人工智能_433355.pptx
第四章 知识表示概述表示观表示方法第四章 知识表示方法概述表示观表示方法概述人工智能研究中最基本的问题之一在知识处理中总要问到：“如何表示知识？”，“知识是用什么来表示的?”。怎样使机器能懂，能对之进行处理，并能以一种人类能理解的方式将处理结果告诉人们。在AI系统中，给出一个清晰简洁的描述是很困难的。有研究报道认为。严格地说AI对知识表示的认真、系统的研究才刚刚开始。概述知识的定义（难以给出明确的定义只能从不同侧面加以理解）Feigenbaum：知识是经过消减、塑造、解释和转换 的信息。Bernstein：知识是由特定领域的描述、关系和过程 组成的。Hayes-roth：知识是事实、信念和启发式规则。知识库的观点：知识是某领域中所涉及的各有关方 面的一种符号表示。概述知识的种类事实性知识：采用直接表示的形式如：凡是猴子都有尾巴过程性知识：描述做某件事的过程如：电视维修法行为性知识：不直接给出事实本身，只给出它在某方面的行为如：微分方程、（事物的内涵）.概述知识的种类.实例性知识：只给出一些实例，知识藏在实例中。类比性知识:即不给出外延，也不给出内涵，只给出它与其它事物的某些相似之处 如：比喻、谜语 元知识：有关知识的知识。最重要的元知识是如何使用知识的知识，如何从知识库中找到想要的知识。概述知识的要素事实：事物的分类、属性、事物间关系、科学事实、客观事实等。（最低层的知识）规则：事物的行动、动作和联系的因果关系知识。（启发式规则）。控制：当有多个动作同时被激活时，选择哪一个动作来执行的知识。（技巧性）元知识：高层知识。怎样实用规则、解释规则、校验规则、解释程序结构等知识。概述知识表示的定义知识表示研究用机器表示知识的可行性、有效性的一般方法。知识表示是理智推理的部分理论。知识表示是有效计算的载体知识表示是交流的媒介（如语义网络）概述选取知识表示的因素表示范围是否广泛是否适于推理是否适于计算机处理是否有高效的算法能否表示不精确知识能否模块化总之 知识和元知识能否用统一 的形式表示是否加入启发信息过程性表示还是说明性表示表示方法是否自然概述选取知识表示的因素.总之，人工智能问题的求解是以知识表示为基础的。如何将已获得的有关知识以计算机内部代码形式加以合理地描述、存储、有效地利用便是表示应解决的问题。概述研究内容表示观的研究：认识论、本体论、知识工程表示方法的研究：直接法、代替法(局部、分布，.)概述知识表示研究的特点智能行为特有的灵活性。“常识问题”不能概括为一类简洁的理论，是大量小理论的集合。AI的任务受到计算装置的约束。这导致了所采用的“表示”必须同时满足“刻画智能现象”与“计算装置可以接受”，这两个有时是矛盾的条件。第四章 知识表示方法概述表示观表示方法第四章 知识表示方法概述表示观表示方法表示观认识论表示观本体论表示观知识工程表示观表示观即对于“什么是表示”这一基本问题的不同理解和采用的方法论。表示观认识论表示观本体论表示观知识工程表示观表示观即对于“什么是表示”这一基本问题的不同理解和采用的方法论。表示观 认识论表示观概述认为表示是对自然世界的表述，表示自身不显示任何智能行为。其唯一的作用就是携带知识。这意味着表示可以独立于启发式来研究。最早出现于J.McCarthy与P.Hayes的一篇文章中。此主张的核心是将AI问题分成两部分：认识论部分与启发式部分。认为AI的核心任务就是“常识”形式化。表示观 认识论表示观讨论的主要问题“知识的不完全性”是认识论学派讨论最多的情况。推理者的知识是不完全，但却是一致的，其要点是在保持知识一致性的前提下得出新的结论。“知识不一致性”是常识的另一类性质。例：教友派教徒是和平主义者，共和党是好战分子。已知某教授是教友派教徒，且是共和党人。问他是和平主义者吗？“知识不确定性”是更复杂的常识问题。尽管Fuzzy、可信度理论、人工神经网络等丰富了对常识的不确定性研究方法。但还不能显现地表示“可废弃性”这个重要特征。