第三章知識表達技術(shù)

第三章知識表達技術(shù)知識表達(KnowledgeRepresentation),即知識表示或知識的描述，也就是知識的形式化或模型化。知識及知識的表達是計算機科學中智能程序設(shè)計研究的主要領(lǐng)域，也是人工智能和心理學共同關(guān)心的基礎(chǔ)性問題。所謂智能程序，就是把現(xiàn)實世界的知識有機地結(jié)合到計算機程序中，使程序具有識別、學習、推理和適應環(huán)境等能力。本章主要討論知識、知識表達的基本概念和幾種主要的表示方法。第一節(jié)知識—、什么是知識什么是知識？根據(jù)認知心理學的一般解釋是：自有人類以來，人們天天在和自然作斗爭，在這個斗爭過程中，人們開始只有感性認識，隨著這個過程的持續(xù)深入，這個認識產(chǎn)生了飛躍，最后由感性認識上升到理性認識，這種對周圍事物的感性和理性統(tǒng)稱為知識。對每個人來說，他的知識除了從實踐中得來，還有一個重要途徑就是向書本學習。從自然科學的角度來看：知識是一些事實與概念、規(guī)則或規(guī)律方法和技術(shù)，以及應用這些概念、事實、規(guī)則等能力的綜合體。二、知識的層次結(jié)構(gòu)模型知識的海洋浩瀚無窮，知識的存放是否亂麻一團呢？不是的，知識在人腦中的存放是一個多層次結(jié)構(gòu)。它猶如一座高大雄偉的金字塔，我們可以把它稱為智能塔。圖2-1-1智能塔第一層知識為塔基，屬低層次。它是這個智能塔的基礎(chǔ)，是掌握知識、發(fā)展知識、培養(yǎng)能力的前提。它主要由一些事實和概念組成。所謂事實是指一些客觀存在的現(xiàn)象，事物的性質(zhì)，這些事實的“真”、“偽”要經(jīng)受客觀實際的檢驗。例如：一年有四季；人要穿衣吃飯；月球上沒有生物，等等。所謂概念，指的是通過人的抽象思維和形象思維所得出的結(jié)論。例如：物理上的力、原子、電子、質(zhì)子、中子，幾何上的點、線、面，等等。在這些概念中，前面是客觀存在的事物，而后面是本不存在的抽象概念。又如孫悟空、阿童木它們是形象思維圖2-1-1智能塔第二層知識屬較高層次，是建立在第一層知識上的。它是通過對事實和概念的觀察思考、分析、判斷、比較、推理等綜合出來的客觀規(guī)律，從而成為指導人們分析問題、思考問題的原則或規(guī)則。因此，第二層知識是由一些規(guī)則、定律和定理組成。例如：數(shù)學、物理、化學中的各種定理和定律等。它們都是對第一層知識加以分析、判斷、比較、總結(jié)出它們內(nèi)在聯(lián)系所得到的結(jié)論。它們都表示了一定條件與一定結(jié)論之間的關(guān)系。又如：日常生活中的結(jié)論“今天下雨，所以地面濕疽'也屬于第二層知識。第二層知識是十分廣泛而豐實的，人們學習的過程不應該是對書本知識生吞活剝的死記硬背，而應該是一個研究客觀事物，探索總結(jié)客觀規(guī)律的過程，也就是一個不斷豐實、更新第一層、第二層知識的過程。第三層知識我們把它稱為能力知識，或稱為控制性知識，或為指導性知識，它是智能塔的高層次。這一層知識的多寡反映了一個獨立工作能力的強弱，解決實際問題水平的高低，在一定程度上還決定一個人的創(chuàng)造能力。它是應用前兩層知識去解決實際問題、探索科學奧秘、產(chǎn)生新知識的知識。由于有了第三層知識，第一、二層知識才能極大地豐富起來。例如：幾何上應用已知條件和定理去解決實際問題的技巧，日常生活中分析問題的方法等等都屬于這一層知識。此外，還有第四層知識。我們把回憶、聯(lián)想、分析、綜合、比較、抽象、概括統(tǒng)稱為第四層知識，它充分反映了人類的心理特征。研究第四層知識屬于心理的范疇。大腦是產(chǎn)生第四層知識的物質(zhì)基礎(chǔ)。這一層知識目前比較難于用計算機實現(xiàn)。從人工智能的角度來看，層次較低的知識易于用機器來實現(xiàn)。層次愈高，用機器實現(xiàn)也愈困難。因此研究和發(fā)展更高層次的知識是智能研究的主要課題。但必須指出，智能塔中的知識不是靜止的、孤立的，而是相互關(guān)聯(lián)的，層與層之間的知識也不是孤立的。因此，研究知識表達、知識庫、智能塔的結(jié)構(gòu)，始終是專家系統(tǒng)及知識庫系統(tǒng)中的基礎(chǔ)性課題。第二節(jié)知識表達技術(shù)的基本概念知識表達技術(shù)為了使機器具有智能或設(shè)計智能機器，關(guān)鍵在于使機器能夠擁有和運用知識。首先要研究在機器如何表達知識，即研究知識的形成化或矩形化方法。知識表達技術(shù)是研究在機器中表示知識的方法、可行性、有效性及一些通用的原則，以便于使用、修改、刪除和更換。所謂知識的表示方法，就是用來描述和組織知識的規(guī)則符號、形式語言和網(wǎng)絡圖等。近年來，知識表達技術(shù)引起了廣泛的注意，已成為人工智能研究領(lǐng)域中最活躍的部分之一。目前有人正著手研究通用的知識表達語言，然而知識表示的完整理論還沒有形成。這一方面是由于人工智能本身正處于發(fā)展過程。另一方面是由于人們對于自己頭腦中的知識的形成及其結(jié)構(gòu)等機制還沒有弄得很清楚。因此。知識的表達還是按照各人的理解從不同的角度進行探索。二、知識的類型回顧知識表達技術(shù)的發(fā)展。七十年代人們對知識表示形成了兩種不同的看法，從而引起了爭論。首先，由Winogred等人(1975)認為知識是陳述性的，即知識是一些已知的客觀事物(KnowledgeWhat)。另一些人。如麻省理工學院的M.Minsky等(1972)認為知識是過程性的，是客觀存在的一些規(guī)律。(KnowingHow)上述兩種說法各有利弊。1975年，Wrnogrod總結(jié)了兩派之爭，提出了折中的觀點，即加進了附加過程的概念，使提出了知識是控制性的，從而使知識的表達前進了一步。總而言之，知識的類型可以分為三種類型：敘述型知識：敘述關(guān)于系統(tǒng)狀態(tài)、環(huán)境和條件，問題的概念、定義和事實的知識。例如：北京、上海、飛機、火車、時間、費用。過程型知識：有關(guān)系統(tǒng)狀態(tài)變化、問題求解過程的操作、演算和行動的知識。例如：乘飛機、坐火車?？刂菩椭R：關(guān)于如何選擇相應的操作、演算和行動的比較、判斷、管理和決策的知識。例如：乘飛機較快、較貴。乘火車較慢、較便宜。三、知識模型變換根據(jù)控制論中，關(guān)于“同構(gòu)”和“同態(tài)”的概念，可以對知識模型進行變換和簡化，以便更明確地、更簡潔地表達知識，易于問題求解。通過同構(gòu)或同態(tài)變換，將原始問題化為可求解的同構(gòu)或同態(tài)問題。圖2—2—1同構(gòu)與同態(tài)變換同構(gòu)變換可以使問題更加明確、便于求解。（例如：日常生活中的打比方就是一個同構(gòu)的變換）。同構(gòu)問題的解答等價于原始問題的解答。同態(tài)變換可以使問題更加簡化、易于求解。原始問題有解，則同態(tài)問題有解；同態(tài)問題無解，則原始問題無解，它們之間是蘊含關(guān)系。實際上，各種知識模型都是真實問題有關(guān)知識的同構(gòu)或同態(tài)模型。例：方格棋盤分割法。1.原始問題：在2nX2n方格棋盤中，去掉對頂角上2個小方格后，問能否將它分割為若干1X2的小長方塊。顯然求解此問題是比較困難的，因為對n的數(shù)值未加限制，隨著n的增大，其分割方式有22n2種可能性，會出現(xiàn)“組合爆炸”。2.同構(gòu)問題：將棋盤中的小方格相間的著色，化為其同構(gòu)問題，由此可見，

