是：,1计算机视觉：给计算机配上能看的视觉器官，如摄象机等。,2计算机听觉：给计算机配上能听的听觉器官，如话筒，使计算机能识别和理解语言和声音等。,目前在人工智能中形成了专门的领域，如计算机视觉、模式识别、自然语言理解等。,3.机器思维,就是让计算机能够对感知到的外界信息和自己产生的内部信息进行思维性加工。,包括：机器逻辑思维、机器形象思维、机器灵感思维。机器思维是机器智能的重要组成局部。,为了实现机器的思维功能，需要在知识的表示、组织及推理方法，各种启发式搜索及控制策略，神经网络、人脑结构及其工作原理等方面进行研究。,4.机器学习,就是让计算机能够像人一样自动地获取新知识,在实践中不断的完善自我和增强能力。是人工智能研究的核心问题之一。,目前的机器学习方法有：机械学习、类比学习、归纳学习、遗传学习等。,5.机器行为,就是让计算机具有像人一样的行动和表达能力，如走、跑、说、唱等。,机器感知是智能系统的输入局部，机器行为那么是智能系统的输出局部。,6.智能系统与智能计算机,人工智能最终目标是建立智能系统或构造智能机器。需要开展对系统模型、构造技术、构造工具及语言环境等方面的研究。,1.3.2 人工智能研究的特点,1. 重视知识,知识是智能系统的根底，而获取和运用知识，应该对知识进行表示。,知识表示：用某种约定的方式对知识进行的描述。它有两种观点：,1表达性观点：将知识的表示与知识的运用分开处理，在知识表示时不涉及如何运用知识的问题。,2过程性观点：将知识的表示与知识的运用结合起来，知识就包含在程序之中。,两种观点各有利弊，人工智能采用最多的是表达性知识观点。,2.重视推理,推理就是根据已有的知识运用某种策略推出新知识的过程。,推理方法主要有：经典逻辑推理、不确定性推理、非单调性推理。,3.采用启发式搜索,搜索就是根据问题的现状不断寻找可利用的知识,使问题能够得以解决的过程。分为,盲目式搜索,和,启发式搜索,。,盲目式搜索,：仅按预定策略进行搜索，搜索中获得的信息不改变搜索过程的搜索方法。,启发式搜索,：指能够利用搜索中获得的问题本身的一些启发信息来指导搜索过程，使搜索朝最有希望的方向前进。,人工智能主要采用启发式搜索。,4.采用数据驱动方式,数据驱动,是指在系统处理的每一步,当考虑下一步该做什么时,需要根据此前所掌握的数据内容来决定。,与此相对应的是,程序驱动,：指系统处理的每一步及下一步该做什么是由程序事先预定好的。,智能系统使用数据驱动方式，因为这样更接近人类分析问题、解决问题的习惯。,5.用人工智能语言建造系统,人工智能语言,是一类适应于人工智能和知识工程领域的、具有符号处理和逻辑推理能力的计算机程序语言。能够完成非数值计算、知识处理、推理、规划、决策等具有智能的各种复杂问题的求解。,人工智能语言从总体上分为通用型和专用型两种。,1通用型人工智能语言：指以LISP为代表的函数型语言、以Prolog为代表的逻辑性语言、以C+为代表的面向对象语言。,2专用型人工智能语言：指有多种人工智能语言或过程语言相互结合而构成的，具有解决多种问题能力的专家系统开发工具和人工智能开发环境。,1.4 人工智能的研究和运用领域,1.4.1 机器学习,机器学习是人类智能的主要标志和获得知识的根本手段；机器学习(自动获取新的事实及新的推理算法)是研究如何使计算机能够模拟或实现人类的学习功能,是使计算机具有智能的根本途径；机器学习还有助于发现人类学习的机理和揭示人脑的奥秘。机器学习是一个有特定目的的知识获取过程，其内部表现为新知识结构的不断建立和修改，而外部表现为性能的改善。,1.4.2 自然语言理解,主要研究如何使计算机能够理解和生成自然语言。,一个能理解自然语言信息的计算机系统看起来就像一个人一样需要有上下文知识以及根据这些上下文知识和信息用信息发生器进行推理的过程。理解口头的和书写语言的计算机系统所取得的某些进展，其根底就是有关表示上下文知识结构的某些人工智能思想以及根据这些知识进行推理的某些技术。,1.4.3 专家系统,是一种基于知识的智能系统，它将领域专家的经验用知识表示方法表示出来，并放入知识库中，供推理机使用。,一般地说，专家系统是一个智能计算机程序系统，其内部具有大量专家水平的某个领域知识与经验，能够利用人类专家的知识和解决问题的方法来解决该领域的问题。,开展专家系统的关键是表达和运用专家知识，即来自人类专家的并已被证明对解决有关领域内的典型问题是有用的事实和过程。