人工智能課件What is intelligence

1Whatisintelligence?Intelligence:人們知覺、學(xué)習(xí)、理解和認(rèn)知的能力.

2什么是artificial

intelligence?ArtificialIntelligence:所謂人工智能，就是人工的方法在機(jī)器（計(jì)算機(jī)）上實(shí)現(xiàn)的智能，或者說是人們使用機(jī)器模擬人類的智能。由于人工智能是在機(jī)器上實(shí)現(xiàn)的，所以又稱為機(jī)器智能。從另一個(gè)角度來看，人工智能是研究怎樣使計(jì)算機(jī)來模仿人腦從事的推理、證明、識(shí)別、理解、設(shè)計(jì)、學(xué)習(xí)、思考、規(guī)劃及問題求解等思維活動(dòng)，來解決人類專家才能處理的復(fù)雜問題。3不同聲音Feigenbaum（EdwardAlbert愛德華費(fèi)根鮑姆）告訴機(jī)器做什么而不告訴它怎么做,如果機(jī)器能夠完成任務(wù),我們就說這個(gè)機(jī)器是有智能的。美國Stanford大學(xué)知識(shí)工程學(xué)派4??SeveralbelievesSearle’sbelief（塞爾）Thinkingcanoccuronlyinveryspecialmachines——livingonesmadeofproteins向強(qiáng)人工智能挑戰(zhàn)：塞爾標(biāo)準(zhǔn)的意義在于：它說明機(jī)器智能是有限度的，機(jī)器智能永遠(yuǎn)不可能超過人類智能。因此，它為人工智能提供了一個(gè)動(dòng)態(tài)的、恒久適用的標(biāo)準(zhǔn)。5??SeveralbelievesNewell&Simon:physicalsymbolsystemhypothesis

（物理符號(hào)系統(tǒng)假說）紐厄爾，西蒙，卡內(nèi)基－梅隆大學(xué) “aphysicalsystemisamachinethatiscapableofmanipulatingsymbolicdata.”6ApproachestoAITwomainapproaches: Symbolicvs. Subsymbolic

符號(hào)vs亞符號(hào)7Symbolicprocessing

approachesClassicalAINewellandSimon——physicalsymbolicsystemhypothesis

#物理符號(hào)系統(tǒng)假說

#●Knowledge-basedapproach——enoughknowledgerequired

基于知識(shí)的方法8(2)Subsymbolicprocessing

approachesBottom-upstyle在最底階段我們認(rèn)為把符號(hào)叫做信號(hào)更為確切。

Symbol->SignalWell-knownexamplesNeuralnetworks（神經(jīng)網(wǎng)絡(luò)）Evolutionsystems（進(jìn)化系統(tǒng)）………9符號(hào)智能與計(jì)算智能

符號(hào)智能就是符號(hào)人工智能，它是模擬腦智能的人工智能，也就是所說的傳統(tǒng)人工智能或經(jīng)典人工智能。符號(hào)智能以符號(hào)形式的知識(shí)和信息為基礎(chǔ)，主要通過邏輯推理，運(yùn)用知識(shí)進(jìn)行問題求解。符號(hào)智能的主要內(nèi)容包括知識(shí)獲取（knowledgeacquisition）、知識(shí)表示（knowledgerepresentation）、知識(shí)組織與管理和知識(shí)運(yùn)用等技術(shù)（這些構(gòu)成了所謂的知識(shí)工程（KnowledgeEngineering,KE））以及基于知識(shí)的智能系統(tǒng)等。

10符號(hào)智能與計(jì)算智能

計(jì)算智能就是計(jì)算人工智能，它是模擬群智能的人工智能。計(jì)算智能以數(shù)值數(shù)據(jù)為基礎(chǔ)，主要通過數(shù)值計(jì)算，運(yùn)用算法進(jìn)行問題求解。計(jì)算智能的主要內(nèi)容包括：神經(jīng)計(jì)算（NeuralComputation，NC）、進(jìn)化計(jì)算（亦稱演化計(jì)算，(EvolutionaryComputation，EC),包括遺傳算法（GeneticAlgorithm，GA）、進(jìn)化規(guī)劃（EvolutionaryPlanning，EP）、進(jìn)化策略（EvolutionaryStrategies，ES）等）、免疫計(jì)算（immunecomputation）、粒群計(jì)算（ParticleSwarmAlgorithm，PSA）、蟻群算法（AntColonyAlgorithm，ACA）、自然計(jì)算（NaturalComputation，NC）以及人工生命（ArtificialLife，AL）等。11以移動(dòng)機(jī)器人路徑規(guī)劃為例，探討可使用的人工智能方法：ANN與路徑規(guī)劃

該方法研究了障礙物形狀是矩形并且利用能量函數(shù)來描述其邊界和位置已知情況下的機(jī)器人路徑規(guī)劃算法。通過計(jì)算地圖中的某個(gè)點(diǎn)是否落在障礙物矩形范圍中來確定這個(gè)點(diǎn)是否為障礙物點(diǎn)，其能量函數(shù)的定義利用了ANN結(jié)構(gòu)，根據(jù)路徑點(diǎn)位于障礙物內(nèi)外的不同位置選取不同的動(dòng)態(tài)運(yùn)動(dòng)方程，規(guī)劃出的路徑達(dá)到了折線形的最短無碰路徑，計(jì)算簡單，收斂速度快。Exercise：pathplanning12以移動(dòng)機(jī)器人路徑規(guī)劃為例，探討可使用的人工智能方法：模糊邏輯（FL）與路徑規(guī)劃

該方法把障礙物信息分成3個(gè)方向，分別為正前方、左前方和右前方。行為和推理規(guī)則的輸入變量設(shè)為4個(gè)，分別為智能機(jī)器人預(yù)定的目的地方向，智能機(jī)器人前進(jìn)的左、中、右3面的障礙物狀態(tài)，而從這些條件推出模糊推理的兩個(gè)輸出分別為智能機(jī)器人的速度和方向控制。Exercise：pathplanning13以移動(dòng)機(jī)器人路徑規(guī)劃為例，探討可使用的人工智能方法：遺傳算法（GA）與路徑規(guī)劃

該方法采用柵格法對(duì)智能機(jī)器人工作空間進(jìn)行劃分，用序號(hào)標(biāo)示柵格，并且以此序號(hào)作為智能機(jī)器人路徑規(guī)劃的參數(shù)編碼。這種方法的缺陷是：若柵格劃分過粗，則劃分精度較低；若劃分柵格太細(xì)，則數(shù)據(jù)量又太大。Exercise：pathplanning14孕育（1956年以前）Aristotle(前384-322):

形式邏輯，演繹推理，三段論亞里士多德《工具論》15孕育（1956年以前）Bacon(1561-1626):

歸納法，知識(shí)就是力量英國哲學(xué)家培根16孕育（1956年以前）Leibniz(1646-1716):

萬能符號(hào)，推理計(jì)算德國數(shù)學(xué)家和哲學(xué)家萊布尼茨17孕育（1956年以前）Boole（1815-1864）:

思維規(guī)律形式化，布爾代數(shù)英國邏輯學(xué)家《思維法則》18Godel（1906-1978）:哥德爾 證明了一階謂詞的完備性19孕育（1956年以前）Turing（1912-1954）:

圖靈機(jī)（1936）－理想計(jì)算機(jī)的數(shù)學(xué)模型 圖靈實(shí)驗(yàn)（1950）英國數(shù)學(xué)家圖靈20孕育（1956年以前）McCulloch&Pitts:MP神經(jīng)元模型（1943）美國神經(jīng)心理學(xué)家麥克洛奇，匹茲21孕育（1956年以前）Mauchly&Echert:

