(人工智能)人工智能教案章知識表示概述

1、（人工智能）人工智能教案章知識表示概述20XX年XX月多年的企業(yè)咨詢豉問經(jīng)驗.經(jīng)過實戰(zhàn)驗證可以落地機(jī)行的卓越管理方案，值得您下載擁有4.1 概述4.1.1 知識的定義很難給知識以明確的定義，只能從不同側(cè)面加以理解，不同的人有不同的理解。知識表示是人工智能研究中最基本的問題之壹。于知識處理中總要問到：如何表示知識，怎樣使機(jī)器能懂這些知識，能對之進(jìn)行處理，且能以壹種人類能理解的方式將處理結(jié)果告訴人們。于 AI 系統(tǒng)中，給出壹個清晰簡潔的有關(guān)知識的描述是很困難的。有研究報道認(rèn)為。嚴(yán)格地說AI 對知識表示的認(rèn)真、系統(tǒng)的研究才剛剛開始。下面是壹些專家的見法：Feigenbaum ： 知識是經(jīng)過消減、塑造

2、、 解釋和轉(zhuǎn)換的信息。Bernstein ：知識是由特定領(lǐng)域的描述、關(guān)系和過程組成的。Hayes-roth ：知識是事實、信念和啟發(fā)式規(guī)則。從知識庫的觀點見，知識是某領(lǐng)域中所涉及的各有關(guān)方面的壹種符號表示。另外有壹種三維的描述方法：（范圍，目的，有效性）,其中知識的范圍由具體到壹般，知識的目的從說明到指定，知識的有效性從確定到不確定。例如，“今天下雨”這種知識是具體的、說明性、不確定的，而“要證 A- B,只需證明A AB是不可滿 足的”這種知識是壹般性的、指示性、確定性的。4.1.2 知識的分類從不同的角度、不同的側(cè)面對知識有著不同的分類方法。于此，我們根據(jù)知識表達(dá)的內(nèi)容，將其簡單地分為如下

3、幾類： 事實性知識知識的壹般直接表示，如果事實性知識是批量的、有規(guī)律的，則 往往以表格、圖冊，甚至數(shù)據(jù)庫等形式出現(xiàn)。這種知識描述壹般性的事實，如凡是冷血動物均要冬眠，哺乳動 物均是胎生繁殖后代等。過程性知識表述做某件事的過程。標(biāo)準(zhǔn)程序庫也是常見的過程性知識，而且 是系列化、配套的。如電視機(jī)維修法，怎樣烹制法國大餐等。行為性知識不直接給出事實本身，只給出它于某方面的行為。行為性知識經(jīng) 常表示為某種數(shù)學(xué)模型，從某種意義上講，行為性知識描述的是 事物的內(nèi)涵，而不是外延。如微分方程實例性知識只給出壹些實例。知識藏于實例中。感興趣的不是實例本身，而 是隱藏于大量實例中的規(guī)律性知識。舉例說明類比性知識既不

4、給出外延，也不給出內(nèi)涵，只給出它和其它事物的某些相似 之處。類比性知識壹般不能完整地刻畫事物，但它能夠啟發(fā)人們 于不同的領(lǐng)域中做到知識的相似性共享。如比喻，心如刀絞，謎語等元知識有關(guān)知識的知識。最重要的元知識是如何使用知識的知識。例如，壹個好的專家系統(tǒng)應(yīng)該知道自己能回答什么問題，不能回答什么問題，這就是關(guān)于自己知識的知識。元知識是用于如何從知識庫中找到想要的知識。4.1.3 知識的要素知識的要素是指構(gòu)成知識的必需元素。于這里，我們關(guān)心的是壹個人工智能系統(tǒng)所處理的知識的組成成分。壹般而言，人工智能系統(tǒng)的知識包含事實、規(guī)則、控制和元知識。4.1.4 知識表示定義知識表示方法是研究用機(jī)器表示知識的可

