人工智能导读课堂笔记（二）

人工智能课堂笔记（二）

知识表示

人类的智能活动主要是获得并运用知识。知识是智能的基础。为了使计算机具有智能，能模拟人类的智能行为, 就必须使它具有知识。但知识需要用适当的模式表示出来才能存储到计算机中去，因此, 知识的表示成为人工智能中一个十分重要的研究课题。 本章将首先介绍知识与知识表示的概念，然后介绍 一阶谓词逻辑、产生式， 框架、语义网络等当前人工智能中应用比较广泛的知识表示方法，为后面介绍推理方法、专家系统等奠定基础。

知识与知识表示的概念

• 知识：在长期的生活及社会实践中、在科学研究及实验中积累起来的对客观世界的认识与经验。
• 知识：把有关信息关联在一起所形成的信息结构。
• 知识反映了客观世界中事物之间的关系，不同事物或者相同事物间的不同关系形成了不同的知识。

知识的特性

1. 相对正确性： 任何知识都是在一定的条件和环境下产生的，在这种条件和环境下才是正确的；
   1+1=2 （十进制） 1+1=10 (二进制）

2. 不确定性

   1. 随机性引起的不确定性；
   2. 模糊性引起的不确定性；
   3. 经验引起的不确定性；
   4. 不完全性引起的不确定性；

3. 可表达性与可利用性

知识的表示

• 知识表示（knowledge representation）：将人类知识形式化或者模型化；
• 知识表示是对知识的一种描述，或者说是一组约定，一种计算机可以接受的用于描述知识的数据结构。
• 选择知识表示方法的原则：
  • 充分表示领域知识。
  • 有利于对知识的利用。
  • 便于对知识的组织、维护与管理。
  • 便于理解与实现。

一阶谓词逻辑表达式

产生式表达法

产生式

产生式通常用于表示事实、规则以及它们的不确定性度量，适合于表示事实性知识和规则性知识。

1. 确定性规则知识的产生式表达

2. 不确定性规则知识的产生式表达

3. 确定性事实性知识的产生式表示

4.不确定性事实性知识的产生式表示

产生式与谓词逻辑中的蕴涵式的区别：
（1）除逻辑蕴涵外，产生式还包括各种操作、规则、变换、算子、函数等。例如，“如果炉温超过上限，则立即关闭风门”是一个产生式，但不是蕴含式。
（2）蕴涵式只能表示精确知识，而产生式不仅可以表示精确的知识，还可以表示不精确知识。蕴涵式的匹配总要求是精确的。产生式匹配可以是精确的，也可以是不精确的，只要按某种算法求出的相似度落在预先指定的范围内就认为是可匹配的。

**产生式的形式描述及语义——巴科斯范式BNF（backus normal form）
**

符号“::=”表示“定义为”；符号“|”表示“或者是”；符号“[ ]”表示“可缺省”

产生式系统

把一组产生式放在一起，让它们互相配合，协同作用，一个产生式生成的结论可以供另一个产生式作为已知事实使用，以求得问题的解，这样的系统称为产生式系统。

框架表示法

一种结构化的表示方法，已在多种系统中得到应用。

• 框架表示法的一般结构：
  • 框架（frame）：一种描述所论对象（一个事物、事件或概念）属性的数据结构。
  • 一个框架由若干个被称为“槽”（slot）的结构组成，每一个槽又可根据实际情况划分为若干个“侧面”（faced）。
  • 一个槽用于描述所论对象某一方面的属性。
  • 一个侧面用于描述相应属性的一个方面。
  • 槽和侧面所具有的属性值分别被称为槽值和侧面值。
    
• 框架表示法的特点：

（1） 结构性：便于表达结构性知识，能够将知识的内部结构关系及知识间的联系表示出来。
（2）继承性：框架网络中，下层框架可以继承上层框架的槽值，也可以进行补充和修改。
（3）自然性： 框架表示法与人在观察事物时的思维活动是一致的。