人工智能——知识的表示

知识的种类：

事实性知识，过程性知识，行为性知识，类比性知识，元知识

知识的要素：

事实、规则、控制、元知识

研究内容：

表示观的研究：认识论、本体论、知识工程

表示方法的研究：直接法、代替法（局部、分布。。。）

知识表示研究的特点：

1、智能行为特有的灵活性

2、AI的任务受到九三级装置的约束，这导致了所采用的“表示”必须同时满足“刻画智能现象”与“计算装置可以接受“，这两个有时是矛盾的条件。

表示方法：

替代表示法：

          局部表示法：最充分也是正统AI最经常使用的

          分布表示法：对局部表示法在智能行为表述尚不够充分而作的补充

直接表示法：

          正在引起越来越多AI研究者的注意。不可完全独立：考虑到“任何表示方法必须被计算机所接受” 这个先决条件，直接表示需要借助局部或部分表示形式。 

直接表示：

谓词表示：

         表达能力强、谓词可以代表变化的情况、在不同的知识之间建立联系

         作为应用最关的方法之一，原因为;

                 1、谓词逻辑与数据库，特别是关系数据库就有密切的关系

                 2、一阶谓词逻辑具有完备的逻辑推理算法

                 3、谓词逻辑本身具有比较扎实的数学基础，知识的表达方式决定了系统的主要结构。

                 4、逻辑推理是公理集合中演绎而得出结论的过程

         存在问题：

                 谓词表示越细，推力越慢、效率越低，但表示清楚。实际中是要折衷的。

产生式规则表示法：

推理方法：正向、反向、双向、与或树

如果目标是从一组给定事实出发，找出所有可能的结论，那么，通常使用正向推理。
如果目标是证实或否定某一特定结论，那么，通常使用反向推理，否则，从一组初始事实出发盲目地正向推理，可能得出许多和所要证实的结论无关的结论。

用产生式系统结构求解问题的过程和人类求解问题时的思维很相像。因而可以用它来模拟人类求解问题的思维过程。
可以把产生式系统作为人工智能系统的基本结构单元或基本模型看待。就好像是积木世界中的积木块一样。因而研究产生式系统的基本问题就具有一般意义。
表示的格式固定、形式单一、规则间相互独立,所以建立容易；推理方式单纯、知识库与推理机分离，修改方便、容易理解。 

优点：

       模块性

       灵活性

       自然性

       透明性

缺点：
       知识库维护难。
       效率低。为了模块一致性。
       理解难。由于规则一致性彼此之间不能调用。

语义网络表示法：

类属关系、包含关系、属性关系、位置关系、相近关系、时间关系、多元逻辑关系

推理方法：

         网络匹配：结构上的匹配，包括结点和弧的匹配

         继承推理：

         语义网络上的推理：网络上的搜索过程，正向、逆向、双向

推理特点：

         不十分明了，有继承规则

         可以用关系

         可以将语义网络引入逻辑含义

结论：

         优点：直观、清晰

         缺点：表达范围有限

语义网络的推理过程主要有两种：

1、继承：吧对事物的描述从概念节点或类节点传递到实例节点

2、匹配：待解问题的概念节点或网络片段与语义网络中的节点相一致，由此可以求得问题的答案

特点：

       优点：结构性好、联想性、自然性

       缺点：推理规则不十分明显，表达范围有限，一旦节点个数太多，网络结构复杂

框架表示法：

定义：框架是由若干个结点和关系（统称为槽）构成的网络。是语义网络更一般化形式的一种结构。同语义网络没有本质的区别。如将语义网络结点间弧上的标注也放到槽内就成了框架表示形式。

脚本表示法：

如：电影脚本

过程表示：

混合型知识表示方法：

根据需要表示的知识的特征来决定用二、三种方式联合表示。
            逻辑与框架：框架里的槽值可以对应与谓词项。 
            语义网络与框架：结点对应与框架，结点的参数就是框架的槽值。 
            产生式与框架：框架的槽值对应于一条产生式规则。 
            逻辑、产生式和过程式：产生式两端以谓词形式出现“活动”是个过程。 
            与神经网络结合 

各个方法特点：

            谓词逻辑方法只适用于确定性、陈述性、静态性知识，而对动态的、变化性、模糊性知识则很难表示。 
            产生式规则方法推理方法太单一，如果前提条件太多，或规则条数太多，则推理的速度将慢得惊人。 
            语义网络方法表达的知识面比较窄。 
            框架方法表示的知识横向关系不太明确。（纵向从属继承关系很明确） 

面向对象的知识表示方法：

有属性继承、特征描述结构化等优点