人工智能導(dǎo)論-第2版-全套課件

人工智能導(dǎo)論AGuidetoArtificialIntelligence全套課件

目錄第1章緒論第2章知識工程第3章確定性推理第4章不確定性推理第5章搜索與優(yōu)化策略第6章機器學(xué)習(xí)第7章人工神經(jīng)網(wǎng)絡(luò)配套教材參考書王萬良，《人工智能通識教程》，北京：清華大學(xué)出版社，2020史忠植，王文杰，馬慧芳，《人工智能導(dǎo)論》，北京：機械工業(yè)出版社，2019廉師友，《人工智能概論》，北京：清華大學(xué)出版社，2020StephenLucci.《人工智能》.北京：人民郵電出版社，2018.朱福喜.《人工智能》.北京：淸華大學(xué)出版社，2017.課程考核考核內(nèi)容：課堂表現(xiàn)與平時作業(yè)、課內(nèi)實驗、期末考試筆試：50%平時：25%出勤、課堂發(fā)言與回答問題；考察調(diào)研、文獻(xiàn)閱讀報告；課堂討論。實驗（編程實踐）：25%知識與推理方法實踐、搜索與優(yōu)化方法實踐、機器學(xué)習(xí)與深度學(xué)習(xí)方法實踐，每組至少完成1項；個人獨立完成；盡量自己編寫代碼，不要照抄他人已有代碼；提交完整源代碼和實驗報告。文獻(xiàn)閱讀寫一份5千字以上的閱讀報告。主題：a.(學(xué)號末尾為0，5)：多智能體、智能決策、智能規(guī)劃；b.(學(xué)號末尾為1，6)：機器學(xué)習(xí)、數(shù)據(jù)挖掘、深度學(xué)習(xí)；c.(學(xué)號末尾為2，7)：機器視覺、模式識別、圖像理解；d.(學(xué)號末尾為3，8)：知識、推理、知識圖譜、自然語言處理；e.(學(xué)號末尾為4，9)：搜索、博弈、優(yōu)化、強化學(xué)習(xí)。要求：必須附10篇以上的參考文獻(xiàn)（學(xué)術(shù)論文），不得抄襲教科書。其中《軟件學(xué)報》、《計算機學(xué)報》、《計算機研究與發(fā)展》、《人工智能與模式識別》中的論文至少4篇；IEEE論文庫中的英語論文至少3篇。嚴(yán)禁相互拷貝!違者0分！考察調(diào)研1、觀看1部關(guān)于AI題材的電影分析電影中出現(xiàn)或者應(yīng)用了哪些AI技術(shù)，這些技術(shù)的現(xiàn)狀如何，未來又會如何。要求：完成調(diào)研活動之后，撰寫1份調(diào)研報告（3千字以上）。不得抄襲，不得雷同！違者0分！2、調(diào)查5部手機分析這些手機中出現(xiàn)了哪些AI應(yīng)用，涉及哪些AI技術(shù)，這些AI技術(shù)的現(xiàn)狀如何，你認(rèn)為還應(yīng)該在哪一方面加強。3、調(diào)研無人駕駛汽車分析無人駕駛汽車中應(yīng)當(dāng)使用哪些AI技術(shù)，這些AI技術(shù)的現(xiàn)狀如何，無人駕駛技術(shù)如何繼續(xù)改進(jìn)。課堂討論主題：機器的反叛——機器的智能會超越人類嗎？人工智能終將超越人類智能機器永遠(yuǎn)只是機器，人類永遠(yuǎn)是主宰要求：每位同學(xué)無論是否獲得發(fā)言機會，都必須提交1千字以上發(fā)言稿?；疽螅河肞ython、Java、C++其中一種語言實現(xiàn)全部算法，得到預(yù)期結(jié)果；程序輸出搜索或者學(xué)習(xí)過程以及最終運行結(jié)果；提交源代碼和實驗報告（問題描述，解決算法和方案，程序流程圖，運行結(jié)果及對比分析）；可以相互討論，但是必須獨立編程，獨立書寫文檔。嚴(yán)禁相互拷貝!違者0分！編程實踐高級要求：不是簡單地調(diào)用現(xiàn)有算法函數(shù)或者算法庫，而能夠按照算法原理自己編寫完整的算法代碼；用3種以上不同算法/模型解決同一個問題，并充分對比不同算法/模型。最高要求：能夠?qū)?年以內(nèi)提出的最新算法進(jìn)行獨立實現(xiàn)，而不是照抄網(wǎng)絡(luò)已公布代碼，并復(fù)現(xiàn)論文結(jié)果。能夠?qū)ΜF(xiàn)有算法進(jìn)行有效改進(jìn)，并通過實驗驗證改進(jìn)效果。1.1什么是人工智能1.2人工智能發(fā)展簡史1.3人工智能研究方法1.4人工智能研究及應(yīng)用領(lǐng)域10第一章緒論什么是智能？現(xiàn)代漢語詞典：智慧和才能；或者具有人的某些智慧和才能。牛津高階英語詞典（OXFORDADVANCEDLEARNER‘SDICTIONARY）：以邏輯的方式學(xué)習(xí)、理解、思考事物的能力Theabilitytolearnunderstandandthinkinalogicalwayaboutthings.111.1.1關(guān)于智能思維理論來自認(rèn)知科學(xué)（CognitiveScience）。認(rèn)為智能的核心是思維。人的一切智慧或者智能都來自于大腦的思維活動，人類的一切知識都是人們思維的產(chǎn)物。因而通過對思維規(guī)律與方法的研究可望揭示智能的本質(zhì)。12知識閾值理論強調(diào)知識對于智能的重要意義和作用，認(rèn)為智能行為取決于知識的數(shù)量及其一般化的程度。智能就是在巨大搜索空間中迅速找到一個滿意解的能力。例如下棋。在人工智能的發(fā)展史中有重要影響。發(fā)展出了知識工程、專家系統(tǒng)等等。13進(jìn)化理論MIT的Brooks教授提出。人的本質(zhì)能力是在動態(tài)環(huán)境中的行走能力，對外界事務(wù)的感知能力，維持生命和繁衍生息的能力。因此智能是某種復(fù)雜系統(tǒng)所浮現(xiàn)的性質(zhì)。該理論的核心是用控制取代表示，從而取消概念、模型及顯式表示的知識。否定抽象對于智能及智能模擬的必要性，強調(diào)分層結(jié)構(gòu)對于智能進(jìn)化的可能性與必要性。14對人工智能的定義麥卡錫（JohnMcCarthy）：人工智能就是要讓機器的行為看起來就象是人所表現(xiàn)出的智能行為一樣。尼爾遜（Nilsson）：人工智能是關(guān)于人造物的智能行為，包括知覺、推理、學(xué)習(xí)、交流和在復(fù)雜環(huán)境中的行為。巴爾（Barr）和費根鮑姆（Feigenbaum）：人工智能屬于計算機科學(xué)的一個分支，旨在設(shè)計智能的計算機系統(tǒng)，也就是說，對照人類在自然語言理解、學(xué)習(xí)、推理問題求解等方面的智能行為，它所設(shè)計的系統(tǒng)應(yīng)呈現(xiàn)出與之類似的特征。15我們認(rèn)為人工智能就是研究如何使一個計算機系統(tǒng)具有像人一樣的智能特征，使其能模擬、延伸、擴展人類智能。通俗地講，人工智能就是研究如何使得計算機會聽、說、讀、寫、學(xué)習(xí)、推理，能夠適應(yīng)環(huán)境變化，能夠模擬出人腦思維活動。人工智能就是要使計算機能夠像人一樣去思考和行動，完成人類能夠完成的工作，甚至在某些方面比人更強。16最終目標(biāo)造出一個像人一樣具有智能，會思維和行動的計算機系統(tǒng)。強人工智能機器可以有知覺，有自我意識。弱人工智能機器只不過看起來像是智能的，不會有自主意識。171.1.2人工智能的研究目標(biāo)圖靈測試（1）英國數(shù)學(xué)家AlanM.Turing在1950年發(fā)表的“計算機與智能(ComputingMachineryandIntelligence)”論文中提出了“圖靈測試”。他被譽為“人工智能之父”。Turing測試第一次給出了檢驗計算機是否具有智能的哲學(xué)說法。18哪一個是人，哪一個是機器？圖靈測試（2）Q:你的14行詩的首行為“你如同夏日”，你不覺得“春日”更好嗎?A:它不合韻。Q:“冬日”如何？它可是完全合韻的。A:它確是合韻，但沒有人愿被比為“冬日”。Q:你不是說過匹克威克先生讓你能想起圣誕節(jié)嗎？A:是的。Q:圣誕節(jié)是冬天的一個日子，我想匹克威克先生對這個比喻不會介意吧。A:我認(rèn)為你不夠嚴(yán)謹(jǐn)，“冬日”指的是一般的冬天的日子，而不是某個特別的日子，如圣誕節(jié)。19對圖靈測試的質(zhì)疑——JOHNR.SEARLEMillsProf.OfthePhilosophyofMindandLanguageatUniversityofCalifornia，Berkeley