無論n為何值，對角頂上的2個方格始終為同色方格。去掉它以后，顯然黑、白二種方格數(shù)目差為，若以2的小長方塊由黑白各一小格組成，顯然分割下去，會多出兩個小黑格來，即無法分割。3同態(tài)問題：為了使問題更加明確，弓|入序?qū)?小黑格數(shù)，小白格數(shù))用以表示每次使分割的棋盤的狀態(tài)，使其化為同態(tài)問題。初始狀態(tài)：＜2n2,2n2-2＞目標狀態(tài)：＜0,0＞顯然經(jīng)過2n2-2次分割后，狀態(tài)變?yōu)椋?,0＞，達不到＜0,0＞，則問題無解。因此，同態(tài)問題無解，蘊含著原始問題無解。2n(a)原始問題(b2n(a)原始問題(b)同構(gòu)問題(c)同態(tài)問題圖2—2—2四、設(shè)計知識表示的基本原則：在計算機中表示知識是為了使用，因此能否有效和準確地使用這些知識，能否有效地對知識進行檢查、修改、增刪，并經(jīng)過修改過程中對已有知識的內(nèi)容及結(jié)構(gòu)不產(chǎn)生或少產(chǎn)生干擾；能否在工作過程中使系統(tǒng)不斷地獲得新的知識，通過知識的不斷增加，使系統(tǒng)解決問題的能力不斷提高，這些都是目前考慮知識表達技術(shù)的主要原則。此外，還必須考慮表示形式是否符合心理學特點，是否便于系統(tǒng)地開發(fā)和運行，是否能使人們直接地理解知識。第三節(jié)知識的狀態(tài)空間表示法一、狀態(tài)空間表示法的概念狀態(tài)空間表示法是知識表達的基本方法。所謂“狀態(tài)”是用來表示系統(tǒng)狀態(tài)，事實對敘述性知識的一組變量或數(shù)組。如：Q=[q,q,……,q]T12n所謂操作是用于表示應其狀態(tài)變化的過程性知識的一組關(guān)系或函數(shù)。F：{f「f2,......,fm}狀態(tài)空間，即利用狀態(tài)變量和操作符號，表示系統(tǒng)或問題的有關(guān)知識的符號體系，通常可用“三元組”表示：v{Q」,F,{Qg}>其中：Q為初始狀態(tài)Qg為目標狀態(tài)F為狀態(tài)的操作二、狀態(tài)空間法舉例：例：錢幣翻轉(zhuǎn)問題：設(shè)有錢幣，國徽為正面，麥穗為反面，現(xiàn)有錢幣，設(shè)初始狀態(tài)為（反、正、反）允許每次翻轉(zhuǎn)一個錢幣（只翻一個且必翻一個），連翻三次，問題是否可達到目標狀態(tài)（正、正、正）或（反、反、反）？正反正反為了用狀態(tài)空間方法表示上述問題，引入狀態(tài)變量，且設(shè)正面為0,反面為1,可三個錢幣可能出現(xiàn)的狀態(tài)有：Q1=(0,0,0)Q2=(0,0,1)Q3=(0,1,0)Q4=(0,1,1)Q5=(1,0,0)Q6=(1,0,1)Q7=(1,1,0)Q8=(1,1,1)引入三元操作例子F={f1,f2,f3}且口=把q1翻一下？2=把q2翻一下？3=把q3翻一下，因此，上述問題的狀態(tài)空間三元組表示如下：<{Q6},{f1,f2,f3},{Q1,Q2}>相應的狀態(tài)空間圖為：通過狀態(tài)分析可知：從Q6不可能經(jīng)三次翻轉(zhuǎn)達Q1。從Q6經(jīng)三次翻轉(zhuǎn)可達Q8,且共有七種：其七種操作為：（fl、f2、fl）（fl、fl、f2）（f2、fl、fl）（f2、f2、f2）（f2、f3、f3）（f3、f2、f3）（f2、f3、f2）但如果對翻轉(zhuǎn)的次數(shù)不限制，且不超過三次，可均可達到要求。思考題：設(shè)有三根火柴，允許每次倒置三根相鄰的火柴，問能否出現(xiàn)三根都朝下的狀態(tài)？第三節(jié)“與/或''圖表示法一、“與/或"圖表示法的概念與/或圖是一種超圖（AND-ORGraph），通常為樹的形式也稱與/或樹。他基于人們求解問題時的兩種思維方法。與/或圖的主要思想是采用問題分解法求解的。當我們遇到一個非常復雜的問題時，設(shè)法將此問題分解成若干個子問題，而后對每個子問題求解，把求解的結(jié)

果綜合起來，就得到了該問題求解。整個過程如圖所示，這里的綜合可理解為廣義的過程（或稱操作或稱轉(zhuǎn)子）。圖2—4—1例如，欲計算Y=Sin6Oo+Cos600，可將求該值分為求Sin600和求Cos60o的值，最后把兩者加起來，這里“加”就是綜合。又如:圖2—4—2對這一問題，其綜合的含義較為復雜，要考慮到個人的實際情況做出結(jié)論。1、分解問題：“與”樹與圖或與樹，用來描述問題的分解法。即將一個復雜的問題分解為一組簡單的小問題，將總問題分解為子問題。若所有子問題都解決了，可總問題也就解決了，這時與的邏輯關(guān)系。而子問題又分解為子子問題。如此類推，直到子問題不能分解為止，這樣就形成了問題分解的樹圖，稱為與圖。2、同構(gòu)同態(tài)變換：或樹或圖用來描述同構(gòu)同態(tài)變換。即將較難得問題變換為較易的等值或等效問題。若一個難問題可以等價的變換為幾個容易問題，則任何一個容易問題解決了，也就解決了原有的難問題。如此下去，可形成變換的或樹。在實際問題求解過程中，常常是用分解和變換的方法，因而可用與和或樹相結(jié)合的圖-------與或樹的表達方法。根據(jù)圖論知識，圖2-4-5所示的與或圖是一棵樹，讀此不難找到樹中的與結(jié)點和或結(jié)點，也不難論述樹中各結(jié)點可解的與否條件。為了討論問題方便，我們規(guī)定終端結(jié)點式可解的。根據(jù)前面討論，不難給出與或圖中結(jié)點可解與否的定義。一個結(jié)點是可解的，如果：它是終端結(jié)點（本源問題）它是非終端結(jié)點，而他的后繼是與結(jié)點且后繼都可解。它是非終端結(jié)點，而它的后繼是或結(jié)點且后繼中至少有一個可解的。一個結(jié)點是不可解的，如果：它是一個非終端結(jié)點，但它沒有后繼結(jié)點（表示非本源問題又不能對它進行變化）它是一非終端結(jié)點，而它的后繼結(jié)點是與結(jié)點，且后繼中至少有一個是不可解的。它是一個非終端結(jié)點，而它的后繼是或結(jié)點，且所有后繼是不可解的。二、與或圖的表達法舉例例1.猴子和香蕉問題，如圖所示：設(shè)機器人猴子位于a處，目的物香蕉掛在c上方,猴子想吃香蕉，但高度不夠。在b處有可移動的臺子，若猴子站在臺子上，就可以夠到香蕉，問題是制定機器人的行動計劃，使猴子夠到香蕉。先用狀態(tài)空間表示法描述此問題，設(shè)系統(tǒng)的狀態(tài)用四元數(shù)組描述，S=（W，X，Y，Z）其中，W一猴子所處的水平位置，X一臺子所處的水平位置，Y一猴子是否在臺子上（Y=1表示在，Y=0表示不在），Z一猴子是否夠到香蕉（Z=1表示能夠到，Z=0表示夠不到），則可能出現(xiàn)的狀態(tài)如下:S0=（a,b,0,0）S1=（b,b,0,0）S2=（c,c,0,0）S3=（c,c,1,0）S4=（c,c,1,1）其中，S0為初始狀態(tài)，S4為目標狀態(tài)，允許的操作集為：F=｛f1，f2,f3,f4｝，其中，f1（u）—猴子走到u處，（W，X，0，Z）—＞（u，X，0，Z）；f2（v）—猴子推臺子到v處，（X，X，0，0）—＞（v，v，0，0）；f3為猴子爬上臺子，（X，X，0，Z）—＞（X，X，1，Z）；f4為猴子夠到香蕉，（c，c，1，0）—＞（c，c，1，1）；問題的狀態(tài)空間為：〈｛S0｝，｛F｝，｛S4｝〉用狀態(tài)空間法分析問題時，共有四種操作，那么應先選取哪一種操作，有可能早點使問題求解，應用GPS（通用問題求解法）中的“目標一手段”分析法，比較目標狀態(tài)（S4）與初始狀態(tài)（S0）的差異，來選擇它的操作。