大大限制了对智能行为“灵活性”的描述。因此，在复杂问题求解时，集成几种方法是有吸引力的想法。“常识的相对性”，目前在AI中研究甚少。如，理论集合是有限的，常识的集合是无限的。表示观 认识论表示观特点表示是在特定环境下对世界观察的结果。强调自然世界现象与表示之间的因果关系。认为启发式方法不属于表示研究的内容。认为对常识知识的形式化是非常重要的任务。表示观认识论表示观本体论表示观知识工程表示观表示观即对于“什么是表示”这一基本问题的不同理解和采用的方法论。表示观认识论表示观本体论表示观知识工程表示观表示观即对于“什么是表示”这一基本问题的不同理解和采用的方法论。表示观 本体论表示观概述该观点是由D.Lenta提出。认为表示是对自然世界的一种近似，它规定了看待自然世界的方式。即一个约定的集合。表示是描述了关心的一部分，逼真是不可能的。表示观 本体论表示观主要解决问题表示必然需要对世界的某个部分给予特别的注意（聚集），而对世界的另外部分衰减，以求达到有效的求解。对世界可以采用不同的方式来记述。注重的不是“其语言形式，而是其内容”。此内容不是某些特定领域的特殊的专家知识，而是自然世界中那些具有普通意义的一般知识。（与知识工程不同）推理是表示观中不可缺少的一部分。表示研究应与启发式搜索联系起来。认为不考虑推理的纯粹表示是不存在的。表示观 本体论表示观主要解决问题.计算效率无疑是表示的核心问题之一。即有效地知识组织及与领域有关的启发式知识是其提高计算效率的手段。计算效率：不同于以前的多用计算复杂性来衡量一种智能系统的方法,而采用计算困难度来衡量。计算复杂性一般实质算法在极端情况下的特性。其实例的分布往往不平衡。实例是人造的能解决，实际问题不能解决。计算困难度主要讨论：计算复杂性的分布与研究困难有多大的问题。如对大多数有价值的实例遇到难以克服的计算复杂性问题，就研究如何克服。哪种语言作为表示形式不是最重要的。特别强调表示不是数据。这点与知识工程不同。表示观 本体论表示观本体论约定的相对性电子线路分析：如果从“电路是相互连接的实体，信号顺着连线瞬时地流动”这个观点，则存在着一种本体论。而如果从电动力学来看，则存在另一种本体论。本体论研究者认为再智能系统中，往往需要分成不同的层次。每个层次具有其本体论的约定。这对专家系统一类的问题已被证明是有效的。但表示观 本体论表示观本体论约定的相对性但要建立一个具有普通意义的带有一般知识的知识库，将会遇到“相对性”的困难。因为，如果站在不同的科学深度将导致不同的本体论约定。那么，什么是其最终的本体论约定呢？这是本体论表示观至今未能解决的问题。M.Minsky的说明是有代表性的：“在解释非常复杂的问题时，我们将不得不同时使用几种完全不同的表示。这是因为，每一种特别的表示均有其自身的优点与缺陷。对涉及我们称为常识的那些东西时，没有一种表示可以说是足够的。”表示观 本体论表示观总结采用集成的方法来克服理论不足所带来的困难，不仅对“本体论”表示观是必然的。而且对其它两种表示观也是必然的。表示观认识论表示观本体论表示观知识工程表示观表示观即对于“什么是表示”这一基本问题的不同理解和采用的方法论。表示观认识论表示观本体论表示观知识工程表示观表示观即对于“什么是表示”这一基本问题的不同理解和采用的方法论。表示观 知识工程表示观最常用的表示法都反映了知识工程表示观。特点一般将表示理解为一类数据结构（逻辑）及在其上的操作。对知识的内容更强调与领域相关的，哪些是适合于这个领域的，来自领域专家经验知识。强调工程实现性。表示观 总结总结：无论持何种表示观的AI研究者都认为，表示是刻画智能行为的理论。表示无论采用什么样的方式（包括数学的或程序的）所建立的表示方法和立足于什么样的表示观，均需要满足与智能现象一致的条件。鉴于智能现象的复杂性，采用什么表示观，应当取决于所面临的问题。笼统地强调好的是没有什么意义的。近几年一些研究者主张各种表示观应该互相渗透。