一個不懂漢語的人A，一個充分詳細(xì)的漢語問答手冊。不計查手冊的時間代價。給A一個使用漢語提出的問題，A通過漢語符號的比對使用手冊，給出回答。Searle問，如果A通過查手冊做出的回答與懂漢語的人一樣，A懂漢語嗎？20深藍(lán)(DeepBlue)

——IBM公司的RS/6000SP北京時間1997年5月12日凌晨4點50分，美國紐約公平大廈，當(dāng)IBM公司的“深藍(lán)”超級電腦將棋盤上的一個兵走到C4的位置上時，國際象棋世界冠軍卡斯帕羅夫(Kasparov)對“深藍(lán)”的人機大戰(zhàn)落下帷幕，“深藍(lán)”以3.5：2.5的總比分戰(zhàn)勝卡斯帕羅夫。2196年2月第一次比賽結(jié)果： “深藍(lán)”：勝、負(fù)、平、平、負(fù)、負(fù)

2：4（負(fù)）97年5月第二次比賽結(jié)果： “深藍(lán)”：負(fù)、勝、平、平、平、勝

3.5:2.5（勝）“深藍(lán)”的技術(shù)指標(biāo)：32個CPU每個CPU有16個協(xié)處理器每個CPU有256M內(nèi)存每個CPU的處理速度為200萬步/秒DeepMind（谷歌）公司的AlphaGo2016年3月人工智能系統(tǒng)AlphaGo以4比1的總比分戰(zhàn)勝人類圍棋世界冠軍李世石九段。2017年5月在中國烏鎮(zhèn)圍棋峰會上，

AlphaGo以3比0的總比分戰(zhàn)勝世界排名第一圍棋世界冠軍柯潔九段。22“深藍(lán)”和“AlphaGo”有智能嗎？媒體與大眾“可以有”科學(xué)家“部分具有”與人的智能全面相比還有較大差距23人工智能的近期目標(biāo)使現(xiàn)有的計算機系統(tǒng)更聰明、更有用，使它不僅能做一般的數(shù)值計算及非數(shù)值信息處理，而且能運用知識處理問題，能模擬人類的部分智能行為，成為人類的智能化輔助工具。24人工智能的發(fā)展到目前為止經(jīng)歷的四個階段第一階段：孕育（1956年之前）第二階段：形成（1956～1969）第三階段：發(fā)展（1970～2005）第四階段：深化（2006年至今）251.2人工智能發(fā)展簡史公元前384—32219561561—1626Aristotle，三段論F.Bacon，歸納法1950A.Turing，圖靈測試Dartmouth大學(xué)

，AI學(xué)科成立1969Minsky，Perceptron1977Feigenbaum，知識工程1986Rumelhart，BP算法2006G.E.Hinton，深度學(xué)習(xí)1995Vapnik，SVM2016DeepMind，AlphaGoIBM，深藍(lán)19972012AlexKrizhevsky，AlexNet人工智能提出之前（1）Aristotle(公元前384—322)在《工具論》的著作中提出形式邏輯。Bacon(1561—1626)在《新工具》中提出歸納法。Leibnitz(1646—1716)研制了四則計算器，提出了“通用符號”和“推理計算”的概念，使形式邏輯符號化，可以說是“機器思維”研究的萌芽。19世紀(jì)以來，數(shù)理邏輯、自動機理論、控制論、信息論、仿生學(xué)、計算機、心理學(xué)等科學(xué)技術(shù)的進(jìn)展，為人工智能的誕生，準(zhǔn)備了思想、理論和物質(zhì)基礎(chǔ)。Boole(1815—1864)創(chuàng)立了布爾代數(shù)，他在《思維法則》一書中，首次用符號語言描述了思維活動的基本推理法則。26人工智能提出之前（2）1936:圖靈提出了“圖靈機”概念——一種理想計算機的數(shù)學(xué)模型。1943：美國神經(jīng)生理學(xué)家W.McCullochandW.Pitts提出了M-P模型，奠定了人工神經(jīng)網(wǎng)絡(luò)發(fā)展的基礎(chǔ)。1946:ENIACElectronicNumericalIntegratorandCalculator1950:

AlanTuring的文章“ComputingMachineryandIntelligence.”提出圖靈測試。27M-P模型圖解28x1x2xnf(x)f(x)=1,x>=00,x<0神經(jīng)系統(tǒng)結(jié)構(gòu)神經(jīng)元工作方式人工智能提出之前（3）在50年代，計算局限在數(shù)值處理，例如，計算彈道等。1950年，Shannon完成了第一個下棋程序。開創(chuàng)了非數(shù)值計算的先河。Newell,Simon,MaCarthyandMinsky等均提出以符號為基礎(chǔ)的計算。29Shannon人工智能的初期階段（1）

——蓬勃發(fā)展1956夏:麥卡錫(McCarthy)等10人正式提出了“人工智能”這一術(shù)語。1956：賽繆爾(Samuel)研制出了跳棋程序。1957:Newell,Shaw和Simon提出通用問題求解系統(tǒng)GPS1958：美籍華人王浩在IBM－740機器上用3～5分鐘證明了《數(shù)學(xué)原理》中有關(guān)命題演算的全部定理(220條)。1959年魯賓遜(Robinson)提出了消解定理，為定理的機器證明作出了突破性貢獻(xiàn)。1958:McCarthy在MIT實現(xiàn)了LISP301959:Samuel的跳棋程序打敗他本人能學(xué)棋譜、能從對陣中學(xué)習(xí)1962年打敗Connecticut洲的跳棋冠軍1965：Stanford的費根鮑姆開展了專家系統(tǒng)DENDRAL的研究，并于1968年投入使用。這是一個分析化合物分子結(jié)構(gòu)的專家系統(tǒng)。人工智能的初期階段（2）

——盲目樂觀1958:Newell和Simon的四個預(yù)測十年內(nèi)，計算機將成為世界象棋冠軍1997年“深藍(lán)”才第一次擊敗國際象棋世界冠軍十年內(nèi)，計算機將發(fā)現(xiàn)或證明有意義的數(shù)學(xué)定理1976年美國數(shù)學(xué)家KennethAppel等人在三臺大型機上完成了四色定理證明。1977年我國數(shù)學(xué)家吳文俊在提出了一種幾何定理機械化證明方法十年內(nèi)，計算機將能譜寫優(yōu)美的樂曲十年內(nèi)，計算機將能實現(xiàn)大多數(shù)的心理學(xué)理論31人工智能的初期階段（3）

——打擊一個笑話（英俄翻譯）：

Thespiritiswillingbutthefleshisweek.

（心有余而力不足）

Thevodkaisstrongbutmeatisrotten.

（伏特加酒雖然很濃，但肉是腐爛的）32出現(xiàn)錯誤的原因：

Spirit：

1）精神

2）烈性酒、酒精結(jié)論： 必須理解才能翻譯，而理解需要知識人工智能的初期階段（4）

——打擊1966:ALPAC的負(fù)面報告造成美國政府取消對機器翻譯的資助1969:Minsky和Papert的感知機報告造成美國政府取消對神經(jīng)網(wǎng)絡(luò)研究的資助。1973:JamesLighthill爵士的負(fù)面報告使得英國政府取消對AI研究的資助“人工智能研究是不成功的，不值得政府資助?！庇⒄邮芰舜藞蟾娴挠^點。從那時起，英國AI研究長期一蹶不振。33Minsky的批評1969年，Minsky出版Perceptron一書。一方面，他批評感知機無法解決非線性問題，例如，XOR問題。復(fù)雜性信息處理應(yīng)該以解決非線性問題為主。另一方面，幾何方法應(yīng)該代替分析方法作為主要數(shù)學(xué)手段。對人工智能發(fā)展的影響：在以后的二十年，感知機的研究方向被忽視?；诜柕闹R表示成為主流?；谶壿嫷耐评沓蔀橹饕芯糠较颉?4Minsky人工智能的發(fā)展（1）

——鍥而不舍1977:SRI啟動PROSPECTOR工程幫助地質(zhì)專家探測和解釋礦物1978年發(fā)現(xiàn)鉬礦脈(molybdenumvein)1977:EdwardFeigenbaum正式提出知識工程作為一門學(xué)科在1977年IJCAI會議上1980:JohnMcDermott的XCON專家系統(tǒng)用于配置VAX機器系統(tǒng)35人工智能的發(fā)展（2）

——再度興起知識工程時代專家系統(tǒng)知識工程知識工程席卷全球361981:日本政府宣布日本五代機（first-generationcomputer）計劃（即智能計算機）1982:JohnHopfield掀起神經(jīng)網(wǎng)絡(luò)的研究1986:ThinkingMachinesInc研制聯(lián)結(jié)機器(ConnectionMachine)1987:LISP機器市場開始暗淡1988:386芯片使得PC機速度可以與LISP機器媲美JohnHopfield人工智能的發(fā)展（4）

——重大突破1982年，J．Hopfield提出了可用作聯(lián)想存儲器的互連網(wǎng)絡(luò)，這個網(wǎng)絡(luò)稱為Hopfield網(wǎng)絡(luò)模型。Hopfield網(wǎng)絡(luò)比較成功求解了貨郎擔(dān)問題。1986年，Rumelhart發(fā)現(xiàn)了BP算法，導(dǎo)致感知機之類的研究重新興起。BP算法解決了多層前饋網(wǎng)絡(luò)的學(xué)習(xí)問題。存在問題：理論依據(jù)解決大規(guī)模問題的能力新的動向——構(gòu)造化方法37人工智能的發(fā)展（5）

——廣泛深入1992:日本政府宣布五代機計劃失敗。隨后啟動RWC計劃（RealWorldComputingProject）1995:Vapnik提出SVM1997:IBM深藍(lán)II(DeepBlue)擊敗GarryKasparov2000:中科院計算所多主體環(huán)境MAGE,知識發(fā)現(xiàn)系統(tǒng)MSMiner2006:辛頓（GeoffreyE.Hinton）提出了深度學(xué)習(xí)（DeepLearning）概念，突破了人工神經(jīng)網(wǎng)絡(luò)解決模式識別問題的瓶頸。2012:AlexKrizhevsky提出AlexNet網(wǎng)絡(luò)

