人工智能（人工智能大數(shù)據(jù)技術(shù)相關(guān)專業(yè)）全套教學(xué)課件

人工智能原理篇全套可編輯PPT課件第1章走進人工智能.pptx第2章知識表示.pptx第3章確定性推理.pptx第4章搜索策略.pptx第5章不確定性推理.pptx第6章計算智能.pptx第7章機器學(xué)習(xí).pptx第8章專家系統(tǒng).pptx第9章自然語言處理.pptx第10章分布式人工智能與Agent.pptx第11章人工智能在社會服務(wù)中的應(yīng)用.pptx第12章人工智能在經(jīng)濟生活中的應(yīng)用.pptx走進人工智能第一章本章導(dǎo)讀

人工智能涉及計算機科學(xué)、認(rèn)知科學(xué)、神經(jīng)生理學(xué)、仿生學(xué)、心理學(xué)、哲學(xué)、數(shù)理邏輯、信息論、控制論等多個學(xué)科，它是在這些學(xué)科研究的基礎(chǔ)上發(fā)展起來的綜合性很強的交叉性學(xué)科，是當(dāng)今社會計算機科學(xué)中最活躍的分支之一。隨著互聯(lián)網(wǎng)技術(shù)和硬件設(shè)備的不斷進步，人工智能在多個領(lǐng)域得到了迅速發(fā)展，并滲透到人類生活的方方面面。本章首先介紹人工智能的概念與發(fā)展；然后介紹人工智能研究的各種學(xué)派；最后介紹人工智能的研究內(nèi)容與應(yīng)用領(lǐng)域。學(xué)習(xí)目標(biāo)熟悉人工智能的基本概念與發(fā)展。了解人工智能研究的各種學(xué)派。熟悉人工智能的研究內(nèi)容與應(yīng)用領(lǐng)域。目錄

4人工智能的概念與發(fā)展人工智能的概念與發(fā)展人工智能的概念與發(fā)展010203人工智能的概念與發(fā)展01人工智能的概念1.1.1人工智能（artificialintelligence，AI）是研究、開發(fā)用于模擬、延伸和擴展人類智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門學(xué)科。智能與智能的本質(zhì)是古今中外許多哲學(xué)家和腦科專家一直在努力探索和研究的問題，但至今尚未完全研究清楚。因此，至今為止學(xué)術(shù)界也沒有給人工智能下一個明確的定義。下面，列舉部分學(xué)者對人工智能的描述。（1）人工智能是某些活動（與人的思想、決策、問題求解和學(xué)習(xí)等有關(guān)的活動）的自動化過程。（2）人工智能是一種使計算機能夠思維，使計算機具有智力的激動人心的新嘗試。（3）人工智能是用計算機模型研究智力行為的技術(shù)。（4）人工智能是一種能夠自主執(zhí)行人類智能行為的技術(shù)。（5）人工智能是一門通過計算過程力圖理解和模仿智能行為的學(xué)科。（6）人工智能是研究如何使計算機做事才能夠讓人過得更好。（7）人工智能是計算機科學(xué)中與智能行為的自動化有關(guān)的一個分支。（8）人工智能是研究和設(shè)計具有智能行為的計算機程序，可執(zhí)行人或動物所具有的智能行為。通過分析學(xué)者們對人工智能的描述，可將人工智能理解為：人工智能是指能夠讓計算機像人一樣擁有智能能力，可以代替人類實現(xiàn)識別、認(rèn)知、分析和決策等多種功能的技術(shù)。

例如，智能機器服務(wù)員能夠?qū)⒄Z音識別成文字，然后進行分析理解并與人對話，最后為客戶提供服務(wù)，如圖所示。智能機器服務(wù)員人工智能的發(fā)展道路曲折起伏，總的來說可分為7個時期，依次是孕育期、起步發(fā)展期、反思發(fā)展期、應(yīng)用發(fā)展期、低迷發(fā)展期、穩(wěn)步發(fā)展期和蓬勃發(fā)展期，如圖所示---人工智能發(fā)展歷程。人工智能的發(fā)展1.1.2人工智能研究的各種學(xué)派02人工智能在其研究發(fā)展的多年期間，許多不同學(xué)科或?qū)W科背景的學(xué)者們對人工智能做出了各自的解釋，提出了不同的觀點，因此產(chǎn)生了不同的學(xué)派。其中，對人工智能研究影響較大的學(xué)派有下列3家。（1）符號主義（symbolicism），又稱為邏輯主義（logicism）、心理學(xué)派（psychlogism）或計算機學(xué)派（computerism），其原理主要為物理符號系統(tǒng)假設(shè)（即符號操作系統(tǒng)）和有限合理性原理，如圖所示。符號主義

（2）連接主義（connectionism），又稱為仿生學(xué)派（bionicsism）或生理學(xué)派（physiologism），其原理主要為神經(jīng)網(wǎng)絡(luò)及神經(jīng)網(wǎng)絡(luò)間的連接機制與學(xué)習(xí)算法，如圖所示。連接主義

（3）行為主義（actionism），又稱為進化主義（evolutionism）或控制論學(xué)派（cyberneticsism），其原理主要為控制論及“感知—動作”型控制系統(tǒng)，如圖所示。行為主義符號主義認(rèn)為人類認(rèn)知和思維的基元是符號，認(rèn)知過程是符號操作過程。也就是說，它致力于將人類的認(rèn)知和思維用某種符號來描述，并把這種符號輸入到計算機中，從而模擬人類的認(rèn)知過程，實現(xiàn)人工智能。其代表人物有赫伯特·西蒙（HerbentSimon）和艾倫·紐厄爾（AllenNewell），如圖所示。赫伯特·西蒙1.2.1符號主義艾倫·紐厄爾符號主義是一種基于邏輯推理的智能模擬方法。符號主義認(rèn)為人工智能源于數(shù)理邏輯。20世紀(jì)30年代，數(shù)理邏輯開始用于描述智能行為。

計算機的出現(xiàn)推動了邏輯演繹系統(tǒng)的實現(xiàn)，表明了計算機可以用于研究人的思維過程和模擬人類智能活動。后來相繼發(fā)展的啟發(fā)式算法、專家系統(tǒng)和知識工程理論與技術(shù)，都為人工智能的發(fā)展作出了重要貢獻。連接主義認(rèn)為人工智能源于仿生學(xué)，特別是人腦模型的研究，它主張模仿人類的神經(jīng)元（見圖），用神經(jīng)網(wǎng)絡(luò)的連接機制實現(xiàn)人工智能。連接主義的代表性成果是MP模型，它從神經(jīng)元開始進而研究神經(jīng)網(wǎng)絡(luò)模型和腦模型，開創(chuàng)了用電子裝置模擬人類腦部結(jié)構(gòu)和功能的新途徑，同時開辟了人工智能新的發(fā)展道路。神經(jīng)元1.2.2連接主義行為主義是一種基于“感知—動作”的行為模擬方法。行為主義認(rèn)為，學(xué)習(xí)是刺激與反應(yīng)之間的聯(lián)結(jié)，行為是學(xué)習(xí)者對環(huán)境刺激所做出的反應(yīng)。行為主義認(rèn)為人工智能源于控制論。控制論把神經(jīng)系統(tǒng)的工作原理與信息理論、控制理論、邏輯理論及計算機聯(lián)系起來。這一學(xué)派的代表作品首推六足行走機器人（見圖），它可以看作是新一代的“控制論動物”，是一個基于“感知—動作”模式模擬昆蟲行為的控制系統(tǒng)。六足行走機器人高手點撥人工智能的三大學(xué)派從不同的側(cè)面研究了人類的智能，與人腦的思維模型有著對應(yīng)的關(guān)系。對其進行粗略的劃分，可認(rèn)為符號主義研究抽象思維，注重數(shù)學(xué)可解釋性；連接主義研究形象思維，偏向于模仿人腦模型，更加感性；行為主義研究感知思維，偏向于應(yīng)用和模擬。以上3個人工智能學(xué)派將長期共存與合作，取長補短，并逐步走向融合與集成，共同為人工智能的發(fā)展作出貢獻。人工智能的研究內(nèi)容與應(yīng)用領(lǐng)域03人工智能涉及多個學(xué)科，其研究內(nèi)容包括知識表示、知識推理、知識應(yīng)用、機器學(xué)習(xí)、機器感知、機器思維和機器行為等。1.3.1人工智能的研究內(nèi)容1．知識表示人工智能研究的目的是要建立一個能模擬人類智能行為的系統(tǒng)，但知識是一切智能行為的基礎(chǔ)，想把知識存儲到計算機中，首先要研究知識表示方法。知識表示是把人類的知識概念化、形式化或模型化。一般地，就是運用符號知識、算法和狀態(tài)圖等來描述待解決的問題。目前，已提出的知識表示方法主要包括符號表示法和連接機制表示法。推理是人腦的基本功能。要讓機器實現(xiàn)人工智能，就必須賦予機器推理能力，進行機器推理。

知識推理（見圖）是指在計算機或智能系統(tǒng)中，依據(jù)推理控制策略，利用形式化的知識模擬人類的智能推理方式進行求解問題的過程。知識推理2．知識推理3．知識應(yīng)用人工智能是否獲得廣泛應(yīng)用是衡量其生命力和檢驗其生存力的重要標(biāo)志。20世紀(jì)70年代，利用知識表示和推理實現(xiàn)的專家系統(tǒng)得到廣泛應(yīng)用，使人工智能走出低谷，獲得快速發(fā)展。后來機器學(xué)習(xí)和近年來自然語言處理的應(yīng)用研究取得了重大進展，又促進了人工智能的進一步發(fā)展。

