人工智能報告

1、江蘇大學人工智能報告 設計題目 人工智能報告 學生姓名 葉澔鵬 指導老師 趙躍華 學 院 計算機科學與通信工程學院專業(yè)班級 信息安全1202班 學號 3120604053 完成時間 2015年10月25日 摘 要：知識處理是人工智能這一科學領域的關鍵問題。本文對知識處理的核心問題之識的表示進行了全面的綜述,目前流行的知識表達方式不下十種，在此只介紹一階謂詞邏輯、產生式、語義網(wǎng)絡、框架、混合等目前最常用的知識表示方法。并對其進行了優(yōu)缺點分析及簡單對比。最后對知識表示的發(fā)展趨向作出了展望。關鍵詞：知識 人工智能（AI）  知識表達式  一階謂詞邏輯

2、  產生式  語義網(wǎng)絡  框架1 知識的概念 知識（Knowledge）是人們在改造客觀世界的實踐中形成的對客觀事物（包括自然的和人造的）及其規(guī)律的認識，包括對事物的現(xiàn)象、本質、狀態(tài)、關系、聯(lián)系和運動等的認識。經(jīng)過人的思維整理過的信息、數(shù)據(jù)、形象、意象、價值標準以及社會的其他符號產物，不僅包括科學技術知識-知識中最重要的部分，還包括人文社會科學的知識、商業(yè)活動、日常生活和工作中的經(jīng)驗和知識，人們獲取、運用和創(chuàng)造知識的知識，以及面臨問題做出判斷和提出解決方法的知識。知識是把有關的信息關聯(lián)在一起，形成的關于客觀世界某種規(guī)律性認識的動態(tài)信息

3、結構。 知識=事實+規(guī)則+概念事實就是指人類對客觀世界、客觀事物的狀態(tài)、屬性、特征的描述，以及對事物之間關系的描述。規(guī)則是指能表達在前提和結論之間的因果關系的一種形式；概念主要指事實的含義、規(guī)則、語義、說明等。 (1) 知識只有相對正確的特性。常言道：實踐出真理。只是源于人們生活、學習與工作的實踐，知識是人們在信息社會中各種實踐經(jīng)驗的匯集、智慧的概括與積累。只是愛源于人們對客觀世界運動規(guī)律的正確認識，是從感知認識上升成為理性認識的高級思維勞動過程的結晶，故相應于一定的客觀環(huán)境與條件下，只是無疑是正確的。然而當客觀環(huán)境與條件發(fā)生改變時，知識的正確性就接受檢驗，必要時就要對原來的認識加以修改和補充

4、，一至全部更新而取而代之。例如知道1543年哥白尼學說問世之前，人們一直都以為地球是宇宙的核心；再有：人們都知道一個關于“瞎子摸象”的故事，它通俗地說明了完整的只是形式是一個復雜的智能過程。通常人們獲取知識的重要手段是：利用信息，把各種信息提煉、概括并關聯(lián)在一起，就形成了知識。而利用信息關聯(lián)構成知識的形式有多種多樣。(2) 知識的確定與不確定性 如前說述，知識有若干信息關聯(lián)的結構組成，但是，其中有的信息是精確的，有的信息卻是不精確的。這樣，則由該信息結構形成的知識也有了確定與不確定的特征。2.知識表達及其映像原理智能機器系統(tǒng)如同智能生物一樣，在運用知識進行信息交流或只能問題求解時，都需要預先進

5、行知識表示。進而實現(xiàn)知識調用，達到利用知識求解問題的目的。因而只是表示是知識信息處理系統(tǒng)必不可少的關鍵環(huán)節(jié)。對智能機器系統(tǒng)而言,只是表示，實際上就是對知識的一種描述或約定。其本質，就是采用某種技術模式，八所要求解決的問題的相關知識，映射為一種便于找到該問題解的數(shù)據(jù)結構。對知識進行表示的過程，實質上就是把相關只是映射（或稱為變換：Transformation；或稱為映像：Mapping；或稱為編碼：Coded）為該數(shù)據(jù)結構的過程。2 人工智能研究學派 人工智能研究者根據(jù)研究的基礎理論和方法不同，分為符號主義（又叫心理學派）、聯(lián)結主義（又叫生理學派）、行為主義（又叫控制論學派）。 （1）符號主義認

6、為人的認知基元是符號，而且認知過程即符號操作過程，人通過自已的眼睛觀察客觀事物，用符號的形式表示出來，而計算機也是一個對邏輯符號表示的知識進行演繹的物理符號系統(tǒng)。因此可以用計算機自身所具有的符號處理推算能力來模擬人的智能行為。它的主要特征是知識可用符號表示，立足于邏輯運算和符號操作，適合于模擬人的邏輯思維過程，解決需要進行邏輯推理的復雜問題。 （2）聯(lián)結主義又稱仿生學，人腦是由大約1011個神經(jīng)細胞組成，所以認為人的思維基元是神經(jīng)元，而不是符號處理過程，主張采用模擬人的生理神經(jīng)網(wǎng)絡結構的研究方法。這種方法的特征是實現(xiàn)聯(lián)想功能，對于帶有噪聲、缺損、變形的信息進行有效的處理，適合于模擬人類的形象思

