人工智能之知识表达与知识库 .

1、人工智能原理,(符号计算科学),Principles of Artificial Intelligence,第三章：知识表达 与知识库,Chapter 03 Knowledge epresentation And Knowledge Base,01 关于机器中的知识,Section 01 On the Knowledge in Machines,01 关于机器中的知识,1.1 符号主义眼中的： 知识与思维,符号主义认为：,知识的表现形式是符号，或者更为直截了当地，知识就是符号。,思维是运用知识的过程，因而，思维的表现形式是符号计算，或者更为直截了当地，思维就是符号计算。,01 关于机器中的知识,1.2 符号表达 PSS 中的符号,人脑是物理符号系统，计算机也是物理符号系统。然而，人脑和计算机处理的符号是不同的。,人脑处理的符号：自然语言符号,计算机处理的符号：数字 0 和 1,两类不同的物理符号系统一般具有不同的符号体系，除此之外，其符号的存储和操作方式也会不同。,01 关于机器中的知识,1.2 符号表达 PSS 间的符号变换,设有两类物理符号系统：PSS01 和 PSS02。如果我们

2、希望用 PSS02 模拟 PSS01，则首先需要将 PSS01 处理的符号变换为 PSS02 处理的符号。,将 PSS01 符号变换为 PSS02 符号，需要建立起 PSS01 符号与 PSS02 符号的对应的关系。,01 关于机器中的知识,1.3 知识表达 人脑机器的符号变换,知识表达也是符号表达，其中，PSS01 是人脑，而 PSS02 则是机器或计算机。,换句话说，知识表达是将人脑中的符号变换为机器或计算机中的符号的过程，是建立人脑符号与机器符号之间对应关系的过程。,01 关于机器中的知识,1.4 知识表达的目的 让机器拥有知识,实际上，所谓知识表达，就是知识的形式化。只有形式化的知识才是机器可以存储和利用的知识。,人工智能的任务之一，就是让机器或计算机拥有知识，记忆或存储 知识。,知识表达的目标：对人脑处理的符号，即知识，进行新的描述，建立人脑中的知识与符号计算机中的符号之间的对应关系，便于计算机对知识进行记忆或存储，操作或运算，推理或思维。,01 关于机器中的知识,1.5 符号计算科学中的知识表达 from 人脑 to 符号计算机,符号计算科学中的知识表达，并非面向数字计算机

3、的知识表达，因此，知识并不直接变换为数字 0 和 1 的编码形式。,符号计算科学中的知识表达，是面向符号计算机的知识表达，知识被变换为符号计算机中符号的编码形式。,因此，符号计算科学中知识表达的目标是： “建立人脑中的知识与符号计算机中的符号之间的对应的关系。”,01 关于机器中的知识,1.6 从知识表达的角度 划分知识,描述性知识 (Declarative Knowledge)：关于事物概念和性质，以及关系的知识。,过程性知识 (Procedural Knowledge)：关于事物运动和发展，以及操作的知识。,元知识 (Meta-Knowledge)：关于知识的知识，控制和操作知识的知识。,符号计算中的知识表达将涉及描述性知识和过程性知识。而元知识的问题，留待符号计算中的问题求解方法去解决。,01 关于机器中的知识,1.7 从谓词逻辑看知识表达 知识表达推理,1. 知识,(1) 人总是要死的,(2) John 是人,2. 表达,(1) xHuman(x)Mortal(x),(2) Human(John),3. 推理,(1) 方法：归结原理,(2) 结论：Mortal(John),即：