,1.4.4 模式识别,就是使计算机能够对给定的事物进行鉴别，并把它归入与其相同或相似的模式中。使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。,常采用的方法有：模板匹配法、统计模式法、句法模式法、模糊模式法和神经网络法。,1.4.5 计算机,视觉,是一门用计算机实现或模拟人类视觉功能的新兴学科。,实验说明，人类接受外界信息的80%以上来自视觉，视觉对人类是非常重要的。,机器视觉或计算机视觉已从模式识别的一个研究领域开展为一门独立的学科；在视觉方面，已经给计算机系统装上电视输入装置以便能够“看见周围的东西。,机器视觉的前沿研究领域包括实时并行处理、主动式定性视觉、动态和时变视觉、三维景物的建模与识别、实时图像压缩传输和复原、多光谱和彩色图像的处理与解释等。在图形图像识别方面如指纹识别、染色体识别；在医学方面有CT图像的脏器重建、医学图像的分析等；在工业方面有各种监测系统和生产过程监控系统。,1.4.6 机器人学,人工智能研究日益受到重视的另一个分支是机器人学，其中包括对操作机器人装置程序的研究。机器人是一种可再编程的多功能操作装置。这个领域所研究的问题，从机器人手臂的最正确移动到实现机器人目标的动作序列的规划方法，无所不包。目前已经建立了一些比较复杂的机器人系统。,机器人和机器人学的研究促进了许多人工智能思想的开展。智能机器人的研究和应用表达出广泛的学科交叉，涉及众多的课题，机器人已在各领域获得越来越普遍的应用。,1.4.7 博奕,是一个有关对策和斗智问题的研究领域。,1.4.8 自动定理证明,是让计算机模拟人类证明定理的方法，自动实现象人类证明定理那样的非数值符号演算过程,定理证明的研究在人工智能方法的开展中曾经产生过重要的影响。例如，采用谓词逻辑语言的演绎过程的形式化有助于更清楚地理解推理的某些子命题。许多非形式的工作，包括医疗诊断和信息检索都可以和定理证明问题一样加以形式化。因此，在人工智能方法的研究中定理证明是一个极其重要的论题。,我国人工智能大师吴文俊院士提出并实现了几何定理机器证明的方法，被国际上成认为“吴氏方法，是定理证明的又一标志性成果。,1.4.9 自动程序设计,是一种让计算机把用高级形式语言或自然语言描述的程序自动转换成可执行程序的技术。,对自动程序设计的研究不仅可以促进半自动软件开发系统的开展，而且也使通过修正自身数码进行学习(即修正它们的性能)的人工智能系统得到开展。程序理论方面的有关研究工作对人工智能的所有研究工作都是很重要的。,1.4.10 智能控制,人工智能的开展促进自动控制向智能控制开展。智能控制是指无须人的干预或需要仅可能少，就能独立地驱动智能机器实现其目标地自动控制。,智能控制是同时具有以知识表示的非数学广义世界模型和数学公式模型表示的混合控制过程，也往往是含有复杂性、不完全性、模糊性或不确定性以及不存在算法的非数学过程，并以知识进行推理，以启发来引导求解过程。,1.4.11 智能决策支持系统,是指在传统决策系统中增加了相应的智能部件的决策支持系统。,1.4.12 人工神经网络,是一个用大量的简单处理单元经广泛并行互连所构成的人工网络，用于模拟人脑神经系统的结构和功能。,神经网络已在模式识别、图象处理、组合优化、自动控制、信息处理、机器人学和人工智能的其它领域获得日益广泛的应用。,1.4.13 数据挖掘和知识发现,数据挖掘和知识发现是在数据库的根底上实现的一种知识发现系统,知识发现是知识信息处理的关键问题之一。,数据挖掘是通过综合运用统计学、粗糙集、模糊数学、机器学习和专家系统等多种学习手段和方法，从大量的数据中提炼出抽象的知识，从而揭示出蕴涵在这些数据背后的客观世界的内在联系和本质规律，实现知识的自动,数据挖掘和知识发现技术已获广泛应用。,1.4.14 分布式人工智能DAI,分布式人工智能(Distributed AI, DAI)是分布式计算与人工智能结合的结果。DAI系统以鲁棒性作为控制系统质量的标准，并具有互操作性，即不同的异构系统在快速变化的环境中具有交换信息和协同工作的能力。分布式人工智能的研究目标是要创立一种能够描述自然系统和社会系统的精确概念模型。,目前分布式人工智能的研究有两个主要方向：,1分布式问题求解：是要创立一个对某一问题进行共同求解的协作群体。