2016:AlphaGo戰(zhàn)勝人類圍棋世界冠軍李世石九段。38人工智能的未來網(wǎng)絡(luò)給AI帶來無限的機會知識發(fā)現(xiàn)與數(shù)據(jù)挖掘AI走向?qū)嵱没?91.3.1人工智能研究的特點交叉學(xué)科綜合性、理論性、實踐性、應(yīng)用性都很強與傳統(tǒng)的計算機軟件系統(tǒng)相比以知識為主要研究對象；大多采用啟發(fā)式（Heuristics）方法而不用窮舉的方法來解決問題；一般都允許出現(xiàn)不正確結(jié)果。 401.3人工智能研究方法符號主義（Symbolicism）基于物理符號系統(tǒng)假設(shè)和有限合理性原理的人工智能學(xué)派。聯(lián)結(jié)主義（Connectionism）基于神經(jīng)元及神經(jīng)元之間的網(wǎng)絡(luò)聯(lián)結(jié)機制來模擬和實現(xiàn)人工智能。行為主義（Actionism）基于控制論和“感知——動作”型控制系統(tǒng)的人工智能學(xué)派411.3.2

人工智能的研究途徑物理符號系統(tǒng)假設(shè)（Newell和Simon，1976）物理符號系統(tǒng)具有必要且足夠的方法來實現(xiàn)普通的智能行為。把智能問題都?xì)w結(jié)為符號系統(tǒng)的計算問題，把一切精神活動都?xì)w結(jié)為計算。所以人類的認(rèn)識過程就是一種符號處理過程，思維就是符號的計算。有限合理性原理（Simon）人類之所以能在大量不確定、不完全信息的復(fù)雜環(huán)境下解決那些難題，其原因在于人類采用了啟發(fā)式搜索的試探性方法來求得問題的有限合理解。421.符號主義1.符號主義一個物理符號系統(tǒng)的符號操作功能主要有：輸入、輸出、儲存、復(fù)制符號；建立符號結(jié)構(gòu)，即確定符號間的關(guān)系，在符號系統(tǒng)中形成符號結(jié)構(gòu)；條件性遷移，依賴已經(jīng)掌握的符號繼續(xù)完成行為。任何一個系統(tǒng)，如果能夠表現(xiàn)出智能的話，一定能執(zhí)行上述六種功能；反過來，如果任何系統(tǒng)具有以上六種功能，它就能表現(xiàn)出智能。符號主義觀點認(rèn)為：知識是信息的一種形式，是構(gòu)成智能的基礎(chǔ)。人工智能的核心問題是知識表示、知識推理和知識運用。從功能上對人腦進(jìn)行模擬在自動推理、定理證明、機器博弈、自然語言處理、知識工程、專家系統(tǒng)等方面取得了顯著成果。但是“常識”問題，不確定事物的表示和處理問題是需要解決的難題“傳統(tǒng)的人工智能”或者“經(jīng)典的人工智能”432.聯(lián)結(jié)主義人類智能的物質(zhì)基礎(chǔ)是神經(jīng)系統(tǒng)，其基本單元是神經(jīng)元。搞清楚人腦的結(jié)構(gòu)及其信息處理機理和過程，就可望揭示人類智能的奧秘。從而真正實現(xiàn)人類智能在機器上的模擬。神經(jīng)網(wǎng)絡(luò)具有獨特優(yōu)勢以分布式的方式存儲信息，以并行方式處理信息，具有很強的魯棒性和容錯性，可具有實現(xiàn)自組織、自學(xué)習(xí)能力。從結(jié)構(gòu)上對人腦進(jìn)行模擬適合于模擬人腦形象思維，能夠快速得到近似解，便于實現(xiàn)人腦的低級感知功能。在圖像處理、模式識別、機器學(xué)習(xí)等方面具有相當(dāng)優(yōu)勢。不適合于模擬人類的邏輯思維過程，其基礎(chǔ)理論研究也有很多難點。目前最主流的途徑，即深度學(xué)習(xí)443.行為主義1991年MIT的Brooks提出了無需知識表示的智能和無需推理的智能。智能只是在與環(huán)境交互作用中才表現(xiàn)出來，不應(yīng)采用集中式的模式，而是需要具有不同的行為模式與環(huán)境交互，以此來產(chǎn)生復(fù)雜行為。智能取決于感知和行為，取決于對外界復(fù)雜環(huán)境的適應(yīng)，而不是表示和推理?；居^點：知識的形式化表達(dá)和模型化方法是人工智能的重要障礙之一；智能取決于感知和行動，應(yīng)直接利用機器對環(huán)境作用后，以環(huán)境對作用的響應(yīng)為原型；智能行為只能體現(xiàn)在世界中，通過周圍環(huán)境交互表現(xiàn)出來；人工智能可以象人類智能一樣逐步進(jìn)化，分階段發(fā)展和增強。從行為上模擬和體現(xiàn)智能。模擬人在控制過程中的智能活動和行為特性，如自尋優(yōu)、自適應(yīng)、自學(xué)習(xí)、自組織等，來研究和實現(xiàn)人工智能。在智能控制、機器人領(lǐng)域獲得了很多成就。行為主義學(xué)派的興起表明控制論、系統(tǒng)工程的思想將進(jìn)一步影響人工智能的發(fā)展。451．部分著名期刊ArtificialIntelligenceArtificialIntelligenceReviewJournalofAIResearchMachineLearningJournalofMachineLearningResearchIEEETransonPatternAnalysisandMachineIntelligenceInternationalJournalofComputerVisionAIMagazineAppliedArtificialIntelligenceComputationalIntelligenceIEEETransonNeuralNetworksIEEETransonSystems，Man&Cybernetics，PartA&BNeuralNetworksPatternRecognitionRobotica461.3.3

人工智能研究資源2．部分著名會議IJCAI：InternationalJointConferenceonAI(since1969)AAAI：AmericanAssociationforAINationalConference(since1980)ICML：InternationalConferenceonMachineLearning(since1984)NIPS：NeuralInformationProcessingSystems(since1987)ACL：AnnualMeetingoftheAssociationforComputationalLinguistics(since1963)CVPR：IEEEConferenceonComputerVisionandPatternRecognition(since1988)ICCV：InternationalConferenceonComputerVision(since1987)ICLR：InternationalConferenceonLearningRepresentations(since2013)SIGIR：ACMSIGIRConferenceonInformationRetrieval(since1971)KDD：ACMSIGKDDConferenceonKnowledgeDiscoveryandDataMining(since1995)SIGMOD：ACMSIGMODInternationalConferenceonManagementofData(since1975)ICDM：IEEEInternationalConferenceonDataMining(since2001)ECAI：EuropeanConferenceonAI(since1974)ECML：EuropeanConferenceonMachineLearning(since1986)IAAI：InnovativeApplicationsofAI(since1989)ICTAI：IEEEConferenceonToolswithAI(since1989)ICNN/IJCNN：International(Joint)ConferenceonNeuralNetworks(since1989)UAI：ConferenceonUncertaintyinAI(since1985)ICPR：InternationalConferenceonPatternRecognition(since1989)AGENTS：InternationalConferenceonAutonomousAgents(since1997)模式識別（Pattern