機器學(xué)習(xí)是繼專家系統(tǒng)之后人工智能的又一重要研究領(lǐng)域，也是人工智能和神經(jīng)計算的核心研究課題之一，是使計算機具有智能能力的根本途徑。學(xué)習(xí)是人類具有的一種重要智能行為。機器學(xué)習(xí)（見圖）是指計算機能夠模擬人的學(xué)習(xí)行為，實現(xiàn)自主獲取新知識，并重新組織已有的知識結(jié)構(gòu)，不斷提升自身解決問題的能力。機器學(xué)習(xí)可以通過文獻資料、與人交談和觀察環(huán)境等方式進行學(xué)習(xí)，從而使計算機自動獲取知識。機器學(xué)習(xí)4．機器學(xué)習(xí)

機器感知就是使機器具有類似于人的感知能力，包括視覺、聽覺、觸覺、嗅覺等。其中，機器視覺和機器聽覺是當(dāng)前社會中應(yīng)用最廣的機器感知能力。機器視覺（見圖1）是指機器能夠識別并理解圖片、場景、人物身份等；機器聽覺（見圖2）是指機器能夠識別并理解語言、聲音等。圖1機器視覺圖2機器聽覺5．機器感知

機器思維（見圖）是指對通過感知得來的外部信息，以及機器內(nèi)部的各種工作信息進行有目的的處理。正如人的智能是來自大腦的思維活動一樣，人工智能也主要是通過機器思維實現(xiàn)的。因此，機器思維是人工智能研究中的關(guān)鍵部分，它使機器具有類似于人的思維活動，不僅能夠像人一樣進行邏輯思維，還可以進行形象思維。機器思維6．機器思維

機器行為（見圖）主要是指計算機的表達能力，即對話、描寫、刻畫等能力。對于智能機器人，它還應(yīng)具有行動能力，即移動、行走、取物、操作等。機器行為與機器思維密切相關(guān)，機器思維是機器行為的基礎(chǔ)，機器行為是機器思維的表現(xiàn)。機器行為7．機器行為隨著人工智能理論研究的發(fā)展，人工智能的應(yīng)用領(lǐng)域越來越寬廣，應(yīng)用效果也越來越顯著?？偟膩碚f，人工智能的應(yīng)用主要集中在自動定理證明、問題求解與博弈、專家系統(tǒng)、模式識別、機器視覺、自然語言處理、人工神經(jīng)網(wǎng)絡(luò)、分布式人工智能與多Agent等領(lǐng)域。1.3.2人工智能的應(yīng)用領(lǐng)域

自動定理證明，又稱機器定理證明，是數(shù)學(xué)和計算機科學(xué)相結(jié)合的課題，也是人工智能中最先進行研究并得到成功應(yīng)用的一個領(lǐng)域，它的研究在人工智能方法的發(fā)展中起到了重要的推動作用。自動定理證明的理論價值和應(yīng)用范圍并不局限于數(shù)學(xué)領(lǐng)域，許多非數(shù)學(xué)領(lǐng)域的任務(wù)，如醫(yī)療診斷、信息檢索、機器人規(guī)劃和難題求解等，都可以轉(zhuǎn)化成相應(yīng)的定理證明問題，或者與定理證明有關(guān)的問題。可以說，自動定理證明的研究具有普遍意義。1．自動定理證明

人工智能的第一個大成就是發(fā)展了能夠求解難題的下棋（如國際象棋）程序。下棋程序是計算機博弈問題研究的產(chǎn)物，其中主要應(yīng)用了問題的表示、分解、搜索和歸納等人工智能的基本技術(shù)。到目前為止，對于要解決的問題，人工智能程序已經(jīng)具備搜索解答空間，尋找較優(yōu)解答的能力。右圖即為AlphaGo與世界圍棋冠軍李世石進行博弈的畫面。2．問題求解與博弈博弈問題專家系統(tǒng)是一個基于專門的領(lǐng)域知識，求解特定問題的智能計算機程序系統(tǒng)。它使用人工智能技術(shù)，根據(jù)某個領(lǐng)域一個或多個人類專家提供的知識和經(jīng)驗進行推理和判斷，模擬人類專家的決策過程，以解決那些需要專家解決的復(fù)雜問題。目前在許多領(lǐng)域，專家系統(tǒng)已取得了顯著效果。3．專家系統(tǒng)

模式通常具有實體的形式，如聲音、圖片、語言、文字、符號、物體和景象等，可以用物理、化學(xué)及生物傳感器進行具體采集和測量。

模式識別是指用計算機代替人類或幫助人類感知模式，是對人類感知外界功能的模擬。模式識別呈現(xiàn)多樣性和多元化趨勢，可以在不同的概念上進行，其中生物特征識別成為模式識別的新高潮，包括語音識別、文字識別、人臉識別、手語識別和指紋識別（見圖）等。4．模式識別指紋識別高手點撥模式所指的不是事物本身，而是從事物中獲得的信息。人們在觀察、認(rèn)識事物和現(xiàn)象時，常常尋找它與其他事物和現(xiàn)象的相同與不同之處，根據(jù)使用目的進行分類、聚類和判斷，人腦的這種思維能力就是模式識別的能力。

機器視覺（見圖）就是用機器代替人眼進行測量和判斷，是人工智能正在快速發(fā)展的一個分支。機器視覺系統(tǒng)是通過圖像攝取裝置將被攝取目標(biāo)轉(zhuǎn)換成圖像信號，傳送給專用的圖像處理系統(tǒng)，得到被攝目標(biāo)的形態(tài)信息，再根據(jù)像素分布和亮度、顏色等信息，根據(jù)判別的結(jié)果來控制現(xiàn)場設(shè)備的動作。機器視覺的前沿研究領(lǐng)域包括實時并行處理、主動式定性視覺、動態(tài)和時變視覺、三維景物的建模與識別、實時圖像壓縮傳輸和復(fù)原、多光譜和彩色圖像的處理與解釋等。5．機器視覺機器視覺

自然語言處理（見圖）是研究實現(xiàn)人類與計算機系統(tǒng)之間用自然語言進行有效通信的各種理論和方法。因此，解決計算機系統(tǒng)理解自然語言的問題，一直是人工智能研究領(lǐng)域的重要研究課題之一。實現(xiàn)人機間自然語言通信意味著計算機系統(tǒng)既能理解自然語言文本的意義，又能生成自然語言文本來表達給定的意圖和思想等。6．自然語言處理自然語言處理高手點撥語言的理解和生成是一個極為復(fù)雜的解碼和編碼問題。一個能夠理解自然語言的計算機系統(tǒng)看起來就像一個人一樣，它不僅需要有上下文知識和信息，還能用信息發(fā)生器進行推理。理解和書寫語言的計算機系統(tǒng)具有表示上下文知識結(jié)構(gòu)的某些人工智能思想，以及根據(jù)這些知識進行推理的某些技術(shù)。

人工神經(jīng)網(wǎng)絡(luò)是一個用大量簡單處理單元經(jīng)過廣泛連接而組成的人工網(wǎng)絡(luò)，用來模擬大腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能，其模型結(jié)構(gòu)如圖1-22所示。人工神經(jīng)網(wǎng)絡(luò)的研究道路十分曲折，20世紀(jì)40年代，MP模型（神經(jīng)元的數(shù)學(xué)模型）的提出開創(chuàng)了神經(jīng)科學(xué)理論研究的時代；20世紀(jì)80年代，BP神經(jīng)網(wǎng)絡(luò)（反向神經(jīng)網(wǎng)絡(luò)）的提出推動了人工神經(jīng)網(wǎng)絡(luò)的研究；21世紀(jì)，深度學(xué)習(xí)的出現(xiàn)掀起了人工神經(jīng)網(wǎng)絡(luò)的浪潮。7．人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)分布式人工智能（見圖）是分布式計算與人工智能結(jié)合的產(chǎn)物。它主要研究在邏輯上或物理上分散的智能動作者如何協(xié)調(diào)其智能行為，求解單目標(biāo)和多目標(biāo)問題，同時為設(shè)計和建立大型復(fù)雜的智能系統(tǒng)或支持協(xié)同工作的計算機系統(tǒng)提供有效途徑。多Agent一般指多Agent系統(tǒng)或多Agent技術(shù)，是多個Agent組成的集合，通過Agent的交互來實現(xiàn)系統(tǒng)的功能。8．分布式人工智能與多Agent分布式人工智能高手點撥分布式人工智能與多Agent都要研究知識、資源和控制的劃分問題。但是兩者之間依然存在區(qū)別，分布式問題求解往往含有一個全局的概念模型、問題和成功標(biāo)準(zhǔn)；而多Agent系統(tǒng)則含有多個局部的概念模型、問題和成功標(biāo)準(zhǔn)。多Agent系統(tǒng)更能體現(xiàn)人類的社會智能，具有更大的靈活性和適應(yīng)性，更適合開放和動態(tài)的世界環(huán)境，因而備受重視。與它相關(guān)的研究已成為人工智能、計算機科學(xué)和控制科學(xué)與工程的研究熱點。PleaseAddYourTitleHereinsertyourdesiredtexthere感謝觀看THANKS人工智能原理篇知識表示第二章本章導(dǎo)讀

人類的智能活動主要是獲得并運用知識，即通過對外部世界進行觀察等方式獲得知識，然后運用知識做出正確的判斷和決策，最后采取正確的行動。由此可見，知識是實現(xiàn)智能的基礎(chǔ)。本章從知識與知識表示的概念入手，介紹不同的知識表示法，包括一階謂詞邏輯表示法、狀態(tài)空間表示法、產(chǎn)生式表示法、語義網(wǎng)絡(luò)表示法和框架表示法。學(xué)習(xí)目標(biāo)了解知識和知識表示的基本概念。熟悉各種知識表示法的理論基礎(chǔ)。掌握各種知識表示法的表示方法。目錄

44知識與知識表示一階謂詞邏輯表示法狀態(tài)空間表示法010203產(chǎn)生式表示法040506語義網(wǎng)絡(luò)表示法框架表示法知識與知識表示01知識的概念2.1.1