7、維過程，求解問題時，可以比較快地求得一個近似解。 （3）行為主義認為智能取決于感知和行動，不需要知識、不需要表示、不需要推理。認為人的智能行為是在與現(xiàn)實世界的環(huán)境交互作用下表現(xiàn)出來的，這種觀點的核心是用控制取代知識表示，從而獲得概念、模型以及顯式表示的知識。這一觀點還沒有形成完善的理論體系。 三常用知識表示法2.1一階謂詞邏輯表示法：一階謂詞邏輯表示法是目前應用最廣的方法之一，在AI系統(tǒng)上已經(jīng)得到了應用。它是通過分析命題內容和謂詞邏輯，盡可能正確地表述它的各種意境的過程。知識的謂詞邏輯表示符合人的思維習慣，可讀性好，邏輯關系表達簡便。使用謂詞邏輯既便于表達概念、狀態(tài)、屬性等事實性知識，又能方便

8、地采用謂詞公式的表達形式，進行各種智能行為的過程性描述與演繹推理。一階謂詞的一般形式為P(x1，x2，xn) 其中P是謂詞名，xi為個體常量、變元，或函數(shù)。例如：STUDENT(zhangsan)：zhangsan是學生STUDENT(x)：x是學生Greater(x，5)：x>5TEACHER(father(Wanghong)：王宏的父親是教師。在一階謂詞表示法中連接詞是非常重要的其中： 連接詞：¬、量詞：、(x)P(x)為真、為假的定義(x)P(x)為真、為假的定義結合具體事例可以看到一階謂詞邏輯在知識表示法中的優(yōu)越性：   

9、0; 李明是計算機系的學生，但他不喜歡編程。定義謂詞：COMPUTER(x):x是計算機系的學生LIKE(x,y):x喜歡y謂詞公式為：LIKE(liming，programming) ¬COMPUTER(liming)  謂詞邏輯是一種傳統(tǒng)經(jīng)典也是最基本的形式化方法。謂詞邏輯知識表示:規(guī)范性嚴，邏輯性強，自然性好，推理過程嚴密，易于實現(xiàn)。這些優(yōu)良特性使得謂詞邏輯最早用于人工智能機器定理證明，并獲得了成功。但是必須看到，謂詞邏輯屬于標準的二值（T與F）邏輯，難以直接進行不確定性問題的處理。對于復雜系統(tǒng)的求解問題，容易陷入冗長演繹推理中，常常不可避免地帶來求解效率低

10、,甚至產生“組合爆炸”問題。因此，針對謂詞邏輯，尚待人們不斷加以改進，以便尋求自然性好而效率更高的技術方法。2.2產生式表示法目前，產生式表示方法是專家系統(tǒng)的第一選擇的知識表達方式。是美國數(shù)學家Post在1943年提出了一種計算形式體系里所使用的術語。產生式表示的基本形式為：（1）確定性知識的表示：產生式形式： PQ或者IF P THEN Q  它的含義：如果前提P滿足，則可以推出結論Q或執(zhí)行Q操作。例如：IF CLEAR(B) AND HANDEMPTYTHEN Pickup(B)如果積木B上是空的，且機械手空，則機械手從桌面上抓起積木B。（2）不確定知識的表示：產生式形

11、式：PQ （置信度）或者IF P THEN Q（置信度）在不確定推理中，當已知事實與前提P不能精確匹配時，只要按照“置信度”的要求達到一定的相似度，就認為已知事實與前提條件相匹配，再按照一定的算法將這種可能性（不確定性）傳遞到結論Q。產生式表示法其優(yōu)點在于模塊性。規(guī)則與規(guī)則之間相互獨立靈活性。知識庫易于增加、修改、刪除自然性。方便地表示專家的啟發(fā)性知識與經(jīng)驗透明性。易于保留動作所產生的變化、軌跡，但仍有不少缺點：知識庫維護難。效率低。為了模塊一致性理解難。由于規(guī)則一致性彼此之間不能調用。2.3 語義網(wǎng)絡表達式語義網(wǎng)絡是人工智能常用的知識表示法之一。是一種使用概念及其語義關系來表達知識的有向圖。