第一臺(tái)電子計(jì)算機(jī)ENIAC,（1946）美國數(shù)學(xué)家莫克利和?？绿?2誕生（1956年夏Dartmouth會(huì)議）DartmouthCollege美國達(dá)特莫斯，為期2個(gè)月23誕生McCarthy麥卡錫-1971Minsky明斯基-1969Shannon香農(nóng)Lochester24TheHistoryofAISimon-1975More,Samuel,Selfridge,Solomonff莫爾（Princeton），塞繆爾（IBM），塞爾夫里奇，索羅莫夫（MIT）Newell-197525TheHistoryofAI最初10年的成就在機(jī)器學(xué)習(xí)方面，1957年Rosenblatt研制成功了感知機(jī)；在定理證明方面，1958年王浩在IBM-704機(jī)器上用3-5分鐘證明了《數(shù)學(xué)原理》中有關(guān)命題演算的全部220條定理，并且還證明了謂詞演算中150條定理的85%；1965年，Robinson提出了歸結(jié)原理；在模式識(shí)別方面，1959年Selfridge（塞爾弗里奇）推出了一個(gè)模式識(shí)別程序；1965年Roberts編制出了可分辨積木構(gòu)造的程序；26TheHistoryofAI最初10年的成就在問題求解方面：1960年Newell編制了通用問題求解程序（GPS），可以求解11種不同類型的問題；在專家系統(tǒng)方面：1968年Feigenbaum研制成果DENDRAL專家系統(tǒng)并投入使用；在人工智能語言方面：1960年McCarthy（麥卡錫）研制出了人工智能語言－LISP語言。27TheHistoryofAISimon的狂言（1957）Itisnotmyaimtosurpriseorshockyou–butthesimplestwayIcansummarizeistosaythattherearenowintheworldmachinesthatthink,thatlearnandthatcreate.Moreover,theirabilitytodothesethingsisgoingtoincreaserapidlyuntil–inavisiblefuture–therangeofproblemstheycanhandlewillbecoextensivewiththerangetowhichthehumanmindhasbeenapplied.28TheHistoryofAINewell和Simon的四個(gè)預(yù)測（1958）十年內(nèi)，計(jì)算機(jī)將成為世界象棋冠軍十年內(nèi)，計(jì)算機(jī)將發(fā)現(xiàn)或證明有意義的數(shù)學(xué)定理十年內(nèi)，計(jì)算機(jī)將能譜寫優(yōu)美的樂曲十年內(nèi)，計(jì)算機(jī)將能實(shí)現(xiàn)大多數(shù)的心理學(xué)理論29TheHistoryofAI人工智能山重水復(fù)（60年代后期）二次翻譯問題－機(jī)器翻譯

thespiritiswillingbutthefleshisweak

thevodkaisgoodbutthemeatisrotten組合爆炸問題

Thefactthataprogramcanfindasolutioninprincipledoesnotmeansthattheprogramcontainsanyofthemechanismsneededtofinditinpractice.感知機(jī)局限性

Atwo-inputperceptroncannotbetrainedtorecognizewhenitstwoinputsaredifferent.30知識(shí)工程柳暗花明（1977）FeigenbaumpresentedKnowledgeEngineeringatthe5thIJCAI（InternationalJointConferenceOnArtificialIntelligence，國際人工智能聯(lián)合會(huì)議）31神經(jīng)網(wǎng)絡(luò)東山再起（1986）Hopfield神經(jīng)網(wǎng)絡(luò)（Hopfield,霍普菲爾德，1982）反向傳播（BP）算法

（Rumelhart&McClelland,1986）魯梅爾哈特，麥克萊倫德

實(shí)現(xiàn)了Minsky多層N構(gòu)想。32計(jì)算智能欣欣向榮（90年代至今）計(jì)算智能欣欣向榮（90年代至今）人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork）遺傳算法（GeneticAlgorithm）模糊推理（FuzzyReasoning）蟻群算法（AntColonyAlgorithm）粒子群優(yōu)化（ParticleSwarmOptimization）人工免疫系統(tǒng)（ArtificialImmuneSystem）33TheHistoryofAIGestation（醞釀）1956BirthEnthusiasm（狂熱）1966DifficultiesNeuralNetworksReborn1986ComputationalIntelligence1969IJCAIwasheld1970AIwaslaunchedKnowledgeEngineering1977Present國際人工智能聯(lián)合會(huì)議34人工智能的偉大成就

——戰(zhàn)勝象棋冠軍Kasparov1991年8月，DeepThought2vs.Johansen，1:1平1996年2月，DeepBluevs.Kasparov，1勝3負(fù)2平1997年5月，DeepBluevs.Kasparov，2勝1負(fù)3平2003年1月，DeepJuniorvs.Kasparov，1勝1負(fù)4平這場比賽中有許多新的發(fā)現(xiàn)，其中之一就是計(jì)算機(jī)有時(shí)也可以走出人性化的棋步。在一定程度上，我不能不贊揚(yáng)這臺(tái)機(jī)器，因?yàn)樗鼘?duì)盤勢因素有著深刻的理解，我認(rèn)為這是一項(xiàng)杰出的科學(xué)成就。35IBM的“深藍(lán)”deepthought“深藍(lán)”的技術(shù)指標(biāo)：32個(gè)CPU每個(gè)CPU有16個(gè)協(xié)處理器每個(gè)CPU有256M內(nèi)存每個(gè)CPU的處理速度為200萬步/秒362知識(shí)表示37a.知識(shí)表示的概念

人類的智能活動(dòng)主要是獲得并運(yùn)用知識(shí)。知識(shí)是智能的基礎(chǔ)。為了使計(jì)算機(jī)具有智能，使它能模擬人類的智能行為，就必須使它具有知識(shí)。但知識(shí)需要用適當(dāng)?shù)哪Ｊ奖硎境鰜聿拍艽鎯?chǔ)到計(jì)算機(jī)中去。因此，知識(shí)的表示成為人工智能中一個(gè)十分重要的研究課題。38b.知識(shí)的特性I.相對(duì)正確性－牛頓力學(xué)在一定條件下成立；1+1=2只有在十進(jìn)制的前提下才正確；

II.不確定性－隨機(jī)性、模糊性、經(jīng)驗(yàn)性、不完全性；

III.可表示性與可利用性；39c.知識(shí)的分類

I.作用范圍－常識(shí)性和領(lǐng)域性知識(shí)；

II.作用及表示－事實(shí)性知識(shí)（如謂詞公式）、過程性知識(shí)（有關(guān)系統(tǒng)過程變化）、控制性知識(shí)（深層知識(shí)或元知識(shí)，是關(guān)于知識(shí)的知識(shí)）；如：從北京到上海是乘飛機(jī)還是火車的問題事實(shí)性：北京、上海、飛機(jī)、火車、時(shí)間、費(fèi)用；過程性：乘飛機(jī)、坐火車；控制性：乘飛機(jī)較快、較貴；座火車較慢、較便宜40c.知識(shí)的分類

III.結(jié)構(gòu)及表現(xiàn)形式－邏輯性知識(shí)、形象性知識(shí)；

IV.確定性－確定性知識(shí)（真值是“真“或”假”）、不確定性知識(shí)（具有不精確、不完全及模糊性）；41d.知識(shí)表示的方法

知識(shí)表示（KnowledgeRepresentation）就是將人類知識(shí)形式化或者模型化。實(shí)際上就是對(duì)知識(shí)的一種描述，或者說是一組約定，一種計(jì)算機(jī)可以接受的用于描述知識(shí)的數(shù)據(jù)結(jié)構(gòu)。42d.知識(shí)表示的方法

一階謂詞邏輯表示法；產(chǎn)生式表示法；框架表示法；語義網(wǎng)絡(luò)表示法；43一、一階謂詞邏輯表示法

人工智能中用到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，其特點(diǎn)是任何一個(gè)命題的真值或者為“真“或者為”假“；因?yàn)樗挥袃蓚€(gè)真值，又稱為二值邏輯。另一類泛指經(jīng)典邏輯外的那些邏輯，主要包括三值邏輯、多值邏輯、模糊邏輯等，泛指為非經(jīng)典邏輯。命題邏輯和謂詞邏輯最先應(yīng)用于人工智能。441、命題

命題（Proposition）是一個(gè)非真即假的陳述句。若命題的真值為”真“，記為T（True）；真值為假，記為F（False）；命題邏輯表示法有較大的局限性。它無法把它所描述的事物的結(jié)構(gòu)及邏輯特性反映出來，也不能把不同事物間的共同特性表述出來?！袄侠钍切±畹母赣H”用英文字母P表示；“李白是詩人”、“杜甫是詩人”，無法把兩者的共同特征表現(xiàn)出來。于是，有了謂詞邏輯。452、謂詞

謂詞（Predicate）是基于命題中謂詞分析的一種邏輯。一個(gè)謂詞分為謂詞名和個(gè)體兩個(gè)部分。前者用于刻劃個(gè)體的性質(zhì)、狀態(tài)和個(gè)體間的關(guān)系。謂詞的一般形式是：