第四章 知识表示方法概述表示观表示方法第四章 知识表示方法概述表示观表示方法表示方法概述直接表示逻辑表示产生式规则表示法语义网络表示法框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法表示方法概述直接表示逻辑表示产生式规则表示法语义网络表示法框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法表示方法 概述表示方法可以分成2类替代表示法局部表示类：最充分也是正统AI最经常使用的分布表示法：对局部表示法在智能行为表述尚不够充分而作的补充。直接表示法：正在引起越来越多AI研究者的注意。（不可完全独立：考虑到“任何表示方法必须被计算机所接受”这个先决条件，直接表示需要借助局部或部分表示形式。表示方法 概述表示方法直接表示局部表示分布表示陈述性表示过程性表示语义网络表示产生式表示逻辑表示框架表示脚本表示替代表示表示方法概述直接表示逻辑表示产生式规则表示法语义网络表示法框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法表示方法概述直接表示逻辑表示产生式规则表示法语义网络表示法框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法表示方法 直接表示1963年由Gelernter提出的。用于基于传统欧氏几何证明的几何定理证明器。它的输入是对前提和目标的陈述以及图示（图示是用一系列坐标来表示的）。在证明过程中，证明器把图示作为启发式信息，排除在图示中不正确的子目标。从而大大地减少了搜索空间。但.表示方法 直接表示1963年由Gelernter提出的。用于基于传统欧氏几何证明的几何定理证明器。它的输入是对前提和目标的陈述以及图示（图示是用一系列坐标来表示的）。在证明过程中，证明器把图示作为启发式信息，排除在图示中不正确的子目标。从而大大地减少了搜索空间。但.表示方法 直接表示但，长期以来直接表示没有得到长足发展。原因如下：计算机对直接表示的信息难以处理。直接表示难以表示定量信息（语言设计失败）直接表示不能描述自然世界的全部信息 这两年直接表示有所发展，因为，现在认识到，可以用其它媒体表示的方法去补充直接表示的不足。将被发展成多媒体。引申的研究是临场AI与临境技术。近几年AI对自主智能系统研究（完全机器做人不干预）的失望，导致对建立人机一体智能系统的尝试。这样系统所需环境的要求是直接表示兴起的原因之一。表示方法概述直接表示逻辑表示产生式规则表示法语义网络表示法框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法表示方法概述直接表示逻辑表示产生式规则表示法语义网络表示法框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法表示方法 逻辑表示法一阶谓词逻辑是谓词逻辑中最直观的一种逻辑。它以谓词形式来表示动作的主题、客体。客体可以多个。如：张三与李四打网球（Zhang and Li play tennis），可写为：play(Zhang,Li,tennis)这里谓词是play，动词主体是Zhang和 Li，而客体是tennis。谓词逻辑规范表达式：P(x1,x2,x3,)，这里P是谓词,xi是主体与客体。表示方法 逻辑表示法谓词比命题更加细致地刻画知识：表达能力强如：北京是个城市，City(x)把城市这个概念分割出来。把“城市”与“北京”两个概念连接在一起，而且说明“北京”是“城市”的子概念。（有层）谓词可以代表变化的情况如：City(北京),真。City(煤球)，假在不同的知识之间建立联系.表示方法 逻辑表示法在不同的知识之间建立联系如：Human(x)Lawed(x)，人人都受法律管制，x是同一个人。Commit(x)Punished(x)，x不一定是人也可以是动物。而，Human(x)Lawed(x)commit(x)Punished(x)，意为如果由于某个x是人而受法律管制，则这个人犯了罪就一定要受到惩罚。