人工智能
绪论
什么是人工智能
-
关于智能
-
关于智能的三个观点
-
思维理论
- 认为智能的核心是思维。人的一切智慧
或者智能都来自于大脑的思维活动,人
类的一切知识都是人们思维的产物。
- 认为智能的核心是思维。人的一切智慧
-
知识阈值理论
- 强调知识对于智能的重要意义和作用:智能就是在巨大知识库中迅速找到一个满意解的能力
-
进化理论
- 对外界事物的感知能力、对动态环境的适应能力
是智能的重要基础及组成部分。
- 对外界事物的感知能力、对动态环境的适应能力
-
※对上述三者总结
- 智能是知识与智力的总和。知识是智能
行为的基础,智力是获取知识、运用知
识的能力,它来自于人脑的思维活动。
同时,对外界事物的感知能力,是智能
的重要基础及组成部分。
- 智能是知识与智力的总和。知识是智能
-
-
智能的具体特征
- 感知能力
- 记忆与思维能力
- 学习能力及自适应能力
- 行为能力
-
-
人工智能的研究目标
-
目标
- 用人工的方法在计算机上实现智能(1956年)
-
※例子
-
图灵测试
- 测试者A不能分辨B、C哪个是电脑
-
深蓝(97年超级电脑)
- 深蓝有没有智能?
-
考试曾考过:图灵的梦想和深蓝哪个难实现
-
-
*人工智能发展简史
- 孕育阶段(1956之前)
- 形成阶段(1956-69)
- 发展阶段(1970—今)
人工智能研究及应用领域
- 专家系统与知识工程
- 机器学习
- 模式识别
- 自然语言处理与机器翻译
- 机器定理证明
- 博弈论
- 智能决策支持系统
- 人工神经网络
- 机器人学
- 智能体
知识工程
概述
-
什么是知识
-
把有关信息关联在一起所形成的信息结构称
为知识 -
信息和数据关系
- 数据是信息的载体和表示;信息是数据的语义
-
-
知识的特性
-
相对正确性
- 知识是经验的总结,有一定的适用条件
-
不确定性
-
随机性
- 如果A可能B
-
模糊性
- 高个子擅长打篮球
-
不完全性
- 对事物认识不完全不准确
-
经验性
- 专家系统大部分知识都有不确定性
-
-
可表示性与可利用性
-
-
知识的分类
-
按作用范围
- 常识型、领域型
-
按作用及表示
- 事实型知识、规则
-
按确定性
- 确定性知识、不确定性知识
-
按结构及表现形式
- 逻辑性知识、形象性知识
-
知识表示方法
-
定义
- 知识表示就是对知识的一种描述,一种计算机可以接受的用于描述知识的数据结构。
- 知识的两大类表示方法:符号表示法(本章)连接机制表示法(神经网络)用谁根据知识特点定
-
经典逻辑表示法
-
命题逻辑
- 命题是具有真假意义的语句
- 无法把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(最精确、最早)
-
一般形式
-
谓词的一般形式P (x1, x2,…,xn)其中,大写P是谓词名,x1, x2,…,xn是个体
-
个体可以是常量、变元或者函数
-
个体变元的取值范围称为个体域
-
谓词的语义由人指定
-
可以使用连接词构造简单的谓词公式
-
谓词的元和阶定义
- 元:变元数
- 阶:变元最多嵌套的谓词层数
-
和函数的区别
- 谓词是个体到真值映射
- 函数是个体到个体
-
-
-
谓词公式
- 单个谓词是合式公式,称为原子公式;
- 若A是合式公式,则¬A也是合式公式
- 若AB都是合式公式,加上连接词还是合式公式
- 若A是合式公式,x是任一个体变元,则
(任意x)A、(存在x)A都是合式公式 - 有限步上述规则得到的公式是合式公式
-
谓词公式的解释
- 在命题逻辑中对各命题变元的一次真值
指派称为命题公式的一个解释
- 在命题逻辑中对各命题变元的一次真值
-
推理规则
-
P规则