知識是人類對自然世界、人類社會、思維方式及運動規(guī)律的認(rèn)識與掌握；是人類在長期的生活及社會實踐中、在科學(xué)研究及實驗中積累起來的經(jīng)驗；是人的大腦通過思維重新組合，把實踐中獲得的有關(guān)信息關(guān)聯(lián)在一起形成的信息結(jié)構(gòu)。信息之間有多種關(guān)聯(lián)形式，使用最廣泛的一種是用“如果……，則……”表示的關(guān)聯(lián)形式，它反映了信息間的因果關(guān)系。例如，人類經(jīng)過多年的觀察發(fā)現(xiàn)，每當(dāng)大雨即將來臨的時候，就會看到成群結(jié)隊的螞蟻在搬家（見左圖），于是就把“螞蟻搬家”和“大雨將至”這兩個信息關(guān)聯(lián)在一起，得到了相應(yīng)的知識，即如果螞蟻搬家，則大雨將至。在人工智能中，將前一種知識稱為事實，而把采用“如果……，則……”關(guān)聯(lián)起來所形成的知識稱為規(guī)則。螞蟻搬家

1．相對正確性在一定的條件和環(huán)境下，知識一般是正確的。其中，“一定的條件和環(huán)境”是保證知識正確性必不可少的前提。

在人工智能中，知識的相對正確性表現(xiàn)得更加突出。例如，在動物識別系統(tǒng)中，如果僅識別虎、斑馬、長頸鹿、鴕鳥、金錢豹等5種動物，那么，知識“如果該動物是鳥類，則該動物是鴕鳥”就是對的。知識的特性2.1.2知識是人類對客觀世界認(rèn)識的結(jié)晶，并且長期受到實踐的檢驗。其特性包括相對正確性、不確定性、可表示性和可利用性。

2．不確定性現(xiàn)實世界是復(fù)雜的，知識并不只有“真”和“假”兩種狀態(tài)。因此知識在“真”與“假”之間還存在許多中間狀態(tài)。造成知識不確定性的原因主要有以下幾個方面。（1）由隨機性引起的不確定性。例如，拋硬幣，硬幣有正反兩面，哪面朝上是隨機的。（2）由模糊性引起的不確定性。例如，人個子的高與矮，其分界線是模糊的。（3）由不完全性引起的不確定性。例如，“盲人摸象”（見左圖），每位盲人只摸到了大象身體的一部分就對大象的樣貌做出結(jié)論，顯然盲人對大象的樣貌了解具有不完全性，因此，導(dǎo)致得出不確定的知識。（4）由經(jīng)驗依賴引起的不確定性。例如，中醫(yī)診脈，其主要依據(jù)就是經(jīng)驗。盲人摸象3．可表示性知識的可表示性是指知識可以用適當(dāng)?shù)男问奖硎境鰜?，如用語言、文字、圖像、符號、神經(jīng)網(wǎng)絡(luò)等，這樣才能存儲和傳播。4．可利用性知識的可利用性是指知識可以被利用。人們每天都在利用自己掌握的知識解決各種問題。知識的分類2.1.3知識是人類世界特有的概念，從不同的角度可以將知識分成不同的類別，如表1、表2所示。分類角度類

別描

述例

子從作用范圍來劃分常識性知識人們普遍知道的知識，適用于所有領(lǐng)域猴子有尾巴領(lǐng)域性知識專業(yè)性的知識，面向某個具體領(lǐng)域，只有相應(yīng)專業(yè)的人員才能掌握并用其來求解領(lǐng)域內(nèi)的有關(guān)問題計算機中央處理器的核心部件包括運算器和控制器分類角度類

別描

述例

子從確定性劃分確定性知識可指出其值為真或假的知識雪是白色的不確定性知識不精確的、不完全的、模糊的知識明天可能會下雨從知識結(jié)構(gòu)及表現(xiàn)形式劃分邏輯性知識反映人類邏輯思維過程的知識，一般具有因果關(guān)系，具有難以精確描述的特點如果你感覺喉嚨腫痛，則有可能是扁桃體發(fā)炎了形象性知識通過事物的形象建立起來的知識地球儀是圓形的從知識的作用劃分事實性知識用于描述領(lǐng)域內(nèi)有關(guān)概念、事實、事物的屬性及狀態(tài)等一年有12個月過程性知識與領(lǐng)域相關(guān)的知識，用于指出如何處理與問題相關(guān)的信息，以求得問題的解汽車維修技術(shù)控制性知識又稱為深層知識、元知識。用已有的知識進行問題求解的知識，即關(guān)于知識的知識搜索策略表1知識的分類表2續(xù)知識表示（knowledgerepresentation）是將人類知識形式化或模型化。實際上，就是對知識的一種描述，或者說是一組約定，一種計算機可以接受的用于描述知識的數(shù)據(jù)結(jié)構(gòu)。知識表示過程就是把知識編碼成某種數(shù)據(jù)結(jié)構(gòu)的過程。從某種意義上，可以將知識表示視為數(shù)據(jù)結(jié)構(gòu)及其處理機制的綜合，即知識表示=知識的數(shù)據(jù)結(jié)構(gòu)+知識的處理機制知識表示2.1.4

一般來說，同一知識可以有多種不同的表示形式，而不同的表示形式所產(chǎn)生的效果又可能不同。因此，在選擇知識表示方法時，應(yīng)從以下幾個方面進行考慮。（1）所選知識表示方法是否能充分表示領(lǐng)域知識。（2）所選知識表示方法是否有利于對知識進行使用。（3）所選知識表示方法是否便于知識的獲取、組織、維護和管理。（4）所選知識表示方法是否便于理解和實現(xiàn)。知識表示方法有很多，下面著重介紹一階謂詞邏輯表示法、狀態(tài)空間表示法、產(chǎn)生式表示法、語義網(wǎng)絡(luò)表示法和框架表示法。高手點撥某些領(lǐng)域結(jié)構(gòu)復(fù)雜，單一的知識表示方法無法充分表示該領(lǐng)域知識。此時，可以使用多種不同的知識表示方法表示該領(lǐng)域知識。例如，在機械產(chǎn)品設(shè)計領(lǐng)域中，由于一個部件一般由多個子部件組成，部件與子部件既有相同的屬性又有不同的屬性，即它們既有共性又有個性。在進行知識表示時，應(yīng)該把這個特點反映出來。單用產(chǎn)生式表示法不能反映出知識間的這種結(jié)構(gòu)關(guān)系，單用框架表示法雖然可以反映出這種結(jié)構(gòu)關(guān)系，但是不能反映出知識間的產(chǎn)生式關(guān)系。此時，可以將產(chǎn)生式表示法和框架表示法結(jié)合起來使用。一階謂詞邏輯表示法02人工智能中涉及的邏輯可劃分為兩大類。一類是經(jīng)典命題邏輯和一階謂詞邏輯，統(tǒng)稱為經(jīng)典邏輯。因為它們的真值只有“真”和“假”，所以又稱為二值邏輯。另一類是泛指經(jīng)典邏輯外的那些邏輯，包括三值邏輯、多值邏輯和模糊邏輯等，統(tǒng)稱為非經(jīng)典邏輯。命題邏輯和謂詞邏輯是最先應(yīng)用于人工智能的兩種邏輯。它們在知識的形式化表示方面，特別是定理的自動證明方面，發(fā)揮了重要作用。因此，在人工智能的發(fā)展史中占有重要的地位。

命題（proposition）是一個非真即假的陳述句。判斷一個句子是否為命題，首先應(yīng)該判斷它是否為陳述句，再判斷它是否有唯一的真值。例如，“中國的首都是北京”是陳述句且其真值唯一（為真），因此它是一個命題。沒有真假意義的語句不是命題，如感嘆句、疑問句等。例如，“我好開心啊”“你吃飯了嗎”等都不是命題。若命題的意義為真，稱它的真值為真，記作T（True）；若命題的意義為假，稱它的真值為假，記作F（False）。例如，“太陽從東邊升起”“一個星期有7天”都是真值為T的命題；“雪是黑色的”“海水是甜的”都是真值為F的命題。2.2.1命題邏輯提示一個命題的真值不能同時既為真又為假，但是可以在一種條件下為真，在另一種條件下為假。例如，還是那個“”的問題，在十進制條件下，它是真值為T的命題；但在二進制條件下，它是真值為F的命題。同樣，對于命題“今天是晴天”，要看當(dāng)天的實際情況才能確定其真值。命題有兩種類型，第一種是不能分解的簡單陳述句表達的命題，稱為原子命題或簡單命題。第二種是由連接詞、標(biāo)點符號和原子命題等復(fù)合構(gòu)成的命題，稱為復(fù)合命題。所有這些命題都有確定的真值。命題邏輯，就是研究命題和命題之間關(guān)系的符號邏輯系統(tǒng)，通常用大寫的英文字母表示命題，如P：長城是中國古代偉大的建筑表示命題的符號稱為命題標(biāo)識符，如P就是命題標(biāo)識符。命題標(biāo)識符可以分為兩種。（1）命題常量，一個命題標(biāo)識符表示的命題是確定的。（2）命題變元，命題標(biāo)識符只表示任意命題的位置信息。因為命題變元可以表示任意命題，所以它不能確定其真值，故命題變元不是命題。對于命題變元而言，只有把確定的命題代入后，它才可能有明確的真值。指點迷津命題邏輯表示法有較大的局限性，它對事物的描述無法反映事物的結(jié)構(gòu)及邏輯特征，也不能把不同事物的共同特征表述出來。例如，對于“老王是小明的老師”這一命題，用英文字母P表示。則無論如何也看不出老王和小明的師生關(guān)系。又如，對于“玫瑰是花”“百合是花”這兩個命題，用命題邏輯表示，也無法將兩者中都是花的共同特征通過形式化表示出來。于是，在命題邏輯的基礎(chǔ)上發(fā)展起來了謂詞邏輯。從某種程度上講，命題邏輯可看作是謂詞邏輯的一種特殊形式。謂詞（predicate）邏輯是基于命題中謂詞分析的一種邏輯。一階謂詞邏輯是謂詞邏輯中最直觀的一種。謂詞就是用于刻畫個體的性質(zhì)、狀態(tài)和個體之間關(guān)系的語言成分。例如，對于上一節(jié)提到的“玫瑰是花”“百合是花”這兩個命題，分別用符號P、Q表示，但是P和Q的謂語有共同的屬性，即“是花”。于是，引入一個符號表示“是花”，再引入一種方法表示個體的名稱，就能把“某某是花”這個命題的本質(zhì)屬性刻畫出來。故而，可以使用謂詞表示命題。2.2.2謂詞邏輯