4、John 是要死的,01 关于机器中的知识,1.7 从谓词逻辑看知识表达 两个重要特性,从谓词逻辑示例可以发现，知识表达方法应具备两个重要特性：,(1)充分的知识表达能力：有能力表达相关领域中的全部知识。,(2)有效的逻辑推理结构：其表达的知识具有可利用性。,评价两种不同的知识表达方法，其重要依据便在于它们的知识表达的能力，和它们表达的知识所具有的可利用性。,01 关于机器中的知识,1.8 练习与思考,3-1符号计算学派眼中的思维是什么？,3-2计算机处理的符号是什么？依你的观点，人脑系统处理的符号是什么？,3-3什么是符号表达？什么是知识表达？,3-4知识表达方法应具备的主要特性是什么？,3-5阐述 “知识表达是人脑系统处理的符号与符号计算机处理的符号之间的对应的关系。” 这一表述的合理性或不合理性。,02 产生式规则,Section 02 Production Rules,02 产生式规则,2.1 产生式概念 Production,Winston 认为，知识可以被包装在一种称为产生式的基本形式中。,所谓产生式，即：Production 或称产生式规则，即：Production Ru

5、le,产生式或产生式规则具有很强的描述或表达描述性知识和过程性知识的能力。,02 产生式规则,2.2 产生式的形式 if-then 结构,产生式 (规则) 的基本形式是 ifthen 结构，即：,02 产生式规则,2.2 产生式的形式 if-then 结构,产生式系统是一种智能机器，一种所谓的 “感知行动” 机构 (PerceptionAction Agent)，而每一条产生式或产生式规则就是一个微小的 “感知行动” 子机构，其中，ifthen 结构可表达：,02 产生式规则,2.2 产生式的形式 if-then 结构,一个一般的产生式规则可表述为：,02 产生式规则,2.2 产生式的形式 if-then 结构,因此，我们规定产生式中的前提关系只包含 “and” 的关系。,02 产生式规则,2.2 产生式的形式 if-then 结构,因此，我们规定产生式中的结论只包含一种不可分解的结论。,02 产生式规则,2.2 产生式的形式 if-then 结构,因此，我们将一个标准的产生式规则规定为如下形式，其中，前提之间的关系为 “and” 关系：,02 产生式规则,2.2 产生式的形式 if-

6、then 结构,更进一步，每一条产生式规则都可标准化为具有两个前提和一个结论的形式，其中，两个前提具有 “and” 关系：,问题：为什么？怎么标准化？,02 产生式规则,2.3 产生式的 Lisp 实现 表达动物学知识,我们有一个很小的关于动物的描述性知识集，共 16 条知识，其中，每一条知识都由自然语言描述。,我们可以用产生式规则 (Production Rule) 表达动物知识集中每一条由自然语言描述的知识，同时，用 Lisp 语言实现这种产生式的表达，即：,02 产生式规则,2.3 产生式的 Lisp 实现 表达动物学知识,(1) 知识的自然语言描述：$&$,前提 和结论 均标准化为二 元结构，如：谓语 宾语。,Prule中的 if 和 then 并无实际 操作的意义，只为增加可读性。,02 产生式规则,2.3 产生式的 Lisp 实现 表达动物学知识,(1) 知识01：K01 “有毛发的动物是哺乳动物”,02 产生式规则,2.3 产生式的 Lisp 实现 表达动物学知识,(1) 知识02：K02 “产乳的动物是哺乳动物”,02 产生式规则,2.3 产生式的 Lisp 实现 表达

7、动物学知识,(1) 知识03：K03 “有羽毛的动物是鸟”,02 产生式规则,2.3 产生式的 Lisp 实现 表达动物学知识,(1) 知识04：K04 “会飞且会下蛋的动物是鸟”,02 产生式规则,2.3 产生式的 Lisp 实现 表达动物学知识,(1) 知识05：K05 “吃肉的哺乳动物是食肉动物”,02 产生式规则,2.3 产生式的 Lisp 实现 表达动物学知识,(1) 知识06：K06 “有利齿有爪且眼睛前视的哺乳动物是食肉动物”,02 产生式规则,2.3 产生式的 Lisp 实现 表达动物学知识,(1) 知识07：K07 “有蹄的哺乳动物是蹄类动物”,02 产生式规则,2.3 产生式的 Lisp 实现 表达动物学知识,(1) 知识08：K08 “反刍的哺乳动物是蹄类动物”,02 产生式规则,2.3 产生式的 Lisp 实现 表达动物学知识,(1) 知识09：K09 “反刍的蹄类动物是偶蹄类动物”,02 产生式规则,2.3 产生式的 Lisp 实现 表达动物学知识,(1) 知识10：K10 “黄褐色深斑点食肉哺乳动物是猎豹”,02 产生式规则,2.3 产生式的 Lisp 实现

