在不少推理中,有的结论不是一定对也不一定错,具有不确定性
- 不确定性是智能问题的本质特征;
- 智能主要反映在求解不确定问题的能力上;
不确定性推理是指推理中使用的前提条件,判断是不确定的或模糊的,因而推理所得出的结论和判断也是不精确的,不确定的或模糊的
- 证据的不确定性;
- 规则的不确定性;
- 方法的不确定性;
这三种性质的构成不确定性推理;
知识不确定性的来源
- 随机性(最常见的不确定性)
- 使世界充满未知的魅力;
- 说明事物的普遍规律;
- 个体“机遇”是一种特殊的随机性:小概率事件;
- 模糊性
- 能够用较少的代价,传送足够的信息,能对复杂事物做出高效率的判断和处理;
- 使生活简单有效;
- 1965年,扎德论文Fuzzy Sets正式创立模糊集合论,深入分析模糊性,近似性,随机和含混性,…
- 知识的不完备性
- 内容不完整:可能来源于获取知识时观测不充分,设备不精确
- 结构不完备:人认识能力,获取手段限制,对解决问题的背景和结构认识不全,忽略重要因素
- 知识的不协调性(知识内在的矛盾)
- 不协调性的程度依次为冗余,干扰,冲突等;
- 不协调性时知识不确定性的重要体现,是知识的一种常态
- 知识的非恒常性(知识随时间的变化而变化的特性)
- 人类对自然,社会乃至自身的认识都是一个由不知到知,由不深刻到深刻的不断更新的过程,是一个否定之否定的过程;
- 人类的知识是无限发展的,永远不可能停留在某个水平上
不确定推理要解决的问题
- 推理时运用知识求解问题的过程,是证据和规则相结合得出结论的过程
- 由于知识的不确定性,导致了所产生的结论的不确定性
- 不确定性推理反映了知识不确定性的动态积累和传播的过程,推理的每一步都需要综合证据和规则的不确定因素,通过某种不确定性测度,寻找尽可能符合客观事实的计算模式,通过不确定性测度的传递计算,最终得到结果的不确定性测度
- ES的不确定性表现在证据,规则和推理三个方面,需要对ES的事实与规则给出不确定性描述,在此基础上建立不确定性的传递计算方法;
- 要实现对不确定知识的处理,要解决:
- 不确定知识的表示问题
- 不确定信息的计算问题
- 计算的语义的解释问题
不确定性知识的表示问题
- 采用什么方法描述不确定性是解决不确定性推理的关键一步,有数值表示和非数值的语义表示方法(数值表示便于计算,比较;非数值表示是一种定性描述,以便于更好地解决不确定问题)
- ES中的不确定性一般分为知识的不确定性和规则的不确定性
- 知识不确定性 ( E → H , f ( H , E ) ) (E\to H,f(H,E)) (E→H,f(H,E)) 表示相应知识的不确定性程度,称为知识活规则强度
- 证据不确定性
(
E
,
C
(
E
)
)
(E,C(E))
(E,C(E)) 表示证据E为真的程度
- 证据的来源
-初始证据(由用户给出)
前面推出的结论作为当前的证据(通过计算得到) - 证据的不确定性的表示方法应与知识不确定性的表示方法保持一致,证据的不确定性通常也是数值表示,代表相应证据的不确定性程度,称为动态强度
- 证据的来源
不确定信息的计算问题(主要指不确定性的传播和更新,获得新消息的过程)
-
不确定性的传递算法
- 在每一步推理中,如何把证据及知识的不确定性传给结论
- 在多步推理中,如何把初始证据的不确定性传给结论
已知规则前提E的不确定性 C ( E ) C(E) C(E)和规则强度 f ( H , E ) f(H,E) f(H,E),求H的不确定性 C ( H ) C(H) C(H),即定义函数 f 1 f1 f1,使得:
C ( H ) = f 1 ( C ( E ) , f ( H , E ) ) C(H)=f1(C(E),f(H,E)) C(H)=f1(C(E),f(H,E))
-
结论不确定性合成
用不同知识进行推理有可能得到相同结论,但不确定程度不同:已知由独立… -
组合证据的不确定性算法
- 已知证据
E
1
E1
E1和
E
2
E2
E2的不确定性度量
C
(
E
1
)
C(E1)
C(E1)和
C
(
E
2
)
C(E2)
C(E2),求证据
E
1
E1
E1和
E
2
E2
E2的析取和合取的不确定性,即定义函数
f
3
f3
f3和
f
4
f4
f4使得:
C ( E 1 ) C(E1) C(E1)
- 已知证据
E
1
E1
E1和
E
2
E2
E2的不确定性度量
C
(
E
1
)
C(E1)
C(E1)和
C
(
E
2
)
C(E2)
C(E2),求证据
E
1
E1
E1和
E
2
E2
E2的析取和合取的不确定性,即定义函数
f
3
f3
f3和
f
4
f4
f4使得:
计算的语义的解释问题
- 指上述表示和计算的含义是什么,即对他们进行解释
- AI中处理不确定性问题的主要数学工具
- 概率论
- 模糊数学
- 知识的不确定性度量
f
(
H
,
E
)
f(H,E)
f(H,E)需要定义三个典型情况下的取值
- E为真,H为真, f ( H , E ) = ? f(H,E)=? f(H,E)=?
- …
不确定性推理的类型
![[不确定性推理的类型.png]]