知识与智能-CSDN博客

本文链接：https://blog.csdn.net/2401_84009749/article/details/137628033

本文讨论了知识的相对正确性及其在特定环境下的适用性，强调了知识的不确定性，包括由随机性、模糊性、经验和不完整性引起的不确定性，并探讨了知识在人工智能中的表示和专家系统的知识库设计。同时提及了前端开发中的知识体系和Python学习资源的提供。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1 我知道我一无所知

2 知识

3 知识的特性

3.1 相对正确性

3.2 不确定性

3.2.1 由随机性引起的不确定性

3.2.2 由模糊性引起的不确定性

3.2.3 由经验引起的不确定性

3.2.4 由不完全性引起的不确定性

3.3 可表示性与可利用性

1 我知道我一无所知

==========

18世纪初叶，爱尔兰籍的哲学家贝克莱，在牛顿光学研究和洛克感觉论的基础上，提出了一个怪诞的“非物质假设”，可以用后面十分有名的三句话加以概括：“存在就是被感知”；“物是观念的集合”；“对象和感觉原是一样东西”。在当时，他的思想只被人们视为荒谬的笑谈，有人怀疑他是否得了疯病，建议他进行精神之理疗，这可真是人类历史上一桩傻瓜嘲笑智者的典型案例。要知道，正是贝克莱首次提出了一个逻辑学上的重大，即感知和理智的终极无效性问题。而且，也正是基于这一点启示，休谟才不得不重新探讨经验本身的有效限度，从而揭开了人类深入研究精神本质和认知动量的新篇章。

譬如，我们认识一个物体，无非是基于它的形、色、声等感觉要素，但有关“形”的信息主要来自视觉，而视觉仅仅反映该对象的发光或反光属性，倘若某物既不发光也不反光，则对视觉来说它就不存在。至于“声”与“色”，则更属自欺的产物，前者是光谱波长的主观转换指标，后者是振动频率听觉转换感受。

人类的智能活动主要是获得并运用知识。知识是智能的基础。为了使计算机具有智能，能模拟人类的智能行为，就必须使它具有知识。但人类的知识需要用适当的模式表示出来，才能存储到计算机中并能够被运用。因此，知识的表示成为人工智能中一个十分重要的研究课题。

2 知识

=====

知识是人们在长期的生活及社会实践中，在科学研究及实验中积累起来的对客观世界的认识与经验。人们把实践中获得的信息关联在一起，就形成了知识。一般来说，把有关信息关联在一起所形成的信息结构称为知识。

信息之间有多种关联形式，其中用得最多的一种是用“如果……，则……”表示的关联形式。在人工智能中，这种知识被称为“规则”，它反映了信息间的某种因果关系。

例如：

我国北方的人们经过多年的观察发现，每当冬天即将来临，就会看到一批批的大雁向南方飞去，于是把“大雁向南飞”与“冬天就要来临了”这两个信息关联在一起，得到了如下知识：如果大雁向南飞，则冬天就要来临了。

3 知识的特性

========

3.1 相对正确性

知识是人类对客观世界认识的结晶，并且受到长期实践的检验。因此，在一定的条件及环境下，知识是正确的。这里，“一定的条件及环境”是必不可少的，它是知识正确性的前提。因为任何知识都是在一定的条件及环境下产生的，因而也就只有在这种条件及环境下才是正确的。例如，1+1=2，这是人尽皆知的正确知识，但它也只是在十进制的前提下才是正确的；如果是二进制，它就不正确了。

在人工智能中，知识的相对正确性更加突出。除了人类知识本身的相对正确性外，在建造专家系统时，为了减少知识库的规模，通常将知识限制在所求解问题的范围内。也就是说，只要这些知识对所求解的问题是正确的就行。例如，在后面介绍的动物识别系统中，因为仅仅识别虎、金钱豹、斑马、长颈鹿、企鹅、鸵鸟、信天翁七种动物，所以知识“IF 该动物是鸟 AND 善飞，THEN（则）该动物是信天翁”就是正确的。