8、 表达动物学知识,(1) 知识11：K11 “黄褐色黑条纹食肉哺乳动物是老虎”,02 产生式规则,2.3 产生式的 Lisp 实现 表达动物学知识,(1) 知识12：K12 “长腿长颈深斑点黄褐色的蹄类动物是长颈鹿”,02 产生式规则,2.3 产生式的 Lisp 实现 表达动物学知识,(1) 知识13：K13 “有黑色条纹的蹄类动物是斑马”,02 产生式规则,2.3 产生式的 Lisp 实现 表达动物学知识,(1) 知识14：K14 “长腿长颈黑白相间颜色不会飞的鸟是鸵鸟”,02 产生式规则,2.3 产生式的 Lisp 实现 表达动物学知识,(1) 知识15：K15 “会游泳不会飞的黑白色鸟是企鹅 ”,02 产生式规则,2.3 产生式的 Lisp 实现 表达动物学知识,(1) 知识16：K16 “善于飞行的鸟是海燕”,02 产生式规则,2.3 产生式的 Lisp 实现 建立动物学知识库,我们的动物知识集中每一条知识 Ki 都由一条产生式 (规则) Prulei 表达，并由 Lisp 实现。,实际上，每一条由 Lisp 实现的产生式 (规则) Prulei 都是一个 Lisp 的 “表”

9、：,02 产生式规则,2.3 产生式的 Lisp 实现 建立动物学知识库,现在，构造一个动物学知识库，或产生式规则库，将是一个极为简单的任务，我们只需要把那些 Lisp 描述的产生式规则 Prulei 组装起来就可以了：,动物学知识库 knowledge_base_on_animals 简单到了及至，仅仅是一个以 Lisp 原子为元素的 Lisp 表。,当然，其中的每一个原子 Prulei 都有自己的值，即 Lisp 表描述的产生式规则。,02 产生式规则,2.4 产生式知识的可利用性 产生式与推理,产生式是产生式系统中的知识，产生式规则库就是产生式系统的知识库。 产生式系统是一种演绎系统，即由已知前提推断未知结论的逻辑推理系统。产生式系统就是应用产生式知识进行逻辑推理活动的系统，应用产生式知识求解问题的系统。 我们的动物学知识库 knowledge_base_on_animals 将被应用于产生式系统的逻辑推理活动。,产生式知识具有良好的可利用性，这种可利用性源于产生式规则所具有的合适的推理结构。,02 产生式规则,2.4 产生式知识的可利用性 正向推理：,中间 结论,中间 结论,中间 结论,最终 结论,正向推理：由已知前提推断未知结论,已知 前提,产生 式规,产生 式规,产生 式规,产生 式规,解答：“这是什么动物？”一类特殊疑问句问题。,02 产生式规则,2.4 产生式知识的可利用性 逆向推理：,过渡 前提,过渡 前提,过渡 前提,已知 前提,逆向推理：由既定目标搜索前提条件,既定 目标,反向 产生式,反向 产生式,反向 产生式,反向 产生式,解答：“这是老虎吗？”一类一般疑问句问题。,3-6产生式 (Production) 概念的含义是什么？,3-7依你的观点，产生式具有充分的知识表达能力吗？,3-8依你的观点，产生式表达的知识具有可利用性吗？,02 产生式规则,2.5 练习与思考,03 语义网络,Section 03 Semantic Network,03 语义网络,3.1 语义网络的基本特征和要素 一种有向图,语义网络 (Semantic Network) 是 Quillian 1968 年提出的一种知识表达方法。,语义网络是一种有向图，其基本的要素是

《人工智能之知识表达与知识库 .》由会员Si****n分享，可在线阅读，更多相关《人工智能之知识表达与知识库 .》请在金锄头文库上搜索。