由于S0與S4中的四個狀態(tài)度量都有差異，相應的操作為f1，f2,f3和f4,都可選為它的操作。因此，可將原問題變換為四個新問題，而新問題又可分為幾個子問題及子子問題，如圖：這個問題的解為F=｛f1（b），f2（c），f3，f4｝，即機器人的行動計劃為，猴子走到（b），臺子推到（c）處，爬上臺子，夠到香蕉。第五節(jié)產(chǎn)生式系統(tǒng)表示法—.產(chǎn)生式系統(tǒng)的基本概念產(chǎn)生式系統(tǒng)最早由Post（1934）作為一種普遍的算法機制提出來的，近年來，人們把這個原理應用到人工智能方面，并很快得到了發(fā)展。目前，人們能熟知的人工智能等系統(tǒng)采用此結(jié)構(gòu)。產(chǎn)生式系統(tǒng)的特點：模式化：每條規(guī)則具有相同的格式；結(jié)構(gòu)化：每一條規(guī)則或知識結(jié)構(gòu)的每一部分所含有的知識量非常少。解決問題是通過這些知識的不同組合完成的。因此，修改增刪其中的某些部分比較容易，對其余部分的影響比較小。自然性:和人類的思維過程比較接近，其規(guī)則的格式為，如果…則…。與人的思維相接近，也容易被人們理解，便于人機互交信息。效率低：這的產(chǎn)生式系統(tǒng)固有的缺點，由于產(chǎn)生式系統(tǒng)的模式化和結(jié)構(gòu)化，求解問題系統(tǒng)會過頭。例如，產(chǎn)生式系統(tǒng)執(zhí)行每一個動作主要依靠匹配，傳送信息依靠知識庫，因此，很難有效地匹配，也可能經(jīng)過很長步驟才取得匹配。非適應性：這的產(chǎn)生式系統(tǒng)的第二個缺點。求解問題時控制不明確，換言之，產(chǎn)生式系統(tǒng)中，條件一動作知識能自然地表達，但算法知識不能自然地表達。在哪些情況下，人工智能系統(tǒng)可應用產(chǎn)生式系統(tǒng)呢？如果該領(lǐng)域的知識雜亂，事實眾多（如臨床醫(yī)療），沒有統(tǒng)一的理論；如果該領(lǐng)域的知識能表示成一組獨立無關(guān)的動作（如，病人監(jiān)護系統(tǒng)）；如果該領(lǐng)域的知識可方便地從使用方式中分離出來（經(jīng)典分類學）；Rychener1976年認為：若任務可以看作問題空間從一個狀態(tài)到另一個狀態(tài)的轉(zhuǎn)移序列，這種行為可以用產(chǎn)生式系統(tǒng)模擬。因此，產(chǎn)生式系統(tǒng)目前可用于專家系統(tǒng)等一類知識體。產(chǎn)生式系統(tǒng)目前研究的重點：擴充條件和行動各自的表達能力，把條件設(shè)計成一個lisp函數(shù)，它可對任何復雜條件求值；動作部分設(shè)計成包含變量。規(guī)則庫中的規(guī)則按產(chǎn)生式被激活的條件進行劃分和編碼，知識庫內(nèi)部結(jié)構(gòu)復雜，必須解決沖突仲裁的手段和法則；推理方法的選擇，正向推理（ForwardReasoning），它是自下而上的推理，又稱數(shù)據(jù)驅(qū)動或事件驅(qū)動，逆向推理（BackwardReasoning），它是自上而下的推理，又稱目標驅(qū)動；4.產(chǎn)生式系統(tǒng)對周圍環(huán)境的適應能力，穩(wěn)定性，自學習能力，控制性知識的形式化。4.產(chǎn)生式系統(tǒng)的基本結(jié)構(gòu)產(chǎn)生式系統(tǒng)的大體可分為三大部分：事實庫（又稱知識庫）：存儲問題的有關(guān)狀態(tài)，性質(zhì)等事實的敘述性知識，也稱為綜合數(shù)據(jù)庫。它是一個類似緩沖器的數(shù)據(jù)結(jié)構(gòu)。一般都用表、數(shù)組或具有一定結(jié)構(gòu)的緩沖器表示。規(guī)則集（又稱規(guī)則庫）：存儲有關(guān)問題的狀態(tài)轉(zhuǎn)移，性質(zhì)變化等規(guī)則的過程性知識。每一條規(guī)則包含條件和動作（操作）。簡單產(chǎn)生式規(guī)則的格式如下：左部：IF（若）右部：THEN（則）前提結(jié)論條件行動控制器（又稱解釋器）：它含有第三層控制性知識，控制系統(tǒng)的運行，根據(jù)有關(guān)問題的控制性知識，選擇控制策略，將規(guī)則與事實進行匹配，通過利用知識推理技術(shù)求解問題。圖產(chǎn)生式系統(tǒng)與問題求解的關(guān)系產(chǎn)生式系統(tǒng)的問題求解過程，即首先把問題的狀態(tài)描述成事實庫并如何使事實轉(zhuǎn)移到滿足求解的終止條件的狀態(tài)。通常，一條產(chǎn)生式規(guī)則向前提部分可以是能和事實庫進行匹配的任何模式，若一條規(guī)則的前提被匹配，則該規(guī)則稱為可用的，否則不可用。一條規(guī)則使用的結(jié)果是得到一個結(jié)論或產(chǎn)生一個行動，從而使事實庫的狀態(tài)發(fā)生轉(zhuǎn)移。控制器的任務是按相應的策略，控制規(guī)則與事實匹配的過程。當若干條規(guī)則都能與事實相匹配時，選取適當?shù)囊?guī)則，使系統(tǒng)有效地進行問題求解。下面舉一個例子說明如何用產(chǎn)生式系統(tǒng)表示法來描述一個問題的求解過程。例：“動物世界”識別。設(shè)機器人“羅伯特”具有機器感知能力，通過機器視覺可以辨認動物的有關(guān)特征和外貌。如，顏色、花紋、體態(tài)、動作等，以獲取動物世界的知識。

現(xiàn)在，要求“羅伯特”利用知識進行機器思維對下列七種動物：老虎，金錢豹，斑馬，長頸鹿，達有關(guān)知識：規(guī)則II：若則規(guī)則12：若則規(guī)則13：若則規(guī)則14：若豹，斑馬，長頸鹿，達有關(guān)知識：規(guī)則II：若則規(guī)則12：若則規(guī)則13：若則規(guī)則14：若則規(guī)則15：若則規(guī)則16：若則規(guī)則17：若則規(guī)則18：若則規(guī)則19：若則規(guī)則I10：若則規(guī)則I11：若則規(guī)則I12：若則規(guī)則I13：若則動物，食肉，黃褐色，黑色條紋它是老虎動物有蹄，長長的頸，腿很長，黃褐色，黑色斑點它是長頸鹿動物有蹄類，白色，黑色條紋它的斑馬動物是鳥類，不會非，腿很長，頸很長，具有黑白兩色它的鴕鳥規(guī)則I14：若動物是鳥類，不會飛，會游泳，黑白二類則它是企鵝規(guī)則I15：若動物是鳥類，很會飛則它是信天翁下面我們來改變羅伯特識別長頸鹿的過程，開始，羅伯特觀察該動物外部特征，即有事實庫（黃褐色、黑色斑點），這兩個斷言都出現(xiàn)在規(guī)則9和規(guī)則11中，但規(guī)則9和規(guī)則11的前提必須被別的斷言所滿足，所以羅伯特需要觀察到更多有關(guān)的動物特征，設(shè)羅伯特看該動物給它的幼獸喂奶，并能反芻，于是事實庫內(nèi)容增加為：（動物有黃褐色，黑色斑點，有奶，反芻）現(xiàn)在用規(guī)則集與事實庫匹配，規(guī)則2首先可用，并更新事實庫為：（哺乳類，黃褐色，黑色斑點，有奶，反芻），再次匹配事實庫，規(guī)則8滿足，更新事實庫（有蹄類，黃褐色，哺乳類，有黑斑，有奶，反芻），到此，羅伯特還無法識別這是什么動物，而事實庫也不能和其他規(guī)則的前提相匹配，因而還需要關(guān)于動物基本特征的新的信息，設(shè)羅伯特發(fā)現(xiàn)該動物腿長和頸部很長，即得到事實庫（動物頸長，腿長，有蹄類，哺乳類，黃褐色，有黑斑，有奶，反芻），由此，再次進行匹配，推理，此時，規(guī)則11可用，推論出該動物為長頸鹿，問題求解終止。