人工智能导论复习

ai

智能定义的特征

具有感知能力 具有记忆与思维能力 具有学习及自适应能力 具有行为能力

人工智能的定义

人工智能是一门研究如何构造智能化机器（智能计算机）或智能系统，使得它能够模拟、延伸、扩展人类智能的学科

·····

所谓人工智能就是要用人工的方法在机器或计算机上实现的智能；或者说是人类智能在机器上的模拟；或者说是人们使机器具有类似于人的智能。由于人工智能是在机器上实现的，因此又可以称之为机器智能。又由于机器智能是模拟人类智能的，因此又可以称它为模拟智能。

·····

人工智能之父

图灵 麦卡锡 明斯基  帕普特

人工智能的研究目标

人工智能的研究目标是构造可实现人类智能的智能计算机或智能系统。他们都是为了“使计算机有智能”

远期目标：构造智能计算机作为人工智能研究的远期目标

近期目标：人工智能研究的近期目标是使现有的电子数字计算机更聪明、更有用、使它不仅能做一般的数值计算及非数值信息的数据处理，而且能运用知识处理问题，能够模拟人类的部分智能行为。

人工智能研究的基本内容

机器感知

机器思维

机器学习

机器行为

智能系统及智能计算机的构造技术

人工智能的研究途径

               以符号处理为核心的方法

                        人工智能的研究目标是实现机器智能，而计算机自身具有符号处理的推算能力，这种能力本身就蕴含着演绎推理的内涵，因而可以通过运行相应的程序系统来体现出某种基于逻辑思维的智能行为。

主要特征

1.立足于逻辑运算和符号处理，适合于模拟人的逻辑思维过程，解决需要进行逻辑推理的问题

2.知识可用显式的符号表示，在已知基本规则的前提下，无需输入大量的细节。

3.便于模块化，当个别事实发生变化时易于修改

4.能与传统的符号数据库进行链接

5.可对推理结论作出解释，便于对各种可能性进行选择

        以网络连接为主的连接机制方法

                试图通过许多人工神经元间的并行协同作用来实现对人类智能的模拟

主要特征

1.通过神经元之间的并行协同作用实现信息处理，处理过程具有并行性，动态性，全局性

2.通过神经元分布式的物理联系存储知识及信息，可以实现联想的功能。

3.通过神经元间连接强度的动态调整来实现对人类学习、分类的知识

4.适合于模拟人类的形象思维过程

5.求解问题时，可以比较快地求得一个近似解

第二章

命题逻辑表示法有较大的局限性，它无法把它所描述的客观事物的结构及逻辑特征反映出来，也不能把不同事物间的共同特征表述出来。

谓词逻辑中，命题是用谓词表达的，一个谓词可分为谓词名与个体这两个部分。个体表示某个独立存在的事物或某个抽象的概念；谓词名用于刻画个体的性质、状态或个体间的关系。

在谓词中个体可以是常量，也可以是变元，还可以是一个函数

在用谓词表示客观事物时，谓词的语义时由使用者根据需要人为定义的。

当谓词中的变元都用特定的个体代替时，谓词就具有一个确定的真值T或F。

谓词中包含的个体数目称为谓词的元数。

个体变元的取值范围称为个体域。

谓词公式：

1.连接词

2.量词

谓词公式的永真性，可满足性、不可满足性

什么随机现象：

在相同条件下重复进行某种实验时，实验结果不一定完全相同且不可预知的现象称为随机现象。

样本空间与随机事件

全概率公式

对一个较复杂的事件A，如果能找到一伴随A发生的完备事件组B1、B2```，而计算各个B的概率与条件概率P(A/Bi)相对又要容易些，这是为了计算与事件A有关的概率，可能需要使用全概率公式和Bayes公式。

1、全概率公式为概率论中的重要公式，它将对一复杂事件A的概率求解问题转化为了在不同情况下发生的简单事件的概率的求和问题。

内容：如果事件B1、B2、B3…Bn 构成一个完备事件组，即它们两两互不相容，其和为全集；并且P（Bi)大于0，则对任一事件A有

P(A)=P(A|B1)P(B1) + P(A|B2)P(B2) + ... + P(A|Bn)P(Bn)。

或者：p(A)=P(AB1)+P(AB2)+...+P(ABn))，其中A与Bn的关系为交)。

2、贝叶斯定理是关于随机事件A和B的条件概率（或边缘概率）的一则定理。其中P(A|B)是在B发生的情况下A发生的可能性。

早在18世纪，英国学者贝叶斯(1702～1761)曾提出计算条件概率的公式用来解决如下一类问题：假设H[1],H[2]…,H[n]互斥且构成一个完全事件，

已知它们的概率P(H[i]),i=1,2,…,n,现观察到某事件A与H[1],H[2]…,H[n]相伴随机出现，且已知条件概率P(A|H[i])，求P(H[i]|A)。

