人智导（十七）：基于知识的方法

人智导（十七）：基于知识的方法

基于知识的智能体

• 智能体感知(perceiving)环境后决定在环境中如何行动
• 决策(decision making)：基于知识(knowledge)
• 知识表示与自动推理：表示语言(inference-capable representation)
• 智能体（知识系统）：知识库(KB) + 推理引擎(IE)

基于知识的智能体设计

• 知识库：世界中的事实和规则的集合（集合中的每一个元素我们称之为句子）
• 需要一种语言来构造句子（知识表示语言knowledge representation)
• 构造一个基于知识的智能体(KB-Agent)：
  • 需要有一种方式能增加新句子到知识库中
  • 需要有一种方式能实现问题(query)的解答（基于知识）

基于知识的智能体程序框架

Function KB-Agent(precept) returns an action
	static: KB
	        t
	TELL(KB, MAKE-PERCEPT-SENTENCE(percept, t))
	action <--- ASK(KB, MAKE-ACTION-QUERY(t))
	TELL(KB, MAKE-ACTION-SENTENCE(action, t))
	t <--- t+1
	return action

智能体与其知识库进行问与答的过程：

• 智能体告诉(tell)知识库，感知到了什么；然后询问(ask)知识库，应当如何行动
• 知识库根据它的知识给出回答(answer)
• 推理(inference)的细节：隐含于过程TELL与ASK中
• 表示(representation)的细节：隐含于两个MAKE函数中

基知识的智能体构建

基于知识的智能体构建，通过TELL告诉其需要知道的：

• 通过句子描述（表示知识），并且逐句地添加到知识库KB中（背景知识background knowledge）
• 构建的过程应尽可能简单，以句子的形式易于表示知识

推理示例：“魔怪世界”

魔怪世界：展示了推理的动机

情境的描述

• 感知(percepts)：stench, breeze, glitter, bump, cream 例如元组[stench, breeze, glitter, no bump, no scream]
• 动作(actions)：go forward, turn right, turn left, grab, shoot, limb
• 目标(goals)：没有被魔怪吃掉或没有落入陷阱，并获取到金子返回初始位置
• 环境(environment)：
  • 完全可观测？no
  • 动作的效果确定？yes
  • 环境是静态的？yes，魔怪和陷阱位置不变
  • 离散性的？yes

游戏中的推理

初始状态：在格子[1, 1], no stench, no breeze
推理出结论“陷阱在[3, 1]”：组合了在不同时间，不同地点获得的知识

知识表示语言

智能体具备知识

• 需要一种合适的表示知识语言
  • 知识(knowledge)能被显式地表示出来(represented explicitly)
  • 表示的语言可提供进行自动推理的机制(inference mechanism)
• 知识表示与自动推理：构建知识系统的关键

表示语言

• 自然语言(nature language)（中文、英文等等）
  • 极强的表达能力
  • 情境上下文依赖的(context-dependent)
  • 更多的是通讯的属性，而非仅仅表示
  • 多义性
• 程序设计语言（如C，Java等等）
  • 精确表示，例如$world[2,2]\leftarrow Pit$语义精确：[2,2]有陷阱
  • 不适于不精确和不完整的表示，例如：某些格子里有陷阱，[3,1]或[2,2]可能有陷阱
  • 表达能力不足
• 知识表示语言
  • 句子与事实间通过语言的语义(semantics)进行对应解释
  • 推理：能通过已知的句子推导出它们蕴含(entail)的新句子

知识表示语言的属性

• 结合自然语言和程序语言的优势
  • 强的表达性和简洁
  • 无二义性且情境上下文独立(independent of context)
• 句子组合型
  • 简单句可组合成复合句
  • 复合句的语义是其组成部分（简单句）语义的组合
• 句子之间的蕴含关系：取决于其在语义层面对应的事实间的关联
• 具有推理能力的表示
  • 推断出句子（集合）与句子之间的蕴含关系
  • 推理程序应当能回答任何问题$\alpha$，只要这个问题被知识库KB（句子集合）所蕴含

逻辑：通用知识表示语言

逻辑包括两个部分：

1. 语言，用以描述客观世界中的事实
   • 句法(syntax)：如何构造句子
   • 语义(sementics)：句子与具体事实间的系统性约束
2. 验证的理论(proof theory)
   • 通过给定的句子集（前提）推断出该句子集所蕴含的句子（结论）

机器推理

• 永真性(Validity)和不可满足性(Usatisfiability)
  • 永真性：在世界中所有可能的解释下都是真的，例如：格子[1,1]中有陷阱或没有陷阱
  • 不可满足性：在世界中所有可能的解释下都是假的
• 永真性与不可满足性：实现计算机推理的关键
• 机器推理的局限：机器不能理解句子本身所表达的含义
  魔怪世界中，如果问“探宝者进入格子[2,2]是否OK？”([2,2] is OK?)
  机器仅能做到的：
  判断句子"[2,2] is OK"是否被知识库(KB)所蕴含，亦即，句子"if KB is true then [2,2] is OK"是否是永真的
  逻辑推理：基于永真性的形式化推理
• 一个句子是永真的(valid)，当且仅当在所有解释情况下句子都是真(true)，例如$A\vee \neg A$
• 基于永真性的推理：KB蕴含$\alpha$当且仅当句子$KB\Rightarrow \alpha$是永真的
• 一个句子是不可满足的，当且仅当没有任何情况使得句子是真(true)，例如$A\wedge \neg A$ KB蕴含$\alpha$当且仅当句子$KB\wedge \neg \alpha$是不可满足的

机器自动推理的本质意义

• 句子的复杂性方面是没有限制的
  知识库可组合成一个句子，即构成复合句"if KB then P"
• 机器推理的特点：
  • 机器在完全不知句子的含义及其解释的情况下，可以推断出永真的结论
  • 而人是知道具体含义和解释的，所以机器推理出的结论对人而言是有意义的
• 自动推理的本质：通过纯机械的方式来验证句子的永真性
  [2, 2] is OK? 问题解答为 if KB then "[2, 2] is OK"的永真判断

智能体的逻辑推理

命题逻辑

基本概念

Propositions（命题）

• 在客观世界中成立或者不成立
• 每个命题有两种状态：真(true)或者假(false)

语法

原子(Atom)：常量：真(True)，假(False)；命题符号：P,Q,… （简单句）
联结符(Logical connectives)：组成复合句
$\wedge$（合取），$\vee$（析取），$\Rightarrow$（蕴含），$\iff$（等价），$\neg$（非）
文字(Literal)：是一个正原子或者是一个负原子
合式公式(wff)：（复合）句子

• 原子本身
• 用联结符组合wff

语义

• 解释(Interpretation)：原子和命题间的关联
  例如，P：野兽先辈具有屑鉴二相性
  P的值：真(true)
  明确一个解释，原子即有一个值true或false
• 真值表(Truth table)
  给定所有原子的解释，计算出wff的值
  真值表例：n个命题$2^n$

$P$	$Q$	$\neg P$	P ∧ Q P\wedge Q