人工智能的知识表示

一、绪论

智能是知识与智力的总和。
智能的特征：感知能力、记忆与思维能力、学习能力、行为能力（表达能力）。
人工智能：用人工的方法在机器（计算机）上实现的智能；或者说是人们使机器具有类似于人的智能。
知识表示：将人类知识形式化或者模型化。
知识表示方法：符号表示法、连接机制表示法。

人工智能研究的基本内容

1.机器感知：使机器（计算机）具有类似于人的感知能力。以机器视觉(machine vision)与机器听觉为主。
2.机器思维：对通过感知得来的外部信息及机器内部的各种工作信息进行有目的的处理。
3.机器学习（machine learning）：研究如何使计算机具有类似于人的学习能力，使它能通过学习自动地获取知识。
4.机器行为：计算机的表达能力，即“说”、“写”、“画”等能力。
5.知识表示：将人类知识形式化或者模型化。

人工智能的主要研究领域

1.自动定理证明
2.博弈
3.模式识别（pattern recognition）：研究对象描述和分类方法的学科。分析和识别的模式可以是信号、图象或者普通数据。
4.机器视觉
5.自然语言理解
6.智能信息检索
7.数据挖掘与知识发现
8.专家系统
9.自动程序设计
10.机器人
11.组合优化问题
12.人工神经网络
13.分布式人工智能与多智能体：分布式人工智能系统以鲁棒性作为控制系统质量的标准，并具有互操作性，即不同的异构系统在快速变化的环境中，具有交换信息和协同工作的能力。
14.智能控制
15.智能仿真
16.智能CAD（简称ICAD）就是把人工智能技术引入计算机辅助设计领域，建立智能CAD系统。
17.智能CAI就是把AI引入计算机辅助教学领域。
18.智能管理与智能决策
19.智能多媒体系统
20.智能操作系统
21.智能计算机系统
22.智能通信
23.智能网络系统
24.人工生命

二、知识表示

知识的概念

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。
事实知识：有关问题环境的一些事物的知识。
规则知识：问题中与事物的行动、动作相关联的因果关系知识。
控制知识：问题的求解步骤、技巧性知识。
元知识：知识的知识，知识库中的高层知识使用规则、解释规则、校验规则、解释程序结构等。

知识的特性

1.相对正确性：任何知识都是在一定的条件及环境下产生的，在这种条件及环境下才是正确的。
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.可表示性与可利用性

知识的表示

知识表示（knowledge representation）：将人类知识形式化或者模型化。

1.一阶谓词逻辑表示法

命题（proposition）：一个非真即假的陈述句。
 若命题的意义为真，称它的真值为真，记为 T。
 若命题的意义为假，称它的真值为假，记为 F。
 一个命题可在一种条件下为真，在另一种条件下为假。
命题逻辑：研究命题及命题之间关系的符号逻辑系统。
命题逻辑表示法：无法把它所描述的事物的结构及逻辑特征反映出来，也不能把不同事物间的共同特征表述出来。
谓词逻辑：允许表达无法用命题逻辑表达的命题。
谓词的一般形式： P (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；个体可以是常量、变量、函数、谓词。

谓词名 P：刻画个体的性质、状态或个体间的关系。

1.连接词（连词）

（1）﹁： “否定” （ negation ）或 “非”。
（2）∨： “析取”（disjunction）——或。
（3）∧： “合取”（conjunction）——与。
（4）→：“蕴含”(implication)或 “条件”(condition)。
（5）↔ ：“等价” （equivalence）或 “双条件”（bicondition）。 P↔Q: “P当且仅当Q”。

2. 量词

（1）全称量词（universal quantifier）（ x）：“对个体域中的所有（或任一个）个体 x ”。
（2）存在量词（existential quantifier）（ x）：“在个体域中存在个体 x ”。
全称量词和存在量词出现的次序将影响命题的意思。

3.谓词公式

4.量词的辖域

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，不同名的变元称为自由变元。

谓词公式的性质

1.谓词公式的解释
2. 谓词公式的永真性、可满足性、不可满足性
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上是永真的；如果P在每个非空个体域上均永真，则称P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F，则称P在D上是永假的；如果P在每个非空个体域上均永假，则称P永假。
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。
3. 谓词公式的等价性
4. 谓词公式的永真蕴含

一阶谓词逻辑表示法的特点

2.产生式表示法

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。
基本形式： IF P THEN Q或者：P→Q
P是产生式的前提或条件，用于指出该产生式是否可用的条件。
Q是一组结论或动作，用于指出该产生式的前提条件P被满足时，应该得出的结论或应该执行的操作。
P和Q都可以是一个或一组数学表达式或自然语言。


产生式与谓词逻辑中的蕴含式的区别：
蕴含式是产生式的特例。
1.除逻辑蕴含外，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.蕴含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。蕴含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

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

1.规则库: 用于描述相应领域内知识的产生式集合。（运行时是不改变的）
2.综合数据库(事实库、上下文、黑板等)：一个用于存放问题求解过程中各种当前信息的数据结构。（运行时是不断改变的）
3.控制系统（推理机构）：由一组程序组成，负责整个产生式系统的运行，实现对问题的求解。
控制系统要做以下几项工作：
（1）从规则库中选择与综合数据库中的已知事实进行匹配。
（2）匹配成功的规则可能不止一条，进行冲突消解。
（3）执行某一规则时，如果其右部是一个或多个结论，则把这些结论加入到综合数据库中：如果其右部是一个或多个操作，则执行这些操作。
（4）对于不确定性知识，在执行每一条规则时还要按一定的算法计算结论的不确定性。
（5）检查综合数据库中是否包含了最终结论，决定是否停止系统的运行。

产生式系统的例子——动物识别系统

规则库：e.g.: r1： IF 该动物有毛发 THEN 该动物是哺乳动物……
综合数据库：存放已知初始事实。
推理机构的工作过程 ：
（1）从规则库中取出r1，检查其前提是否可与综合数据库中的已知事实匹配。匹配失败则r
1不能被用于推理。然后取r2进行同样的工作。匹配成功则r2被执行。
（2）分别用r3，r4，r5，r6综合数据库中的已知事实进行匹配，均不成功。 r7匹配成功，执行r7 。
（3）r11匹配成功，并推出 “该动物是长颈鹿” 。

产生式表示法的特点

1. 产生式表示法的优点
   （1）自然性
   （2）模块性
   （3）有效性
   （4）清晰性
2. 产生式表示法的缺点
   （1）效率不高
   （2）不能表达结构性知识
3. 适合产生式表示的知识
   （1）领域知识间关系不密切，不存在结构关系。
   （2）经验性及不确定性的知识，且相关领域中对这些知识没有严格、统一的理论。
   （3）领域问题的求解过程可被表示为一系列相对独立的操作，且每个操作可被表示为一条或多条产生式规则。

2.框架表示法

框架表示法：一种结构化的知识表示方法。
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。

ISA槽：对象间抽象概念上的类属关系，直观意义：是一个、是一种、是一只。一般用ISA槽指出的联系具有继承性。
AKO槽：用于具体的指出对象间类属关系，直观意义：是一种。
Instance槽：用于表示AKO槽的逆关系，用Instance槽指出的联系都具有继承性，即下层框架可继承上层框架中所描述的属性或值。
Part-of 槽：用于指出部分和全体的关系。

当把具体的信息填入槽或侧面后，就得到了相应框架的一个事例框架。
e.g.用框架表示地震消息：

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。