,2多智能主体系统：是要创立一个多智能主体之间能够相互协调智能行为的、可以共同处理单个和多个目标的群体。,1.5 人工智能研究的不同学派及其争论,1.5.1 人工智能的三大学派,目前，在国际人工智能界公认的研究学派主要有符号主义、联结主义和行为主义。下面分 别对这些学派作些简单介绍。,l.符号主义,符号主义(Symbolicism)，又称逻辑主义(Logicism)、心理学派(PsychlOgism)或计算机学派(Computerism)，是基于物理符号系统假设和有限合理性原理的人工智能学派。,符号主义的代表性成果是1957年纽厄尔和西蒙等人研制的称为逻辑理论机的数学定理证明程序LT。LT的成功，说明了可以用计算机来研究人的思维过程，模拟人的智能活动。,这个学派主要代表性人物有纽厄尔、西蒙和尼尔逊等,。,2. 联结主义,联结主义(Connectionism)，又称仿生学派(Bionicsism)或生理学派(Physiologism)，是基于神经网络及网络间的联结机制与学习算法的人工智能学派。,其代表性成果是1943年由麦克洛奇和皮兹创立的脑模型，即MP模型。它从神经元开始进而研究神经网络模型和脑模型，为人工智能创造了一条用电子装置模仿人脑结构和功能的新途径。,3行为主义,行为主义(Actionism)，又称进化主义(Evolutionism)或控制论学派(Cyberneticsism)，是基于控制论和“感知一动作型控制系统的人工智能学派。行为主义认为人工智能起源于控制论，提出智能取决于感知和行为，取决于对外界复杂环境的适应；而不是表示和推理。,行为主义的代表性成果是布鲁克(Brooks)研制的机器虫。,1.5.2 人工智能理论的争论,1符号主义,符号主义认为：认知的基元是符号，认知过程就是符号运算过程，智能行为的充要条件是物理符号系统，人脑、电脑都是物理符号系统，智能的根底是知识，其核心是知识表示和知识推理，知识可用符号表示，也可用符号进行推理，因而可以建立基于知识的人类智能和机器智能的统一的理论体系。,2联结主义,联结主义认为：思维的基元是神经元，而不是符号，思维过程是神经元的联结活动过程，而不是符号运算过程：反对符号主义关于物理符号系统的假设，认为人脑不同于电脑，提出用联结主义的人脑工作模式取代符号主义的电脑工作模式。,3行为主义,行为主义认为：智能取决于感知和行动，提出了智能行为的“感知一动作模型，智能不需要知识、不需要表示、不需要推理，人工智能可以像人类智能那样逐步进化，智能只有在现实世界中通过与周围环境的交互作用才能表现出来，指责传统人工智能(主要指符号主义，也涉及联结主义)对现实世界中客观事物伪描述和复杂智能行为的工作模式做了虚假的、过于简单的抽象，因而，是不能真实反映现实世界的客观事物的。,1.5.3 人工智能研究方法的争论,1符号主义,符号主义认为人工智能的研究方法应为功能模拟方法。即通过研究人类认知系统的功能和机理，再用计算机进行模拟，从而实现人工智能。它主张用逻辑方法来建立人工智能的统一理论体系，但却遇到了“常识问题的障碍，以及不确知事物的知识表示和问题求解等难题，因此，受到其他学派的批评与否认。,2联结主义,联结主义主张人工智能的研究方法应主要采用结构模拟方法，即着重于模拟人的生理神经网络结构，并认为功能、结构与智能行为是密切相关的，不同的结构表现出不同的智能行为。目前，联结主义已提出多种人工神经网络结构和一些联结学习算法。,3行为主义,行为主义主张人工智能研究方法应采用行为模拟方法。他们也认为，功能、结构和智能行为是不可分开的，不同的行为表现出不同的功能和不同的控制结构。,综上所述，从不同学派对人工智能的研究方法来看，符号主义是从功能上模拟人类智能，联结主义是从结构上模拟人类智能，而行为主义那么是从行为上模拟人类的智能。,1.6 人工智能近其研究进展,1更新的理论框架研究,(1)宏观与微观相隔离。即从微观上认知科学等研究智能的层次太高、太抽象，而从宏观上符号主义、联结主义、行为主义研究智能的层次太低，二者相距甚远，无法有机结合。,(2)全局与局部相别离。即人类智能是脑系统的整体效应，而符号主义只抓住其抽象思维特性，联结主义只抓住其形象思维特性，行为主义那么仅抓住其行为特性和进化过程，这些研究都存在一定的局限性。,(3)理论与实际相脱节。即对人脑的宏观工作过程已有所了解，但对人脑的微观工作机制还知之甚少，在这种背景下所提出的智能理论只能是一些人的主观猜测。