個體是函數(shù)時，表示一個個體到另一個個體的映射。例如，命題“我的朋友是學(xué)生”，可表示為一元謂詞Students(friends(I))

；命題“小李的狗和小王的貓在一起玩耍”，可表示為二元謂詞Play(dog(Li),cat(Wang))

。

其中friends(I）、dog(Li)

和cat(wang)

都是函數(shù)。

函數(shù)可以遞歸調(diào)用。例如，“小李的爺爺”可表示為father(father(Li))

。

2.2.3謂詞公式1．連接詞連接詞，又稱連詞。無論是命題邏輯還是謂詞邏輯，均可用連接詞把一些簡單的命題連接起來構(gòu)成一個復(fù)合命題，用來表示較復(fù)雜的知識。常用的連接詞如表所示。簡單命題有唯一的真值，由連接詞和簡單命題構(gòu)成的復(fù)合命題也有唯一的真值。表2-3給出了由以上連接詞連接的命題的真值。這里需要注意，“蘊涵”連接詞的后項取真值T（不管其前項的真值如何），或者其前項取真值F（不管其后項的真值如何），則蘊涵取真值T，否則蘊涵取真值F。也就是說，只有前項為真，后項為假時，蘊涵才為假，其余都為真。謂詞邏輯真值表高手點撥“蘊涵”與漢語中的“如果……，則……”是有區(qū)別的。漢語中“則”前后要有聯(lián)系，而命題中“則”前后可以毫無關(guān)系。例如，如果“珠穆朗瑪峰不是世界最高的山”，則“一天有24個小時”，可表示為，它是一個真值為T的命題。

在謂詞邏輯中，必須先考慮個體變元和函數(shù)在個體域中的取值，然后才能針對變元與函數(shù)的具體取值為謂詞指派真值。對于個體變元和函數(shù)在個體域中取值的不同，一個謂詞公式的解釋可能有多個，因此，謂詞公式在不同的個體域中具有不同的性質(zhì)。對于每一個解釋，謂詞公式都可求出一個真值。2.2.4謂詞公式的性質(zhì)

1．永真性和永假性2．可滿足性和不可滿足性

3．等價性

謂詞公式的等價式4．永真蘊涵

用一階謂詞邏輯表示知識的一般步驟如下。（1）定義謂詞及個體，確定每個謂詞及個體的確切意義。（2）根據(jù)要表達的事物或概念，為謂詞中的變元賦予特定的值。（3）根據(jù)語義用適當(dāng)?shù)倪B接符號將各個謂詞連接起來，形成謂詞公式。2.2.5一階謂詞邏輯表示知識設(shè)在一個房間內(nèi)，有一個機器人，一個壁櫥，一個積木塊，兩張桌子A和B。機器人在壁櫥的旁邊，且兩手空空。桌子A上放著積木塊，桌子B上是空的。機器人把積木塊從桌子A上轉(zhuǎn)移到桌子B上，然后回到壁櫥的旁邊，如圖所示。

請用一階謂詞邏輯來表示機器人轉(zhuǎn)移積木塊的過程。機器人轉(zhuǎn)移積木塊案例：機器人轉(zhuǎn)移積木塊2.2.6機器人在執(zhí)行每一操作之前，要先檢查是否滿足所需的先決條件，只有滿足先決條件，才執(zhí)行相應(yīng)的動作。例如，機器人拿起桌子A上的積木塊這一操作，其先決條件是。對先決條件成立與否的驗證可用歸結(jié)原理來完成的。機器人轉(zhuǎn)移積木塊高手點撥對此問題的求解，實際上就是要尋找一組機器人可執(zhí)行的操作，利用這組操作實現(xiàn)從初始狀態(tài)到目標(biāo)狀態(tài)的轉(zhuǎn)變。機器人可執(zhí)行的操作可以分為先決條件和動作兩部分。

先決條件直接用謂詞公式表示，而動作通過動作前后的狀態(tài)變化表示出來，即通過刪除和增加動作發(fā)生前狀態(tài)表中的謂詞公式來描述相應(yīng)的動作。狀態(tài)空間表示法03人工智能研究中運用的問題求解方法多數(shù)是采用試探搜索方法。也就是說，問題求解方法多數(shù)是通過在某個可能的解空間內(nèi)尋找一個最優(yōu)解來求解問題的。這種基于解答空間的問題表示和求解方法就是狀態(tài)空間表示法，它是以狀態(tài)和操作符為基礎(chǔ)來表示和求解問題的。

2.3.1問題的狀態(tài)空間問題的狀態(tài)空間是一個表示該問題全部可能狀態(tài)及其關(guān)系的圖，它包含4種說明的集合，分別是所有可能的狀態(tài)集合S、操作符集合O、包含問題的初始狀態(tài)集合S0（是S的非空子集）及目標(biāo)狀態(tài)集合。因此，狀態(tài)空間可記為四元組。從初始狀態(tài)集合S0到目標(biāo)狀態(tài)集合的路徑稱為求解路徑。求解路徑上的操作符序列是狀態(tài)空間的一個解。例如，操作符序列使初始狀態(tài)S0轉(zhuǎn)換為目標(biāo)狀態(tài)G，則是待求解問題的一個解，如圖所示。

狀態(tài)空間的一個解狀態(tài)空間可用有向圖描述。圖的節(jié)點表示問題的狀態(tài)，圖的弧表示狀態(tài)之間的關(guān)系，也就是求解問題的步驟。初始狀態(tài)對應(yīng)于實際問題的已知信息，是圖中的根節(jié)點。

在問題的狀態(tài)空間描述中，尋找一種狀態(tài)轉(zhuǎn)換為另一種狀態(tài)的某個操作符序列就等價于在一個圖中尋找實現(xiàn)狀態(tài)轉(zhuǎn)換的某一路徑。2.3.2狀態(tài)空間的圖描述

狀態(tài)空間圖的描述狀態(tài)空間表示問題的一般步驟如下。（1）定義狀態(tài)的描述形式。（2）用所定義的狀態(tài)描述形式把問題的所有可能狀態(tài)都表示出來。（3）定義一組操作符，通過這組操作符可把問題從一種狀態(tài)轉(zhuǎn)換為另一種狀態(tài)。（4）繪制狀態(tài)空間圖，尋找將問題從初始狀態(tài)轉(zhuǎn)換為目標(biāo)狀態(tài)的操作符序列。2.3.3狀態(tài)空間表示問題假設(shè)有7個錢幣，任一選手只能將已分好的一堆錢幣分成兩堆個數(shù)不等的錢幣，兩位選手輪流進行，直到每一堆都只有一個或兩個錢幣為止。哪個選手遇到不能分的情況就為輸。假設(shè)對方先走，請用狀態(tài)空間表示法確定我方必勝的策略。2.3.4案例：探尋必勝策略探尋必勝策略產(chǎn)生式表示法04產(chǎn)生式表示法，又稱產(chǎn)生式規(guī)則表示法，是由美國數(shù)學(xué)家波斯特（E.Post）于1943年提出的，如今已應(yīng)用到多個領(lǐng)域中。1．確定性事實知識的產(chǎn)生式表示確定性事實知識可看成是斷言一個語言變量的值或是多個語言變量間關(guān)系的陳述句。語言變量的值或語言變量間的關(guān)系可以是一個詞，不一定是數(shù)字。例如，雪是白色的，其中雪是語言變量，其值是白色的；小花喜歡貓，其中小花和貓是兩個語言變量，兩者的關(guān)系值是喜歡。確定性事實知識一般用三元組表示（對象，屬性，值）或者（關(guān)系，對象1，對象2）例如，“雪是白色的”表示為（Snow,Color,White）

；“小花喜歡貓”表示為(Like,Xiaohua,Cat)

。2.4.1產(chǎn)生式的基本形式產(chǎn)生式通常用來描述事實、規(guī)則及它們的不確定性程度，適合于表示事實知識和規(guī)則知識。2．不確定性事實知識的產(chǎn)生式表示不確定性事實知識一般用四元組表示：（對象，屬性，值，置信度）或者（關(guān)系，對象1，對象2，置信度）其中，置信度代表該事實為真的相信程度，可用一個0到1之間的數(shù)來表示。例如，“這只狗的名字不太可能叫小白”表示為(Dog,Name,Xiaobai,0.2)

“杰克極有可能喜歡露絲”表示為(Love,Jack,Rose,0.9)

。

添磚加瓦產(chǎn)生式與謂詞邏輯中蘊涵式的基本形式相同，但是蘊涵式只是產(chǎn)生式的一種特殊情況，并且兩者之間存在很大的區(qū)別：（1）式中運算范圍不同。蘊涵式只包括邏輯蘊涵，而產(chǎn)生式中除邏輯蘊含外，還包括各種操作、規(guī)則、變換、算子、函數(shù)等。（2）知識表示范圍不同。蘊含式只能表示確定性知識，其真值非真即假，而產(chǎn)生式不僅可以表示確定性知識，還可以表示不確定性知識。（3）匹配要求不同。對于蘊涵式來說，其匹配要求是精確的，而在產(chǎn)生式中，匹配可以是精確的，也可以是不精確的，只要按某種算法求出的相似度落在預(yù)先指定的范圍內(nèi)就認(rèn)為是可匹配的。產(chǎn)生式系統(tǒng)是人工智能系統(tǒng)中常用的一種程序結(jié)構(gòu)，是一種知識表示系統(tǒng)。產(chǎn)生式系統(tǒng)把一組產(chǎn)生式放在一起，讓它們互相配合，協(xié)同工作，并且可以讓一個產(chǎn)生式生成的結(jié)論作為另一個產(chǎn)生式的已知事實使用，以求得問題的結(jié)論。一般來說，一個產(chǎn)生式系統(tǒng)由規(guī)則庫、推理機和綜合數(shù)據(jù)庫三部分組成。它們之間的關(guān)系如圖所示。2.4.2產(chǎn)生式系統(tǒng)產(chǎn)生式系統(tǒng)的基本結(jié)構(gòu)關(guān)系