P（x1，x2，…,xn）

P是謂詞名，x1，x2，…,xn是個(gè)體，個(gè)體數(shù)目稱為謂詞的元數(shù)。P（x,y）為二元謂詞，P（x1，x2，…,xn）為n元“老張是一個(gè)教師”可表示為Teacher（Zhang）；“5>3”可表示為Greater（5，3）；“Smith作為一個(gè)工程師為IBM工作”，可表示為Works（Smith，IBM，Engineering）462、謂詞“老張是一個(gè)教師”也可表示為Isa(Zhang,Teacher)－一個(gè)命題的謂詞表示不是唯一的。個(gè)體是函數(shù)，表示一個(gè)個(gè)體到另一個(gè)個(gè)體的映射?！靶±畹母赣H是教師”表示為Teacher（father（LI）；“小李的母親與他的父親結(jié)婚”可表示為Married（father（Li）,mother（Li））

函數(shù)與謂詞表面上很相似，其實(shí)是兩個(gè)完全不同的概念。謂詞的真值是“真”、“假”，而函數(shù)的值是個(gè)體域中的某個(gè)個(gè)體，無真值可言，只是個(gè)體域從一個(gè)個(gè)體到另一個(gè)個(gè)體的映射。

473、謂詞公式

（a）連接詞可用連接詞將一些簡單的命題連接起來構(gòu)成復(fù)合命題。

I.”?“，稱為“否定”或者“非“如”機(jī)器人不在二號(hào)房間“表示為：

?INROOM（Robot，R2）

II.”

∨”，稱為”析?。―isjunction）“表示”或“的概念。如”李明打籃球或踢足球“表示為：

Plays（LiMing，Basketball）∨

Plays（LiMing，

Football）483、謂詞公式

（a）連接詞

III.”^”，稱為”合取（Conjunction）“，表示”與“的概念。如”我喜歡音樂和繪畫“表示為：

Like（I，Music）^

Like（I，Painting）某些較簡單的句子可以用^構(gòu)成復(fù)合形式，如”李住在一幢黃色的房子里”表示為

LIVES（LI,HOUSE-1）^COLOR（HOUSE-1,YELLOW）493、謂詞公式

（a）連接詞

IV.”→”，稱為”蘊(yùn)涵（Implication）“或者“條件（Condition）”，P→Q表示”P蘊(yùn)涵Q”。即，”如果P，則Q“。P稱為條件的前件，Q稱為條件的后件。如”如果劉華跑得快，那么他取得冠軍”表示為

RUNS（LIUHUA,FASTER）→

WINS（LIUHUA，CHAMPION）503、謂詞公式

例”如果該書是李明的，那么它是藍(lán)色封面的”表示為

OWNS（LIMING,BOOK-1）→

COLOR（BOOK-1，BLUE）如果Jones制造了一個(gè)傳感器，且這個(gè)傳感器不能用，那么他或者在晚上進(jìn)行修理，或者第二天把它交給工程師表示為”Producers（Jones，Sensor）^

?Works（Sensor）→

Fix（

Jones，Sensor，Evening

）∨

Give（Sensor，Engineering，Next-day）513、謂詞公式

注意：蘊(yùn)含與漢語中的“如果…,則…”有區(qū)別，漢語中前后要有關(guān)系，而命題中毫無關(guān)系。例：如果“太陽從西邊出來”，則“雪是白的”，是一個(gè)真值為T的命題。

V.稱為“等價(jià)（Equivalence）或雙條件（Bicondition）”表示“P當(dāng)且僅當(dāng)”。如果后項(xiàng)取T（不管前項(xiàng)取值如何），或者前向取F（不管后項(xiàng)取值如何），則蘊(yùn)含取值為T，否則為F。注意：只有前項(xiàng)為真，后項(xiàng)為假時(shí)，蘊(yùn)含才為假，其余為真523、謂詞公式

表1.謂詞邏輯真值表如果后項(xiàng)取T（不管前項(xiàng)取值如何），或者前向取F（不管后項(xiàng)取值如何），則蘊(yùn)含取值為T，否則為F。注意：只有前項(xiàng)為真，后項(xiàng)為假時(shí)，蘊(yùn)含才為假，其余為真。533、謂詞公式

（b）量詞（quantifier）

I.”

“，稱為“全稱量詞（Universalquantifier）表示“對(duì)個(gè)體域中的所有（任意一個(gè)）個(gè)體x”

如“所有的機(jī)器人都是灰色的”表示為

如”所有的車工都操作車床“表示為

543、謂詞公式

（b）量詞（quantifier）

II.”

“，稱為“存在量詞（Existentialquantifier）表示“對(duì)個(gè)體域中的存在個(gè)體x”

如“1號(hào)房間有個(gè)物體”表示為

如”某個(gè)工程師操作車床“表示為

553、謂詞公式

全稱量詞和存在量詞可以出現(xiàn)在同一個(gè)命題中。設(shè)謂詞P（x）表示x是正數(shù)，F(xiàn)（x，y）表示x與y是朋友。表示個(gè)體域中的所有個(gè)體x都是正數(shù)。表示對(duì)于個(gè)體域中任何個(gè)體x，都存在個(gè)體y，x與y是朋友。表示個(gè)體域中存在個(gè)體x，與個(gè)體域中的任何個(gè)體y都是朋友。表示個(gè)體域中存在個(gè)體x與個(gè)體y，x與y是朋友。表示個(gè)體域中任何兩個(gè)個(gè)體x和y，x和y都是朋友。563、謂詞公式

當(dāng)全稱量詞和存在量詞出現(xiàn)在同一個(gè)命題中，兩者出現(xiàn)的次序?qū)⒂绊懨}的意思。

表示”每個(gè)雇員都有一個(gè)經(jīng)理?！?/p>

表示’“有一個(gè)人是所有雇員的經(jīng)理?！?/p>

573、謂詞公式

（c）謂詞公式概念：謂詞演算（PredicateCalculus）由謂詞符號(hào)、常量符號(hào)、變量符號(hào)、函數(shù)符號(hào)以及括號(hào)、逗號(hào)等一串按一定語法規(guī)則組成的字符串的表達(dá)式。在謂詞公式中，優(yōu)先級(jí)別為：

?，^

，∨

，→，合取

584、謂詞公式的性質(zhì)

等價(jià)性：設(shè)P和Q是兩個(gè)謂詞公式，D是它們共同的個(gè)體域，若對(duì)D上的任何一個(gè)解釋，P和Q都有相同的真值，則稱公式P和Q在D上是等價(jià)的。如果D是任意個(gè)體域，則稱P和Q是等價(jià)的。記為。下面是一些主要等價(jià)式：

(1)交換率

(2)結(jié)合率

594、謂詞公式的性質(zhì)(3)分配率

(4)德.摩根律（De.Morgen）

(5)雙重否定率

(6)吸收率

604、謂詞公式的性質(zhì)(7)補(bǔ)余率

(8)連接詞化規(guī)律

(9)逆否率

614、謂詞公式的性質(zhì)(10)量詞轉(zhuǎn)換率

(11)量詞分配

625、謂詞表示法舉例

用謂詞表示知識(shí)的一般步驟為：（1）定義謂詞及個(gè)體，確定每個(gè)謂詞及個(gè)體的確切定義；（2）根據(jù)要表達(dá)的事物或概念，為謂詞中的變元賦以特定的值；（3）根據(jù)語義用適當(dāng)?shù)倪B接符號(hào)將各個(gè)謂詞連接起來，形成謂詞公式。

635、謂詞表示法舉例-1用一階謂詞邏輯表示下列關(guān)系數(shù)據(jù)庫;

住戶房間電話號(hào)碼房間

Zhang201491201Li201492201Wang202451202Zhao203451203

表中有兩個(gè)關(guān)系：

OCCUPANT（給定用戶和房間的居住關(guān)系）

TELEPHONE（給定電話號(hào)碼和房間的電話關(guān)系）用一階謂詞表示為：OCCUPANT（Zhang，201），OCCUPANT（Wang，202），…TELEPHONE（491，201），TELEPHONE（492，201），…645、謂詞表示法舉例-2機(jī)器人搬弄積木塊問題表示