Recognition）人工智能最早研究的領(lǐng)域之一“模式”是指在一類事物中可被區(qū)分的、具有典型性的代表事物對給定事物進(jìn)行鑒別和分類，將其歸入與之相同或相似的模式中。自然語言處理（Natural

Language

Processing）研究如何使計算機能夠理解、生成、檢索自然語言（包括語音和文本），從而實現(xiàn)人與計算機之間用自然語言進(jìn)行有效交流。481.4人工智能研究及應(yīng)用領(lǐng)域機器學(xué)習(xí)（MachineLearning）研究如何使計算機能夠模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)功能，從大量的數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，提取知識，并在實踐中不斷地完善、增強自我。人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork）與深度學(xué)習(xí)（DeepLearning）以聯(lián)結(jié)主義研究人工智能的方法，以對人腦和自然神經(jīng)網(wǎng)絡(luò)的生理研究成果為基礎(chǔ)，抽象和模擬人腦的某些機理、機制，實現(xiàn)某方面的功能。491.4人工智能研究及應(yīng)用領(lǐng)域問題求解（ProblemSolving）與博弈（GamePlaying）人工智能最早的實踐應(yīng)用之一：下棋程序通過搜索的方法尋找目標(biāo)解的一個合適操作序列，并滿足問題的各種約束。多智能體（MultiAgent）源于分布式人工智能研究研究在邏輯或物理上分散的智能系統(tǒng)之間如何相互協(xié)調(diào)各自的智能行為，實現(xiàn)問題的并行求解。501.4人工智能研究及應(yīng)用領(lǐng)域?qū)＜蚁到y(tǒng)（ExpertSystem）對人類專家求解問題的過程進(jìn)行建模，對知識進(jìn)行合理表示，然后運用推理技術(shù)來模擬通常由人類專家才能解決的問題，達(dá)到具有與專家同等解決能力的水平。計算機視覺（Computer

Vision）研究如何用計算機實現(xiàn)或模擬人類視覺功能。511.4人工智能研究及應(yīng)用領(lǐng)域自動定理證明（Automatic

Theorem

Proving）研究如何把人類證明定理的過程變成能在計算機上自動實現(xiàn)符號演算的過程，就是讓計算機模擬人類證明定理的方法，自動實現(xiàn)像人類證明定理那樣的非數(shù)值符號演算過程。智能控制（IntelligentControl）人工智能和自動控制相結(jié)合的產(chǎn)物，是自動控制的最新發(fā)展階段，主要研究適用于復(fù)雜系統(tǒng)的控制理論和技術(shù)521.4人工智能研究及應(yīng)用領(lǐng)域機器人學(xué)（Robotics）在電子學(xué)、人工智能、控制論、系統(tǒng)工程、精密機械、信息傳感、仿生學(xué)以及心理學(xué)等多種學(xué)科和技術(shù)的基礎(chǔ)上形成的一種綜合性技術(shù)學(xué)科。人工生命（ArtificialLife）用計算機等人造系統(tǒng)演示、模擬、仿真具有自然生命系統(tǒng)特征的行為。531.4人工智能研究及應(yīng)用領(lǐng)域010203機器學(xué)習(xí)（MachineLearning）人工智能中最火熱的研究領(lǐng)域之一深度學(xué)習(xí)（DeepLearning）最火熱的機器學(xué)習(xí)方法之一人工智能（ArtificialIntelligence）融匯工學(xué)、數(shù)學(xué)、醫(yī)學(xué)、認(rèn)知學(xué)等很多學(xué)科的一個交叉學(xué)科當(dāng)前幾個火熱的術(shù)語人工智能機器學(xué)習(xí)深度學(xué)習(xí)2.1概述2.2知識表示方法2.3知識獲取與管理2.4基于知識的系統(tǒng)第二章知識工程2.1

概述1

什么是知識費根鮑姆（Feigenbaum）：知識是經(jīng)過裁剪，塑造，解釋，選擇和轉(zhuǎn)換了的信息。伯恩斯坦（Bernstein）：知識是由特定領(lǐng)域的描述，關(guān)系和過程組成。海葉斯—羅斯（Heyes-Roth）：知識=事實+信念+啟發(fā)式。57知識一般來說，把有關(guān)信息關(guān)聯(lián)在一起所形成的信息結(jié)構(gòu)稱為知識。知識反映了客觀世界中事物之間的關(guān)系，不同事物或者相同事物間的不同關(guān)系形成了不同的知識。例如：冬天會下雪。如果冬天來了，那么春天還會遠(yuǎn)嗎。582知識的特性相對正確性

例如：1＋1＝10在不同的進(jìn)制下有不同的正確性。不確定性

知識并不總是只有“真”和“假”兩種狀態(tài)。引起知識不確定性的原因有：隨機性：我有八成的把握打中目標(biāo)。模糊性：高個子適合于打籃球。不完全性：蓮花清瘟對新冠病毒有一定功效。經(jīng)驗性：土干了就給花澆水。可表示性與可利用性593知識表示分類就知識的形成而言，知識是由概念、命題、公理、定理、規(guī)則、方法等組成。就知識的層次而言，知識可以分為表層知識和深層知識。就知識的確定性程度而言，知識可以分為確定性知識和不確定性知識。就知識的等級而言，知識可以分為元知識和非元知識。就知識的作用而言，知識可以分為陳述性知識和過程性知識。60過程性（Procedure）知識表示過程性知識一般是表示如何做的知識，是有關(guān)系統(tǒng)變化、問題求解過程的操作、演算和行為的知識。一般隱含在程序之中的，機器無法從程序的編碼中抽取出知識。過程性知識表示描述過程性知識，即描述表示控制規(guī)則和控制結(jié)構(gòu)的知識，給出一些客觀規(guī)律，告訴怎么做。例如矩陣求逆程序，程序中描述了矩陣的逆和求解方法的知識。61陳述式（Declarative）知識表示描述系統(tǒng)的狀態(tài)、環(huán)境和條件，以及問題的概念、定義和事實。描述事實性知識，即描述客觀事物所涉及的對象以及對象之間的聯(lián)系。陳述式知識的表示與知識運用(推理)是分開處理的，這種知識是顯式表示的。例如624人工智能對知識表示方法的要求有較強的表達(dá)能力和足夠的精細(xì)程度表示能力?？衫斫庑?。自然性。從知識利用上講便于獲取和表示新知識，并以合適方式與已有知識相連接。便于搜索，在求解問題時，能夠較快地在知識庫中找出有關(guān)知識。因此，知識庫應(yīng)具有較好的記憶組織結(jié)構(gòu)。便于推理，要能夠從已有知識中推出需要的答案或結(jié)論。混合知識表示為人工智能提供了新的研究課題632.2