規(guī)則庫是用于描述相應(yīng)領(lǐng)域內(nèi)知識的產(chǎn)生式集合。

規(guī)則庫中包含著將問題從初始狀態(tài)轉(zhuǎn)換成目標(biāo)狀態(tài)（或解狀態(tài)）的那些變換規(guī)則。1．規(guī)則庫高手點撥規(guī)則庫是產(chǎn)生式系統(tǒng)求解問題的基礎(chǔ)，其知識是否完整、一致，表達是否準(zhǔn)確、靈活，對知識的組織是否合理等，將直接影響到系統(tǒng)的性能。因此，在建立規(guī)則庫時應(yīng)注意以下問題。（1）有效地表達領(lǐng)域內(nèi)的過程知識。規(guī)則庫中存放的主要是過程性知識，用于實現(xiàn)對問題的求解。（2）對規(guī)則庫中的知識進行合理的組織與管理，檢測并排除冗余及矛盾的知識，保持知識的一致性。（3）采用合理的結(jié)構(gòu)形式，可使推理避免訪問那些與當(dāng)前問題求解無關(guān)的知識，從而提高求解問題的效率。綜合數(shù)據(jù)庫又稱為事實庫、上下文、黑板等。它是一個用于存放問題求解過程中各種當(dāng)前信息的數(shù)據(jù)結(jié)構(gòu)，如問題的初始狀態(tài)、原始證據(jù)、推理中得到的中間結(jié)論及最終結(jié)論等。當(dāng)規(guī)則庫中某條產(chǎn)生式的前提可與綜合數(shù)據(jù)庫中的某些已知事實匹配時，該產(chǎn)生式就被激活，并把它推出的結(jié)論放入綜合數(shù)據(jù)庫中，作為后面推理的已知事實。顯然，綜合數(shù)據(jù)庫的內(nèi)容是不斷變化的，是動態(tài)的。2．綜合數(shù)據(jù)庫推理機是由一個或一組程序組成，負(fù)責(zé)整個產(chǎn)生式系統(tǒng)的運行，控制和協(xié)調(diào)規(guī)則庫與綜合數(shù)據(jù)庫的運行，實現(xiàn)對問題的求解。推理機主要做以下4項工作。（1）匹配。按一定的策略從規(guī)則庫中選擇適當(dāng)?shù)囊?guī)則與綜合數(shù)據(jù)庫中的已知事實進行匹配。（2）沖突消解。匹配成功的規(guī)則可能不止一條，這稱為發(fā)生了沖突。此時，推理機必須調(diào)用相應(yīng)的解決沖突策略進行消解，以便從匹配成功的規(guī)則中選出一條執(zhí)行。（3）執(zhí)行。在執(zhí)行某一條規(guī)則時，如果該規(guī)則的后項是一個或多個結(jié)論，則把這些結(jié)論加入綜合數(shù)據(jù)庫中；如果規(guī)則的后項是一個或多個操作，則執(zhí)行這些操作。（4）檢查推理終止條件。隨時檢查綜合數(shù)據(jù)庫中是否包含了最終結(jié)論。3．推理機產(chǎn)生式系統(tǒng)求解問題的一般步驟如下。（1）初始化綜合數(shù)據(jù)庫，把問題的初始已知事實送入綜合數(shù)據(jù)庫中。（2）根據(jù)相關(guān)領(lǐng)域的知識建立規(guī)則庫。（3）若規(guī)則庫中存在尚未使用過的規(guī)則，而且它的前提可與綜合數(shù)據(jù)庫中的已知事實匹配，則轉(zhuǎn)第（4）步；若不存在這樣的事實，則轉(zhuǎn)第（6）步。2.4.3產(chǎn)生式系統(tǒng)求解問題（4）執(zhí)行當(dāng)前選中的規(guī)則，并對該規(guī)則做上標(biāo)記，把該規(guī)則執(zhí)行后得到的結(jié)論送入綜合數(shù)據(jù)庫中，如果該規(guī)則的結(jié)論部分指出的是某些操作，則執(zhí)行這些操作。（5）檢查綜合數(shù)據(jù)庫中是否已包含了問題的解，若已包含，則終止問題的求解過程；否則第（3）步。（6）要求用戶提供進一步的關(guān)于問題的已知事實，若能提供，則轉(zhuǎn)第（3）步，否則終止問題的求解過程。（7）若規(guī)則庫中不再有未使用過的規(guī)則，則終止問題的求解過程。高手點撥在上述的第（5）步中，為了檢查綜合數(shù)據(jù)庫中是否包含問題的解，可采用如下兩種簡單的處理方法。（1）把問題最終的結(jié)論全部列于一張表中，每當(dāng)執(zhí)行一條規(guī)則得到一個結(jié)論時，就檢查該結(jié)論是否包含在表中，若包含在表中，說明它就是最終結(jié)論，求得了問題的解。（2）對每條是最終結(jié)論的產(chǎn)生式規(guī)則做標(biāo)記，當(dāng)執(zhí)行到上述步驟中的第（4）步時，首先檢查該選中的規(guī)則是否帶有這個標(biāo)記，若帶有，則由該規(guī)則推出的結(jié)論就是最終結(jié)論，即求得了問題的解。

2.4.4案例：字符轉(zhuǎn)換語義網(wǎng)絡(luò)表示法05語義網(wǎng)絡(luò)最早是1968年由奎利恩（J.R.Quillian）在研究人類聯(lián)想記憶時提出的一種心理學(xué)模型，他認(rèn)為記憶是由概念間的聯(lián)系實現(xiàn)的。隨后在他設(shè)計的可教式語言理解器中又把它用作知識表示方法。1972年，赫伯特·西蒙正式提出了語義網(wǎng)絡(luò)的概念，討論了它與一階謂詞邏輯的關(guān)系，并將語義網(wǎng)絡(luò)應(yīng)用到了自然語言理解的研究中。語義網(wǎng)絡(luò)是通過概念及語義關(guān)系（或語義聯(lián)系）來表示知識的一種網(wǎng)絡(luò)圖。從圖論的觀點出發(fā)，語義網(wǎng)絡(luò)是一種帶標(biāo)識的有向圖。語義網(wǎng)絡(luò)由節(jié)點和節(jié)點間的弧組成。節(jié)點表示各種事物、概念、情況、屬性、狀態(tài)、事件和動作等；弧表示它所連接的節(jié)點間的各種語義關(guān)系。節(jié)點和弧都必須帶有標(biāo)識，以便區(qū)分各種不同對象及對象間的各種語義關(guān)系。2.5.1語義網(wǎng)絡(luò)的結(jié)構(gòu)從結(jié)構(gòu)上來看，語義網(wǎng)絡(luò)一般由一些最基本的語義單元組成。這些最基本的語義單元稱為語義基元，可用如下三元組來表示。（節(jié)點1，弧，節(jié)點2）語義基元結(jié)構(gòu)的有向圖表示如圖1所示。其中，A和B分別代表節(jié)點，而R代表A和B之間的某種語義關(guān)系。當(dāng)把多個語義基元用相應(yīng)的語義關(guān)系關(guān)聯(lián)在一起時，就形成了一個語義網(wǎng)絡(luò)，其結(jié)構(gòu)如圖2所示。圖2語義網(wǎng)絡(luò)結(jié)構(gòu)圖1語義基元結(jié)構(gòu)基本語義關(guān)系是構(gòu)成復(fù)雜語義關(guān)系的基本單元，也是語義網(wǎng)絡(luò)表示知識的基礎(chǔ)。一些基本的語義關(guān)系可以組合成任意復(fù)雜的語義關(guān)系。以下是一些經(jīng)常使用的基本語義關(guān)系。2.5.2基本的語義關(guān)系1．類屬關(guān)系類屬關(guān)系是指具有共同屬性的不同事物間的分類關(guān)系、成員關(guān)系或?qū)嵗P(guān)系，它體現(xiàn)的是具體與抽象、個體與集體的層次分類。例如，“是一只”“是一個”“是一種”等。常用的類屬關(guān)系有以下3種。（1）ISA（Is-A）表示一個事物是另一個事物的實例。例如，“鸚鵡是一只鳥”，其語義網(wǎng)絡(luò)表示如圖1所示。（2）AMO（A-Member-Of）表示一個事物是另一個事物的成員。例如，“李琦是學(xué)生會人員”，其語義網(wǎng)絡(luò)表示如圖2所示。（3）AKO（A-Kind-Of）表示一個事物是另一個事物的一種類型。例如，“鳥是動物”，其語義網(wǎng)絡(luò)表示如圖3所示。圖1ISA關(guān)系實例圖2AMO關(guān)系實例圖3AKO關(guān)系實例高手點撥在類屬關(guān)系中，最主要的特征是屬性的繼承性，下層節(jié)點可以繼承上層節(jié)點的所有屬性。例如，“鸚鵡是一只鳥”，節(jié)點鳥的屬性是有羽毛和翅膀，節(jié)點鸚鵡的屬性是會模仿人說話。這一知識的語義網(wǎng)絡(luò)表示中，鸚鵡處于下層節(jié)點，鳥處于上層節(jié)點，因此，鸚鵡可以繼承鳥的屬性，即鸚鵡的屬性是有羽毛、翅膀和會模仿人說話。