設(shè)在一個(gè)房間里面，有一個(gè)機(jī)器人ROBOT，一個(gè)壁櫥ALCOVE，一個(gè)積木塊BOX，兩個(gè)桌子A和B。開始時(shí)，機(jī)器人ROBOT在壁櫥ALCOVE的旁邊，且雙手是空的，桌子A上放著積木塊BOX，桌子B上是空的。機(jī)器人ROBOT將把積木塊從桌子A轉(zhuǎn)移到桌子B上。如何用一階謂詞邏輯來表示這一問題？

（1）本課題涉及到的常量定義為：機(jī)器人：ROBOT；積木塊：BOX；壁櫥：ALCOVE；桌子：A；桌子：B；655、謂詞表示法舉例-2機(jī)器人搬弄積木塊問題表示

（2）定義謂詞如下：

TABLE（x）：x是桌子；

EMPTYHANDED（x）：x雙手是空的；

AT（x，y）：x在Y旁邊；

HOLDS（y，w）：y拿著w；

ON（w，x）：w在x的上面；

EMPTYTABLE（x）：桌子x上是空的；（3）根據(jù)問題的描述將問題的初始狀態(tài)和目標(biāo)狀態(tài)分別用謂詞公式表示出來；665、謂詞表示法舉例-2機(jī)器人搬弄積木塊問題表示問題的初始狀態(tài)：AT(ROBOT,ALCOVE)^EMPTYHANDED(ROBOT)^ON(BOX,A)^TABLE(A)^TABLE(B)^

EMPTYTABLE(B);

問題的目標(biāo)狀態(tài)：AT(ROBOT,ALCOVE)^EMPTYHANDED(ROBOT)^ON(BOX,B)^TABLE(A)^TABLE(B)^

EMPTYTABLE(A);675、謂詞表示法舉例-2機(jī)器人搬弄積木塊問題表示將問題表示出來之后，如何求解問題：本例中，機(jī)器人ROBOT將積木塊BOX從桌子A移到桌子B所要執(zhí)行的操作有3個(gè)：GOTO（x，y）：從x處走到y(tǒng)處。PICK-UP（x）：從x處拿起盒子。SET-DOWN（x）：在x處放下盒子。685、謂詞表示法舉例-2機(jī)器人搬弄積木塊問題表示

這3個(gè)操作可分別用條件和動(dòng)作表示如下：GOTO（x，y）：條件：AT（ROBOT，x）動(dòng)作：刪除AT（ROBOT，x）增加AT（ROBOT，y）695、謂詞表示法舉例-2機(jī)器人搬弄積木塊問題表示

PICK-UP（x）：條件：ON(BOX,x)^TABLE(x)^AT（ROBOT，x）^EMPTYHANDED(ROBOT)動(dòng)作：刪除ON(BOX,x)^EMPTYHANDED(ROBOT)

增加HOLDS（ROBOT，Box）

SET-DOWN（x）：條件：TABLE(x)^AT（ROBOT，x）^HOLDS（ROBOT，Box）動(dòng)作：刪除HOLDS（ROBOT，Box）增加ON(BOX,x)^EMPTYHANDED(ROBOT)706、謂詞邏輯表示法的特點(diǎn)

一階謂詞邏輯是一種形式語言系統(tǒng)，即條件和結(jié)論之間的蘊(yùn)涵關(guān)系。特點(diǎn)：

I.自然性。接近自然語言的形式，表示問題易于被人理解和接受。

II.適宜于精確性知識(shí)的表示，而不適宜于不確定性知識(shí)的表示。其邏輯值只有“真”和”假“兩種結(jié)果。

III.易實(shí)現(xiàn)。所表示的知識(shí)可以比較容易地轉(zhuǎn)換為計(jì)算機(jī)的內(nèi)部形式，易于模塊化，便于知識(shí)的刪除、添加和修改。IV.與謂詞邏輯表示法相對(duì)應(yīng)的推理稱為歸結(jié)推理方法。

71二、產(chǎn)生式表示法

產(chǎn)生式表示法又稱為產(chǎn)生式規(guī)則（Productionrule）表示法。

“產(chǎn)生式”這一術(shù)語是美國數(shù)學(xué)家E.L.Post（波斯特）首先提出的。它是人工智能中用的最多的一種知識(shí)表示方法。許多成功專家系統(tǒng)都采用它來表示知識(shí)。如費(fèi)根鮑姆等人研制的化學(xué)分子結(jié)構(gòu)專家系統(tǒng)DENDRAL，Stanford大學(xué)肖里特菲（Shortliffe）等人研制的診斷感染性疾病的專家系統(tǒng)MYCIN（目前，學(xué)術(shù)界公認(rèn)，將人工智能應(yīng)用于醫(yī)學(xué)方面，Stanford大學(xué)是處于世界領(lǐng)先的地位，這和費(fèi)根鮑姆是分不開的）。72二、產(chǎn)生式表示法

（1）基本形式

產(chǎn)生式通常用于表示具有因果關(guān)系的知識(shí)，基本形式為：P→Q或者IFPTHENQ注意：這一形式和謂詞邏輯中的蘊(yùn)含式具有相同的形式。兩者的區(qū)別呢？其實(shí)蘊(yùn)含式只是產(chǎn)生式的特殊情況。蘊(yùn)含式的真值要么為真，要么為假，而產(chǎn)生式不僅可以表示精確性知識(shí)，還可以表示不精確的知識(shí)。蘊(yùn)含式要求前提條件與已知知識(shí)精確比配，而產(chǎn)生式不要求精確匹配，只要相似度達(dá)到某一個(gè)制定的范圍。73二、產(chǎn)生式表示法

（2）表示方法

I.確定性規(guī)則知識(shí)的產(chǎn)生式表示為：

P→Q或者IFPTHENQ如：IF動(dòng)物會(huì)飛AND會(huì)下蛋THEN該動(dòng)物是鳥

II.不確定性規(guī)則知識(shí)的產(chǎn)生式表示為：

P→Q（置信度）或者IFPTHENQ（置信度）如：IF本微生物的染色斑是革蘭氏陰性，本微生物的形狀呈桿狀，病人是中間宿主

THEN該微生物是綠膿桿菌，置信度為0.6表示該微生物是綠膿桿菌，可以相信的程度是0.6.74二、產(chǎn)生式表示法

III.確定性事實(shí)性知識(shí)的產(chǎn)生式表示為：

（對(duì)象屬性值）或者（關(guān)系 對(duì)象1對(duì)象2）如：老李40歲表示為：（Li，Age，40）如：老李、老張是朋友表示為：（Friends，Li，Zhang）

IV.不確定性事實(shí)性知識(shí)的產(chǎn)生式表示為（對(duì)象屬性值置信度）或（關(guān)系對(duì)象1對(duì)象2置信度）如：老李年齡很可能是40歲表示為：（Li，Age，40，0.8）老李、老張是朋友的可能性不大表示為：（Friends，Li，Zhang，0.1）75二、產(chǎn)生式表示法

（3）系統(tǒng)組成

I.規(guī)則庫描述某領(lǐng)域知識(shí)的產(chǎn)生式集合，是某領(lǐng)域知識(shí)的存貯器。

II.綜合數(shù)據(jù)庫又稱事實(shí)庫，用于存放輸入的事實(shí)，外部數(shù)據(jù)庫輸入的事實(shí)及中間結(jié)果。

III.推理機(jī)是一個(gè)或一組程序，包括了推理方式和控制策略。產(chǎn)生式系統(tǒng)的基本結(jié)構(gòu)76二、產(chǎn)生式表示法

（4）推理方式

I.正向推理

正向推理從已知事實(shí)出發(fā)，通過規(guī)則庫求得結(jié)論。

II.反向推理

反向推理是從目標(biāo)（作為假設(shè)）出發(fā)，反向使用規(guī)則，求得已知事實(shí)。

III.雙向推理推理從兩個(gè)方向同時(shí)進(jìn)行，直至某個(gè)中間界面上雙方向結(jié)果相符便成功結(jié)束。這種方式推理網(wǎng)絡(luò)小，從而效率高。77二、產(chǎn)生式表示法

（5）特點(diǎn)