模糊性：

所谓的模糊性时指客观事物在性态及类属方面的不分明性，其根源是在累死累活事物间存在一系列的过渡状态，它们互相渗透，互相贯通，使得彼此之间没有明显的分界线。

什么是知识：

知识是人们在长期的生活及社会实践中、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，就获得了知识。

知识的特性：

1.相对正确性

2.不确定性

由随机性引起的不确定性

由模糊性引起的不确定性

由不完全性引起的不确定性

由经验性引起的不确定性

3.可表示性与可利用性

知识的表示方法：

按控制性知识的组织方式：说明性表示法，过程性表示法，

目前用的较多的：一阶谓词逻辑表示法，产生式表示法，框架表示法，语义网络表示法，脚本表示法，过程表示法，Petri网表示法，面向对象表示法。

知识的表示要考虑：

1.充分表示领域知识

2有利于对知识的利用

3.便于对知识的组织，维护与管理

4.便于理解和实现

一阶谓词逻辑表示法的特点

自然性

准确性

严密性

容易实现

不能表示不确定的知识

组合爆炸

效率低

产生式表示法的特点

自然性

模块性

有效性

清晰性

效率不高

不能表达具有结构性的知识

动物识别

产生式表示法

综合数据库

规则库，匹配

产生式系统的分类

可交换的产生式系统

可分解的产生式系统

可恢复的产生式系统

框架表示法

框架是一种描述所论对象属性的数据结构。在框架理论中，将其视作知识表示的一个基本单位。

一个框架由若干个“槽”组成，每一个槽又可根据实际情况划分为若干个“侧槽”。一个槽用于描述所论对象某一方面的属性，一个侧面用于描述相应属性的一个方面。槽和槽面所具有的属性值分别称为槽值和侧面值。

框架中槽的设计及组织

充分表达事物各有关方面的属性

充分表达事物之间的联系

语义网络表示法

语义网络通过概念及其语义关系来表达知识的一种网络图。从图论的观点来看，他其实就是一个“带标识的有向图”。

 

 

知识的语义网络表示

1 .用语义网络表示事实

2.用语义网络并表示有关事实之间的关系

3.用语义网络表示比较复杂的知识

语义网络表示法的特点

结构性

联系性

自然性

非严格性

处理上的复杂性

推理： 从出事证据出发，不断运用知识库中的已知知识，逐步推出结论的过程。

推理方式及其分类

1.演绎推理 归纳推理 默认推理

2.确定性推理 不确定性推理

3.单调推理，非单调推理

4.启发式推理，非启发式推理

5.基于知识的推理，统计推理，直觉推理

2	如果x是y的父亲,y是z的父亲,则x是z的祖父.利用归结演绎推理证明:对于某个人u,一定存在人v,v是u的祖父
	F(x,y)：y是x的父亲 G(x,y)y是x的祖父 F(x,y)∧F(y,z)→G(x,z)：如果x是y的父亲,y是z的父亲,则x是z的祖父 G(u,v)：如果u则存在一个v是他的祖父。 字句集合： 1:F(x,y) 2:F（y,z） 3:Ø F(x,y)∨ØF（y,z）∨G（x,z） 4:ØG(u,v) 5: ØF（y,z）∨G（x,z）1+3 6: G（x,z）2+5 7:nil 4+6{u/x,v/y} 所以命题成立 如果更加详细的话，可以添加X是人这个谓词

补充题目：

张某被盗，公安局派出五个侦察员去调查。研究案情时，侦察员A说“赵与钱中至少有一人作案”；侦察员B说“钱与孙中至少有一人作案”；侦察员C说“孙与李中至少有一人作案”；侦察员D说“赵与孙中至少有一人与此案无关”；侦察员E说“钱与李中至少有一人与此案无关”。如果这五个侦察员的话都是可信的，试用归结演绎推理求出谁是盗窃犯。

定义谓词：p（x）：x作案。

由五个侦察员的话为真，有

P（z）Ú p（q）  （1）

P（q）Ú p（s）  （2）

P（s）Ú p（l）  （3）

Øp（z）Ú Øp（s）（4）

Øp（q）Ú Øp（l）（5）

把结论的否定加入结论的否定的否定的子句中去，得：

Øp（x）v ØP（x）（6）

因为这些全都是子句，所以化为子句集的步骤可以省略了。

（1），（4）归结得：

p（q）Ú Øp（s）（7）

（2），（7）归结得：

p（q） （8）

即：钱是盗窃犯。

（5），（8）归结得：Øp（l）（9）

李不是盗窃犯。

（3），（9）归结得：p(s) (10)

孙是盗窃犯。

（4），（10）归结得：Øp（z）

赵不是盗窃犯。

所以，钱和孙是盗窃犯。

正向推理：

逆向推理

模式匹配

所谓模式匹配是指对两个知识模式的比较与耦合，即检查这两个知识模式是否完全一致或者近似一致。如果两者完全一致，或者虽然不完全一致但其相似程度落在指定的限度内，就称他们是可匹配的，否则为不可匹配

代换：

冲突消解策略：

1.按针对性排序

2.按已知事实的新鲜性排序

3.按匹配度排序

4.根据领域问题的特点排序

5.按上下文限制排序

6.按照冗余限制排序

7.按条件个数排序

自然演绎推理

从一组已知为真的事实出发，直接运用经典逻辑的推理规则推出结论的过程称为自然演绎推理。

子句：在谓词逻辑中，把原子谓词公式及其否定称为子句

搜索：根据问题的实际情况不断寻找可利用的知识，从而构造一条代价较少的推理路线，使问题得到圆满解决的过程。

状态空间法：是用“状态”和“算符”来表示问题的一种方法。其中，“状态”用以描述问题求解过程中不同时刻的状况；“算符”表示对状态的操作，算符的每一次使用就使问题由一种状态变换为另一种状态。当达到目标状态时，有初始状态到目标状态所用算符的序列就是问题的一个解。

一般过程：

正向:

从用户提供的初始已知事实出发，在知识库KB中找出当前可适用的知识，构成可适用知识集KS，然后按某种冲突消解策略从KS中选出一条知识进行推理，并将推出的新事实加入到数据库中作为下一步推理的已知事实，在此之后再在知识库中选取可适用的知识进行推理，如此重复，直到求得了所要求的解，或者知识库中再无可适用的知识为止。

逆向:

首先选定一个假设目标，然后寻找支持该假设的证据，若所需的证据都能找到，则说明原假设成立；若无论如何都找不到所需证据，说明原假设不成立，此时需要另作新的假设。