,2更好的技术集成研究,人工智能技术应该是各种信息处理技术及相关学科技术的集成。其中，要集成的信息技术除数字技术外还包括计算机网络、远程通信、数据库、计算机图形学、语音与听觉、机器人学、过程控制、并行计算、光计算机和生物信息处理等技术；要集成的学科那么包括认知科学、心理学、社会学、语言学、系统学和哲学等。,3更成熟的应用方法研究,软件是人工智能的核心技术，许多人工智能应用问题都需要开发很复杂的软件系统。因此，人工智能必须研究出更通用、更有效的开发方法，包括更高级的人工智能通用语言、更有效的人工智能专用语言与开发环境或工具。同时，在应用方面人工智能还需要寻找与发现问题分类与求解的新方法。就目前看采，比较有前途的几种应用方法研究有：多种方法混合技术、多专家系统技术、机器学习(尤其是神经网络学习)方法、硬件软件一体化技术以及并行分布式处理技术等。,第二章 知识表示,知识是一切智能行为的根底，也是人工智能的重要研究对象。要使计算机具有智能，就必须使它具有知识，而要使计算机具有知识，首先必须解决知识的表示问题。,知识表示包括知识表示的概念和知识表示方法。对知识表示方法，又可根据所表示知识确实定化程度，分为确定性知识表示和不确定性知识表示。,本章主要讨论知识表示的概念和确定性知识的表示方法，至于不确定性知识的表示问题将放第4章讨论。,2.1 知识与知识表示的概念,知识是人们在改造客观世界的实践中积累起来的认识和经验。通常，人们对客观世界的描述是通过数据和信息来实现的。,到目前为止知识还没有一个统一的、严格的形式化定义，下面给出其中最有代表性的三个定义：,知识是经过消减、塑造、解释、选择和转换的信息。,知识是由特定领域的描述、关系和过程组成的。,知识事实+信念+启发式。,2.1.1 知识,1. 什么是知识,2.1 知识与知识表示的概念,(1) 真假性与相对性,真假性是指可以通过实践或推理来证明知识为真或为假。,相对性是指知识的真与假是相对于某些条件、环境及时间而言的，即知识一般不是无条件的真或无条件的假，而是相对于一定条件的。,(2) 不确定性,知识的不确定性包括不完备性、不精确性与模糊性。,知识的不完备性是指在解决问题时不具备解决该问题所需要的全部知识。,知识的不精确性是指知识所具有的既不能完全被确定为真，又不能完全被确定为假的特性。通常，知识的不确定性是用“可信度、“概率等方法来描述的。,知识的模糊性是指知识的“边界不明确的特性。模糊知识的模糊性通常是用“可能性或“模糊度来度量的。,2.1.1 知识,2.,知识的属性,2.1 知识与知识表示的概念,(3) 矛盾性和相容性,矛盾性是指同一个知识集中的不同知识之间相互对立或不一致，即从这些知识出发，会推出不一致的结论。,相容性是指同一个知识集中的所有知识之间互相不矛盾。相容性也称为知识的一致性 。,(4) 可表示性与可利用性,可表示性是指知识可以用适当的形式表示出来。知识的可表示性为知识的存储、传播和利用奠定了根底。,知识的可利用性是指知识可以被用来解决各种各样的问题。,2.1.1 知识,2.,知识的属性,2.1 知识与知识表示的概念,(1) 按知识的性质,知识可分为概念、命题、公理、定理、规那么和方法等。,(2) 按知识的作用范围,知识可分为常识性知识和领域性知识。,领域性知识是指面向某个具体专业的专业性知识，这些知识只有该领域的专业人员才能够掌握和运用它。,常识性知识是指通用通识的知识。即人们普遍知道的、适应于所有领域的知识。,2.1.1 知识,3.,知识的类型,2.1 知识与知识表示的概念,(3) 按知识的作用,知识可分为事实性知识、过程性知识和控制性知识。,事实性知识(亦称为表达性知识)是用来描述问题或事物的概念、属性、状态、环境及条件等情况的知识。事实性知识主要反映事物的静态特征，一般采用直接表达形式。,过程性知识是用来描述问题求解过程所需要的操作、演算或行方等规律性的知识。过程性知识一般由与所求解问题有关的规那么、定律、定理及经验来构成。其表示方法主要有产生式规那么、语义网络等。,控制性知识(亦称元知识或超知识)是关于如何运用已有知识进行问题求解的知识。例如，问题求解中的推理策略、搜索策略和不确定性的传播策略等。,2.1.1 知识,3.,知识的类型,2.1 知识与知识表示的概念,(4) 按知识的层次,知识可分为表层知识和深层知识。,表层知识是指客观事物的现象以及这些现象与结论之间关系的知识。