知識表示方法一階謂詞邏輯是一種形式語言。其根本目的在于：把數(shù)學(xué)中的邏輯論證進(jìn)行符號化，使人們能夠采用數(shù)學(xué)演繹的方式，證明一個新的語句(或斷言)是從哪些已知的正確語句推導(dǎo)出來的，從而也就證明這個新語句是正確的。邏輯表示法的主要特點是它建立在某種形式邏輯的基礎(chǔ)上。廣義邏輯表示法包括：模糊邏輯表示一些非精確的知識非單調(diào)邏輯表示一些常識次協(xié)調(diào)邏輯表示一些相對矛盾的知識652.2.1經(jīng)典邏輯表示法一階謂詞邏輯表示法用謂詞公式表示知識時，需要首先定義謂詞，指出每個謂詞的確切語義，然后再用連接詞把有關(guān)的謂詞連接起來，形成一個謂詞公式表達(dá)一個完整的意義。例如：姚明比他父親有名。首先，定義謂詞：Famous(x,y):x比y有名。然后用謂詞公式表示：Famous(Yaoming,father(Yaoming))66基于謂詞邏輯的推理謂詞演算判斷一個公式是否永真自然演繹系統(tǒng)一組公理，一組規(guī)則，從一個公式推導(dǎo)另一個公式與或形演繹系統(tǒng)公式中只有非、與、或，沒有其它連接詞和量詞。對于反向推理比較實用子句演繹系統(tǒng)子句中只有非和或符號，運用消解法試圖推出矛盾。67一階謂詞邏輯表示法優(yōu)點：精確。易于準(zhǔn)確理解。靈活。把知識和知識處理的方法有效地區(qū)分開來。模塊化。各條知識都是相對獨立的。不足：所表示的知識屬于表層知識，不易表達(dá)過程性知識和啟發(fā)式知識；把推理演算和知識的含義截然分開，拋棄了表達(dá)內(nèi)容中所含有的語義信息，往往使推理難以深入；當(dāng)問題比較復(fù)雜、系統(tǒng)知識量比較大的時候，容易產(chǎn)生組合爆炸問題。68美國數(shù)學(xué)家E.Post在1943年首先提出“產(chǎn)生式”這一術(shù)語。Post系統(tǒng)目的是構(gòu)造一種形式化的計算工具，并證明它具有和圖靈機同樣的計算能力。目前已經(jīng)成為人工智能中應(yīng)用最多的一種知識表示方法。費根保姆等人研制的分析化學(xué)分子結(jié)構(gòu)的專家系統(tǒng)DENDRAL；肖特里菲等人研制的診斷傳染性疾病的專家系統(tǒng)MYCIN。692.2.2產(chǎn)生式表示法產(chǎn)生式的基本形式產(chǎn)生式通常用于表示具有因果關(guān)系的知識，其基本形式是：P→Q或者If P Then Q

[ElseS]

其中，P是前件，用于指出該產(chǎn)生式是否可用的條件。

Q是一組結(jié)論或者操作，用于指出當(dāng)前提P滿足時，應(yīng)該得出的結(jié)論或者應(yīng)該執(zhí)行的操作。例如：手被扎→縮手下雨→地面濕下雨∧甲未打傘→甲被淋濕

所有人都會死∧甲是人→甲會死70產(chǎn)生式與謂詞邏輯蘊含式的區(qū)別蘊含式只能表示精確知識；而產(chǎn)生式不僅可以表示精確知識，還可以表示不精確知識。 例如：在專家系統(tǒng)MYCIN中的一條知識，

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產(chǎn)生式中前提條件的匹配可以是精確的，也可以是非精確的；而謂詞邏輯蘊含式總要求精確匹配。71產(chǎn)生式系統(tǒng)一個產(chǎn)生式系統(tǒng)一般由三部分組成：規(guī)則集、黑板、控制策略。72黑板產(chǎn)生式規(guī)則集控制策略正向推理的一般步驟第一步用數(shù)據(jù)庫中的事實與可用規(guī)則集中所有規(guī)則的前件進(jìn)行匹配，得到匹配的規(guī)則集合。第二步從匹配規(guī)則集合中選擇一條規(guī)則作為使用規(guī)則。第三步執(zhí)行使用規(guī)則，將該使用規(guī)則后件的執(zhí)行結(jié)果送入數(shù)據(jù)庫；并將已執(zhí)行規(guī)則從可用規(guī)則集中刪除。第四步重復(fù)這個過程，直到達(dá)到目標(biāo)或者無可匹配規(guī)則為止。73動物識別的例子——正向推理已知事實：一動物{有毛，吃草，黑條紋}R1：動物有毛

→

哺乳類

R2：動物產(chǎn)奶

→

哺乳類

R3：哺乳類∧吃肉→

食肉類

R4：哺乳類∧吃草→

有蹄類

R5：食肉類∧黃褐色∧有斑點→

獵狗

R6：食肉類∧黃褐色∧黑條紋→

虎

R7：有蹄類∧長脖→

長頸鹿

R8：有蹄類∧黑條紋→

斑馬74已知事實：一動物{有毛，吃草，黑條紋，哺乳類}

已知事實：一動物{有毛，吃草，黑條紋，哺乳類，

有蹄類}

已知事實：一動物{有毛，吃草，黑條紋，哺乳類，

有蹄類，斑馬}逆向推理的一般步驟第一步用假設(shè)的目標(biāo)事實與規(guī)則集中的規(guī)則后件進(jìn)行匹配，得到匹配的規(guī)則集合。第二步從匹配規(guī)則集合中選擇一條規(guī)則作為使用規(guī)則。第三步將使用規(guī)則的前件作為新的假設(shè)子目標(biāo)送入數(shù)據(jù)庫；并將已執(zhí)行規(guī)則從可用規(guī)則集中刪除。第四步重復(fù)這個過程，直至各子目標(biāo)均為已知事實或者無可匹配規(guī)則為止。75規(guī)則匹配精確匹配要求各項事實與規(guī)則前件（或者后件）中的各子條件完全一致，或者經(jīng)過符號代換之后完全一致例如

x(P(x)→D(x))表示人都會死。已知事實張三是人，形式化

yP(y)注意：“

yP(y)”≠“P(x)”