產(chǎn)生式系統(tǒng)的問題求解過程步驟如下：事實庫初始化；若存在未用規(guī)則前提能與事實庫相匹配，則轉(zhuǎn)3,否則轉(zhuǎn)2；使用規(guī)則，更新事實庫，并將所使用規(guī)則做過標記；事實庫是否包含解，若是，則終止求解過程，否則轉(zhuǎn)2；要求更多的關(guān)于問題的信息，若不能提供所需要的信息，則求解失敗，否則更新事實庫并轉(zhuǎn)2。上述是一個簡單的產(chǎn)生式系統(tǒng)，其前提和結(jié)論都是一些簡單的斷言。實用的產(chǎn)生式系統(tǒng)無論在結(jié)構(gòu)上或規(guī)模上更為復雜。如果改變產(chǎn)生式的條件，把新的產(chǎn)生式加入規(guī)則集，改變產(chǎn)生式的執(zhí)行順序等。規(guī)則集的可管理性也許是產(chǎn)生式系統(tǒng)的最大優(yōu)點。綜上所述，在產(chǎn)生式系統(tǒng)中，我們只要根據(jù)部分知識就能把完整的知識生成出來，這是其它表示法所不能及的。產(chǎn)生式系統(tǒng)非但可以作為知識表示的工具，還可以作為問題求解系統(tǒng)，可以按各種搜索策略來設(shè)計解釋器，以實現(xiàn)知識層次模型的三個層次的知識。產(chǎn)生式系統(tǒng)的分析和設(shè)計前面已介紹過產(chǎn)生式系統(tǒng)由三大部分組成，這里我們分別討論在實用產(chǎn)生式系統(tǒng)設(shè)計中應該提到的問題。規(guī)則集：規(guī)則集是產(chǎn)生式系統(tǒng)賴以進行問題求解的核心，它是解決相應領(lǐng)域問題的過程性知識的計算機模型，因而規(guī)則集的性能直接影響到產(chǎn)生式系統(tǒng)的解題能力。在設(shè)計規(guī)則庫時應考慮：規(guī)則的表達能力：規(guī)則應能有效的表達關(guān)于解決問題的過程性知識。一般性情況下，一條規(guī)則的結(jié)論部分既可以是一些與問題有關(guān)的結(jié)論，也可以是所產(chǎn)生的一系列的行動。這些行動當然與求解有密切的關(guān)系。規(guī)則不一定是絕對嚴格的規(guī)律，只要在其它應用中有效即可，如上例中，規(guī)則5：若動物是鳥類，且會飛，則為信天游。顯然會飛的鳥還不止是信天游，但在這七種動物中，只有信天游才會飛，所以這些可以成為另一條規(guī)則來表示，產(chǎn)生式系統(tǒng)廣泛地應用在專家系統(tǒng)中，需要考慮專家系統(tǒng)的表達方法，涉及如何使用規(guī)則描述不確定性知識問題。規(guī)則庫的管理：對規(guī)則庫進行適當?shù)墓芾?，采用合理的結(jié)構(gòu)形式，能夠避免訪問那些與當前問題無關(guān)的規(guī)則，有利于提高解題效率。如，上例中我們將規(guī)則分為｛II，12，15，16，17，18，19，I10，Ill，I12｝和｛13，I4，I13，I14，I15｝兩個子集，一旦識別出動物屬于其中的一個子集，另一個子集中的規(guī)則在整個求解過程中就不用考慮了，從而提高了系統(tǒng)的解題效率，這種劃分可以逐級進行下去，構(gòu)成“層次型”規(guī)則庫，例如，上層（I1，I2），下層（I5，I6，I9，I10）和（I7，I8，I11，I12），這樣可構(gòu)成如下所需的層次表達式：｛I1，I2,（I5,I6,I9,I10），（I7，I8，I11，I12）｝。我們還可以利用推理網(wǎng)絡或“與或”技術(shù)來反映規(guī)則庫的這種特征。若一個斷言只出現(xiàn)在某規(guī)則的結(jié)論部分，則該斷言為一個“根結(jié)點”，若一個斷言是某條規(guī)則的結(jié)論部分，作為“父結(jié)點”，則該規(guī)則的前提斷言為其“子結(jié)點”，只出現(xiàn)在一些規(guī)則的前提部分的斷言為“葉結(jié)點”，如圖所示，虛線以下的為葉結(jié)點。2.事實庫：事實庫用以存儲與問題求解有關(guān)的敘述性知識。在求解過程中，各種中間結(jié)果都將存放在事實庫中，因而事實庫的動態(tài)組織管理也影響新產(chǎn)生式系統(tǒng)的性能。如在上例中，可以用事實庫的動態(tài)性反映問題求解過程。產(chǎn)生式系統(tǒng)問題求解的過程，可以理解為把事實庫由初始狀態(tài)通過多次的規(guī)則匹配轉(zhuǎn)移到目標狀態(tài)上去的過程?？刂破鳎嚎刂破鞯娜蝿帐菍σ?guī)則集與事實庫匹配過程進行控制，使產(chǎn)生式系統(tǒng)能有效地進行問題求解。通常要考慮以下問題：如何選取將規(guī)則與事實庫進行匹配的順序；如何解決沖突和協(xié)調(diào)問題。當有多條規(guī)則能與事實相匹配時，如何選取適當?shù)囊?guī)則；推理方法的組織，包括如何利用啟發(fā)知識等，圍繞這些問題人們已提出各種控制策略，如：數(shù)據(jù)驅(qū)動，目標驅(qū)動，混合控制等。產(chǎn)生式系統(tǒng)的開發(fā)和應用產(chǎn)生式系統(tǒng)的開發(fā)擴大規(guī)則集的表達能力。其前提條件不再是簡單的事實而是事實、情況和條件的綜合模式：其結(jié)論行動不是一個單一動作，而是執(zhí)行一些復雜的程序；提高規(guī)則集的檢索效率。各規(guī)則不是孤立的，而是組成樹型或網(wǎng)絡結(jié)構(gòu)，組成多層結(jié)構(gòu)的規(guī)則集，知道規(guī)則的應用；改進控制策略。簡單產(chǎn)生式系統(tǒng)是采取固定的順序匹配的“識別一執(zhí)行”策略，對于復雜情況存在匹配排序及訪問沖突現(xiàn)象，需要改進控制策略，解決規(guī)則匹配的優(yōu)先順序和沖突仲裁問題；合理匹配知識。通常產(chǎn)生式系統(tǒng)中，事實庫存放敘述性知識，在規(guī)則集表達過程性知識或啟發(fā)規(guī)律。在實際系統(tǒng)中，為了提高事實庫檢索與規(guī)則集匹配的效率，需要靈活地將知識合理分配在規(guī)則集和事實庫中。產(chǎn)生式系統(tǒng)的應用目前，產(chǎn)生式系統(tǒng)是人工智能中應用最為廣泛的知識表達技術(shù)，特別是專家系統(tǒng)的常用結(jié)構(gòu)，例如：化學專家系統(tǒng)DENDRAT醫(yī)學專家系統(tǒng)MYCIN；多層知識結(jié)構(gòu)的專家系統(tǒng)；產(chǎn)生式規(guī)則與其它知識表達方法結(jié)合，PROSPECTON系統(tǒng)中，將產(chǎn)生式規(guī)則與語義網(wǎng)絡相結(jié)合；基于產(chǎn)生式的知識獲取系統(tǒng)，由于產(chǎn)生式規(guī)則易于增刪和修改，便于人們理解和接受，所以，適用于構(gòu)成知識獲取系統(tǒng)，特別地通過“人一機”交互獲取知識。