例如，经验性知识、感性知识等。表层知识形式简洁、易表达、易理解，但它并不能反映事物的本质。,深层知识是指事物本质、因果关系内涵、根本原理之类的知识。例如，理论知识、理性知识等。,2.1.1 知识,3.,知识的类型,2.1 知识与知识表示的概念,(5) 按知识确实定性,知识可分为确定性知识和不确定性知识。,确定性知识是可以给出其真值为“真或“假的知识。这些知识是可以精确表示的知识 。,不确定性知识是指具有“不确定特性的知识。不确定性的概念包含不精确、不完备和模糊。,2.1.1 知识,3.,知识的类型,2.1 知识与知识表示的概念,(6) 按知识的等级,知识可分为,零级知识、一级知识、二级知识等。,零级知识,是指问题领域内的事实、定理、方,法、实验对象和操作等常识性知识和原理性知识。,一级知识,是指具有经验性、启发性的知识。,二级知识,是指如何运用上述两级知识的知识。,在实际应用中，通常把零级知识和一级知识称为领域知识，把二级知识称为元知识(也称超知识)，把三级知识称为元元知识等。但目前人们研究,的主要是二级和二级以下的知识。,2.1.1 知识,3.,知识的类型,2.1 知识与知识表示的概念,(7),按知识的结构及表现形式,知识可分为,逻辑性知识,和,形象性知识。,逻辑性知识,是反映人类逻辑思维过程的知识。例如,人类的经验性知识，,这种知识一般都具有因果关系和难以精确描述的特点，它对应着逻辑思,维。,形象性知识,是通过事物的形象建立起来的知识，它对应着形象思,维。,2.1.1 知识,3.,知识的类型,2.1 知识与知识表示的概念,知识表示,就是对知识的一种描述，即用一些约定的符号把知识编码成一组计,算机可以接受的数据结构。,2,.,知识表示的要求,知识表示的目的不仅仅是为了把知识用数据结构的形式存储在计算机中，而更重要的是,能够方便且正确地运用和管理知识。,(1),表示能力,知识,表示能力,是指能否正确、有效地将问题求解所需要的各种知识表示出来。,知识表示能力包括以下三个方面：,一是知识表示范围的广泛性；二是领域知识表示的高效性；三是对非确,定性知识表示的支持程度。,知识表示能力是对知识表示的一个重要要求。,2.1.2 知识表示,1,.,什么是知识表示,2.1 知识与知识表示的概念,(1),可利用性,知识的利用是指使用知识进行推理，以求得问题的解。知识的可利用性包括对推理的适应,性和对高效算法的支持性。,(3)可组织性与可维护性,知识的组织是指把有关知识按照某种方式组成一种知识结构。,知识维护是指在保证知识的一致性与完整性的前提下对知识,所进行的增加、删除、修改等操作。,(4)可实现性,可实现性是指知识表示要便于在计算机上实现，便于直接由计算机对其进行处理。,(5)自然性与可理解性,自然性是指知识表示形式要符合人们的日常习惯和思维方式。,可理解性是指所表示的知识应易读、易懂、易获取、易维护。,2.1.2 知识表示,2.,知识表示的要求,2.1 知识与知识表示的概念,(1) 陈述性观点,陈述性知识表示是指以陈述的方式把知识用一定的数据结构表示出来，即把知识看作一种特殊的数据，知识表示仅说明描述的对象是什么，不涉及如何运用知识的问题。陈述性观点使知识作为一种独立于程序的实体而存在，把知识的表示和知识的运用分开处理。,主要优点是灵活简洁，演绎过程完整而确定，并且系统的模块性也比较好，其主要缺点是工作效率低，推理过程不透明，且不易理解。,(2)过程性观点,过程性知识表示是指以程序(亦称为过程)的方式把知识表示出来，即把知识寓于程序之中，把知识表示和运用知识结合起来。,过程性知识表示的优点是推理过程直接、清晰，有利于模块化，并且便于用特殊领域的启发式信息来防止推理思路的不相关和不自然，因此工作效率较高，其主要缺点是灵活性差，对知识的维护不方便。,2.1.2 知识表示,3.,知识表示观点,2.1 知识与知识表示的概念,知识表示方法又称为知识表示技术，其表示形式被称为知识表示模式。目前，使用较多的知识表示方法有,10,余种，如一阶谓词逻辑表示法、产生式表示法、语义网络表示法、框架表示,法、脚本表示法、过程表示法、面向对象表示法以及一些不确定性知识的表示方法等。,2.1.2 知识表示,4.,知识表示方法,2.2 一阶谓词逻辑表示法,定义2.1 一个陈述句称为一个断言。凡有真假意义的断言称为命题。,命题的意义通常称为真值，它只有真假两种情况。