- 在推理的任何步骤都可以引入前提
-
T规则
- 推理时,如果前面步骤中有一个或者多个公式永真蕴含公式S,则可把S引入推理过程中
-
CP规则
- 如果能从R和前提集合中推出S来,则可从前
提集合推出R→S。
- 如果能从R和前提集合中推出S来,则可从前
-
反证法
- Q为P1,P2,…,Pn的逻辑结论,当且仅当
(P1∧P2∧…∧Pn)∧¬Q是不可满足的。
- Q为P1,P2,…,Pn的逻辑结论,当且仅当
-
逻辑推理
- 运用等价式、永真蕴涵式、及上述推理规
则进行推理
- 运用等价式、永真蕴涵式、及上述推理规
-
-
基于谓词逻辑的知识表示
-
事实:用谓词公式的与/或形表示
-
规则:用蕴涵式表示
-
步骤
- 首先定义谓词,指出每个谓词的确切语义,然后再用连接词把有关的谓词连接起来,形成一个谓词公式表达一个完整的意义
-
-
一阶谓词逻辑表示法的特点
-
优点
- 自然、精确、严密、容易实现
-
缺点
- 不能表示不确定性的、启发性、元知识
- 组合爆炸
- 效率低
-
-
-
-
产生式表示法(应用最多)
-
产生式的基本形式
-
事实的表示
- 三元组
- 四元组(不确定的知识)
-
规则的表示
- P→Q或If P Then Q
-
-
产生式与谓词逻辑蕴含式的区别
- 蕴含式只能表示精确知识;而产生式不仅可以表示精确知识,还可以表示不精确知识
- 产生式中前提条件的匹配可以是精确的,也可以是非精确的;而谓词逻辑蕴含式总要求精确匹配
-
产生式系统
-
规则库
-
用于描述相应领域知识的产生式集合
-
建立规则库应注意
- 有效地表达领域内的各种规则
- 便于对知识进行合理的组织与管理
-
-
综合数据库
- 又称为事实库、上下文、黑板等等。
存放已知的事实和推导出的事实
- 又称为事实库、上下文、黑板等等。
-
控制系统
-
又称为推理机构,负责整个产生式系统的运行
-
完成的工作:
- 按照一定的策略,匹配规则的条件部分
- 当多于一条的规则匹配成功时(称为冲突),选择其中一条规则加以执行(冲突消解)
- 将匹配规则的结论部分放入综合数据库或者执行相应操作
- 计算结论的不确定性
- 决定系统何时终止运行
-
-
-
产生式系统求解问题的一般步骤
-
即正向推理步骤
- 1初始化事实库
-
- 若规则库中存在尚未使用过的规则,且可匹
配成功,则转第3步。否则转第5步
- 若规则库中存在尚未使用过的规则,且可匹
-
- 执行当前选中的规则,并把结论送入事实库
-
- 检查事实库中是否已经包含了解。若有则终
止推理。若无则转第2步
- 检查事实库中是否已经包含了解。若有则终
- 5要求用户增添事实。若有则转第2步。若无则
终止推理
-
-
产生式系统的分类
-
按推理方向划分
- 正向(数据驱动)后向(目标驱动)和双向产生式系统
-
按确定性划分
- 确定性和不确定性产生式系统
-
-
产生式表示法的特点
-
优点
- 自然性、模块性、有效性、清晰性
-
缺点
-
效率不高
- 反复执行“匹配——冲突消解——执行”过程,容易引起组合爆炸
-
不能表达具有结构性的知识
-
-
-
确定性推理
必考大题:PPT上例子要会
概论
-
推理方式与分类
-
方式:用已知判断推出另一个判断
-
推理机:程序做推理
-
*分类
-
演绎推理、归纳推理、默认推理
- 演绎:从一般到特殊。例如三段论
- 归纳:从个体到一般
- 默认推理:缺省推理,在知识不完全的情况下假设某些条件已经具备所进行的推理
-
确定性、不确定性推理
-
单调推理、非单调推理
- 推出的结论是否单调增加(演绎推理,缺省推理)
-
启发式、非启发式推理
- 启发性知识是指与问题有关且能加快推理进程、
- 启发性知识是指与问题有关且能加快推理进程、
-
-