第六節(jié)邏輯表達法一.邏輯表達法概況邏輯是人們思維活動規(guī)律的反映和抽象。邏輯是到目前為止能夠表達人類思維和推理的最精確的、最成功的語言，它能夠被計算機精確處理，又和人類的自然語言非常接近，因此，很容易被人們接受，最先在人工智能知識表示中獲得廣泛的應用。用邏輯作為知識表示工具的最大優(yōu)點是：它們的嚴密性和便于推理，因而這種系統(tǒng)的通用性比較強。但是，最大不足是工作效率較低，主要原因是它把表達的內(nèi)容和推理過程截然分開。推理是按形式邏輯進行的，但拋棄了內(nèi)容所含有的大量信息，結(jié)果使得處理過程比較冗長。例如，有三塊積木，Y在Z的上面，X單獨放在一個地方，機械手舉起積木時就要用邏輯方法描述這一過程，即“舉起積木X在行動之前，積木Y在積木Z上面，積木X并積木丫，也非積木Z，而且X上面無其它任何物品，當完成這一動作時，Y仍然在Z上面”，進行一一核對，才能舉起積木X，這當然是見長了。如何用邏輯來表達層次的知識，理論上可以實現(xiàn)，但做起來確實存在很多困難。

知識的邏輯表達通常指用一階謂詞邏輯描述人工智能的問題求解的。二.命題邏輯(略)先復習一下離散數(shù)學與數(shù)理邏輯方面的知識。1.命題邏輯的基本概念：“命題邏輯”是“謂詞邏輯”的基礎(chǔ)，在現(xiàn)實世界中，人們常要描述一些客觀事實，例如：(b)天晴(a)天在下雨((b)天晴(c)人是會死的(d)諸葛亮是人(e)血液是紅色的(f)他在哭(g)燈關(guān)等(h)他會騎馬((g)燈關(guān)等這些句子在特定的情況下都具有“真”或“假”的含義，在邏輯上稱為命題。命題邏輯是研究命題及命題之間關(guān)系的符號邏輯系統(tǒng)。通常，可以用大寫字母，a，P等表示命題。復合命題在命題邏輯中，表達單一含義的命題稱為“原子命題”。原子命題可以通過“聯(lián)接詞”的聯(lián)接構(gòu)成復合命題。例如：設(shè)P：天在下雨Q：天晴P-!Q表示：如果天在下雨則天不晴；其中，聯(lián)接詞有：“八"——合取即與“八"——合取即與即或條件P—Q條件P—Q命題P是命題Q的條件合式公式為了形式地研究命題及其推理，在命題邏輯中，用符號P，Q…等表示不具有固定具體含義的命題，稱為“命題變元”。一個命題變元可以表示具有“真”，“假”含義的各種命題。命題變元可以利用聯(lián)接詞構(gòu)成所謂“合式公式”，它是命題邏輯中一個十分重要的概念，其定義如下：⑴若P為原子命題，則P為合式公式，稱為原子公式；⑵若p為合式公式，則SEP也是一個合式公式；⑶若P和Q均為合式公式，則（P八Q）、（PVQ）、（PfQ）等都是合式公式；⑷經(jīng)有限次使用規(guī)則⑴⑵⑶得到的原子公式聯(lián)接詞和圓括號組成的符號串，也是合式公式。定義了合式公式的概念后，我們就可以討論如何用命題邏輯表示簡單的邏輯推理。在命題邏輯中，人們主要研究所謂推理的有效性。艮L能都根據(jù)一些合式公式（稱為前提）推導新的合式公式（結(jié)論）。命題邏輯的推理規(guī)則定義的推理規(guī)則如下：⑴規(guī)則P：在推導的任何步驟上，都可以補入前提；⑵規(guī)則T：在推導過程中，如果前面有一個或多個命題永真，蘊涵命題S，即可以把命題S補入推導過程中；⑶規(guī)則LP:如果能補一組前提集合和R中的推導出S來，那么就能夠從這組前提集合中推導出RfS來，其中，R為任意補入的命題。例如：設(shè)有如下推理，如果天下大雨，則停止球賽。天在下大雨所以停止球賽我們用P表示天下大雨，Q表示停止球賽，則我們可做出如下證明：⑴(1)PP規(guī)則⑵(2)PfQP規(guī)則(1，2)(3)QT規(guī)則（蘊涵式）從而證明Q為P和PfQ的有效結(jié)論。謂詞邏輯“謂詞邏輯”是“命題邏輯”的擴充與發(fā)展。它將一個原子命題分成“客體”與“謂詞”兩個組成部分。例如，在謂詞邏輯中，我們可以用Human(x)表示“x是人”，這里x可以代表任何一個人的客體，如張三、李四、王五等，而Human是“謂詞”。如：？論證所有的人都是會死的(1)vx(Human(x)—Die(x))因為諸葛亮是人(2)Human(zhugeliang)所以諸葛亮是會死的(3)Die(zhugeliang)式(1)、(2)、(3)分別表示論證中的相應的命題，若要證明上述論證是正確的，即能夠由()、(2)推出(3)，將在以后有介紹。與命題邏輯相適應的謂詞邏輯有：謂詞公式，原子謂詞公式，復合謂詞公式等，例如，Human(x)就是一個原子謂詞公式，其中，Human是謂詞，x是客體變元。它可以有一個定義域或客體域，一個謂詞可以有若十個客體變元，如，謂詞F(x1，x2，…，xn)稱為n元謂詞。復合謂詞公式由原子謂詞公式通過聯(lián)接詞構(gòu)成。由于謂詞公式中x不是特定的個體，因而謂詞也稱為命題函數(shù)。我們可以用個體域中任何一個客體取代命題函數(shù)中的客體變元。從而給相應謂詞公式賦真假值。例如，Human(x)中，x可以是張三，則“張三是人”，x也可以是李四，則“李四是人”。我們還可以用量化的方式給謂詞賦值，如：vx(Human(x)—Die(x))表示“所有的人都會死的”。在這個命題中，其中，“vx”為“全稱量詞”，它表示客體中所有的個體，還存在一種量詞“？x”為“存在量詞”，用存在“？”表示存在，表示“在客體域中存在某個個體”，例如，？xR(x)表示一些數(shù)量是有理數(shù)，其中，R(x)表示x是有理數(shù)。在謂詞公式P(x)中，x也可以是一個謂詞，若x是一階的，則P(x)為二階謂詞，這里我們僅限于討論一階謂詞。一階謂詞的邏輯表示方法下面我們通過兩個實例來說明如何用一階謂詞表達知識:例1：設(shè)有下例一組命題集⑴馬克斯是男人man(marcus)馬克斯是龐貝人Pompeian(marcus)⑶所有龐貝人都是羅馬人vxPompeian(x)—Roman(x)⑷愷撒是一位統(tǒng)治者Ruler(Caesar)⑸所有羅馬人或忠于愷撒的或仇恨他vxRoman(x)一loyalto(x,Caesar)Vhate(x,Caesar)(6)每個人忠于某個人？x?yloyalto(x,y)⑺人們只想暗殺他們不忠于的統(tǒng)治者vxvyPerson(x)Aruler(y)八tryassault一？loyalto(x,y)⑻馬克斯試圖謀殺愷撒tryassault(marcus,Caesar)這些謂詞公式集合就構(gòu)成一個機器定理證明問題的知識庫。這樣以來，利用上述知識就可以求解“馬克斯忠于愷撒嗎？”，這是一個機器定理證明問題。設(shè)？loyalto(marcus,Caesar)我們可以用反證法，？loyalto(marcus,Caesar),對⑺進行量化：Person(marcus)ARuler(Caesar)Atryassault(marcus,Caesar)由(⑷：Person(marcus)tryassault(marcus,Caesar)由⑻：Person(marcus)到此問題歸結(jié)為要證明“馬克斯是人”。若證明馬克斯是人則命題是正確的，否則不正確。