人工智能-知识推理

本章可以回忆下离散中的内容，直接看最后的两个期末题↓。

1.基于知识的Agent

基于知识的Agent的核心是知识库KB，知识库中的有些语句是直接给定的而不是推导得到的为公理。基于知识的Agent使用TELL方法将新的语句添加到知识库，使用ASK询问来查询目前所知内容。每次ASK时应遵循知识库的内容。

基于知识的Agent需要使用逻辑推理来完成TELL和ASK这两个任务。下面是逻辑相关的一些定义：

• 语义：定义句子的含义

• 模型：模型表示可能世界，例如x+y=4，可能模型是x和y的所有可能赋值

• 逻辑蕴含：若在使a为真的每个模型中，b也为真，则a|b

2.命题逻辑

符号主义人工智能是人工智能研究的一种学派。符号主义人工智能基于如下假设：可通过逻辑方法来对符号及其关系进行计算，实现逻辑推理，辨析符号所描述内容是否正确。

命题逻辑是形式化规则对以符号表示的描述性陈述进行推理的系统。相关的定义如下：

• 原子语句：由单个命题词组成，每个命题词代表一个为真或假的命题

• 任何一个命题或为真，或为假

• 命题联结词

• 逻辑等价：如果两个语句在同样的模型中为真，则是逻辑等价的，他们互相蕴含

• 有效性：如果一个语句在所有的模型中都为真，则它是有效的

• 可满足性：如果一个语句在某一个模型中为真，那么这个语句是可满足的，如果一个语句在任何一个模型中都不为真，则该语句是不可满足的

推理规则

命题逻辑中的推理规则主要有以下几条：

应用推理规则

在归结算法中，常用已有的命题进行推理，添加新的假设到已有命题中，然后继续推理，直到得到特定结果，这和搜索的过程类似。已有的命题在知识库(KB)中，已知为真，因此常将这些命题进行合取，产生一个合取范式。对于一个KB，新的假设为α，尝试证明KB蕴含α，如果可以证明，就将α加入KB，继续推理(搜索)。证明方式如下：

• 计算KB的合取范式，与¬α合取，得到KB∧¬α

• 对KB∧¬α进行消解，直到消解到合取范式中包含¬α和α，证明该式永假，因此KB∧¬α不可满足，KB蕴含α得证

前向链接算法与后向链接算法

• 前向链接算法：从知识库的已知事实出发，如果蕴涵式的所有前提已知，那么就把结论添加到已知事实集

• 反向链接算法：从查询Q开始从往前推导，已知推导目标，假定前提为真，如果前提与已知事实符合，则算法结束

前向链接是数据驱动的，会执行许多与目标无关的推导，反向推导是目标驱动的，复杂度通常要少于知识库的推导法则大小。

3.一阶逻辑(谓词逻辑)

谓词逻辑中，命题分解为个体，谓词，量词，基本元素为对象，关系，函数

 一阶逻辑进行归结，要求语句必须是合取范式(CNF)。

一阶逻辑的合取范式★

将一阶逻辑式转换为合取范式的过程如下：

• 消除蕴含词

• 将¬内移

• 变量标准化：重名变量改名

• 消除存在量词：不受其他量词限定的直接替换为常量，否则替换为F(x)，例如：

  • ∃x∀yP(x，y) 去除存在量词为 ∀yP(C, y)

  • ∀y∃xP(x，y) 去除存在量词为 ∀yP(F(y), y)，假设原意是对于任意y都有x，如果x换成常量，语义就变成了对于任意y都有同一个常量c，然而实际语义中每一个y都可以有不同的x，例如原意为任意一个人都存在喜欢的动物，如果将动物x换成常量喵，语义就变为了任意一个人都喜欢猫，这是不正确的，因此要把x替换为f(y)，表示任意一个人都喜欢一种动物(这种动物与具体的y有关)。

• 删除全称量词：直接删除

• 将∧分配到∨中

一阶逻辑的归结

将KB中的谓词逻辑公式转换为CNF，假设证明目标为A，将KB中的CNF与¬A消解，直到消解为空。

---

谓词推理题1

 谓词推理题2

a)把下列表达式转换为CNF形式(10分)

b)把下列语句用一阶逻辑语句表示出来，并使用归结算法对结论进行证明.（10分）

任何一个人如果通过了考试(pass exam)并且中了彩票(win a lottery)那么他是开心的(happy);任何人如果他是刻苦学习的(study hard)或者他是幸运的(lucky)那么他将通过考试；任何人如果他是幸运的那么他将中彩票；Jame是幸运的但他不刻苦学习；因此，Jame是开心的。