表示方法 逻辑表示法谓词逻辑法是应用最广的方法之一，其原因是：谓词逻辑与数据库，特别是关系数据库就有密切的关系。在关系数据库中，逻辑代数表达式是谓词表达式之一。因此，如果采用谓词逻辑作为系统的理论背景，则可将数据库系统扩展改造成知识库。一阶谓词逻辑具有完备的逻辑推理算法。如果对逻辑的某些外延扩展后，则可把大部分的知识表达成一阶谓词逻辑的形式。（知识易表达）.表示方法 逻辑表示法谓词逻辑法是应用最广的方法之一，其原因是：.谓词逻辑本身具有比较扎实的数学基础，知识的表达方式决定了系统的主要结构。因此，对知识表达方式的严密科学性要求就比较容易得到满足。这样对形式理论的扩展导致了整个系统框架的发展。逻辑推理是公理集合中演绎而得出结论的过程。由于逻辑及形式系统具有的重要性质，可以保证知识库中新旧知识在逻辑上的一致性（或通过相应的一套处理过程检验）、和所演绎出来的结论的正确性。而其它的表示方法在这点上还不能与其相比。表示方法 逻辑表示法 为此逻辑表示法在实际人工智能系统上得到应用。例：p148存在问题：谓词表示越细，推力越慢、效率越低，但表示清楚。实际中是要折衷的。表示方法概述直接表示逻辑表示产生式规则表示法语义网络表示法框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法表示方法概述直接表示逻辑表示产生式规则表示法语义网络表示法框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法表示方法产生式规则表示法美国数学家Post，1943年提出了一种计算形式体系里所使用的术语。主要是使用类似文法的规则，对符号串做替换运算。这就是最早的一个产生式系统。到了60年代，产生式系统成为认知心理学研究人类心理活动中信息加工过程的基础，由此心理学家认为，人脑对知识的存储就是产生式形式。因此，用它来建立人类认知模型。到目前为止，产生式系统已发展成为人工智能系统中最典型最普遍的一种结构。产生式表示方法是专家系统的第一选择的知识表达方式。表示方法产生式规则表示法表示形式一般用三元组（对象，属性，值）或 （关系，对象1，对象2）例：（Lee,Age,35）,(Friend,Lee,Chang)表示方法产生式规则表示法产生式系统的基本特征：一组规则，即产生式本身。每个规则分左边右边。如：天上下雨 地上湿 中国的首都是北京一般左边表示情况，即什么条件。发生时产生式被调用。通常用匹配方法和式情况。匹配成功时，执行右边规定的动作。表示方法产生式规则表示法产生式系统的基本特征：数据库存放的数据是构成产生式的基本元素，又是产生式作用的对象。这里的数据是广义的常量、变量、多元组谓词、表、图像等。往往事实或断言知识元 一个解释程序从匹配成功的规则（可能不止一个）中选出一个加以执行。表示方法产生式规则表示法推理方法：正向、反向、双向，与或树。例：P154表示方法产生式规则表示法特点用产生式系统结构求解问题的过程和人类求解问题时的思维很相像。因而可以用它来模拟人类求解问题的思维过程。可以把产生式系统作为人工智能系统的基本结构单元或基本模型看待。就好像是积木世界中的积木块一样。因而研究产生式系统的基本问题就具有一般意义。表示的格式固定、形式单一、规则间相互独立。所以建立容易；推理方式单纯、知识库与推理机分离，修改方便、容易理解。表示方法产生式规则表示法优点模块性。规则与规则之间相互独立灵活性。知识库易于增加、修改、删除自然性。方便地表示专家的启发性知识与经验透明性。易于保留动作所产生的变化、轨迹表示方法产生式规则表示法缺点：知识库维护难。效率低。为了模块一致性 理解难。由于规则一致性彼此之间不能调用。