当命题的意义为真时，那么称该命题的真值为真，记为T，反之，那么称该命题的真值为假，记为F。,2.论域和谓词,论域是由所讨论对象之全体构成的非空集合。论域中的元素称为个体，论域也常称为个体域。,定义2.2 设D是个体域，P : DnT，F是一个映射，其中,Dn = (x1,x2,xn) | x1,x2,xnD,那么称 P 是一个n元谓词(n=1，2,)，记为 P(x1,x2,xn)。其中， x1,x2,xn为个体变元。,在谓词中，个体可以是常量、变元或函数。,2.2.1 一阶谓词逻辑表示的逻辑根底 1. 命题与真值,2.2 一阶谓词逻辑表示法,定义2.3 设D是个体域，f : Dn D一个映射，那么称 f 是D上的一个n元函数，记作,f(x1,x2,xn) (n=1, 2, ),其中， x1,x2,xn是个体变元。,在谓词P(x1,x2,xn)中，如果xi(i=1,2,n)都是个体常量、变元或函数，称它为一阶谓词。如果某个xi本身又是一个一阶谓词，那么称它为二阶谓词。,2.2.1 一阶谓词逻辑表示的逻辑根底 2.论域和谓词,2.2 一阶谓词逻辑表示法,(1) 连接词,连接词是用来连接简单命题，并由简单命题构成复合命题的逻辑运算符。它们分别是：, : 称为“非或者“否认。它表示对其后面的命题的否认，使该命题的真值与原来相反。, : 称为“析取。它表示所连结的两个命题之间具有“或的关系。, : 称为“合取。它表示所连结的两个命题之间具有“与的关系。, : 称为“条件或“蕴含。它表示“假设那么的语义。, : 称为“双条件。它表示“当且仅当的语义。,2.2.1 一阶谓词逻辑表示的逻辑根底 3. 连接词和量词,2.2 一阶谓词逻辑表示法,(2) 量词,量词是由量词符号和被其量化的变元所组成的表达式，用来对谓词中的个体作出量的规定。, : 全程量词符号，意思是“所有的、“任一个。, : 存在量词符号，意思是“至少有一个、“存在有。,全程量词的定义：命题(x)P(x)为真，当且仅当对论域中的所有x，都有P(x)为真。命题(x)P(x)为假，当且仅当至少存在一个x0D，使得P(x0)为假。,存在量词的定义：命题(x)P(x)为真，当且仅当至少存在一个x0D，使得P(x0)为真。命题(x)P(x)为假，当且仅当对论域中的所有x，都有P(x)为假。,2.2.1 一阶谓词逻辑表示的逻辑根底 3. 连接词和量词,2.2 一阶谓词逻辑表示法,定义2.4 项满足如下规那么:,(1) 单独一个个体是项;,(2) 假设t1, t2, , tn是项，f是n元函数，那么 f(t1, t2, , tn)是项；,(3) 由(1)、(2)生成的表达式是项。,定义2.5 原子谓词公式的含义为：,假设t1, t2, , tn是项，P是谓词符号，那么称P(t1, t2, , tn)为原子谓词公式。,定义2.6 满足如下规那么的谓词演算可得到合式公式：,(1) 单个原子谓词公式是合式公式;,(2) 假设A是合式公式，那么A也是合式公式;,(3) 假设A、B都是合式公式，那么AB，AB，AB，AB也都是合式公式；,(4) 假设A是合式公式，x是项，那么(x)A和(x)A也都是合式公式。,在合式公式中，连接词之间的优先级别是：,， ， ， ， ,2.2.1 一阶谓词逻辑表示的逻辑根底 4. 项与合式公式,2.2 一阶谓词逻辑表示法,2.2.1 一阶谓词逻辑表示的逻辑根底 5. 自由变元和约束变元,位于量词后面的单个谓词或者用括弧括起来的合式公式称为该量词的,辖域,，辖域内与量词中同名的变元称为,约束变元,，不受约束的变元称为,自由变元,。,例如： (,x),(,P(x,y),Q(x,y),),R(x,y),其中,(,P(x,y),Q(x,y),),是(,x)的辖域，辖域内的变元x是受(,x)约束的变元； R(x,y)中的x是自由变元；所有的y都是自由变元。,命题公式是谓词公式的一种特殊情况，也可用连接词把单个命题连接起来构成合式公式。,例如：,(,P,Q),，,P,(Q,R),，,(P,Q),(,Q,R),2.2 一阶谓词逻辑表示法,2.2.2,谓词逻辑表示方法,谓词逻辑不仅可以用来表示事物的状态、属性、概念等事实性知识，也可以用来表示事物的因果关系，即规那么。对事实性知识，通常是用否认、析取或合取符号连接起来的谓词公式表示。对事物间的因果关系，通常用蕴含式表示，例如，对“如果x，那么y可表示为“x y。