第一章 人工智能概述
1.1 人工智能定义方法
- 类人思维方法(认知模型方法):基于人类思维工作原理的可检测理论去定义。
例如典型代表是贝尔曼( Bellman )于1978年提出的定义:人工智能是那些与人的思维、决策、问题求解和学习等有关活动的自动化;通用问题求解程序(general problem solving,GPS)。 - 类人行为方法(图灵测试方法):基于人类自身的智能去定义。
典型代表是库兹韦勒(Kurzweil) 于1990年提出的定义:人工智能是一种创建机器的技艺,这种机器能够执行需要人的智能才能完成的功能。 - 理性思维方法(思维法则方法):基于逻辑推理定义智能的方法。
典型代表 是查尼艾克(E.Charniak) 和麦克德莫特 (D.McDermott)于1985年提出的定义:人工智能是通过计算模型的使用来进行心智能力研究的。 - 理性行为方法(理性智能体方法):基于智能体定义智能
典型代表是尼尔森( N.J.Nilsson)于1998年提出的定义:人工智能关心的是人工制品中的智能行为。 - 理性行为方法与理性思维方法的关系:
首先,理性行为和理性思维强调的重点不同。理性思维方法强调的是正确思维,而理性行为方法强调的则是理性行动。
其次,理性行为可以依据理性思维进行。
再其次,理性行为不一定要依据理性思维进行。
1.2 人工智能发展简史
- 第一阶段(1956年以前):孕育期
- 第二阶段(1956-1970):形成期
- 第三阶段(1970-20世纪80年代末):知识应用期
- 第四阶段(20世纪80年代末-本世纪初):从学派分立到综合
- 人工智能研究的三大学派:
随着人工神经网络的再度兴起和布鲁克斯(R.A.Brooks) 的机器虫的出现, 人工智能研究形成了符号主义、联结主义和行为主义三大学派。- 符号主义学派(符号,功能的模拟)
是指基于符号运算的人工智能学派,他们认为知识可以用符号来表示,认知可以通过符号运算来实现。例如,专家系统等。 - 联结主义学派(神经元,结构的模拟)
是指神经网络学派,在神经网络方面,继鲁梅尔哈特研制出BP网络之后,人工神经网络研究掀起了第二次高潮。之后,随着模糊逻辑和进化计算的逐步成熟,又形成了“计算智能”这个统一的学科范畴。 - 行为主义学派(感知和行动,动作的模拟)
是指进化主义学派,在行为模拟方面,麻省理工学院的布鲁克斯教授1991年研制成功了能在未知的动态环境中漫游的有6条腿的机器虫。 - 三大学派的综合集成
随着研究和应用的深入,人们又逐步认识到,三个学派各有所长,各有所短,应相互结合、取长补短,综合集成。
- 符号主义学派(符号,功能的模拟)
- 人工智能研究的三大学派:
- 第五阶段(本世纪初以来):智能科学技术的兴起
- 智能科学技术学科研究的主要特征
(1)由对人工智能的单一研究走向以自然智能、人工智能、集成智能为一体的协同研究;
(2)由人工智能学科的独立研究走向重视与脑科学、认知科学、等学科的交叉研究;
(3)由多个不同学派的独立研究走向多学派的综合研究;
(4)由对个体、集中智能的研究走向对群体、分布智能的研究;
(5)智能技术应用已渗透到人类社会的各个领域。
- 智能科学技术学科研究的主要特征
- 历史上的人工智能大师
阿伦图灵:
马文·明斯基:首位获得图灵奖的人工智能学者
约翰·麦卡锡:1956年发起达特茅斯会议,并提出“人工智能”概念。
赫伯特·西蒙:符号主义学派创始人。
艾伦.纽厄尔:符号主义学派创始人之一
爱德华.费根鲍姆:知识工程的提出者
劳伊·雷迪:大型人工智能系统的开拓者 - 我国人工智能研究发展简况:
1.3 人工智能研究领域
- 机器思维
- 推理
确定性推理:基于一阶经典逻辑。
不确定性推理:基于非经典逻辑和概率等。 - 搜索
状态空间搜索:一种用状态空间法求解问题时的搜索方法;
与/或树搜索:一种用问题规约法求解问题时的搜索方法。
- 推理
- 机器感知
- 计算机视觉
- 模式识别
- 自然语言处理
- 机器行为
- 智能控制/制造
- 机器学习
- 符号学习
- 神经学习
- 计算智能
- 神经计算(神经网络)
- 进化计算
- 模糊计算
- 分布智能
- 智能系统
1.4 人工智能的现状与思考
1.多学科交叉研究
2.多学派和多技术融合研究
3.分布智能研究
4.群体智能研究
5.社会智能研究