应用实例：用于化工工业测定分子结构的DENDRAL用于诊断脑膜炎和血液病毒感染的MYCIN估计矿藏的PROSPECTOR表示方法概述直接表示逻辑表示产生式规则表示法语义网络表示法框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法表示方法概述直接表示逻辑表示产生式规则表示法语义网络表示法框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法表示方法语义网络表示法概述1968年Quillian的博士论文建议用一种语义网络来描述人对事物的认知，实际上是对人脑功能的模拟。逻辑和产生式表示方法常用于表示有关领域中各个不同状态间的关系。然而用于表示一个事物同其各个部分间的分类知识就不方便了。槽和填槽表示方法便于表示这种分类知识。这种表示方法包括语义网络、框架、概念从属和脚本。语义网络方法的特点就在于提出了槽和填槽的结构。语义网络同一阶逻辑有相同的能力。多用于自然语言处理。表示方法语义网络表示法表示形式每一个要表达的事实用一个“结点”表示，而事实之间的关系用“弧线”表示。即，有向图表示的三元组，（结点1，弧，结点2）连接而成。推理特点不十分明了，有继承规则。可以用关系如：成员联系、特征联系、相互作用联系、集合联系、合成联系、因果联系、活动方式联式、活动目标联系、蕴含联系等。还可以将语义网络引入逻辑含义。表示，关系，是用归结推理法。表示方法语义网络表示法结论语义网络图的好处是直观、清晰缺点是表达范围有限。如，一旦有十个结点，而且各结点之间又有联系，则这个网络就很难辨请了。表示方法概述直接表示逻辑表示产生式规则表示法语义网络表示法框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法表示方法概述直接表示逻辑表示产生式规则表示法语义网络表示法框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法表示方法框架表示法概述1975年 Minsky在论文中提出了框架理论。他从心理学的证据出发，认为人的知识以框架结构记存在人脑中。当人们面临新的情况，或对问题的看法有重要变化时，总是从自己的记忆中找出一个合适的框架，然后根据细节加以修改补充，从而形成对新观察到的事物的认识。人类对于一件事的了解，表现在对于这件实物的诸方面，即属性的了解。掌握了事物的属性，也就有了关于事物的知识，知识表示是从属性描述开始的。表示方法框架表示法定义框架是由若干个结点和关系（统称为槽）构成的网络。是语义网络的一般化形式的一种结构。同语义网络没有本质的区别。如书上的所示如将语音网络结点间弧上的标注也放到槽内就成了框架表示形式。表示形式：由框架名、槽名、侧面、值组成推理方法：没有固定的推理机理。但和语义网络一样遵循匹配和继承的原理。表示方法框架表示法性质对事物进行描述。而且对其中某些细节做进一步描述。则可将其扩充为另外一些框架。如：汽车载货或人可以通过它对一些从感官中没有直接得到的信息进行预测，对于人来说这种功能是很强的。如：一想到桌子就可以想到它腿的形状与位置。可以在它基础上进行判断推理。可通过它来认识某一类事物。可以通过一系列实例来修正框架对某些事物的不完整描述。（填充空的框架，修改默认值）表示方法概述直接表示逻辑表示产生式规则表示法语义网络表示法框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法表示方法概述直接表示逻辑表示产生式规则表示法语义网络表示法框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法表示方法脚本表示法脚本方式是采用一个专用的框架，用来表示特定领域的知识。脚本通过一些元语作为槽名来表代要表示的对象的基本行为。有些象电影剧本。表示方法概述直接表示逻辑表示产生式规则表示法语义网络表示法框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法表示方法概述直接表示逻辑表示产生式规则表示法语义网络表示法框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法表示方法过程表示法前面的几种知识表示方法均是知识和事实的一种静止的表示方法。