但是，根據(jù)所給的命題集機器無法證明“馬克斯是人”，因為他只知道“馬克斯是男人”，而不知道“男人就是人”。因此應在命題集中加入一條：⑼所有男人都是人vxman(x)—Person(x)這樣才可以證明結(jié)論："馬克斯不忠于愷撒”？loyalto(marcus,Caesar)例2：機器人行動計劃(圖設(shè)在一個含有壁室(alcove)的房間里，有兩張桌子A和B,一個機器人(robot)和一個箱子(box)。為了讓機器人從壁室出發(fā)把桌子A上的箱子移到桌子B上，然后回到壁室。需要制定相應的行動計劃。我們用一階謂詞來描述機器人的行動計劃。先定義所需要的謂詞和個體：個體：robots機器人alcove^壁室box^桌子A,B謂詞：TABLE(x)——x是一張桌子EMPTYHANDER(y)——y雙手空空AT(y,z)y在z附近HOLDS(y,w)y拿著wON(w,x)x在w上這些謂詞表達了事物之間的關(guān)系，其中個變元的客體域為：X：{A,B}y：(robot}Z：{A,B,alcove}w：{box}在做了上述定義后，問題的初態(tài)與目標狀態(tài)為下列謂詞公式的合?。撼鯌B(tài)：AT(robot,alcove)EMPTYHAND(robot)ON(box,A)TABLE(A)TABLE(B)目標狀態(tài)：AT(robot,alcove)EMPTYHAND(robot)ON(box,B)TABLE(A)TABLE(B)如果我們把初態(tài)或目標狀態(tài)分別看作是一張語句表，即數(shù)據(jù)庫。我們可以看到在這個數(shù)據(jù)庫中，大多數(shù)語句保持不變只有ON(box,A)變到ON(box,B),這一特點是很典型的。我們在一個世界內(nèi)所作出的每一個動作，只改變了數(shù)據(jù)庫中的幾條語句。所以在一個動作實施之后，我們的問題是集中精力注意數(shù)據(jù)庫中的那些該動作所起的變化。這樣就可以集中研究由動作引起的變量的變化，而不是把精力放在那些數(shù)量大而又保持不變的語句上。例如，對于機器人把箱子由桌子A移到B上，然后回到壁室，這一動作就可以用：刪除：ON（box，A）增加：ON（box，B）來描述。這就是說，機器人動作后的總效果是在數(shù)據(jù)庫中刪除ON（box，A）語句，增加ON（box，B）語句。同樣，對于機器人執(zhí)行的其他一些動作，也用同樣的辦法來處理，比如希望機器人走近桌子A然后拿起盒子，這一動作的效果就是：刪除：AT（robot，alcove）EMPTYHAND（robot）ON（box，A）增加：AT（robot，A）HOLDS（robot，box）因此，對于機器人行動中實施的任何動作，都可以用一張增加刪除表來表示，刪除表表示一個動作結(jié)束后要從數(shù)據(jù)庫中刪掉的那些語句，增表表示該動作結(jié)束后要加入到數(shù)據(jù)庫中的語句。要使機器人由初始狀態(tài)轉(zhuǎn)移到目標狀態(tài)，必須施加一系列的操作才能實現(xiàn)，而每一個操作是由一個條件和一個動作組成的。這個條件決定在一個具體的狀態(tài)下，是否可以使用該操作。如果決定可以使用該操作的話，那么動作部分就會告訴我們狀態(tài)是如何改變的。如果操作是可以實施的話，那么對于相應的狀態(tài)來說，條件就必須是一個必定為真的命題，就是說，如果我們把從數(shù)據(jù)庫中取出的語句作為前提，那么由此得到的結(jié)論即為操作的條件，只有在這種狀態(tài)下才能使用該操作，否則不行。比如說，有一個操作要機器人拿起放在桌子A上的箱子，很顯然，運用該操作必須首先滿足以下條件：箱子放在桌子上，機器人站在桌子旁，機器人手是空的，否則操作無法實施，即使實施，也達不到預期的目的。這一操作的條件可以表示為：ON(box,A)andAT(robot,A)andEMPTYHAND(robot)在條件中使用變量，如同使用獨立的常量那樣，通常是很方便的。由此而得到的條件更加一般化。比如說，我們并不針對某個具體的個體alcove，而可以在alcove出現(xiàn)的地方用變量來表示。這樣就可以允許其它任何名字的個體來替換這個變量。在同一個操作中，我們有兩種使用變量的方法。在某些情況下，我們希望用某個常量來替換某個變量，而在其它的情況下，我們希望所使用的常量是原來已經(jīng)用來替換過某一變量的常量。區(qū)別這兩種情況有許多不同的方法，我們沿用溫斯特在他的人工智能教科書中采用的方法：＞x試圖用一個常量替換X，使得條件為真；＜x使用原來已經(jīng)替換過X的那個常量，在這種情況下，決不進行新的替換例如，考慮下面這個條件：ON(box，＞x)AndAT(robot，＜x)AndEMPTYHAND(robot)在ON(box，＞x)中的＞x就是要我們?nèi)フ业揭粋€個體去替換它，以使ON(box，＞x)能在知識庫中出現(xiàn)。比方在知識庫中包含一個ON(box，A)那么A就是〉x的一個可能替換。而在AT(robot，＜x)中的＜x就是要我們?nèi)タ纯?，當＜x取一個先前已替換過＞x的常量時，在數(shù)據(jù)庫中是否存在這樣的一個語句。比如，如果用A替換過＞x，那么我們必須看看數(shù)據(jù)庫中是否有語句AT(box，A)。在給定了操作的格式之后，為了求解我們既定機器人行動計劃問題，我們可以補入三個操作：機器人從x處走到A處Go一to一A(＞x)操作：Go一to一A(＞x)條件：AT(robot，＞x)刪除：AT(robot，<x)增加：AT(robot,A)機器人從x處拿起箱子操作：Pick—up一box(>x)條件：ON(box,>x)TABLE(<x)AT(robot,<x)EMPTYHAND(robot)刪除：ON(box,<x)EMPTYHAND(robot)增加：HOLDS(robot,box)機器人在x處放下箱子操作：Set一down一box(>x)條件：AT(robot,>x)TABLE(<x)HOLDS(robot,box)刪除：HOLDS(robot,box)增加：ON(box,<x)EMPTYHAND(robot,box)機器人在采取每次行動之前，總要檢查當前狀態(tài)是否和相應的操作條件相匹配。若匹配則行動，若不匹配，則檢查下一個條件。這種匹配過程實際上也可以看作是定理證明過程，即證明“當前狀態(tài)到目標狀態(tài)”是否成立。有以上操作定義可以得到機器人行動規(guī)劃的問題求解過程：AT(robot,alcove)EMPTYHAND(robot)ON(box,A)TABLE(A)TABLE(B)施加Go一to一A(>x)AT(robot,A)EMPTYHAND(robot)ON(box,A)TABLE(A)TABLE(B)操作：Pick—up—box(>x)AT(robot,A)HOLDS(robot,box)TABLE(A)TABLE(B)操作：Go—to—B(>x)AT(robot,B)HOLDS(robot,box)TABLE(A)TABLE(B)操作：Set—down—box(>x)AT(robot,B)EMPTYHAND(robot)ON(box,B)TABLE(A)TABLE(B)操作：Go—to—alcove(>x)AT(robot,alcove)EMPTYHAND(robot)ON(box,B)TABLE(A)TABLE(B)謂詞邏輯表達法的特點及應用1.謂詞邏輯表達法有如下特點:A.