6.集成智能研究
7.认知计算与情感计算研究
8.智能系统与智能服务
1.5 人工智能对人类的影响
经济、社会、文化
第二章 知识表示
知 识 的 表 示 { 一 阶 谓 词 逻 辑 表 示 法 产 生 式 规 则 表 示 法 语 义 网 络 表 示 法 框 架 表 示 法 知识的表示\begin{cases} 一阶谓词逻辑表示法 \\产生式规则表示法 \\语义网络表示法 \\框架表示法 \end{cases} 知识的表示⎩⎪⎪⎪⎨⎪⎪⎪⎧一阶谓词逻辑表示法产生式规则表示法语义网络表示法框架表示法
2.1 知识与知识表示
- 知识的特性
相对正确性
不确定性:随机性、模糊性、不完全性、经验性
可表示性
可利用性
2.2 一阶谓词逻辑表示法
- 基础知识
- 指导变元、约束变元、自由变元
指导变元:量词后面的变元称为量词的指导变元;
约束变元:在一个量词的辖域中的与该量词的指导变元相同的变元称为约束变元;
自由变元: 其它的变元称为自由变元;
- 改名规则、换名规则、代替规则
- 改名规则: 一个变元在一个谓词公式中即可约束出现,又可自由出现,为了避免混淆,通常通过改名规则,使得一个谓词公式中一个变元仅以一种形式出现。
- 换名规则:在谓词公式中,将某量词辖域中出现的某个约束变元以及对应的指导变元更改为本辖域中没有出现过的个体变元符号,公式其它部分不变,谓词公式的等价性不变。
- 代替规则:在谓词公式中,将某量词辖域中出现的某个自由变元的所有出现用本辖域中未曾出现过的某个个体变元符号代替,谓词公式的等价性不变。
- 指导变元、约束变元、自由变元
- 谓词公式表示知识的步骤:
1.定义谓词及个体,确定每个谓词及个体的确切含义;
2.根据所要表达的事物或概念,为每个谓词中的变元赋以特定的值;
3.根据所要表达的知识的语义,用适当的联接符号将各个谓词联接起来,形成谓词公式。 - 例题
- 机器人移盒子
- 猴子摘香蕉
- 机器人移盒子
- 优点
严密性、自然醒、通用性、易于实现 - 局限性
效率低、知识表示能力差、组合爆炸
2.3 产生式表示法
- 基础知识
- 事实的表示
- 确定性知识:
(对象,属性,值):例如,(snow, color, white)或(雪,颜色,白)。其中,对象就是语言变量。
(关系,对象1,对象2):例如, (love, Wang Feng, country)或(热爱,王峰,祖国) - 非确定性知识:
(对象,属性,值,可信度因子): 其中,”可信度因子”是指该事实为真的相信程度。可用[0, 1]之间的一个实数来表示。
- 确定性知识:
- 事实的表示
- 产生式系统基本结构
- 综合数据库
(1)存放推理过程的各种当前信息
(2)作为推理过程选择可用规则的依据 - 规则库
- 控制系统
控制系统的主要任务:
1.选择匹配:按定策略从规则库种选择规则与综合数据库中的已知事实进行匹配。匹配是指把所选规则的前提与综合数据库中的已知事实进行比较,若事实库中存的事实与所选规则前提一致, 则称匹配成功,该规则为可用;否则,称匹配失败,该规则不可用。
2.冲突消解:对匹配成功的规则,按照某种策略从中选出条规则执行。
3.执行操作:对所执行的规则,若其后件为一个或多个结论,则把这些结论加入综合数据库;若其后件为一个或多个操作时,执行这些操作。
4.终止推理:检查综合数据库中是否包含有目标,若有,则停止推理。
5.路径解释:在问题求解过程中,记住应用过的规则序列,以便最终能够给出问题的解的路径。
- 综合数据库
- 例题
- 猴子摘香蕉
- 传教士与野人问题
N个传教士,N个野人,一条船,可同时乘坐k个人,要求在任何时刻,在河的两岸,传教士的人数不能少于野人的人数。问:如何过河? (以N=3, k=2为例求解。)
解:
描述:
初始状态:
目标状态:
- 猴子摘香蕉
- 优点
自然性、模块性、有效性 - 缺点
效率较低、不便于表示结构性知识
2.4 语义网络表示法
- 基本语义关系
- (1)实例关系: ISA
“具体与抽象”的概念,含义为“是一个”,表示一个事物是另一个事物的一个实例。
- (2)分类关系: AKO
亦称泛化关系,体现的是"子类与超类"的概念,含义为"是一种",表示一个事物是另一个事物的一种类型。
- (3)成员关系: A-Member-of