我们称这类知识表示方式为陈述式表达。它所强调的是事物所涉及的对象是什么，是对事物有关知识的静态描述，是知识的一种显式、说明性知识表达形式。说明性表示知识给出事物本身的属性及事物之间的相互关系。对问题的解答就隐含在这些知识之中。而过程性知识则给出解决一个问题的具体过程。表示方法过程表示法说明性知识和过程性知识相比：说明性知识比较简要、清晰、可靠、便于修改。但往往效率低。过程性知识比较直截了当，效率高。但由于详细地给出了解决过程，使这种知识表示显得复杂、不直观、容易出错、不便于修改。实际上，说明性表示和过程性表示实际上没有绝对的分界线。因此，任何说明性知识如果要被实际使用，必须有一个相应的过程去解释执行它。对于一个以使用说明性表示为主的系统来说，这种过程往往是隐含在系统之中，而不是面向用户。表示方法过程表示法知识过程性的两个含义：含义1：把解决一个问题的过程描述出来。可以称它为解题知识的过程表示。含义2：把客观事物的发展过程用某种方式表示出来。在某些情况下，这两种含义是很难决然分开的。如，任何一个解题系统的基本构成都是一个数据集，一组运算符和一个解释程序。过程性知识使用状态来表示，在状态空间运作。表示方法过程表示法过程式表示定义：过程式表示就是将有关某一问题领域的知识连同如何使用这些知识的方法均隐式地表达为一个求解过程。它所给出的是事物的一些客观规律，表达的是如何求解问题，知识的描述形式就是程序。所有信息均隐含在程序中效率高、没有固定形式。如何描述知识完全取决定于具体的问题。实际上的系统都是陈述与过程观点的结合。陈述之中多少包含了过程方法。表示方法概述直接表示逻辑表示产生式规则表示法语义网络表示法框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法表示方法概述直接表示逻辑表示产生式规则表示法语义网络表示法框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法表示方法混合型知识表示法上述的知识表示虽各有特点，而且适用的领域也不同。如：谓词逻辑方法只适用于确定性、陈述性、静态性知识，而对动态的、变化性、模糊性知识则很难表示。产生式规则方法推理方法太单一，如果前提条件太多，或规则条数太多，则推理的速度将慢得惊人。语义网络方法表达的知识面比较窄。框架方法表示的知识横向关系不太明确。（纵向从属继承关系很明确）对于复杂的、深层次的知识，就很难用一种知识表示来解决问题。表示方法混合型知识表示法根据需要表示的知识的特征来决定用二、三种方式联合表示。逻辑与框架：框架里的槽值可以对应与谓词项。语义网络与框架：结点对应与框架，结点的参数就是框架的槽值。产生式与框架：框架的槽值对应于一条产生式规则。逻辑、产生式和过程式：产生式两端以谓词形式出现“活动”是个过程。与神经网络结合 表示方法概述直接表示逻辑表示产生式规则表示法语义网络表示法框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法表示方法概述直接表示逻辑表示产生式规则表示法语义网络表示法框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法表示方法面向对象的知识表示法面向对象表示法中的对象指物体，消息指物体间的联系，通过发送消息使对象间相互作用来求得所需的结果。任何事物都是对象，对象按照“类”、“子类“进行分类。特点：有属性继承、特征描述结构化等优点。第四章 知识表示方法结论：本章介绍了若干种知识表达方式，绝大多数在应用中得到了很好的验证。但实际工作中，如果要建立一个人工智能系统、专家系统时，可能还是要根据具体情况提出一个混合性的知识表达方式。第四章 知识表示方法The End.