5、行性、有效性的壹般方法，是壹種數(shù)據(jù)結(jié)構(gòu)和控制結(jié)構(gòu)的統(tǒng)壹體，既考慮知識的存儲又考慮知識的使用。知識表示可見成是壹組事物的約定，以把人類知識表示成機(jī)器能處理的數(shù)據(jù)結(jié)構(gòu)。事實 ：事物的分類、屬性、事物間關(guān)系、科學(xué)事實、客觀事實等。是有關(guān)問題環(huán)境的壹些事物的知識，常以“一是一”形式出現(xiàn)，也 是最低層的知識。例如：雪是白色的，人有四肢。規(guī)則 ：事物的行動、動作和聯(lián)系的因果關(guān)系知識。這種知識是動態(tài)的，常以“如果一那么一形式出現(xiàn)。例如啟發(fā)式規(guī)則，如果下雨，則出門帶傘?？刂?：當(dāng)有多個動作同時被激活時，選擇哪壹個動作來執(zhí)行的知 識。是有關(guān)問題的求解步驟、規(guī)劃、求解策略等技巧性知識元知識 ：怎樣使用規(guī)則、解釋規(guī)

6、則、校驗規(guī)則、解釋程序結(jié)構(gòu)等知識。是有關(guān)知識的知識，是知識庫中的高層知識。元知識和控制知識有時有重疊。知識表示有如下特性：知識表示是智能推理的部分理論。知識表示是有效計算的載體知識表示是交流的媒介（如語義網(wǎng)絡(luò)）4.1.5 選取知識表示的因素選取何種知識表示方法來表示知識，不僅取決于知識類型，仍有很多其它因素的影響，例如：表示知識的范圍是否廣泛例如，數(shù)理邏輯表示是壹種廣泛的知識表示辦法，如果單純用數(shù)字表示，則范圍就有限制。是否適于推理人工智能只能處理適合推理的知識表示，因此所選用的知識表示必須適合推理。數(shù)學(xué)模型（拉格朗日插值法）適合推理，普通的數(shù)據(jù)庫只能供瀏覽檢索，但不適合推理。是否適于計算機(jī)處

7、理計算機(jī)只能處理離散的、量化的byte 字節(jié)流。因此，用文字表述的知識和連續(xù)形式表示的知識（如微分方程）不適合計算機(jī)處理。是否有高效的求解算法考慮到實用的性能，必須有高效的求解算法，知識表示才有意義。能否表示不精確知識自然界的信息具有先天的模糊性和不精確性，能否表示不精確知識也是考慮的重要因素。許多知識表示方法往往要經(jīng)過改造，如確定性方法、主觀貝葉斯方法等對證據(jù)和規(guī)則引入了不確定性度量，就是為了表達(dá)不精確的知識。能否于同壹層次上和不同層次上模塊化例如 Prolog 只有壹個全局知識庫，不能模塊化，這是它的缺點。知識和元知識能否用統(tǒng)壹的形式表示知識和元知識是屬于不同層次的知識，使用統(tǒng)壹的表示方法

8、能夠使知識處理簡單。產(chǎn)生式表示法就能比較方便的表示這倆種層次的知識。是否適合于加入啟發(fā)信息于已知的前提下，如何最快的推得所需的結(jié)論，以及如何才能推得最佳的結(jié)論，我們的認(rèn)識往往是不精確的。因此，往往需要于元知識（控制知識）加入壹些控制信息，也就是通常所說的啟發(fā)信息。過程性表示仍是說明性表示壹般認(rèn)為，說明性的知識表示涉及細(xì)節(jié)少，抽象程度高，因此可靠性好，修改方便，但執(zhí)行效率低。過程性知識表示的優(yōu)缺點和說明性知識表示的相反。表示方法是否自然壹般于表示方法盡量自然和使用效率之間取得壹個折中。比如，對于推理來說，Prolog 比高級語言如VisualC+ 自然，但顯然犧牲了效率。4.1.6 知識表示方法的分類表示方法種類繁多，而且分類的標(biāo)準(zhǔn)也不大相同，通常有：直接表示，邏輯表示，產(chǎn)生式規(guī)則表示法，語義網(wǎng)絡(luò)表示法，框架表示法，腳本方法，過程表示，混合型知識表示方法，面向?qū)ο蟮谋硎痉椒ǖ?。壹些主要的知識表示方法彼此間關(guān)系可用右圖表示：圖 4-1 知識表示方法體系t4-1_swf.htm總之，人工智能問題的求解是以知識表示為基礎(chǔ)的。如何將已獲得的有關(guān)知識以計算機(jī)內(nèi)部代碼形式加以合理地描述、存儲、有效地利用，便是知識表示應(yīng)解決的問題。知識表示的研究內(nèi)容集中于倆個方面，其壹是表示觀的研究，牽涉到認(rèn)識論、本體論、知識工程等方面；其二就是表示方法的研究，各種表示方法的應(yīng)用。人工智能中知識表示研究的特