包含關(guān)系也稱為聚集關(guān)系，是指具有組織或結(jié)構(gòu)特征的部分與整體之間的關(guān)系，它和類屬關(guān)系的最主要的區(qū)別就是包含關(guān)系一般不具備屬性的繼承性。常用的包含關(guān)系有Part-of、Member-of等，它表示一個事物是另一個事物的一部分，體現(xiàn)了部分與整體的關(guān)系。用包含關(guān)系連接的上下層節(jié)點的屬性可能是不相同的。例如，“輪胎是汽車的一部分”，其語義網(wǎng)絡(luò)表示如圖所示。2．包含關(guān)系包含關(guān)系實例屬性關(guān)系是指事物和屬性之間的關(guān)系。常用的屬性關(guān)系有下列兩種。（1）Have表示一個節(jié)點具有另一個節(jié)點所描述的屬性。例如，“鳥有翅膀”，其語義網(wǎng)絡(luò)表示如圖1所示。（2）Can表示一個節(jié)點能做另一個節(jié)點的事情。例如，“洗衣機可以洗衣服”，其語義網(wǎng)絡(luò)表示如圖2所示。3．屬性關(guān)系圖2Can關(guān)系實例圖1Have關(guān)系實例

時間關(guān)系是指不同事件發(fā)生的先后關(guān)系，節(jié)點間不具備屬性繼承性。常用的時間關(guān)系有Before、After等。

例如，“香港回歸之后，澳門也回歸了”，其語義網(wǎng)絡(luò)表示如圖所示。4．時間關(guān)系時間關(guān)系實例

5．位置關(guān)系位置關(guān)系是指不同事物在位置方面的關(guān)系，節(jié)點間不具備屬性繼承性。常用的位置關(guān)系有Located-on、Located-under、Located-inside和Located-outside等，分別表示一物體在另一物體之上、之下、之中和之外，還有Located-at表示一物體在某一位置等。例如，“清華大學(xué)位于北京”，其語義網(wǎng)絡(luò)表示如圖所示。位置關(guān)系實例

6．因果關(guān)系因果關(guān)系是指由于某一事物的發(fā)生而導(dǎo)致另一事物的發(fā)生，適合表示規(guī)則性知識。通常用If-then關(guān)系表示兩個節(jié)點之間的因果關(guān)系，其含義是“如果……，則……”。

例如，“如果明天下雨，則出門需要帶雨傘”，其語義網(wǎng)絡(luò)表示如圖所示。因果關(guān)系實例7．相近關(guān)系相近關(guān)系又稱為相似關(guān)系，是指不同事物在形狀、內(nèi)容等方面相似或接近。常用的相近關(guān)系有Similar-to和Near-to，分別表示一事物與另一事物相似和相近。

例如，“狗長得像狼”，其語義網(wǎng)絡(luò)表示如圖所示。相近關(guān)系實例8．組成關(guān)系組成關(guān)系是一種一對多的關(guān)系，用于表示某一事物由其他一些事物構(gòu)成，通常用Composed-of關(guān)系表示。Composed-of關(guān)系所連接的節(jié)點間不具備屬性繼承性。

例如，“整數(shù)由正整數(shù)、負(fù)整數(shù)和零組成”，其語義網(wǎng)絡(luò)表示如圖所示。組成關(guān)系實例語義網(wǎng)絡(luò)除了可以描述事物本身之外，還可以描述事物之間錯綜復(fù)雜的關(guān)系。因此，通常把有關(guān)一個事物或一組相關(guān)事物的知識用一個語義網(wǎng)絡(luò)來表示。

例如，知識“蘋果樹是一種果樹，果樹又是樹的一種，樹有根和葉，而且樹是一種植物”，其語義網(wǎng)絡(luò)表示如圖所示。2.5.3語義網(wǎng)絡(luò)表示知識有關(guān)蘋果樹的語義網(wǎng)絡(luò)表示（1）動作的表示。

有些表示知識的語句既有發(fā)出動作的主體，又有接受動作的客體。此時，可以增加一個動作節(jié)點用于指出動作的主體和客體。例如，知識“我送給他一本書”中涉及的對象有“我”“他”和“書”，為了表示這個事實，增加一個動作節(jié)點，即“送給”節(jié)點。該知識的語義網(wǎng)絡(luò)表示如圖所示。知識是復(fù)雜多樣的，下面著重介紹語義網(wǎng)絡(luò)表示知識的方法。帶有動作節(jié)點的語義網(wǎng)絡(luò)表示1．動作、情況和事件的表示（2）情況的表示。如果語句中的動作表示了一些其他情況，如動作作用的時間等，則需要增加一個情況節(jié)點用于指出各種不同的情況。例如，知識“請在2020年9月前歸還圖書”中只涉及一個對象“圖書”，而且這條知識表示了在2020年9月前歸還圖書這一情況。為了表示歸還的時間，可以增加一個“歸還”節(jié)點和一個“情況”節(jié)點，這樣不僅說明了歸還的對象是圖書，而且很好地表示了歸還圖書的時間。該知識的語義網(wǎng)絡(luò)表示如圖所示。帶有情況節(jié)點的語義網(wǎng)絡(luò)表示（2）情況的表示。如果語句中的動作表示了一些其他情況，如動作作用的時間等，則需要增加一個情況節(jié)點用于指出各種不同的情況。例如，知識“請在2020年9月前歸還圖書”中只涉及一個對象“圖書”，而且這條知識表示了在2020年9月前歸還圖書這一情況。為了表示歸還的時間，可以增加一個“歸還”節(jié)點和一個“情況”節(jié)點，這樣不僅說明了歸還的對象是圖書，而且很好地表示了歸還圖書的時間。該知識的語義網(wǎng)絡(luò)表示如圖所示。帶有情況節(jié)點的語義網(wǎng)絡(luò)表示（3）事件的表示。

如果要表示的知識可以看成是發(fā)生的一個事件，那么可以增加一個事件節(jié)點來描述這條知識。例如，知識“紅隊邀請藍隊進行了一場籃球比賽，結(jié)局是紅隊以10∶7的成績獲勝”的語義網(wǎng)絡(luò)表示如圖所示。其中，增加了節(jié)點“籃球賽”表示事件。帶有事件節(jié)點的語義網(wǎng)絡(luò)表示（1）合取與析取的表示。

為了能表示知識中含有的合取與析取的語義關(guān)系，語義網(wǎng)絡(luò)表示法通過增加合取節(jié)點和析取節(jié)點來表示。例如，用語義網(wǎng)絡(luò)表示知識“參觀博物館的人員有男有女，有年老的，有年輕的”，如圖2-25所示。其中，A、B、C、D分別代表4種情況的參觀者。具有合取和析取關(guān)系的語義網(wǎng)絡(luò)表示2．連詞和量詞的表示語義網(wǎng)絡(luò)可以表示含有“并且”“或者”“所有”“存在”等連接詞或量詞的復(fù)雜知識。（2）存在量詞和全稱量詞的表示。

在用語義網(wǎng)絡(luò)表示知識時，存在量詞可以直接用“是一種”“是一個”等語義關(guān)系表示；全稱量詞可以采用語義網(wǎng)絡(luò)分區(qū)技術(shù)表示，該技術(shù)也稱為分塊語義網(wǎng)絡(luò)，用來解決量詞的表示問題。例如，知識“每個學(xué)生都學(xué)習(xí)了一門外語”用語義網(wǎng)絡(luò)表示如圖所示。具有全稱量詞的語義網(wǎng)絡(luò)表示高手點撥在圖中，弧F由節(jié)點G指向子空間，代表G中的元素具有子空間表示的關(guān)系?；∮晒?jié)點G指向節(jié)點S，代表G中包含的變元S具有全稱量詞。在知識“每個學(xué)生都學(xué)習(xí)了一門外語”中，只有代表學(xué)生的變元S具有全稱量詞，因此，其語義網(wǎng)絡(luò)圖中僅有一條指向節(jié)點S的弧。若某個事實中存在多個具有全稱量詞的變元，則需要多條弧，且弧由表示知識的節(jié)點出發(fā)，指向表示具有全稱量詞變元的節(jié)點。

3．語義網(wǎng)絡(luò)表示知識的步驟語義網(wǎng)絡(luò)表示知識的一般步驟如下。（1）確定問題中所有對象和各對象的屬性。（2）確定所討論對象間的關(guān)系。（3）根據(jù)語義網(wǎng)絡(luò)中所涉及的關(guān)系，對語義網(wǎng)絡(luò)中的節(jié)點及弧進行整理，包括增加節(jié)點、增加弧和歸并節(jié)點等。（4）將各對象作為語義網(wǎng)絡(luò)的一個節(jié)點，各對象間的關(guān)系作為網(wǎng)絡(luò)中各節(jié)點的弧，連接形成語義網(wǎng)絡(luò)?，F(xiàn)有動物貓、狗、豬、羊，它們都是哺乳動物。斯芬克斯貓是貓，但是它沒有毛。松獅是狗，長得像獅子。野豬是豬，但是生活在森林中。