I.清晰性

有固定的格式，形式簡單，知識(shí)庫的建立較容易。

II.模塊性

知識(shí)庫（包括規(guī)則庫和綜合數(shù)據(jù)庫）和推理機(jī)分離，這種結(jié)構(gòu)給知識(shí)庫的修改帶來方便。

III.自然性如果…則…的形式符合人類的思維習(xí)慣，直觀自然，便于推理。78三、框架表示法1975年，美國著名的人工智能學(xué)者明斯基提出了框架理論，論文《Aframeworkforrepresentingknowledge》。該理論認(rèn)為人們對(duì)現(xiàn)實(shí)世界中各種事物的認(rèn)識(shí)都是以一種類似于框架的結(jié)構(gòu)存儲(chǔ)在記憶中的。當(dāng)面臨一個(gè)新事物時(shí)，就從記憶中找出一個(gè)合適的框架，并根據(jù)實(shí)際情況對(duì)其細(xì)節(jié)加以修改、補(bǔ)充，從而形成對(duì)事物的認(rèn)識(shí)。

79三、框架表示法

（1）一般結(jié)構(gòu)

框架（Frame）是一種描述所論對(duì)象（一個(gè)事物、事件或概念）屬性的數(shù)據(jù)結(jié)構(gòu)。一個(gè)框架由框架名、槽（Slot）、側(cè)面（Faced）和值4部分組成。一個(gè)框架由若干個(gè)“槽”組成，每個(gè)“槽”又可劃分為若干個(gè)“側(cè)面”。槽和側(cè)面所具有的屬性值分別稱為槽值和側(cè)面值。槽值可以是邏輯型或數(shù)字型的，具體的數(shù)值可以是程序、條件、默認(rèn)值或是一個(gè)子框架。80三、框架表示法

（2）知識(shí)表示舉例例如：要描述“計(jì)算機(jī)主機(jī)”這一概念，首先要分析所具有的屬性，一臺(tái)計(jì)算機(jī)可能具有的屬性有：品牌、生產(chǎn)廠商、CPU（品牌、型號(hào)）、主板（品牌、型號(hào)）、內(nèi)存（品牌、型號(hào)、容量）、硬盤（品牌、型號(hào)、容量）。

這些稱為“計(jì)算機(jī)主機(jī)”的槽。而CPU有兩個(gè)側(cè)面，主板有兩個(gè)側(cè)面，內(nèi)存和硬盤都有三個(gè)側(cè)面。如果給各個(gè)槽和側(cè)面賦以具體的值，就得到“計(jì)算機(jī)主機(jī)”這個(gè)概念的一個(gè)實(shí)例框架。81三、框架表示法

框架名：<計(jì)算機(jī)主機(jī)>

主機(jī)品牌：聯(lián)想1+1

生產(chǎn)廠商：北京聯(lián)想集團(tuán)公司

CPU：品牌：Intel

型號(hào)：奔騰III/933

主板：品牌：QDI

型號(hào)：ATXVA5

內(nèi)存：品牌：現(xiàn)代型號(hào)：SDRAM

容量：128MB

硬盤：品牌：Seagate

型號(hào)：ST320423A

容量：20Gbytes82三、框架表示法

（3）特點(diǎn)：

I.結(jié)構(gòu)性－突出的特點(diǎn)就是便于表達(dá)結(jié)構(gòu)性知識(shí)。是一種結(jié)構(gòu)化的知識(shí)表達(dá)方法。這是產(chǎn)生式不具備的。后者不能將知識(shí)間的結(jié)構(gòu)關(guān)系表示出來，而只能表達(dá)因果關(guān)系。

II.繼承性－框架表示法可以使槽值設(shè)置為另一個(gè)框架的名字，實(shí)現(xiàn)框架間的聯(lián)系，建立起表示復(fù)雜知識(shí)的框架網(wǎng)絡(luò)。

III.自然性－當(dāng)遇到新事物時(shí)，通過從記憶中調(diào)用類似事物的框架，并將其中某些細(xì)節(jié)進(jìn)行修改、補(bǔ)充，就形成對(duì)新事物的認(rèn)識(shí)，這與人們的認(rèn)識(shí)活動(dòng)是一致的。不足之處在于不善于表達(dá)過程性知識(shí)。83四、語義網(wǎng)絡(luò)表示法

1968年，J.R.Quaillian（奎聯(lián)）在研究人類聯(lián)想記憶時(shí)提出的心理學(xué)模型。1972年，西蒙正式提出語義網(wǎng)絡(luò)的概念。語義網(wǎng)絡(luò)是一種采用網(wǎng)絡(luò)形式表示人類知識(shí)的方法；（1）概念、結(jié)構(gòu)客觀世界中的事物時(shí)錯(cuò)綜復(fù)雜的，相互之間除了有因果關(guān)系、類屬關(guān)系等表面的一些關(guān)系外，各事物、概念等之間還存在含義上的聯(lián)系或語義上的聯(lián)系。84四、語義網(wǎng)絡(luò)表示法

一個(gè)簡單的語義網(wǎng)絡(luò)可由如下的一個(gè)三元組表示：（節(jié)點(diǎn)1，弧，節(jié)點(diǎn)2）把多個(gè)基本網(wǎng)元用相應(yīng)的語義聯(lián)系關(guān)聯(lián)在一起時(shí)，就得到一個(gè)語義網(wǎng)絡(luò)。

基本網(wǎng)元語義網(wǎng)絡(luò)結(jié)構(gòu)85四、語義網(wǎng)絡(luò)表示法

一個(gè)三元組（節(jié)點(diǎn)1，弧，節(jié)點(diǎn)2）可寫成P（個(gè)體1，個(gè)體2），其中個(gè)體1、個(gè)體2對(duì)應(yīng)節(jié)點(diǎn)1，節(jié)點(diǎn)2，而弧及其上標(biāo)注的節(jié)點(diǎn)1和節(jié)點(diǎn)2的關(guān)系由謂詞P來體現(xiàn)：例如，對(duì)“張三與李四是同學(xué)”可以表示為三元組（張三，同學(xué)，李四）。對(duì)應(yīng)的語義網(wǎng)絡(luò)如下：

如果用一階謂詞表示法，可寫作P（張三，李四），P表示張三和李四為同學(xué)關(guān)系。Student（張三，李四）86四、語義網(wǎng)絡(luò)表示法

產(chǎn)生式表示法是以一條產(chǎn)生式規(guī)則作為知識(shí)的單位。各條產(chǎn)生式規(guī)則之間沒有直接的聯(lián)系。而語義網(wǎng)絡(luò)則不同，各個(gè)網(wǎng)元之間是相互關(guān)聯(lián)的。每一條產(chǎn)生式規(guī)則可以用語義網(wǎng)絡(luò)的形式表示：例如，“如果A，那么B”是一條表示A和B之間因果關(guān)系的產(chǎn)生式規(guī)則，相應(yīng)的語義網(wǎng)絡(luò)表示如下這里，RAB表示A和B之間的語義關(guān)系，即“如果……,那么……”87MAS的研究和應(yīng)用領(lǐng)域多機(jī)器人協(xié)調(diào)足球機(jī)器人過程智能控制柔性制造系統(tǒng)（FMS）計(jì)算機(jī)集成制造系統(tǒng)（CIMS）網(wǎng)絡(luò)通信與管理電話網(wǎng)絡(luò)網(wǎng)絡(luò)負(fù)荷平衡交通控制88智能機(jī)器人簡介智能機(jī)器人的概念一般將機(jī)器人的發(fā)展分為3個(gè)階段。第一階段的機(jī)器人只有“手”，以固定程序工作，不具有外界信息的反饋能力；第二階段的機(jī)器人具有對(duì)外界信息的反饋能力，即有了感覺，如力覺、觸覺、視覺等；第三階段，即所謂“智能機(jī)器人”階段，這一階段的機(jī)器人已經(jīng)具有了自主性，有自行學(xué)習(xí)、推理、決策、規(guī)劃等能力。這也正符合Agent的條件，所以，現(xiàn)在把智能機(jī)器人也作為一種Agent。89智能機(jī)器人介機(jī)器人感知機(jī)器人的感知包括對(duì)外界和對(duì)自身的感知。感知機(jī)能是靠傳感器來實(shí)現(xiàn)的。因而，機(jī)器人傳感器可分為內(nèi)部傳感器和外部傳感器兩大類。內(nèi)部傳感器用來感知機(jī)器人的內(nèi)部狀態(tài)信息（多為檢測位置和角度的傳感器），包括關(guān)節(jié)位置、速度、加速度、姿態(tài)和方位等。用來檢測機(jī)器人所處環(huán)境（如是什么物體，離物體的距離有多遠(yuǎn)等）及狀況（如抓取的物體是否滑落）的傳感器。具體有物體識(shí)別傳感器、物體探傷傳感器、接近覺傳感器、距離傳感器、力覺傳感器，聽覺傳感器等。