,当用谓词逻辑表示知识时，首先需要根据所表示的知识定义谓词，然后再用连接词或量词把这些谓词连结起来，形成一个谓词公式。,2.2 一阶谓词逻辑表示法,2.2.2,谓词逻辑表示方法,解： 首先定义谓词：,PERSON(x)：表示x是人,HASFATHER(x，y)：表示x有父亲y,此时，该知识可用谓词表示为：,(,x)(,y)(PERSON(x),HASFATHER(x，y),例2.1 用谓词逻辑表示知识“每个人都有一个父亲。,2.2 一阶谓词逻辑表示法,2.2.2,谓词逻辑表示方法,解： 首先定义谓词：,TEACHER(x)：表示x是教师,STUDENT(y)：表示y是学生,TEACHES(x，y)：表示x是y的老师,例2.2 用谓词逻辑表示知识“所有教师都有自己的学生。,此时，该知识可用谓词表示为：,(,x)(,y)(TEACHER(x),TEACHES(x,y),STUDENT(y),该谓词公式可读作：对所有x，如果x是一个教师，那么一定存在一个个体y，x是y的老师，且y,是一个学生。,2.2 一阶谓词逻辑表示法,2.2.2,谓词逻辑表示方法,解： 首先定义谓词：,I(x)：x是整数,E(x)：x是偶数,O(x),：x是奇数,例2.3 用谓词逻辑表示知识“所有的整数不是偶数就是奇数。,此时，该知识可用谓词表示为：,(,x)(I(x),E(x),O(x),2.2 一阶谓词逻辑表示法,2.2.2,谓词逻辑表示方法,解： 首先定义谓词：,COMPUTER(x): 表示x是计算机系的学生,CLASSMATE(x，y): 表示x是y的同班同学,LIKE(x,，,y):,表示x喜欢y,例2.4 用谓词逻辑表示如下知识：,王宏是计算机系的一名学生。,李明是王宏的同班同学。,但凡计算机系的学生都喜欢编程序。,此时，该知识可用谓词表示为：,COMPUTER(Wanghong),CLASSMATE(Liming，Wanghong),(,x)(COMPUTER(x),LIKE(x,，programing,),2.2 一阶谓词逻辑表示法,2.2.3,谓词逻辑表示的应用,1.,机器人移盒子问题,设在一房间里，c处有一个机器人，a和b处各有一张桌子，分别称为a桌和b桌，a桌子上有一盒子，如下图。要求机器人从c处出发把盒子从a桌上拿到b桌上，然后再回到c处。请用谓词逻辑来描述机器人的行动过程。,2.2 一阶谓词逻辑表示法,2.2.3,谓词逻辑表示的应用,1.,机器人移盒子问题,解： 首先定义谓词如下：,TABLE(x)：x是桌子,EMPTY(y)：y手中是空的,AT(y，z)：y在z的附近,HOLDS(y，w)：y拿着w,ON(w，x)：w在x桌面上,其中，x的个体域是a,b；y的个体域是robot，z的个体域是a,b,c，w的个体域是box。,2.2 一阶谓词逻辑表示法,2.2.3,谓词逻辑表示的应用,1.,机器人移盒子问题,解： 问题的初始状态是：,AT(robot，c),EMPTY(robot),ON(box，a),TABLE(a),TABLE(b),问题的目标状态是：,AT(robot，c),EMPTY(robot),ON(box，b),TABLE(a),TABLE(b),2.2 一阶谓词逻辑表示法,2.2.3,谓词逻辑表示的应用,1.,机器人移盒子问题,解：机器人行动的目标是把问题的初始状态转换为目标状态，而要实现问题状态的转换需要,完成一系列的操作,。在本问题中，机器人需要执行以下三个操作：,Goto(x，y)：从x处走到y处,Pickup(x)： 在x处拿起盒子,Setdown(x),：在x处放下盒子,2.2 一阶谓词逻辑表示法,2.2.3,谓词逻辑表示的应用,1.,机器人移盒子问题,解：,这三个操作对应的条件与动作如下：,Goto(x，y),条件：,AT(robot，x),动作：,删除表：AT(robot，x),添加表：AT(robot，y),Pickup(x),条件：,ON(box,x)，TABLE(x)，AT(robot,x)，EMPTY(robot),动作：,删除表：EMPTY(robot)，ON(box,x),添加表：,HOLDS(robot,box),Setdown(x),条件：,AT(robot,x)，TABlE(x)，HOlDS(robot，box),动作：,删除表：,HOLDS(robot,，,box),添加表：,EMPTY(robot), ON(box,x),2.2 