1.问题求解
从人工智能初期的智力难题、棋类游戏等问题的研究中开始形成和发展起来的一大类解题技术,简称解题。解题技术主要包括问题表示、搜索和行动计划等内容。也有人对问题求解作更广泛的理解,即指为了实现给定目标而展开的动作序列的执行过程。这样,一切人工智能系统便都可归结为问题求解系统。
问题求解的研究涉及问题表示空间的研究、搜索策略的研究和归约策略的研究。目前有代表性的问题求解程序就是下棋程序,计算机下棋程序涉及中国象棋、国际象棋、跳棋、围棋等,水平已达到了国际锦标赛的水平。在下棋程序中应用的某些技术,如向前看几步,并把困难的问题分成一些比较容易的子问题,发展成为搜索和问题归约这样的人工智能基本技术。
尽管计算机下棋程序具有了很高的水平,但还有一些未解决的问题,如象棋大师们洞察棋局的能力。另一个问题是涉及问题的原概念,在人工智能中称为问题表示的选择,人们能找到某种思考问题的方法,从而使求解变易而解决该问题。到目前为止,人工智能程序已能知道如何考虑它们要解决的问题,即搜索解答空间,寻找较优解答。
通过研究下棋程序,人们发展了人工智能中的搜索策略及问题归约技术。搜索尤其是状态空间搜索和问题归约,已经成为问题求解的一种十分重要而又非常有效的手段,也是人工智能研究中的一个重要方面,人工智能中的许多概念如归约、推断、决策、规划等都与问题求解有关。
2.逻辑推理与定理证明
逻辑推理是指遵循逻辑规律来分析推理的思路,把不同排列顺序的意识进行相关性的推导就是逻辑推理。在同一思维过程中,同一个概念或同一个思想对象,必须保持前后一致性,亦即保持确定性,这是逻辑推理的一条重要思维规律。
定理证明是指数学领域中对臆测的定理寻求一个证明,证明定理时,不仅需要有根据假设进行演绎的能力,而且需要有某些知觉的技巧,因此,在人工智能研究中机器定理证明很早就受到注视。
逻辑推理是人工智能研究中最持久的子领域之一,其中特别重要的是要找到一些方法,只把注意力集中在一个大型数据库中的有关事实上,留意可信的证明,并在出现新信息时适时修正这些证明。对数学中臆测的定理寻找一个证明或反证,不仅需要有根据假设进行演绎的能力,而且许多非形式的工作,包括医疗诊断和信息检索都可以和定理证明问题一样加以形式化,因此,在人工智能方法的研究中,定理证明是一个极其重要的论题。
逻辑推理的实质是证明P(前提)→Q(结论)的永真性。但是,要直接证明P→Q的永真性一般来说是很困难的,通常采用的方法是反证法。在这一方面,海伯伦(Herbrand)与鲁宾逊先后进行了卓有成效的研究,提出了相应的理论及方法,为自动定理证明奠定了理论基础。尤其是鲁宾逊提出的归结原理使定理证明得以在计算机上实现,对机器推理做出了重要贡献。
逻辑推理研究在人工智能方法的发展中曾经产生过重要的影响和推动作用,是人工智能中最先进行研究并得到成功应用的一个研究领域。许多非数学领域的任务,如医疗诊断、信息检索、机器人规划和难题求解等都可以转化成一个定理证明问题,所以自动定理证明的研究具有普遍意义。