優(yōu)點：嚴密性：可以保證其演繹推理結(jié)果的正確性，可以較準確清楚地表達知識;通用性：具有通用的邏輯演繹法和推理規(guī)則；自然性：謂詞邏輯是一種接近于自然語言的形式語言；模塊性：便于計算機實現(xiàn)邏輯推理的機械化。B?缺點：效率低：由于推理是根據(jù)形式邏輯進行的，把推理演繹與知識含義截然分開，拋棄了表達內(nèi)容中所含有的語言信息，往往使推理過程太冗長，有時會出現(xiàn)“組合爆炸”；靈活性差：不便于表達和加入啟發(fā)性知識及元知識。2.謂詞邏輯表達法的應用謂詞邏輯是一種應用比較早，比較廣泛，也是較成功的知識表達方法，比較適用于證明方法求解問題的系統(tǒng)。如，自動問答系統(tǒng)：Green(1969)用邏輯方法表達知識，以定理證明方式推理，進行化學等方面的問題解答的通用系統(tǒng)；機器人行動規(guī)劃系統(tǒng)：Fikes(1971)，在問題求解中采用了演繹推理方法，規(guī)劃決策采用了“目標一手段”分析法；機器博弈系統(tǒng)：Filman(1976)，采用一階謂詞邏輯表達和演繹推理方法；問題求解系統(tǒng)：Kawaleti(1979)，直接用邏輯子句表示知識，簡易方便。第七節(jié)語義網(wǎng)絡表達法一.語義網(wǎng)絡的基本概念現(xiàn)在，很多人工智能系統(tǒng)都應用語義網(wǎng)絡來表達知識。所謂語義網(wǎng)絡就是使用一套符號的一種形式。若用圖來表示，語義網(wǎng)絡由結(jié)點和弧構(gòu)成。其中結(jié)點表示事實、概念和事件等，而弧表示它們之間存在某種關(guān)系，這樣的圖稱為語義網(wǎng)絡，換句話說，語義網(wǎng)絡是通過概念及其語義關(guān)系，來表達知識的一種網(wǎng)絡圖。如：蘋果的語義網(wǎng)絡圖：

圖蘋果的語義網(wǎng)絡圖語義網(wǎng)絡的推理機制是基于匹配網(wǎng)絡的結(jié)構(gòu)。在語義網(wǎng)絡中，程序可以從它感興趣的結(jié)點開始，沿著弧線到其它有關(guān)的結(jié)點，然后又從這些結(jié)點出發(fā)到更遠的有關(guān)結(jié)點，如此類推。這就像人腦具備的能力一樣，能夠從一個思想跳到另一個相關(guān)的思想。人腦在自由聯(lián)想和每天的思維中都含有這種情況產(chǎn)生。但是，語義網(wǎng)絡也象個迷宮，計算機也很容易在里面迷路。就象語義網(wǎng)絡也容易引導計算機得出所需要的信息一樣，為了使計算機能夠很快的得到它所需要的知識，需要提出一些更有力的組織原理。語義網(wǎng)絡的特點優(yōu)點自然性：直接明了地表達概念之間的語義關(guān)系，接近于人們的語義記憶方式；聯(lián)想性：看重于表達語義關(guān)系知識，體現(xiàn)了聯(lián)想思維過程。例如，通過正、反例的比較進行學習的過程；效率較高：通過語義關(guān)系檢索和推理，能較快地導出與問題有關(guān)的解，而不必遍歷整個知識庫。這是因為語義網(wǎng)絡能將各個主要結(jié)點及弧明確而又簡單地加以表示，使得有關(guān)對象和概念可以從它們直接相連接的那些結(jié)點中導出來。缺點不能像邏輯表達法那樣保證推理的嚴密性和有效性；不便于表達判斷性知識；不便于表達深層知識，如與時間因素有關(guān)的動態(tài)知識。總之，用語義網(wǎng)絡表示知識的最大優(yōu)點是把各種事物有機地聯(lián)系起來。它比較正確地反映了人類對客觀事物本質(zhì)的認識，它所表達的知識主要關(guān)系知識。Fikes和Hendrix試圖把判斷性知識也納入語義網(wǎng)絡中去，因為人類的知識領(lǐng)域中，關(guān)系知識也判斷性知識占很大比重，所以這是一個值得探討的課題。此外，諸如結(jié)點的定義是什么？能否有統(tǒng)一的方法表達思想？語義網(wǎng)絡的性質(zhì)遺傳規(guī)律是什么？這些都是值得探討的課題。二、語義網(wǎng)絡表達法的應用機器學習過程的表達語義網(wǎng)絡表達法特別適合于機器學習過程的描述，機器學習的方式很多，一般來說有二類：自學式：由機器自動比較和發(fā)現(xiàn)正例和反例，找各差異，修正錯誤，獲取知識；示教式：有人比較正反例，通過程序設(shè)計、修改機器的知識模型和知識庫；下面是一個通過學習，從而使知識進一步深化的例子：圖其它應用Quillian(1969)：研制“可教語言理解器”中，把語義網(wǎng)絡作為知識Raphael(1968)：語義信息重現(xiàn)系統(tǒng)SIR；Carbanell(1970—1973)：直接利用TLC,研制了回答地理問題的教學系統(tǒng)；Walker(1978)：研制的語言理解系統(tǒng)，基于Hendire分割式語義網(wǎng)絡系統(tǒng)；Mytopoules(1975)：自然語言理解系統(tǒng)，利用語義單元，提高檢索效率。⑥第八節(jié)特性表表達法一.特性表的概念特性表(Propertylist)是通過對象特征來表達知識的一種表格形式，便于檢索，在人工智能語言LISP中，米用了這種表達法。特性表由屬性(Attribute)和取值兩部分組成。對于不同的問題、不同的對象，所感興趣的特征不同，所取的屬性也不同，對于同一個問題和對象，不同的觀點，不同的方法，所關(guān)心的特征和屬性也有所不同，同一種屬性，當系統(tǒng)狀態(tài)不同時，其取值也不同，因此，特征表便于表達敘述性知識，也可以表達過程性知識或控制性知識。屬性取值顏色(Color)Red引擎(Engine)V8型號(Model)M-16v車體(Body)Sedan廠商(Maker)Ford所有這些特征都同汽車的描述有關(guān)。很顯然，對此還可以給出更多的特征，更確切的說，需要給出的特性取決于我們描述它的目的。車主感興趣的特性、汽車的出售商所關(guān)心的特性，以及汽車的修理技師所關(guān)心的特性都是各不相同的，當然，也會有相同的部分。描述一個現(xiàn)實世界的狀態(tài)，有一種方法就是把這個世界中的每一個物體同一種特性表結(jié)合起來，這個特性表包含了該物體的所有特性，而這些特性都是同狀態(tài)描述的目的相關(guān)聯(lián)的。特性表應用舉例下面我們把上述機器人的行動計劃用特性表來描述初始狀態(tài)對象屬性取值RobotLocationAlcoveholdsemptyBoxSupported-byAAIs-aTablesupportsboxBIs-aTablesupportsempty2.目標狀態(tài)對象屬性取值RobotLocationAlcoveholdsemptyBoxSupported-byBAIs-aTablesupportsemptyBIs-aTablesupportsbox3.中間某種狀態(tài)對象屬性取值RobotLocationholdsBboxBoxSupported-byrobotAIs-asupportsTableemptyBIs-asupportsTableempty特性表的一個優(yōu)點是，每一事物的屬性都同事物本身結(jié)合在一起，比方拿一個以機器人為對象的程序來說，如果它運行的話，它就用不著為了尋找那些有關(guān)機器人的語句去搜索整個龐大的數(shù)據(jù)庫，它已經(jīng)有了包括機器人所有的特性的一張?zhí)匦员?。然而，特性表的最重要的?yōu)點也許在于：它們已經(jīng)成為LISP程序設(shè)計語言的一個組成部分了，LISP目前是在人工智能中應用最廣泛的一種人工智能語言。