文章目录
人工智能导论(概要)
人工智能概念
人工智能:用人工的方法在机器上实现的智能。
人工智能学科:一门研究如何构造智能机器或系统,使他能模拟、延伸、扩展智能的学科。
智能:知识与智力的总和。
知识是一切智能行为的基础。
智力是获取知识并应用知识求解问题的能力。
感知能力:80%视觉,10%听觉,其余10%。
机器智能衡量准则
图灵测试
推理方式
- 确定性推理
- 不确定性推理
人工智能研究领域
- 自动定理证明
- 博弈
- 模式识别
- 机器视觉
- 自然语言理解
- 智能信息检索
- 数据挖掘与知识发现
- 专家系统
- 自动程序设置
- 机器人
- 组合优化问题
- 人工神经网络
- 分布式人工智能与多智能体
- 智能控制
- 智能仿真
- 智能CAD
- 智能CAI
- 智能管理与智能决策
- 智能多媒体系统
- 智能操作系统
- 智能计算机系统
- 智能通信
- 智能神经网络系统
- 人工生命
谓词
谓词一般形式😛(x1,x2,…,xn)
个体x1,x2,…,xn:某个独立存在的事物或者某个抽象的概念。
谓词名P:刻画个体的性质、状态或个体间的关系。
谓词表示知识
- 定义谓词及个体
- 变元赋值
- 用连接词连接各个谓词,形成谓词公式
优点:1. 自然性
2.精准性
3.严密性
4.容易实现
缺点:1.不能表示不确定性的知识
2.组合爆炸
3.效率低
专家系统的组成
- 知识库
- 推理机
- 数据库
- 人机交互界面
- 解释器
- 知识获取
谓词消解
- 德摩根定律:非A v 非B = 非(A ^ B )
非A ^ 非B = 非(A v B )- 连接词化规律:
- 双重否定律:非P(非P(x)) = P(x)
- 逆否律:P(x)-> Q(x)= 非Q(x)-> 非P(x)
- 分配律:p(x)^ (Q(x)v R(x))= (p(x)^ Q(x))v( p(x)^ R(x))
- 结合律:p(x)^ (Q(x)^ R(x))=( p(x)^ Q(x))^ R(x)
- 蕴含等价式:p(x)-> Q(x) = 非p(x)v Q(x)
- 等价式:P(x)<->Q(x)= (P(x)Q(x))v(非P(x)非Q(x))
- 易名规则:全称xP(x)v 全称xQ(x)= 全称xP(x)v 全称yQ(y)
- 量词转换律:非全称xP(x) = 存在x非P(x)
非存在xP(x) = 全称x非P(x)
思维特点
对记忆的信息进行处理
不确定性具体原因
从不确定性的初始证据出发,通过运用不确定性的知识,最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论的思维过程。
- 随机性引起的不确定性
- 模糊性引起的不确定性
- 经验引起的不确定性
- 不完全性引起的不确定性
知识的特性
- 相对正确性
- 不确定性
- 可表示与可利用性
知识表示方法
符号表示法、连接机制表示法。
知识表示:将人类的知识形式化或者模型化。
永真
如果谓词公式P对个体域D上的任何一个解释都取得真值T,则称P在D上是永真;如果P在每个非空个体域上均永真,则称P永真。
永假
如果谓词公式P对个体域D上的任何一个解释都取得真值F,则称P在D上是永假;如果P在每个非空个体域上均永假,则称P永假。
事实与知识冲突消减
从已知事实出发,通过相关知识逐步推出结论或者证明某个假设成立或不成立的思维过程。
多种冲突消解策略:
1. 针对性排序
2. 按已知事实的新鲜性排序
3. 按匹配度排序
4. 按条件排序
辖域
全 称 量 词 : ∀ , 存 在 量 词 : ∃ 。 全称量词:\forall,存在量词:\exists。 全称量词:∀,存在量词:∃。
量词的辖域:位于量词后面的单个谓词或者用括弧括起来的谓词公式。
约束变元与自由变元:辖域内与量词中同名的变元称为约束变元,不同命的变元称为自由变元。
逻辑思维
- 依靠逻辑进行思维
- 思维过程是串行的
- 容易形式化
- 思维过程具有严密性、可靠性
经典思维
- 逻辑思维
- 形象思维
- 顿悟思维
推理分类
- 演绎推理(一般到个别)、归纳推理(个别到一般)、默认推理
- 确定性推理、不确定性推理
- 单调推理(基于经典逻辑的演绎推理)、非单调推理(默认推理就是非单调推理)
- 启发式推理、非启发式推理
自然演绎推理
从一组已知为真的事实出发,运用经典逻辑的推理规则退出结论的过程。
推理规则:
1. P规则
2. T规则
3. 假言推理
4. 拒取式推理
归纳推理
- 个别到一般
- 完全归纳推理(必然性推理)
- 不完全归纳推理(非必然性推理)
似然推理
似然函数:不可驳回函数或上限函数
模糊推理
从条件论域到结论论域的模糊关系矩阵R。通过条件模糊向量与模糊关系R的合成进行模糊推理,得到结论的模糊向量,然后采用“清晰化”方法将模糊结论转为精确量。
图灵测试
1950年图灵发表的《计算机与智能》中设置了一个测试,用以说明人工智能的概念。
命题
一个非真即假的陈述句。
谓词公式可满足与不可满足
对于谓词公式P,如果至少存在一个解释使得P在此解释下的真值为T,则称P是可满足的,否则,则称P是不可满足的。
演绎推理
一般到个别
三段论式(大前提、小前提、结论)
真值表
P Q 非P PvQ P^Q P->Q P<->Q T T F T T T T T F F T F F F F T T T F T F F F T F F T T
产生式系统
基本结构:
1. 规则库
2. 综合数据库
3. 控制系统
逆向推理
以某个假设目标作为出发点
基本思想:
1. 选定一个假设目标
2. 寻找支持该假设的证据,若所需的证据都能找到,则原假设成立;若无论如何都找不到所需的证据,说明原假设不成立;为此需要另作新的假设。
主要优点:不必使用与目标无关的知识,目的性强,同时它还有利于向用户提供解释。
主要缺点:起始目标的选择有盲目性。
谓词公式化子句集
- 消去谓词公式中的“->”与“<->”符号
- 把否定符号移到紧靠谓词的位置上
- 变量标准化
- 消去存在量词
- 化为前束式
- 化为Skolem标准形
- 略去全称量词
- 消去合取式
- 子句变量标准化
模糊矩阵
R=A X B
模糊关系
两个模糊集合中元素之间关联程度的多少
句集
- 消去谓词公式中的“->”与“<->”符号
- 把否定符号移到紧靠谓词的位置上
- 变量标准化
- 消去存在量词
- 化为前束式
- 化为Skolem标准形
- 略去全称量词
- 消去合取式
- 子句变量标准化
模糊矩阵
R=A X B
模糊关系
两个模糊集合中元素之间关联程度的多少
模糊关系用叉积表示R=A X B**(^:取最小,v:取最大)**