山羊和綿羊都是羊，但是山羊頭上長著角，綿羊沒有，綿羊能產(chǎn)羊毛，但是山羊不能。2.5.4案例：動物分類解：（1）知識中涉及的對象有動物、貓、狗、豬、羊、哺乳動物、斯芬克斯貓、貓毛、松獅、獅子、野豬、森林、山羊、綿羊、羊角、羊毛等。（2）分析對象之間的關(guān)系。動物和哺乳動物，哺乳動物和貓、狗、豬及羊，貓和斯芬克斯貓，狗和松獅，豬和野豬，羊和山羊及綿羊之間的關(guān)系都屬于“是一種”的關(guān)系，用AKO來表示。斯芬克斯貓和貓毛之間是一種屬性關(guān)系，（3）整理語義網(wǎng)絡(luò)中的節(jié)點和弧，連接形成語義網(wǎng)絡(luò)，如圖所示。動物分類的語義網(wǎng)絡(luò)表示框架表示法061975年美國著名的人工智能學(xué)者馬文·明斯基在論文中提出了框架理論。他從心理學(xué)的證據(jù)出發(fā)，認(rèn)為人的知識是以框架結(jié)構(gòu)寄存在人腦中的。當(dāng)人們面臨新的情況，或?qū)栴}的看法有重要變化時，總是從自己的記憶中找出一個合適的框架，然后根據(jù)細節(jié)加以修改補充，從而形成對新事物的認(rèn)識?？蚣鼙硎痉ㄊ且环N結(jié)構(gòu)化的知識表示方法，現(xiàn)已在多種系統(tǒng)中得到了應(yīng)用?？蚣埽╢rame）是一種描述對象屬性的數(shù)據(jù)結(jié)構(gòu)，是由若干個節(jié)點和關(guān)系構(gòu)成的網(wǎng)絡(luò)。其中，對象代表一個物體、事件或概念等。一個框架由若干個被稱為“槽”（slot）的結(jié)構(gòu)組成，每個槽又可根據(jù)實際情況劃分為若干個“側(cè)面”（facet）。一個槽用于描述所論述對象某一方面的屬性，一個側(cè)面用于描述相應(yīng)屬性的一個方面。槽和側(cè)面所具有的屬性值分別稱為槽值和側(cè)面值。2.6.1框架的一般結(jié)構(gòu)用框架表示知識的系統(tǒng)中一般含有多個框架，一個框架一般又含有多個不同槽和不同側(cè)面，因此，分別用不同的框架名、槽名及側(cè)面名表示。

無論是對框架、槽或側(cè)面，都可以為其附加上一些說明性的信息，如一些約束條件，用于指出什么樣的值才能填入到槽和側(cè)面中。框架一般結(jié)構(gòu)的表示形式如表所示。框架一般結(jié)構(gòu)的表示形式<框架名>槽名1：側(cè)面名11側(cè)面值111，側(cè)面值112，…，側(cè)面值11p1

側(cè)面名12側(cè)面值121，側(cè)面值122，…，側(cè)面值12p2

…

側(cè)面名1m側(cè)面值1m1，側(cè)面值1m2，…，側(cè)面值1mpm槽名2：側(cè)面名21側(cè)面值211，側(cè)面值212，…，側(cè)面值21p1

側(cè)面名22側(cè)面值221，側(cè)面值222，…，側(cè)面值22p2

…

側(cè)面名2m側(cè)面值2m1，側(cè)面值2m2，…，側(cè)面值2mpm…

槽名n：側(cè)面名n1側(cè)面值n11，側(cè)面值n12，…，側(cè)面值n1p1

側(cè)面名n2側(cè)面值n21，側(cè)面值n22，…，側(cè)面值n2p2

…

側(cè)面名nm側(cè)面值nm1，側(cè)面值nm2，…，側(cè)面值nmpm約束：約束條件1

約束條件2

…

約束條件n高手點撥槽值或側(cè)面值既可以是數(shù)值、字符串、布爾值，也可以是滿足某個給定條件時要執(zhí)行的動作或過程，還可以是另一個框架的名字，以實現(xiàn)一個框架對另一個框架的調(diào)用，表示框架之間的橫向聯(lián)系。約束條件是任選的，當(dāng)不指出約束條件時，表示沒有約束。例如，下表描述了優(yōu)質(zhì)商品的框架。該框架中有3個槽，槽名分別是“商品名稱”“生產(chǎn)廠商”和“獲獎情況”，分別描述了“優(yōu)質(zhì)商品”的3種屬性。其中，“獲獎情況”槽又包含了3個側(cè)面，分別是“獲獎等級”“頒獎部門”和“獲獎時間”。對于側(cè)面“獲獎時間”，用“單位”指出了該側(cè)面值的標(biāo)準(zhǔn)限制，要求所填的時間必須按照“年/月/日”的順序填寫?？蚣苊?lt;優(yōu)質(zhì)商品>商品名稱：生產(chǎn)廠商：獲獎情況：獲獎等級：頒獎部門：獲獎時間：單位（年/月/日）優(yōu)質(zhì)商品框架對于上述框架，當(dāng)把具體的信息填入槽或側(cè)面后，就得到了一個實例框架。例如，把某一款優(yōu)質(zhì)商品的信息填入優(yōu)質(zhì)商品框架中，就可得到該款商品的框架表示，如下表所示。優(yōu)質(zhì)商品框架框架名：<優(yōu)質(zhì)商品>商品名稱：旺旺小小酥生產(chǎn)廠商：旺旺公司獲獎情況：獲獎等級：一等頒獎部門：食品安全局獲獎時間：2020/9/1框架表示知識的一般步驟如下：（1）分析待表示知識中的對象及其屬性，合理設(shè)置框架中的槽。（2）考察各對象間的各種聯(lián)系。使用一些常用的名稱或根據(jù)具體需要定義一些表達聯(lián)系的槽名，來描述上下層框架間的聯(lián)系。常用的槽名有ISA槽、AKO槽、INSTANCE槽和Part-of槽等。（3）對各層對象的槽和側(cè)面進行合理的組織安排，避免信息描述的重復(fù)。2.6.2框架表示知識以下是一則關(guān)于地震的新聞報道，請用框架表達這段報道。今天，一次強度為里氏8.5級的強烈地震襲擊了下斯洛文尼亞地區(qū)，造成25人死亡和5億美元的財產(chǎn)損失。下斯洛文尼亞地區(qū)主席說，多年來，靠近薩迪壕金斯斷層的重災(zāi)區(qū)一直是一個危險地區(qū)，這是本地區(qū)發(fā)生的第3號地震。解：（1）確定新聞中的對象及其屬性。本報道中的對象是地震3，關(guān)于地震的關(guān)鍵屬性是地震發(fā)生的地點、時間、傷亡人數(shù)、財產(chǎn)損失數(shù)量、震級、斷層情況。（2）將有關(guān)數(shù)據(jù)填入相應(yīng)的槽中，如下表所示。地震框架2.6.3案例：新聞報道框架名：<地震3>地點：下斯洛文尼亞時間：今天傷亡人數(shù)：25財產(chǎn)損失：5億美元震級：8.5斷層：薩迪壕金斯PleaseAddYourTitleHereinsertyourdesiredtexthere感謝觀看THANKS人工智能原理篇確定性推理第三章本章導(dǎo)讀知識表示方法能夠?qū)⒅R以某種模式表示出來并存儲到計算機中，而計算機真正的智能是其具有思維能力，即能運用知識進行推理來求解問題。本章從推理的概念入手，介紹確定性推理的方式，包括自然演繹推理和歸結(jié)演繹推理。學(xué)習(xí)目標(biāo)熟悉推理的概念、方式及分類。理解推理方向和沖突消解策略。掌握自然演繹推理和歸結(jié)演繹推理的推理方法，并能夠使用它們求解問題。目錄