不精確匹配事實和規(guī)則前件（或者后件）不必完全一致，二者只要達(dá)到某種程度的匹配就可以了。76沖突消解思路就是給所有可用規(guī)則排序，然后依次從隊列中取出候選規(guī)則。通用的方法專用與通用性排序規(guī)則排序數(shù)據(jù)排序規(guī)模排序就近排序按上下文限制將規(guī)則分組對包含啟發(fā)式的推理成功率高的規(guī)則優(yōu)先執(zhí)行按規(guī)則先前執(zhí)行的性能/代價比排序77產(chǎn)生式表示法的特點產(chǎn)生式易于表示，且知識單元間相互獨立，易于建立知識庫。推理方式單純，適于模擬強數(shù)據(jù)驅(qū)動特點的智能行為。知識庫與推理機相分離。這種結(jié)構(gòu)易于修改知識庫。易于對系統(tǒng)的推理路徑作出解釋。78層次結(jié)構(gòu)表示法主要指框架表示法和面向?qū)ο蟊硎痉ā?

框架理論1975年美國著名的人工智能學(xué)者明斯基在其論文“Aframeworkforrepresentingknowledge”中提出了框架理論，并把它作為理解視覺、自然語言對話及其復(fù)雜行為的基礎(chǔ)。792.2.3層次結(jié)構(gòu)表示法2框架結(jié)構(gòu)框架是一種描述所論對象(一個事物、一個事件或一個概念)屬性的數(shù)據(jù)結(jié)構(gòu)。一個框架由若干個“槽”組成，一個槽又可劃分為若干個“側(cè)面”。一個槽用于描述所論對象某一方面的屬性，一個側(cè)面用于描述相應(yīng)屬性的一個方面。80框架的一般表示形式<框架名>槽名1: 側(cè)面名1

值1,值2,…,值p1

側(cè)面名2

值1,值2,…,值p2

…

側(cè)面名m1 值1,值2,…,值pm1槽名2: 側(cè)面名1

值1,值2,…,值q1

側(cè)面名2

值1,值2,…,值q2

…

側(cè)面名m2

值1,值2,…,值qm2…槽名n: 側(cè)面名1

值1,值2,…,值r1

側(cè)面名2

值1,值2,…,值r2

…

側(cè)面名mn

值1,值2,…,值rmn約束: 約束條件1

約束條件2

…

約束條件n81一個框架的例子框架名：<教師>

姓名：單位(姓、名)

年齡：單位(歲)

性別：范圍(男、女)

缺?。耗? 職稱：范圍(教授、副教授、講師、助教)

缺?。褐v師 部門：單位(系，教研室)

住址：<住址框架>

工資：<工資框架>

開始工作時間：單位(年、月)

截止時間：單位(年、月)

缺省：現(xiàn)在82一個實例框架的例子框架名：<教師-1>

姓名：夏冰 年齡：36

性別：女 職稱：副教授 部門：計算機系軟件教研室 住址：<addr-1>

工資：<sal-1>

開始工作時間：1988，9

截止時間：1996，783框架之間的聯(lián)系框架中的槽值或側(cè)面值都可以是另外一個框架，也就是說框架之中還可以包含框架。這就在框架之間建立起了聯(lián)系。這種聯(lián)系是一種包含關(guān)系，稱為橫向聯(lián)系?？蚣苤g還可以有繼承關(guān)系，稱為縱向聯(lián)系?？蚣苤锌梢杂小袄^承”槽，指明上下關(guān)系。84一個框架網(wǎng)絡(luò)的例子853框架表示下的推理86在用框架表示知識的系統(tǒng)中，求解問題主要通過匹配與填槽實現(xiàn)。首先把這個問題用一個框架表示出來；然后與知識庫中已有的框架進(jìn)行匹配，找出一個或者多個可匹配的預(yù)選框架作為初步假設(shè)；在初步假設(shè)的引導(dǎo)下收集進(jìn)一步的信息；最后用某種評價方法對預(yù)選框架進(jìn)行評價，決定是否接受?？蚣艿钠ヅ涫峭ㄟ^對相應(yīng)槽的槽名及槽值逐個進(jìn)行比較實現(xiàn)的。語義網(wǎng)絡(luò)（SemanticNetwork）Petri網(wǎng)（PetriNet）語義互聯(lián)網(wǎng)（SemanticWeb）在下一代互聯(lián)網(wǎng)研究中有著十分重要的地位872.2.4網(wǎng)絡(luò)結(jié)構(gòu)表示法1.Petri網(wǎng)Petri網(wǎng)由德國學(xué)者卡爾·A·佩特里（CahAbamPetri）在1962年首先提出?；镜腜etri網(wǎng)可用三元組（P,T,F）來表示。P（Place）表示位置集合T（Transition）表示轉(zhuǎn)換集合F表示有向弧集合