“个体与集体"的关系,含义为"是一员”,表示一个事物是另一个事物的一个成员。
- (4)聚类关系
亦称包含关系。指具有组织或结构特征的"部分与整体"之间的关系。常用的包含关系是:
Part-of: 含义为"是一部分",表示一个事物是另一个事物的一部分
- (5)属性关系
指事物和其属性之间的关系。常用的有:
Have: 含义为"有" , 表示一个结点具有另一个结点所描述的属性
Can: 含义为"能"、“会”,表示一个结点能做另一个结点的事情
- (6)时间关系
指不同事件在其发生时间方面的先后次序关系。
常用的时间关系有:
Before: 含义为"在前"
After: 含义为"在后"
- (7)位置关系
指不同事物在位置方面的关系.常用的有:
Located-on: 含义为"在…上面"
Located-under : 含义为"在. . .下面"
Located-at: 含义为"在…"
Located-inside : 含义为"在. . .内"
Located-outside : 含义为"在…外"
- (8)相近关系
指不同事物在形状、内容等方面相似或接近。
常用的相近关系有:
Similar-to: 含义为"相似"
Near-to: 含义为"接近"
- (1)实例关系: ISA
- 一些具体例子
- 情况的表示
“小燕子这只燕子从春天到秋天占有一个巢”
- 事件和动作的表示
“常河给江涛一个优盘”
事件节点表示:
动作节点表示:
- 情况的表示
- 推理过程
- 继承
(1) 建立一个结点表,用来存放待求解结点和所有以ISA 、AKO等继承弧与此结点相连的那些结点。初始情况下,表中只有待求解结点。
(2) 检查表中的第一个结点是否是有继承弧。如果有,就把该弧所指的所有结点放入结点表的末尾,记录这些结点的所有属性,并从结点表中删除第一个结点。如果没有继承孤,仅从结点表中删除第一个结点。
(3) 重复(2) ,直到结点表为空。此时,记录下来的所有属性都是待求解结点继承来的属性。 - 匹配
(1) 根据待求解问题的要求构造一个网络片断,该网络片断中有些结点或孤的标识是空的,称为询问处,它反映的是待求解的问题。
(2) 根据该语义片断到知识库中去寻找所需要的信息。
(3) 当待求解问题的网络片断与知识库中的某语义网络片断相匹配时,则与询问处相匹配的事实就是问题的解。
- 继承
- 优点
结构性、联想性、自索引性 - 缺点
非严格性、复杂性
2.5 框架表示法
- 一个框架结构为:
Frame<框架名>
槽名A: 侧面名A1 值A11, 值A12, 值A13…
侧面名A2 值A21, 值A22, 值A23…
槽名B: 侧面名B1 值B11, 值B12, 值B13…
侧面名B2 值B21, 值B22, 值B23…
槽名C: 侧面名C1 值C11, 值C12, 值C13…
侧面名C2 值C21, 值C22, 值C23 …
… - 优点
结构性、深层性、继承性、自然性 - 缺点
缺乏框架的形式理论、缺乏过程性知识表示、清晰性难以保证
第三章 确定性推理
推 理 { 分 类 { 按 推 理 的 逻 辑 基 础 分 类 : { 演 绎 推 理 : 一 般 到 个 别 , 三 段 论 法 ( 大 前 提 、 小 前 提 、 结 论 ) 归 纳 推 理 : 个 别 到 一 般 按 所 用 知 识 的 确 定 性 分 类 : { 确 定 性 推 理 不 确 定 性 推 理 按 推 理 中 所 用 知 识 是 否 具 有 启 发 性 分 类 : { 启 发 式 推 理 非 启 发 式 推 理 控 制 策 略 { 推 理 策 略 : { 推 理 方 向 控 制 策 略 : 确 定 推 理 的 控 制 方 向 , 分 为 正 向 推 理 、 逆 向 推 理 、 混 合 推 理 及 双 向 推 理 。 求 解 策 略 : 仅 求 一 个 解 , 还 是 求 所 有 解 或 最 优 解 等 。 限 制 策 略 : 对 推 理 的 深 度 、 宽 度 、 时 间 、 空 间 等 进 行 的 限 制 。 冲 突 消 解 策 略 : 当 推 理 过 程 有 多 条 知 识 可 用 时 , 如 何 从 这 多 条 可 用 知 识 中 选 出 一 条 最 佳 知 识 用 于 推 理 的 策 略 。 搜 索 策 略 ( 第 四 章 ) : { 状 态 空 间 搜 索 { 盲 目 搜 索