一阶谓词逻辑表示法,2.2.3,谓词逻辑表示的应用,1.,机器人移盒子问题,解：,下面给出这个机器人行动规划问题的求解过程:,开始,=,=,状态1初试状态,AT(robot,c) EMPTY(robot) ON(box,a) TABLE(a) TABLE(b),Goto(x, y),=,=,用c代换x,a代换y,状态2,AT(robot,a) EMPTY(robot) ON(box,a) TABLE(a) TABLE(b),Pickup(x),=,=,用a代换x,状态3,AT(robot,a) HOLDS(robot,box) TABLE(a) TABLE(b),Goto(x, y),=,=,用a代换x,b代换y,状态4,AT(robot,b) HOLDS(robot,box) TABLE(a) TABLE(b),Setdown(x),=,=,用b代换x,状态5,AT(robot,b) EMPTY(robot) ON(box,b) TABLE(a) TABLE(b),Goto(x, y),=,=,用b代换x,c代换y,状态6目标状态,AT(robot,c) EMPTY(robot) ON(box,b) TABLE(a) TABLE(b),2.2 一阶谓词逻辑表示法,2.2.3,谓词逻辑表示的应用,2.,猴子摘香蕉问题,如下图，设房间里有一只猴子(即机器人)，位于a处。c处上方的天花板上有一串香蕉，猴子想吃，但摸不着。房间的b处还有一个箱子，如果猴子站到箱子上就可以摸着天花板。用谓词逻辑描述猴子得到香蕉的行动规划。,2.2 一阶谓词逻辑表示法,2.2.3,谓词逻辑表示的应用,2.,猴子摘香蕉问题,解： 首先定义谓词如下：,AT(x，y)：表示x在y处,ONBOX：表示猴子在箱子上面,HB：猴子得到香蕉,其中，x的个体域是Monkey，Box，Banana，y的个体域是a，b，c。,2.2 一阶谓词逻辑表示法,2.2.3,谓词逻辑表示的应用,2.,猴子摘香蕉问题,解： 问题的初始状态是：,AT(Monkey，a),AT(Box，b),ONBOX,HB,问题的目标状态是：,AT(Monkey，c),AT(Box，c),ONBOX,HB,2.2 一阶谓词逻辑表示法,2.2.3,谓词逻辑表示的应用,2.,猴子摘香蕉问题,解：猴子行动的目标是把问题的初始状态转换为目标状态，而要实现问题状态的转换需要,完成一系列的操作,。在本问题中，猴子需要执行以下4个操作：,Goto(u，v)：表示猴子从u处走到v处,Pushbox(v，w)：表示猴子推着箱子从v处移到w处,Climbbox：表示猴子爬上箱子,Grasp：表示猴子摘取香蕉,2.2 一阶谓词逻辑表示法,2.2.3,谓词逻辑表示的应用,2.,猴子摘香蕉问题,解：这4个操作对应的条件与动作如下：,Goto(u，v),条件,：,ONBOX，AT(Monkey，u),动作,：删除表：AT(Monkey，u),添加表：AT(Monkey，v),Pushbox(v，w),条件,：,ONBOX，AT(Monkey，v)，AT(Box，v),动作,：删除表：AT(Monkey，v)，AT(Box，v),添加表：AT(Monkey，w)，AT(Box，w),Climbbox,条件,：,ONBOX，AT(Monkey，w)，AT(Box，w),动作,：删除表：,ONBOX,添加表：ONBOX,Grasp,条件,：ONBOX，AT(Box，c)，,HB,动作,：删除表：,HB,添加表：HB,2.2 一阶谓词逻辑表示法,2.2.4,谓词逻辑表示的特性,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,其主要缺点如下 ：,(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,2.3 产生式表示法,“产生式这一术语，是1943年在美国数学家波斯特提出的一种称为波斯特机的计算模型里被首次使用的。波斯特机的目的在于证明它和“图灵机具有相同的计算能力。在该模型中，波斯特主要是用类似于文法的规那么对符号串做替换运算，并把其中的每一条符号变换规那么称为一个产生式。此后，产生式不断开展。1972年纽厄尔和西蒙在研究人类的认知模型中开发了基于规那么的产生式系统。目前，产生式表示法已成为人工智能