141推理概述自然演繹推理歸結(jié)演繹推理010203推理概述01推理的概念3.1.1推理是指從已知事實出發(fā)，按照某種策略，運用已掌握的知識，推導(dǎo)出其中蘊含的事實性結(jié)論或歸納出某些新的結(jié)論的過程。推理所用的事實可分為兩種，一種是推理前用戶提供的與求解問題有關(guān)的初始證據(jù)；另一種是推理過程中所得到的中間結(jié)論，這些中間結(jié)論可以作為進一步推理的證據(jù)。通常，智能系統(tǒng)的推理過程由推理機來完成。所謂推理機就是智能系統(tǒng)中用來實現(xiàn)推理的那些程序。1．按推理的邏輯基礎(chǔ)分類按推理的邏輯基礎(chǔ)分類，推理可分為演繹推理、歸納推理和默認(rèn)推理。（1）演繹推理是從已知的一般性知識出發(fā)，推出蘊含在已知知識中的適合于某種個別情況的結(jié)論。它是一種從一般到個別的推理方式。演繹推理是人工智能系統(tǒng)中的一種重要的推理方式，它的一般模式是三段論式。三段論式包含3個部分，即大前提、小前提和結(jié)論。①大前提是已知的一般性知識或推理過程得到的判斷。②小前提是關(guān)于某種具體情況或某個別事實的判斷。③結(jié)論是由大前提推出的，并適合于小前提的新判斷。3.1.2推理方式及分類人類的智能活動有多種思維方式，相應(yīng)地，對人類智能進行模擬的人工智能也有多種推理方式。下面從不同的角度對推理方式進行分類。（2）歸納推理是從大量特殊事例出發(fā)，歸納出一般性結(jié)論的推理過程。它是一種由個別到一般的推理方式。對于歸納推理，按照所選事例的廣泛性可分為完全歸納推理和不完全歸納推理。①完全歸納推理是指在進行歸納時需要考察相應(yīng)事物的全部對象，并根據(jù)這些對象是否具有某種屬性，從而推出該類事物是否具有此屬性。例如，計算機質(zhì)量檢測時，如果對每一臺計算機都進行檢測，且質(zhì)量都合格，就可以推出“計算機質(zhì)量合格”的結(jié)論。②不完全歸納推理是指在進行歸納時只考察相應(yīng)事物的部分對象，就得出關(guān)于該事物的結(jié)論。例如，隨機抽取部分計算機進行質(zhì)量檢測，如果這部分計算機都合格，則可以推出“計算機質(zhì)量合格”的結(jié)論。知識庫演繹推理與歸納推理的區(qū)別如下：演繹推理是在已知領(lǐng)域內(nèi)的一般性知識的前提下，通過演繹證明一個結(jié)論的正確性或者求解一個具體問題。由演繹推理推出的結(jié)論實際上早已蘊含在一般性知識中。演繹推理只不過是將已有事實揭露出來，因此它不能增殖新知識。歸納推理所推出的結(jié)論是沒有包含在前提內(nèi)容中的，這種由個別事物或現(xiàn)象推出一般性知識的過程，是增殖新知識的過程。例如，一位計算機維修員從書本學(xué)習(xí)知識到通過大量實例積累經(jīng)驗，是一種歸納推理方式。計算機維修員運用這些一般性知識去維修計算機的過程則屬于演繹推理。（3）默認(rèn)推理又稱為缺省推理，是在知識不完全的情況下假設(shè)某些條件已經(jīng)具備所進行的推理。也就是說，在進行推理時，如果對某些證據(jù)不能證明其不成立的情況下，先假設(shè)它們是成立的，并將它們作為推理的依據(jù)進行推理。例如，要編制人工智能課程的測試題，但是不知道參加測試的計算機系學(xué)生是否都會編程，則默認(rèn)計算機系學(xué)生都會編程，因此，可以推出“這份人工智能課程的測試題中可以含有編程題”。高手點撥在使用默認(rèn)推理方式進行推理的過程中，如果加入的新知識或所推出的中間結(jié)論與已有知識發(fā)生矛盾，則說明前面有關(guān)證據(jù)的假設(shè)是不正確的，這時就需要撤銷原來的假設(shè)及由此假設(shè)所推出的所有結(jié)論，重新按照新情況進行推理。2．按推理時所用知識的確定性分類按推理時所用知識的確定性分類，推理可分為確定性推理和不確定性推理。（1）確定性推理是指推理時所使用的知識都是確定的，推出的結(jié)論也都是確定的，而且它們的真值非真即假，不會有第三種情況出現(xiàn)。（2）不確定性推理是指推理時所用的知識不都是確定的，推出的結(jié)論也是不確定的，它們的真值會位于真與假之間。添磚加瓦經(jīng)典邏輯推理是最先提出的一類推理方式，是根據(jù)經(jīng)典邏輯的規(guī)則進行的一種推理。經(jīng)典邏輯主要包括命題邏輯和一階謂詞邏輯，它們的真值都是確定的。因此，經(jīng)典邏輯推理是一種確定性推理。非經(jīng)典邏輯推理是基于非經(jīng)典邏輯的規(guī)則進行的一種推理。非經(jīng)典邏輯主要包括三值邏輯、多值邏輯和模糊邏輯等，它們的真值都是不確定的。因此，非經(jīng)典邏輯推理是一種不確定性推理。3．按推理過程中是否會出現(xiàn)反復(fù)的情況分類按推理過程中所推出的結(jié)論是否單調(diào)地增加，或者按推理過程所得到的結(jié)論是否越來越接近最終目標(biāo)分類，推理可分為單調(diào)推理和非單調(diào)推理。（1）單調(diào)推理是指在推理的過程中隨著推理的向前推進及新知識的加入，推出的結(jié)論呈單調(diào)增加的趨勢，并且結(jié)論越來越接近最終目標(biāo)。單調(diào)推理在推理的過程中不會出現(xiàn)反復(fù)的情況，如基于經(jīng)典邏輯的演繹推理。（2）非單調(diào)推理是指在推理過程中由于新知識的加入，不僅沒有加強已推出的結(jié)論，反而否定了它，使得推理退回到前面的某一步，然后重新開始推理。非單調(diào)推理一般在知識不完全的情況下發(fā)生，如默認(rèn)推理。4．按推理過程中是否運用啟發(fā)性知識分類按推理過程中是否運用與問題有關(guān)的啟發(fā)性知識分類，推理可分為啟發(fā)式推理和非啟發(fā)式推理。（1）如果在推理過程中，運用了與問題有關(guān)的啟發(fā)性知識，如解決問題的策略、技巧及經(jīng)驗等，以加快推理過程，求得問題最優(yōu)解，則稱這種推理過程為啟發(fā)式推理。（2）如果在推理過程中，不運用啟發(fā)性知識，只按照一般的控制邏輯進行推理，則稱這種推理過程為非啟發(fā)式推理。推理方向用來確定推理的驅(qū)動方式，包括數(shù)據(jù)（證據(jù)）驅(qū)動和目標(biāo)驅(qū)動。所謂數(shù)據(jù)驅(qū)動是指推理過程從初始證據(jù)開始直到目標(biāo)結(jié)束；而目標(biāo)驅(qū)動則是指推理過程從目標(biāo)開始進行反向推理，直到出現(xiàn)與初始證據(jù)相吻合的結(jié)果。按照推理方向不同，推理可分為正向推理、逆向推理和混合推理。3.1.3推理方向正向推理是一種從已知事實出發(fā)，正向使用推理規(guī)則的推理方式，它是一種數(shù)據(jù)驅(qū)動的推理方式，又稱為前項鏈推理或自底向上推理。正向推理的基本思路如下。（1）從用戶提供的初始已知事實出發(fā)，在知識庫KB中找出當(dāng)前適用的知識，構(gòu)成知識集KS。（2）按某種沖突消解策略從KS中選出一條知識進行推理，并將推出的新事實加入數(shù)據(jù)庫DB中，作為下一步推理的已知事實。（3）在知識庫中選取可適用知識進行推理，如此重復(fù)這一過程，直到求得了問題的解或者知識庫中再無可適用的知識為止。1．正向推理正向推理的過程可用如左圖所示的算法描述。（1）將用戶提供的初始已知事實送入數(shù)據(jù)庫DB中。（2）檢查DB中是否已經(jīng)包含了該問題的解，若有，則求解結(jié)束，并成功退出，否則執(zhí)行下一步。（3）根據(jù)DB中的已知事實，掃描知識庫KB，檢查KB中是否含有可適用（即可與DB中已知事實匹配）的知識，若有則轉(zhuǎn)到（4），否則轉(zhuǎn)到（6）。（4）把KB中所有的適用知識都選出來，構(gòu)成可適用的知識集KS。（5）若KS不為空，則按某種沖突消解策略從中選出一條知識進行推理，并將推出的新知識加入DB中，然后轉(zhuǎn)到（2）；若KS為空，則轉(zhuǎn)到（6）。（6）詢問用戶是否可進一步補充新事實，若可以補充，則將補充的新事實加入DB中，然后轉(zhuǎn)到（3），否則表示求不出解，失敗退出。逆向推理是一種以某個假設(shè)為出發(fā)點，反向運用推理規(guī)則的推理方式，它是一種目標(biāo)驅(qū)動的推理方式，又稱為反向鏈推理或自頂向下推理。逆向推理的基本思路如下：（1）選定一個假設(shè)（目標(biāo)）。（2）尋找支持該假設(shè)的證據(jù)，若所需的證據(jù)都能找到，則原假設(shè)成立；若無論如何都找不到所需要的證據(jù)，則說明原假設(shè)不成立，需要另作新的假設(shè)。2．逆向推理逆向推理的過程可用如左圖所示的算法描述。（1）提出要求證的假設(shè)。（2）檢查該假設(shè)是否已在數(shù)據(jù)庫DB中，若在，則該假設(shè)成立，退出推理或者對下一個假設(shè)進行驗證；否則，轉(zhuǎn)到下一步（3）。（3）判斷假設(shè)是否是證據(jù)，即它是否為應(yīng)由用戶證實的原始事實。若是，則咨詢用戶，否則，轉(zhuǎn)到（4）。（4）在知識庫KB中尋找有可能導(dǎo)出該假設(shè)的知識，形成適用的知識集合KS，然后轉(zhuǎn)到（5）。（5）從KS中選出一條知識，并將知識運用的條件作為新的假設(shè)，然后轉(zhuǎn)到（2）。混合推理是把正向推理和逆向推理結(jié)合起來使用以解決較復(fù)雜問題的方法。當(dāng)問題中出現(xiàn)已知事實不充分、正向推理推出的結(jié)論可信度不高或用戶希望得到更多的結(jié)論等情況時，通常需要采用混合推理?；旌贤评矸譃?種類型，即先正向后逆向混合推理、先逆向后正向混合推理和雙向混合推理。（1）先正向后逆向混合推理是指先正向推理，從已知事實出發(fā)推出部分結(jié)論，然后再用逆向推理對這些結(jié)論進行證實或提高它們的可信度，其推理過程如圖所示。3．混合推理（2）先逆向后正向混合推理是指先逆向推理，從假設(shè)出發(fā)推出一些中間假設(shè)，然后再用正向推理對這些中間假設(shè)進行證實，其推理過程如圖所示。（3）雙向混合推理是指正向推理與逆向推理同時進行，并在推理過程中的某一步完美銜接在一起的推理。3．混合推理高手點撥雙向混合推理中，一方面根據(jù)已知事實進行正向推理，但并不能推導(dǎo)出最終目標(biāo)；另一方面從某假設(shè)出發(fā)進行逆向推理，但并不能推至原始事實，而是讓由正向推理所得到的中間結(jié)論恰好與逆向推理所要求的證據(jù)相遇，此時推理結(jié)束。逆向推理時所作的假設(shè)就是推理的最終結(jié)論。在推理過程中，系統(tǒng)要不斷地用自己當(dāng)前已知的事實與知識庫中的知識進行匹配，匹配過程中會出現(xiàn)3種情況。（1）已知事實不能與知識庫中的任何知識匹配成功。（2）已知事實恰好只與知識庫中的一個知識匹配成功。（3）已知事實可與知識庫中的多個知識匹配成功，或者有多個已知事實都可與知識庫中某一知識匹配成功，或者有多個已知事實可與知識庫中的多個知識匹配成功。3.1.4沖突消解策略如果推理過程中，出現(xiàn)情況（3），即不僅有知識匹配成功，而且有多個知識匹配成功，則稱為發(fā)生了沖突。按一定的策略從匹配成功的多個知識中選出一個知識用于當(dāng)前推理的過程稱為沖突消解。

解決沖突時所用的策略稱為沖突消解策略。目前已有多種沖突消解策略，其基本思想都是對知識進行排序。常用的沖突消解策略有以下幾種。（1）按就近原則排序，即把最近使用過的規(guī)則賦予較高的優(yōu)先級。（2）按已知事實的新鮮性排序。一般認(rèn)為新鮮事實是對舊知識的更新和改進，因此，后生成的事實比先生成的事實具有較高的優(yōu)先級。（3）按匹配度排序。在不確定性推理時，匹配度不僅