学习人工智能导论（3）

推理的定义：

从初始证据（已知事实）出发，按某种策略不断运用知识库中的已知知识，逐步推出结论的过程

推理方式及分类：

若从推出结论的途径划分，推理可分为演绎推理、归纳推理和默认推理

---

演绎推理

从一般到个别的推理。演绎推理有多种形式，常用的是三段论式，包含以下几项：

1. 大前提：已知的一般性知识或假设
2. 小前提：关于所研究的具体情况或个别事实的判断
3. 结论：由大前提推出的适合于小前提所示情况的新判断

归纳推理

从个别到一般的推理，是从足够多的事例中归纳出一般性结论的推理过程。若从归纳时所选事例的广泛性来划分，有完全归纳推理和不完全归纳推理。

完全归纳推理：在进行归纳时考察了相应事物的全部对象，并根据这些对象是否都具有某种属性，从而推出这个事物是否具有这个属性。

不完全归纳推理：考察相应事物的部分对象就得出了结论。此结论具有不必然性，属于非必然性推理，而完全归纳推理是必然性推理。

默认推理

在知识不完全的情况下假设某些条件已经具备所进行的推理。在默认推理的过程中，如果到某一时刻发现原先所做的默认不正确，则要撤销所做的默认以及由此默认推出的所有结论，重新按新情况推理。

---

若按推理时所用知识的确定性划分，推理可分为确定性推理和不确定性推理

---

确定性推理

推理时所用的知识与证据都是确定的，推出的结论也是确定的，其真值为真或假，没有第三种情况。

不确定性推理

推理时所用的知识与证据都是不确定的，推出的结论也是不确定的。

可再细分为似然推理（基于概率论）与近似推理或模糊推理（基于模糊逻辑）。

---

若按推理过程中推出的结论是否越来越接近最终目标划分，推理又分为单调推理与非单调推理

---

单调推理

在推理过程中随着推理向前推进及新知识的加入，推出的结论越来越接近最终目标。不会由于新知识的加入否定了前面推出的结论。

非单调推理

在推理过程中由于新知识的加入，不仅没有加强已推出的结论，反而要否定他，使推理退回到前面的某一步，然后重新开始。

---

若按推理过程中是否运用与推理有关的启发性知识划分，推理可分为启发式推理和非启发式推理

---

启发式推理

推理过程中运用与推理有关的启发性知识。启发性知识是指与问题有关且能加快推理过程、求得问题最优解的知识。例如,推理目标是要在脑膜炎、肺炎、流感这三种疾病中选择一个,又设有r1、r2、r3这三条产生式规则可使用,其中r1推出的是脑膜炎,r2推出的是肺炎,r3推出的是流感。如果希望尽早地排除脑这一危险疾病,应该先选用r1;如果本地区目前正在盛行流感,则应考虑首先选择r3。这里“膜炎危险”及“目前正在盛行流感”是与问题求解有关的启发性信息。

非启发式推理

推理过程中没有运用与推理有关的启发性知识。

---

推理的方向

推理过程是求解问题的过程。问题求解的质量与效率不仅依赖于所采用的求解方法（如匹配方法、不确定性的传递算法等),而且还依赖于求解问题的策略,即推理的控制策略。
推理的控制策略主要包括推理方向、搜索策略、冲突消解策略、求解策略及限制策略等。
推理方向分为正向推理、进向推理、混合推理及双向推理四种。

---

正向推理

以已知事实作为出发点的一种推理。
基本思想：

从用户提供的初始已知事实出发,在知识库找出当前可适用的知识构成可适用知识集,然后按某种冲突消解策略从中选出一条知识进行推理,并将推出的新事实加入数据库中，作为下一步推理的已知事实,此后再在知识库中选取可适用知识进行推理，重复这一过程,直到求得了问题的解或者知识库中再无可适用的知识。

正向推理的推理过程可用如下算法描述。
① 将用户提供的初始已知事实送入数据库 。
② 检查数据库是否已经包含了问题的解,若有,则求解结束,并成功退出;否则,执行下一步

③ 根据数据库中的已知事实,扫描知识库,检查是否有可适用(即可与已知事实匹配)的知识,若有,则转向④,否则转向⑥。
④ 把 知识库中所有的适用知识都选出来,构成可适用知识集。
⑤若知识集不空，则按某种冲突消解策略从中选出一条知识进行推理,并将推出的新事实加入数据库中,然后转向②;若 知识集空了,则转向⑥。
⑥询问用户是否可进一步补充新的事实,若可补充,则将补充的新事实加入数据库中,然后转向③;否则表示求不出解,失败退出。
为了实现正向推理,有许多具体问题需要解决。例如,要从知识库中选出可适用的知识要用知识库中的知识与数据库中已知事实进行匹配,为此就需要确定匹配的方法。而匹配通常难以做到完全一致,因此还需要解决怎样才算是匹配成功的问题。

逆向推理

以某个假设目标作为出发点的一种推理。
基本思想：

首先选定一个假设目标,然后寻找支持该假设的证据（已知事实），给、】若所需的证据都能找到,说明假设成立；若找不到所需的证据,则说明假设不成立，需要另作新的假设。
逆向推理过程可用如下算法描述：

①提出要求证的目标(假设)。
②检查该目标是否已在数据库中，若在,则该目标成立,退出推理；否则，转下一步。

‘