在該語言中，對于諸如robot，box，A這樣的符號，它都含自動給出它們的特性表。LISP系統(tǒng)運用其中的特性放入特性表中，或增刪它們或改變它們的值。具有這些功能的函數(shù)，在大多數(shù)LISP語言文本中都可以找到。因此，由于在程序語言中已經(jīng)建立起來了處理特性表的各種手段，每一個程序用不著自己去重新搞一套特性表，所以對于使用LISP語言的程序設(shè)計來說，特性表用起來是非常方便的。第九節(jié)框架表達法框架表達法的概念及表示人們不必對自己的每一個動作都經(jīng)過推理后才做決定，并且能一天天的這樣生活下去。這是因為人們每天生活的內(nèi)容大部分包含了一系列的典型情景。比如：坐在客廳里看電視；開車去上班；在辦公室處理日常事務；上大學或高中課程；在飯館吃飯；飯后收拾干凈桌子等。如何處理以上的情景以及許多其它的情景，人們在剛剛接觸生活的時候開始學習了。此后，人們就能不經(jīng)過思考直接處理這些情景。人們可以把精力集中到那些不同點或重點上去。比方，這里的其它人都講了些什么，略加思考以后就能解決情景所要求采取的行動。我們稱之為常識的東西而實際上就是處理日常事務的能力。盡管我們以前沒有同當前情景完全相同的經(jīng)歷，但是對于每一類典型的情景，我們還是能預料到會出現(xiàn)某些特征。例如，在進入一個新的飯館以前，我們可以想象出：它有桌子，椅子，男女服務員，菜譜，坐在門口的收銀員等，當然，一旦實際進入該飯館后可能會發(fā)現(xiàn)一些細節(jié)與想象中的不同，或許沒有服務員，人們必須自己到柜臺領(lǐng)取飯菜等。在這種情況下，就要對自己預料的情況做一些的修改，其他都照原來預料的進行處理。由此可知，框架是用來描述典型情景的一種數(shù)據(jù)結(jié)構(gòu)，或稱一組“畫面”。我們可以想象框架中有許多空槽（slot），這些空槽對應于我們預料在情景中能找到的各次具體內(nèi)容。拿客廳為例子，它的空槽就是用來表示我們預料會在客廳里找出各種東西，如地板墻、天花板、沙發(fā)、咖啡桌、電視機以及掛在墻上的畫等。當一個框架第一次被調(diào)用時，在其大部分空槽中都填有典型值，或稱為默認值。例如，在客廳這框架中，電視機這一空槽的默認值可能是一臺平常的彩色電視機。自然，當我們進入一間具體的客廳時，就會發(fā)現(xiàn)有些默認值需要替換，或許是這間客廳只有黑白電視機而不是彩色的，或許電視機不放在客廳里或許房子主人討厭電視機等等。因此，一個框架，在我們對它有了切身體驗之前，或在我們對自己的經(jīng)驗進行分析之前，就概括了我們所能設(shè)想到的那些事物。各種“框架“可以相互內(nèi)外嵌套成框架系統(tǒng)。用于表達問題的狀態(tài)變化或操作及相互關(guān)系。利用框架系統(tǒng)的嵌套結(jié)構(gòu)，便于表達不同的層次的知識，通過擴充子框架可以進一步描述問題的細節(jié)。總之，框架是由一組描述物體各個方面的槽所組成的，每個槽都有它自己的名字，并可以填入相應的說明，補充新的事實的條件、數(shù)據(jù)或結(jié)果，修改問題的表達形式和內(nèi)容，便于表達對行為后果和系統(tǒng)狀態(tài)的預測和猜想。例1，描述個人的框架framePerson

PROFESSIONHEIGHTWEIGHTframe用框架系統(tǒng)進行推理或認識事物，很類似日常生活中的行為就是從現(xiàn)有的系統(tǒng)中選出最接近待定事物的框架，進行符合性檢查，如果相差的太大，就要修改原有框架甚至構(gòu)造新框架，直至達到規(guī)定的符合程度。例2.機器人糾紛問題設(shè)機器人羅賓和蘇西在一塊玩耍，淘氣的蘇西打了羅賓一下，其結(jié)果可以猜想，有兩種可能：其一，羅賓憤怒，還擊蘇西一下，蘇西也不示弱，二人撕打起來；其二，羅賓沒有還手，但感到委屈然后就哭起來了。由于還可以看出，框架系統(tǒng)實際上也是一種廣泛的特性表?？蚣鼙硎痉ǖ奶攸c及應用框架系統(tǒng)的優(yōu)點：框架系統(tǒng)是Minekey(1975)提出來的，當時作為機器視覺、語言理解等知識的表達方法，有如下優(yōu)點：利用框架的嵌套式結(jié)構(gòu)，可以由淺入深地對事物的細節(jié)，作進一步的知識表達；利用空框?qū)詹劭梢宰杂商顚懷a充，修改其內(nèi)容，便于知識的修改和增刪；便于表達推測和猜想，如看見桌子三條腿，就會推測它有四條腿；自然性，框架方法體現(xiàn)了人在觀察事物時的思維活動，即從已有的記憶中，調(diào)用類似的概念和印象(框架或畫面)，將其中某些細節(jié)加以修改、補充，形成對現(xiàn)有事物的認識。這里，套用了記憶中已有的框架，即利用了已獲得的經(jīng)驗知識?？蚣芟到y(tǒng)的應用人們已利用框架系統(tǒng)表達法做了不少工作，例如：Bobrow(1977)研制了基本框架表示法的知識表達語言；Bobrow等(1977)研制的通用理解系統(tǒng)GUS，是用框架方法的“人機”對話系統(tǒng)；Stefik(1979。1980)研究用畫面表達知識的多層規(guī)劃系統(tǒng)；Grelner(1980)知識表達語言的語言RLL。知識表達法一一電影腳本與框架表達法相同的是電影腳本(Script)理論，它是Schank在1975年提出的，電影腳本描述的是一個事件的序列，它不只是描述事情本身，而且在描述時規(guī)定了一系列動作以及進入此腳本的條件，原因和有關(guān)的決定性的概念。這個腳本是標準化的，用來描述人類行為的序列。Schank和Abelson認為，人的頭腦中有許多這樣的腳本，根據(jù)上下文可以預測事件的各個方面，例如有一個餐館腳本如下：人物：顧客、服務員、出納員道具：餐館、餐桌、菜單、食物、飯錢、小費事件：①顧客進入餐館；顧客在餐桌前坐下；服務員給顧客菜單；顧客點菜；服務員端來飯菜；顧客吃飯；服務員遞交帳單；顧客給服務員小費；顧客付錢給出納員；顧客離開飯館。在這個腳本中，事件①和事件⑥是主要部分，事件①是主題，事件⑥是腳本的主要概念和目的。如果我們看到一個句子“約瀚去吃飯”就可以預測約瀚走進餐館，并進行一系列動作，而且根據(jù)上句就可以推測下句。所以腳本在自然語言理解方面獲得了廣泛的應用。但腳本也有困難，例如，“我進了餐館，吃了一塊點心，然后我買了一些雜貨”。第一句進入餐館腳本，第二句顯然是在餐館腳本結(jié)束以后轉(zhuǎn)入另一個商店腳本，但也可能在餐館里可以買到雜貨，如果這樣，餐館腳本就要設(shè)計的十分復雜。另一種情況，如，我們開車到加油站加油，店主說沒有汽油了。象這種情節(jié)較為簡單的腳本就無法一一的考慮各種序列。人類日常行為的腳本千千萬萬，很難想象用一個簡單的腳本就能理解整個故事情節(jié)，人可以根據(jù)不完全的信息來了解推測全部情節(jié)，但計算機就很難辦到。因此，用腳本來表示知識的理解時，常用匹配方法進入腳本，但這樣就比較死板，能力有限。另一種構(gòu)成腳本的方法是把所有的事件放在一起，根據(jù)行為達到目的，用規(guī)劃的方法對事件進行動態(tài)連接，把一系列的動作和有關(guān)內(nèi)容聯(lián)系起來組成腳本，Schank和他的合作者曾研究用腳本的知識表達方法來理解自然語言，例如，理解這樣一個故事：“約翰到一家餐廳去，他坐下來。他變得很憤怒，然后離去?！贝斯适陆?jīng)