90智能機(jī)器人簡介機(jī)器人規(guī)劃機(jī)器人規(guī)劃也稱機(jī)器人問題求解。感知能力使機(jī)器人能夠感知對(duì)象和環(huán)境，但要解決問題，即產(chǎn)生適應(yīng)對(duì)象和環(huán)境的動(dòng)作，還要依靠規(guī)劃功能。規(guī)劃就是擬定行動(dòng)步驟。實(shí)際上它就是一種問題求解技術(shù)，即從某個(gè)特定問題的初始狀態(tài)出發(fā)，尋找或構(gòu)造一系列操作（也稱算子）步驟，達(dá)到解決問題的目標(biāo)狀態(tài)。比如，機(jī)器人路徑規(guī)劃…91智能機(jī)器人簡介機(jī)器人控制機(jī)器人控制即運(yùn)動(dòng)控制，包括位置控制和力控制。位置控制就是對(duì)于路徑規(guī)劃給出的運(yùn)動(dòng)軌跡（即路徑），控制機(jī)器人的肢體（如機(jī)械手）產(chǎn)生相應(yīng)的動(dòng)作。力控制則是對(duì)機(jī)器人的肢體所發(fā)出的作用力（如機(jī)械手的握力和推力）大小的控制。運(yùn)動(dòng)控制涉及機(jī)器人的運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)特性，所以，運(yùn)動(dòng)控制研究需要許多運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)知識(shí)。92智能機(jī)器人簡介機(jī)器人語言“教”機(jī)器人完成有關(guān)作業(yè)稱為程序設(shè)計(jì)。這種程序設(shè)計(jì)一般有三種方式：直接示教方式、離線數(shù)據(jù)程序設(shè)計(jì)方式和使用機(jī)器人語言方式。直接示教方式，也稱示教再現(xiàn)方式。即使用示教盒根據(jù)作業(yè)的需要把機(jī)器人的手爪送到作業(yè)所需要的位置上去，并處于所需要的姿態(tài)，然后把這一位置、姿態(tài)存儲(chǔ)起來。對(duì)作業(yè)空間的各軌跡點(diǎn)重復(fù)上述操作，機(jī)器人就把整個(gè)作業(yè)程序記憶了下來。工作時(shí)，再現(xiàn)上述操作就能使機(jī)器人完成預(yù)定的作業(yè)，同時(shí)可以反復(fù)同樣的作業(yè)過程。93智能機(jī)器人簡介機(jī)器人語言離線數(shù)據(jù)程序設(shè)計(jì)方式是利用計(jì)算機(jī)圖形學(xué)成果，借助圖形處理工具建立幾何模型，通過一些規(guī)劃算法來獲取作業(yè)規(guī)劃軌跡。與示教編程不同，離線編程不與機(jī)器人發(fā)生關(guān)系，在編程過程中機(jī)器人可以照常工作。工業(yè)上離線工具只作為一種輔助手段，未得到廣泛的應(yīng)用。94智能機(jī)器人簡介機(jī)器人語言VAL語言是美國Unimation公司于1979年推出的一種機(jī)器人編程語言，在BASIC語言的基礎(chǔ)上發(fā)展起來的。AL語言是20世紀(jì)70年代中期美國斯坦福大學(xué)人工智能研究所開發(fā)研制的一種機(jī)器人語言。

MOVE語句：用來描述機(jī)器人手爪的運(yùn)動(dòng)，如手爪從一個(gè)位置運(yùn)動(dòng)到另一個(gè)位置。MOVE語句的格式為：MOVE<HAND>TO<目的地>954不確定推理方法960、引言

前面討論了知識(shí)的表示方法，這樣就可以把知識(shí)用某種模式表示出來存儲(chǔ)到計(jì)算機(jī)中去。但是，為了使計(jì)算機(jī)具有智能，僅僅使用計(jì)算機(jī)擁有知識(shí)是不夠的，還必須使它具有思維能力，即能運(yùn)用知識(shí)求解問題。推理是求解問題的一種重要方法。人們在對(duì)各種事物進(jìn)行分析、綜合并最后作出決策時(shí)，通常從已知的事實(shí)出發(fā)，通過運(yùn)用已掌握的知識(shí)，找出其中蘊(yùn)含的事實(shí)，或歸納出新的事實(shí)，這一過程通常稱為推理。970、引言-推理的定義

在AI中，推理是由程序來實(shí)現(xiàn)的，稱為推理機(jī)。構(gòu)成推理的兩個(gè)基本要素為：已知事實(shí)和知識(shí)。已知事實(shí)又稱為證據(jù)，用以指出推理的出發(fā)點(diǎn)及推理時(shí)應(yīng)該使用的知識(shí)；而知識(shí)是使推理得以向前推進(jìn)，并逐步達(dá)到最終目標(biāo)的依據(jù)。

例如，在醫(yī)療診斷專家系統(tǒng)中，專家的經(jīng)驗(yàn)及醫(yī)學(xué)常識(shí)以某種表示形式存儲(chǔ)于知識(shí)庫中。為病人診治疾病時(shí)，推理機(jī)就是從存儲(chǔ)在綜合數(shù)據(jù)庫中的病人癥狀及化驗(yàn)結(jié)果從初始證據(jù)出發(fā)，按某種搜索策略在知識(shí)庫中搜尋可與之匹配的知識(shí)，推出某些中間結(jié)論，然后再以這些中間結(jié)論為證據(jù)，在知識(shí)庫中搜索與之匹配的知識(shí)，推出進(jìn)一步的中間結(jié)論，如此反復(fù)進(jìn)行，直到最終推出結(jié)論，即病人的病因與治療方案為止。980、引言-推理的方式及分類

人類的智能活動(dòng)有多種思維方式。AI作為對(duì)人類智能的模擬，相應(yīng)地有多種推理方式;

I.演繹推理、歸納推理、默認(rèn)推理從推出結(jié)論的途徑來劃分演繹推理（deductivereasoning）是從全稱判斷推導(dǎo)出單稱判斷的過程，即由一般性知識(shí)推出適合于某一具體情況的結(jié)論。這是一種從一般到個(gè)別的推理。經(jīng)常用的是三段論形式：（1）大前提：已知的一般知識(shí)或假設(shè)；（2）小前提：關(guān)于所研究的具體情況或個(gè)別事實(shí)的判斷；（3）結(jié)論：由大前提推出的適合小前提所示情況的新判斷；990、引言-推理的方式及分類I.演繹推理、歸納推理、默認(rèn)推理從推出結(jié)論的途徑來劃分歸納推理（inductivereasoning）是從足夠多的事例中歸納出一般性結(jié)論的推理過程，這是一種從個(gè)別到一般的推理。從其所選事例的廣泛性來劃分，又可分為完全歸納推理和不完全歸納推理：所謂完全歸納推理就是指在進(jìn)行歸納時(shí)，考察了相應(yīng)事物的全部對(duì)象，并根據(jù)這些對(duì)象是否都具有某種屬性，從而推出這個(gè)事物是否具有這個(gè)屬性。如：某廠進(jìn)行產(chǎn)品質(zhì)量檢查，如果對(duì)每一件產(chǎn)品都進(jìn)行了嚴(yán)格的檢查，并且都是合格的，則推導(dǎo)出結(jié)論“該廠生產(chǎn)的產(chǎn)品合格”。1000、引言-推理的方式及分類I.演繹推理、歸納推理、默認(rèn)推理從推出結(jié)論的途徑來劃分所謂不完全歸納推理就是指在考察了相應(yīng)事物的部分對(duì)象，就得出結(jié)論。如：檢查產(chǎn)品質(zhì)量時(shí)，只是隨機(jī)抽查了部分產(chǎn)品，只要它們都合格，就得出了“該廠生產(chǎn)的產(chǎn)品合格”由于考察事物的所有對(duì)象通常都是比較困難，因而大多數(shù)歸納推理都是不完全歸納推理。默認(rèn)推理（defaultreasoning）是在知識(shí)不完全的情況下假設(shè)某些條件已經(jīng)具備所進(jìn)行的推理。1010、引言-推理的方式及分類II.確定性推理、不確定性推理從推理所用知識(shí)的確定性來劃分所謂確定性推理，就是指推理時(shí)所用知識(shí)與證據(jù)都是確定的，推出的結(jié)論也是確定的，其值或者為真或者為假，沒有第三種情況出現(xiàn)。

