不确定性推理

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$(E\to H,f(H,E))$ 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 $(E,C(E))$ 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

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$C(E)$和规则强度$f(H,E)$，求H的不确定性$C(H)$,即定义函数$f1$,使得：
    $$C(H)=f1(C(E),f(H,E))$$

• 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$E1$和$E2$的不确定性度量$C(E1)$和$C(E2)$,求证据$E1$和$E2$的析取和合取的不确定性，即定义函数$f3$和$f4$使得：
    $$C(E1)$$

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$f(H,E)$需要定义三个典型情况下的取值
  • E为真，H为真，$f(H,E)=?$
  • …
    不确定性推理的类型
    ![[不确定性推理的类型.png]]