12、它作為人類聯(lián)想記憶的一個顯示心理學模型，是由J.R.Quillian于1968年在他的博士論文中首先提出，并用于自然語言處理。語義網(wǎng)絡結構共使用了三種圖形符號：框、帶箭頭及文字標識的線條和文字標識線。分別稱為:（1）節(jié)(結)點;  弧(又叫做邊或支路); 指針。（2）節(jié)點(Node)：也稱為結點。用圓形、橢圓、菱形或長方形的框圖來表示，用來表示事物的名稱、概念、屬性、情況、動作、狀態(tài)等。（3）弧(Arc)：這是一種有向弧，又稱之為支路（Branch）。節(jié)點之間用帶箭頭及文字標識的有向線條來聯(lián)結，用以表示事物之間的結構，即語義關系。（4）指針(Pointer)：也叫指示器。是

13、在節(jié)點或者弧線的旁邊，另外附加必要的線條及文字標識，用來對節(jié)點、弧線和語義關系作出相宜的補充、解釋與說明。語義網(wǎng)絡是一種結構化知識表示方法，具有表達直觀，方法靈活，容易掌握和理解的特點。概括起來，主要優(yōu)點在于采用語義關系的有向圖來連接，語義、語法、詞語應用兼顧，具有描述生動，表達自然，易于理解等。雖然語義網(wǎng)絡知識表示和推理具有較大的靈活性和多樣性，但是沒有公認嚴密的形式表達體系，卻不可避免地帶來了非一致性和程序設計與處理上的復雜性，這也是語義網(wǎng)絡知識表示尚待深入研究解決的一個課題。2.4框架表式式框架表示法誕生于1975年，這也是一種結構化的知識表示方法，并已在多種系統(tǒng)中得到成功的應用。框架理

14、論是由人工智能科學創(chuàng)始人之一，美國著名的人工智能學者M.L.Minsky(明斯基)提出來的。自然界各種事物都可用框架(Frame)組織構成。每個被定義的框架對象分別代表著不同的特殊知識結構，從而可在大腦或計算機中表示、存儲并予以認識、理解和處理?？蚣苁且环N被用來描述某個對象（諸如一個事物、一個事件或一個概念）屬性知識的數(shù)據(jù)結構。下面是一個關于“大學教師”的框架設計模式。 n      框架名：大學教師n      姓名：單位（姓，名）n  

15、60;   年齡：單位（歲）n      性別：范圍(（男，女）缺?。耗?n      學歷：范圍（學士，碩士，博士）n      職稱：范圍(（教授，副教授，講師，助教）缺省：講師)n      部門：范圍（學院（或系、處）n      住址：住址框架n  

16、    工資：工資框架n      參加工作時間：單位（年，月）n      健康狀況：范圍（健康，一般，較差）n      其它：范圍（個人家庭框架，個人經(jīng)濟狀況框架）上述框架共有十一個槽，分別描述了關于“大學教師”的十一個方面的知識及其屬性。在每個槽里都指定了一些說明性的信息，表明了相關槽的值的填寫要有某些限制。框架表示法支持上層框架概念抽象和下層框架信息繼承共享的思想，不

17、僅減少了框架信息和屬性知識表達的冗余，而且保證了上、下層框架知識表達的一致性。主要缺點：框架表示法過于死板，難以描述諸如機器人糾紛等類問題的動態(tài)交互過程生動性。4 人工智能的新算法 粒子群聚類 為了突破傳統(tǒng)聚類方法的瓶頸 ,一些研究者嘗試將粒子群智能算法用于聚類分析 ,通過將聚類視為一種優(yōu)化問題 ,利用PSO 算法的全局尋優(yōu)能力來得到一個對數(shù)據(jù)集的近似最優(yōu)劃分。 2002年 Om ran等人 7 提出了一種基于粒子群優(yōu)化的無指導圖像分類算法。這是最早提出的基于 PSO 的聚類算法 ,以后的粒子群聚類算法大都遵循其基本思想。在他們的算法中 ,簇的個數(shù)由用戶預先給定 ,粒子群中的每個粒子包含一個表示簇中心的數(shù)據(jù)向量 ,代表一種候選的劃分 ,整個粒子群則代表了對數(shù)據(jù)集的多種劃分。算法首先將一組隨機的簇中心賦值給各個粒子 ,對于每個粒子 ,按照最小距離原則對圖像像素進行劃分操作 ,隨后根據(jù)給定的粒子適應度函數(shù) ,按照 PSO 算法的步驟找到一個最優(yōu)粒子 ,根據(jù)最優(yōu)粒子的位置從而得到一個對數(shù)據(jù)集的近似最優(yōu)劃分。他們將該算法應用在對合成圖像、人腦的核磁共振圖像以及 Tahoe湖的 (美國 )地球資源 (探測 )衛(wèi)星圖像的聚類分析中。結果顯示 ,基于 PSO 的方法能得到較小的簇內距離和較大的簇間距離。應用在由兩種畫筆生成的合成圖像中 ,結果表明基于 PSO