--根據(jù)經(jīng)典邏輯（命題邏輯及一階謂詞邏輯）的邏輯規(guī)則進(jìn)行的一種推理。所謂不確定性推理，是指推理時(shí)使用的知識(shí)與證據(jù)不都是確定的，推出的結(jié)論也是不確定的。

--現(xiàn)實(shí)世界中的事物和現(xiàn)象大都是不確定的，或者模糊的，很難用精確的數(shù)學(xué)模型來描述，要使計(jì)算機(jī)能模擬人類的思維活動(dòng)，就必須使它具有不確定推理的能力。102一、基本概念

前面討論了建立在經(jīng)典邏輯基礎(chǔ)上的確定性推理，已知事實(shí)以及推理時(shí)所依據(jù)的知識(shí)都是確定的。推出的結(jié)論或證明的假設(shè)都是精確的，其真值或者為真，或者為假。但是，現(xiàn)實(shí)世界中的事物事物之間的關(guān)系及其負(fù)責(zé)復(fù)雜，由于客觀上存在的隨機(jī)性、模糊性以及某些事物或現(xiàn)象暴露的不充分性，導(dǎo)致人們對(duì)它們的認(rèn)識(shí)是不精確的、不全面的，具有一定程度的不確定性。103一、基本概念I(lǐng).不確定性是建立在非經(jīng)典邏輯基礎(chǔ)上的一種推理。它是從不確定性的初始證據(jù)出發(fā)，通過運(yùn)用不確定性的知識(shí)，最終推出具有一定程度的不確定性但卻是合理或者近乎合理的結(jié)論的思維過程。

II.分類：不確定推理方法分為兩類：一是模型方法，另一是控制方法。104一、基本概念

模型方法－特點(diǎn)是把不確定的證據(jù)和不確定的知識(shí)分別與某種度量標(biāo)準(zhǔn)對(duì)應(yīng)起來，并給出更新結(jié)論不確定性的合適的算法。從而建立相應(yīng)的不確定性推理模型。

控制方法－特點(diǎn)是通過識(shí)別領(lǐng)域中引起不確定性的某些特征及相應(yīng)的控制策略來限制或減少不確定系統(tǒng)產(chǎn)生的影響，這類方法沒有設(shè)置不確定的統(tǒng)一模型。105一、基本概念

模型方法又分為

a，數(shù)值方法；b，非數(shù)值方法；數(shù)值方法根據(jù)其所依據(jù)的理論不同分為基于概率的方法和模糊推理方法；基于概率的方法所依據(jù)的理論是概率論，而模糊推理依據(jù)的理論是模糊理論。非數(shù)值方法是除a之外的不確定性的方法。邏輯法就是一種非數(shù)值方法。106一、基本概念

由于概率論有著完善的理論，同時(shí)還為不確定性的合成與傳遞提供了現(xiàn)成的公式，成為度量不確定性的重要手段。這種純粹依靠概率模型來表示和處理不確定性的方法稱為純概率方法或概率方法。它雖然有嚴(yán)密的理論依據(jù)，但卻要求給出事件的先驗(yàn)概率和條件概率，而這些數(shù)據(jù)又不易獲得，使其應(yīng)用受到限制為此，人們在概率論的基礎(chǔ)上，發(fā)展了一些新的處理不確定性的方法。包括：可信度方法、主觀Bayes方法和證據(jù)理論方法。107重點(diǎn)探討的不確定推理方法可信度方法主觀Bayes方法證據(jù)理論方法模糊推理方法108二、可信度方法

可信度方法是美國斯坦福大學(xué)E.H.Shortliffe等人在確定性理論（TheoryofConfirmation）的基礎(chǔ)上，結(jié)合概率論提出的一種不確定性推理方法。在MYCIN中成功應(yīng)用。

I.概念所謂可信度，就是人們在實(shí)際生活中根據(jù)自己的經(jīng)驗(yàn)或觀察對(duì)某一事件或現(xiàn)象為真的相信程度（certainty）。可信度也可以稱為”確定性因子“，具有較大的主觀性和經(jīng)驗(yàn)性，其準(zhǔn)確性很難把握。但是，對(duì)于某一具體領(lǐng)域而言，由于領(lǐng)域?qū)＜揖哂胸S富的專業(yè)知識(shí)和實(shí)踐經(jīng)驗(yàn)，要給出該領(lǐng)域的知識(shí)的可信度還是完全有可能的。109二、可信度方法II.表示

C-F模型中，知識(shí)是用產(chǎn)生式規(guī)則表示的，一般形式為：

IFETHENH(CF(H，E))

其中，E是知識(shí)的前提條件，或稱為證據(jù)?？梢允呛唵螚l件，還可以是AND或OR所構(gòu)成的復(fù)合條件。

E＝E1ANDE2AND（E3ORE4）

H是結(jié)論，可以是簡單結(jié)論，也可以是多個(gè)結(jié)論；

CF（H，E）是該知識(shí)的可信度，稱為可信度因子（CertaintyFactor）或規(guī)則強(qiáng)度。反映了前提條件與結(jié)論的聯(lián)系程度。如：IF頭痛AND流涕

THEN感冒（0.7）表示有七成把握認(rèn)為他是患感冒了。110二、可信度方法CF（H，E）是在[-1,1]上取值。CF（H，E）值要求領(lǐng)域?qū)＜抑苯咏o出。原則是：若由于相應(yīng)證據(jù)的出現(xiàn)增加結(jié)論H為真的可信度，則取CF（H,E）>0,證據(jù)的出現(xiàn)越是增加支持H為真，就使CF（H,E）的值越大。反之，取CF（H,E）<0,證據(jù)的出現(xiàn)越是支持H為假，就使CF（H,E）的值越小。若證據(jù)的出現(xiàn)與否與H無關(guān)，則取CF（H,E）＝0。111二、可信度方法III.證據(jù)不確定性的表示證據(jù)的不確定性也可以用可信度因子表示。

CF（E）是在[-1,1]上取值。對(duì)于初始證據(jù)，若對(duì)它的所有觀察S能肯定它為真，則取CF（E）=1;若肯定它為假，則取CF（E）=－1；若它以某種程度為真，則取CF（E）為(0，1)中的一個(gè)值，即0<CF（E）<1。若它以某種程度為假，則取CF（E）為(－1，0)中的一個(gè)值，即－1<CF（E）<0。知識(shí)的靜態(tài)強(qiáng)度與證據(jù)的動(dòng)態(tài)強(qiáng)度都是用可信度因子CF表示的，但意義不相同。靜態(tài)強(qiáng)度CF（H，E）表示的是知識(shí)的強(qiáng)度，即當(dāng)E所對(duì)應(yīng)的證據(jù)為真時(shí)，對(duì)H的影響程度；而動(dòng)態(tài)強(qiáng)度CF（E）表示的是證據(jù)E當(dāng)前的不確定性程度。112二、可信度方法IV.組合證據(jù)不確定性的方法當(dāng)組合證據(jù)是多個(gè)單一證據(jù)的合取時(shí)，

E＝E1ANDE2AND…ANDEn

若已知CF（E1），CF（E2），…,CF（En），則CF（E）＝min{CF（E1），CF（E2），…,CF（En）}

當(dāng)組合證據(jù)是多個(gè)單一證據(jù)的析取時(shí)，

E＝E1ORE2OR…OREn

若已知CF（E1），CF（E2），…,CF（En），則CF（E）＝max{CF（E1），CF（E2），…,CF（En）}113二、可信度方法V.不確定性的傳遞算法

C-F模型中的不確定推理從不確定的初始證據(jù)出發(fā)，通過運(yùn)用相關(guān)的不確定性知識(shí)，最終推出結(jié)論并求出結(jié)論的可信度。結(jié)論H的可信度由下式計(jì)算：

CF（H）＝CF（H，E）×max{0,CF（E）};

