（续上文） 一阶谓词逻辑和知识绑定

rel="File-List" href="file:///C:%5CDOCUME%7E1%5Cwus3%5CLOCALS%7E1%5CTemp%5Cmsohtmlclip1%5C01%5Cclip_filelist.xml"> rel="themeData" href="file:///C:%5CDOCUME%7E1%5Cwus3%5CLOCALS%7E1%5CTemp%5Cmsohtmlclip1%5C01%5Cclip_themedata.thmx"> rel="colorSchemeMapping" href="file:///C:%5CDOCUME%7E1%5Cwus3%5CLOCALS%7E1%5CTemp%5Cmsohtmlclip1%5C01%5Cclip_colorschememapping.xml">

基于谓词逻辑的推理是人工智能较早期的方法，此类人工智能方法的另外一个名称是函数型人工智能，其特点就是通过对函数形式的命题进行逻辑推理运算并求解。

 

在谓词逻辑中，命题是由谓词文字（函数），逻辑运算符和量词组成的：逻辑运算符有很多种，但是最后都可以简化为与、或、非的运算，乃至于互相嵌套的析取式和合取式；量词只有两个——存在和任取。关于谓词逻辑的基本理论我就不深入说了，随便找本离散数学的书都能找到，但是和人工智能相关的，有一个重要的概念：绑定。谓词逻辑的推理过程就是对结论中的所有变量进行求解的过程，而当一个变量的解被确定下来，则这个变量在整个问题空间中进入了“绑定”状态，或者说这个变量和某个值“绑定”了；绑定的意义在于，如果其他文字也使用这个变量，它们也会同时被绑定，如果你记得之前对泥孩子的讨论，你就会发觉这个过程和知识的传递很相似，但是它是瞬时的。当只有变量可以绑定时，我们称之为一阶谓词逻辑，而当谓词本身可以绑定时，我们称之为二阶谓词逻辑，二阶谓词逻辑比一阶谓词逻辑要复杂得多。

 

闲话少说，还是来看题目，这次换个看上去复杂点的：

 

假设一个社区里有四间并排的住房，分别住着四位绅士，他们分别喝不同的饮料，养不同的宠物，并且喜欢不同的颜色。现在我们有如下已知的信息：

 

a)       2号房里的绅士喜欢喝可乐

b)       3、4号房里的绅士都不喝咖啡

c)       养猪的绅士和养狗的绅士是邻居，并且他不住在第一间和最后一间房间

d)       养兔子的绅士喜欢兔子的红眼睛

e)       喝果汁的绅士不养猪

f)        喜欢咖啡的绅士也喜欢咖啡色

g)       1号房里的绅士不养兔子

h)       养猪的绅士不喜欢可乐

i)         喜欢喝茶的绅士喜欢黑色

 

现在不需要告诉我谁是谁，只需要告诉我喜欢紫色的绅士养什么宠物就行了。

 

先不管这些大叔的癖好有多古怪，正常的推理需要抓住关键的命题，如果你觉得头晕，我可以告诉你关键的命题是下面这几条：

a) 2号房里的绅士喜欢喝可乐

b) 3、4号房里的绅士都不喝咖啡

f) 喜欢咖啡的绅士也喜欢咖啡色

 

自己仔细想想，我们可以知道1号房里的绅士喝咖啡，喜欢咖啡色。再加上以下三个条件：

                c) 养猪的绅士和养狗的绅士是邻居，并且他不住在第一间和最后一间房间

                g) 1号房里的绅士不养兔子

                h) 养猪的绅士不喜欢可乐

 

可以知道1号房的绅士养猫。再加上：

e)       喝果汁的绅士不养猪

j)         喜欢喝茶的绅士喜欢黑色

 

可以知道养猪的绅士只能喝茶，由此他喜欢黑色，由于他不能住在1、2和4号房，所以他只能住在3号房。由此再加上养兔子的绅士喜欢红色，我们可以知道喜欢紫色的绅士养狗（但是我们仍然不知道他们住在哪个房间里）。

 

现在让我们用谓词逻辑来求解，先尝试描述所有的条件和结论——由于是刻意编排的题目，所以这个任务并不复杂。

（全文链接在这里http://d.download.csdn.net/down/870952/sandrowjw，因为有公式发不上来了，word格式的，用Linux的同学找浏览器凑合着看吧……）