若當(dāng)相應(yīng)證據(jù)以某種程度為假，即CF（E）<0,則

CF（H）＝0

說明，該模型沒有考慮證據(jù)為假時(shí)對(duì)結(jié)論H所產(chǎn)生的影響。

若證據(jù)為真，即CF（E）＝1，可得CF（H）＝CF（H，E）

說明知識(shí)中的規(guī)則強(qiáng)度CF（H，E）實(shí)際就是前提條件對(duì)應(yīng)的證據(jù)為真時(shí)結(jié)論H的可信度?；蛘哒f，當(dāng)知識(shí)的前提條件對(duì)應(yīng)的證據(jù)存在且為真時(shí)，結(jié)論H有CF（H，E）大小的可信度。114二、可信度方法VI.結(jié)論不確定性的合成算法由多條不同知識(shí)推出了相同的結(jié)論，但可信度不同，則可用合成算法求出綜合可信度。設(shè)有如下知識(shí)：

IFE1THENH(CF（H，E1

）)IFE2THENH(CF（H，E2

）)則結(jié)論H的綜合可信度可分為兩步算出：（1）分別對(duì)每一條知識(shí)求出CF（H）：

CF1（H）＝CF（H，E1

）×max{0,CF（E1

）};

CF2（H）＝CF（H，E2

）×max{0,CF（E2

）};

115二、可信度方法

VI.結(jié)論不確定性的合成算法（2）用下述公式求E1與E2對(duì)H的綜合影響所形成的可信度CF1，2（H）。

116二、可信度方法

例題：設(shè)有一組知識(shí)：

r1：IFE1THENH（0.8）

r2：IFE2THENH（0.6）

r3：IFE3THENH（-0.5）

r4：IFE4AND（E5ORE6）THENE1

（0.7）

r5：IFE7ANDE8THENE3

（0.9）已知：CF（E2

）＝0.8,CF（E4

）＝0.5,CF（E5

）＝0.6,CF（E6

）＝0.7,CF（E7

）＝0.6,CF（E8

）＝0.9求：CF（H）HE4E1E2E3E7E8E5E6推理網(wǎng)絡(luò)117二、可信度方法

第一步：對(duì)每一條規(guī)則求出CF（H）r4：IFE4AND（E5ORE6）THENE1

（0.7）118二、可信度方法

第一步：對(duì)每一條規(guī)則求出CF（H）r5：IFE7ANDE8THENE3

（0.9）119二、可信度方法

第一步：對(duì)每一條規(guī)則求出CF（H）r1：IFE1THENH（0.8）120二、可信度方法

第一步：對(duì)每一條規(guī)則求出CF（H）r2：IFE2THENH（0.6）121二、可信度方法

第一步：對(duì)每一條規(guī)則求出CF（H）r3：IFE3THENH（-0.5）122二、可信度方法

第二步：根據(jù)結(jié)論不確定性的合成算法得到所以，綜合可信度為0.49。123四、證據(jù)理論

證據(jù)理論又稱D-S理論，是由德普斯特（Dempster）首先提出，并由沙佛（Shafer）進(jìn)一步發(fā)展起來的一種處理不確定性的理論。1981年，由巴納特（Baenett）將該理論引入到專家系統(tǒng)，同年，卡威（Garvey）等人用它實(shí)現(xiàn)了不確定性推理。該理論能夠區(qū)分“不確定”和“不知道”的差異，并能處理由“不知道”引起的不確定性，具有較大的靈活性，因此受到人們的重視。124四、證據(jù)理論

在可信度方法和主觀Bayes方法中，知識(shí)是用產(chǎn)生式的形式表示的。在可信度方法中，證據(jù)、結(jié)論及知識(shí)的不確定性用“可信度”進(jìn)行度量的。IFETHENH(CF(H，E))

而在主觀Bayes方法中，證據(jù)及結(jié)論的不確定性是以概率的形式進(jìn)行度量，而知識(shí)的不確定性是以數(shù)值對(duì)（LS，LN）來進(jìn)行度量的。IFETHEN（LS，LN）H（P（H））在用產(chǎn)生式表示知識(shí)時(shí)，證據(jù)可以是單個(gè)命題，也可以是用AND和OR連接起來的復(fù)合命題。125四、證據(jù)理論

在D-S理論中，知識(shí)也是用產(chǎn)生式的形式表示的，但證據(jù)和結(jié)論又要以集合進(jìn)行表示。例如：假設(shè)D是所有可能疾病的集合，醫(yī)生為進(jìn)行診斷而進(jìn)行的各種檢查就是獲得所需證據(jù)的過程，檢查獲得的結(jié)果就是獲得的證據(jù)，這些證據(jù)就構(gòu)成了證據(jù)集合E。根據(jù)證據(jù)集合中的這些證據(jù)，就可以判斷病人的疾病。通常，有的證據(jù)所支持的不止是一種疾病，而是多種疾病，這些疾病當(dāng)然都是集合D中的元素，可以構(gòu)成D的一個(gè)子集H,H就是結(jié)論集合。設(shè)D是變量x所有可能取值的集合，且D中的元素是互斥的，在任何時(shí)刻x都取且只能取D中的某一個(gè)元素為值，則稱D為x的樣本空間。126四、證據(jù)理論

在D-S理論中，D的任何一個(gè)子集A都對(duì)應(yīng)一個(gè)關(guān)于x的命題，稱該命題為“x的值是在A中。”例如：用x代表打靶時(shí)擊中的環(huán)數(shù)，D={1,2,…,10}，則A={5}表示“x的值是5”或者“擊中的環(huán)數(shù)是5”；A={5，6，7，8}表示“擊中的環(huán)數(shù)是5、6、7、8中的某一個(gè)”。又如：用x代表所看到的顏色，

D={紅,黃，藍(lán)}，則A={紅}表示“x是紅色”；若A={紅，藍(lán)}，則它表示“x或者是紅色，或者是藍(lán)色”。在D-S理論中，知識(shí)的不確定性通過一個(gè)集合形式的“可信度因子”來表示，而證據(jù)和結(jié)論的不確定性度量則采用信任函數(shù)和似然函數(shù)來表示。127四、證據(jù)理論

I.概率分配函數(shù)設(shè)D為樣本空間，其中有n個(gè)元素，則D中的子集個(gè)數(shù)為2n個(gè)，并以2D表示這2n個(gè)集合。概率分配函數(shù)的作用是把D上的任意一個(gè)子集A（）都映射稱為[0,1]上的一個(gè)數(shù)M（A）。設(shè)D為樣本空間，領(lǐng)域內(nèi)的命題都是用D的子集表示，如果定義函數(shù)M（x）為集合2D到區(qū)間[0,1]上的一個(gè)映射函數(shù)，其滿足下列條件：

則稱M（x）為2D上的基本概率分配函數(shù)（BasicProbabilityAssignmentFunction），M（A）稱為命題A的基本概率數(shù)；128四、證據(jù)理論

I.概率分配函數(shù)

M（A）表示對(duì)相應(yīng)命題A的精確信任度。例如：設(shè)D＝{紅，黃，藍(lán)};則它的子集數(shù)個(gè)數(shù)剛好是23＝8個(gè)，具體為：A1＝{red};A2＝{yellow};A3＝{blue};A4＝{red,blue};A5＝{yellow,blue};A6＝{red,yellow};A7＝{red,yellow,blue};A8＝{};

若A={red}，M（A）=0.3

表示對(duì)命題“x是紅色”的正確性的信任度是0.3。若B={red，yellow}，M（B）=0.2

表示對(duì)命題“x或者是紅色，或者是黃色”的正確性的信任度是0.2。可以理解為：概率分配函數(shù)實(shí)際上是對(duì)D的各個(gè)子集進(jìn)行信任度分配，M（A）表示分給A的那一部分。129四、證據(jù)理論

I.概率分配函數(shù)當(dāng)A是由多個(gè)元素組成時(shí)，M（A）不包括對(duì)A的子集的信任度，而且也不知道該對(duì)它如何進(jìn)行分配。例如：在M（{red,yellow}）=0.2中不包含對(duì)A={red}的信任度0.3，而且也不知道把這個(gè)0.2分給了red，還是分給了yellow.

當(dāng)A=D時(shí)，M（A）是對(duì)D的各個(gè)子集進(jìn)行信任分配后剩下的部分，它表示不知道對(duì)這部分如何進(jìn)行分配。若M（D）=M（{red，yellow，blue}=0