有向弧只能存在于P和T或者T和P之間在并發(fā)系統(tǒng)中，一個位置可以擁有多個令牌（Token），用于進(jìn)行并發(fā)控制88Petri網(wǎng)表示法的特點便于描述系統(tǒng)狀態(tài)的變化以及對系統(tǒng)動態(tài)特性進(jìn)行分析；可以在不同層次上變換描述，而不必注意細(xì)節(jié)及相應(yīng)的物理表示。892.語義網(wǎng)絡(luò)語義網(wǎng)絡(luò)是奎廉(J.R.Quillian)于1968年在他的博士論文中作為人類聯(lián)想記憶的一個顯式心理學(xué)模型最先提出的。隨后在他設(shè)計的可教式語言理解器TLC(TeachableLanguageComprehenden)中用作知識表示。1972年西蒙將其用于自然語言理解系統(tǒng)。目前語義網(wǎng)絡(luò)已經(jīng)廣泛地應(yīng)用于人工智能的許多領(lǐng)域中，是一種表達(dá)能力強而且靈活的知識表示方法。90語義網(wǎng)絡(luò)的結(jié)構(gòu)語義網(wǎng)絡(luò)是通過概念及其語義關(guān)系來表達(dá)知識的一種網(wǎng)絡(luò)圖。從圖論的觀點看，它就是一個“帶標(biāo)識的有向圖”。有向圖的節(jié)點表示各種事物、概念、情況、屬性、狀態(tài)動作等等。弧表示各種語義聯(lián)系，也稱為聯(lián)想弧。91語義網(wǎng)絡(luò)的例子92語義網(wǎng)絡(luò)表示法的特點結(jié)構(gòu)性聯(lián)想性直觀性非嚴(yán)格性處理復(fù)雜性93腳本表示法夏克（R．C．Schank）根據(jù)他的概念依賴?yán)碚撎岢龅囊环N知識表示方法。腳本與框架類似，由一組槽組成，用來表示特定領(lǐng)域內(nèi)一些事件的發(fā)生序列。過程表示法認(rèn)為知識主要是過程性的。其表示方法應(yīng)將知識及如何使用這些知識的控制性策略均表述為求解問題的過程。過程性表示方法著重于對知識的利用，它把與問題有關(guān)的知識以及如何運用這些知識求解問題的控制策略都表述為一個或多個求解問題的過程。942.2.5其它表示法2.3知識獲取與管理獲取知識，建立起健全、完善、有效的知識庫，以滿足求解領(lǐng)域問題的需要。抽取知識轉(zhuǎn)換知識輸入知識檢測知識962.3.1知識獲取的任務(wù)非自動知識獲取自動知識獲取972.3.2知識獲取方式知識管理的任務(wù)具體地、物理地組建知識庫，保存知識；知識庫中安排具體的知識；實現(xiàn)知識的增加、刪除、修改、查詢等功能；記錄知識庫的變更；保證知識庫的安全。982.3.3知識管理組建知識庫應(yīng)該注意以下基本原則知識庫具有相對獨立性便于對知識的搜索便于對知識進(jìn)行維護(hù)及管理對知識的增、刪、改、查。便于存儲用多種模式表示的知識99知識管理的其它重要功能重組知識庫記錄系統(tǒng)運行的實例記錄系統(tǒng)的運行史記錄知識庫的發(fā)展史知識庫的安全保護(hù)與保密100面向形式的研究（機制理論）處理邏輯與知識表示面向內(nèi)容的研究（內(nèi)容理論）處理知識的內(nèi)容。本體論（Ontology）本來是一個哲學(xué)術(shù)語，意義為“關(guān)于存在的理論”。試圖回答“什么是存在”，“存在的性質(zhì)是什么”等等。在人工智能領(lǐng)域，本體是關(guān)于概念化的明確表達(dá)。本體論研究特定領(lǐng)域知識的對象分類、對象屬性和對象間的關(guān)系，為描述領(lǐng)域知識提供術(shù)語。1012.3.4本體論本體論的定義1993年美國斯坦福大學(xué)知識系統(tǒng)實驗室的Gruber給出了關(guān)于本體論的一個定義。本體是對某一概念化所做的一種顯式的解釋說明。概念化是從特定目的出發(fā)對所表達(dá)的世界所進(jìn)行的一種抽象的、簡化的觀察。每一個知識庫、基于知識庫的信息系統(tǒng)以及基于知識共享的智能體（Agent）都內(nèi)含一個概念化的世界。它們是顯式的或者隱式的。本體中的對象以及它們之間的關(guān)系通過知識表示語言的詞匯來描述。因此可以通過定義一套知識表示的專門術(shù)語來定義一個本體。以人們可以理解的術(shù)語來描述領(lǐng)域世界的實體、對象、關(guān)系以及過程等，并通過形式化的公理來限制和規(guī)范這些術(shù)語的解釋和使用。102本體論的性質(zhì)本體描述的是客觀事物的存在。本體獨立于對本體的描述。本體獨立于個體對本體的認(rèn)識。本體本身不存在與客觀事物的誤差。因為它就是客觀事物的本質(zhì)所在。但對本體的描述，即任何以形式或自然語言寫出的本體，作為本體的一種投影，可能會與本體本身存在誤差。描述的本體代表了人們對某個領(lǐng)域的知識的公共觀念。這種公共觀念能夠被共享、重用，進(jìn)而消除不同人對同一事物理解的不一致性。對本體的描述應(yīng)該是形式化的、清晰的、無歧義的。103本體論的作用目的：為了實現(xiàn)某種程度的知識共享和重用。人與組織之間的信息交流。系統(tǒng)之間的互操作。需求分析和系統(tǒng)設(shè)計的基礎(chǔ)。支持知識重用。顯式定義對領(lǐng)域的認(rèn)識。將領(lǐng)域知識同使用領(lǐng)域知識的操作性知識分離開來。使用本體論可以將算法從具體的領(lǐng)域知識中分離出來，使得同一個算法可以使用到不同的領(lǐng)域中去104本體的種類根據(jù)本體在主題上的不同層次頂級本體（TopLevelOntology）領(lǐng)域本體（DomainOntology）任務(wù)本體（TaskOntology）應(yīng)用本體（ApplicationOntology）

1051.什么是知識圖譜（KnowledgeGraph）谷歌公司于2012年提出用于增強其搜索引擎功能的一種知識庫結(jié)構(gòu)。本質(zhì)上，知識圖譜是一種揭示實體之間關(guān)系的語義網(wǎng)絡(luò)，可以對現(xiàn)實世界的事物及其相互關(guān)系進(jìn)行形式化地描述。通過知識圖譜能夠?qū)⒒ヂ?lián)網(wǎng)上的信息、數(shù)據(jù)以及鏈接關(guān)系聚集為知識，使信息資源更易于計算、理解以及評價，并且形成一套Web語義知識庫。知識圖譜已被廣泛應(yīng)用于智能搜索、智能問答、個性化推薦、社交網(wǎng)絡(luò)等領(lǐng)域。1062.3.5知識圖譜2.知識圖譜的表示知識圖譜一般用三元組來表示：G=(E,R,S)

G是知識圖譜，

E是知識庫中的實體集合，

R是知識庫中的關(guān)系集合，

S

E×R×E代表知識庫中的三元組集合。一個例子1072.知識圖譜的表示三元組的基本形式主要包括（實體1，關(guān)系，實體2）（概念，屬性，屬性值）其中，實體是知識圖譜中的基本元素，不同實體間存在不同關(guān)系。概念主要指集合、類別、對象類型、事物的種類等。屬性指對象可能具有的屬性、特征、特性、特點以及參數(shù)等。屬性值是指對象指定屬性的值。屬性-屬性值對(attribute-valuepair)可用來刻畫實體的內(nèi)在特性。關(guān)系可用來連接兩個實體，刻畫它們之間的關(guān)聯(lián)。1082.知識圖譜的表示三元組表示知識圖譜的特點廣泛認(rèn)可，在計算效率、數(shù)據(jù)稀疏性等面臨諸多問題知識的分布式表示用一個綜合向量來表示實體對象的語義信息。模仿人腦工作的表示機制。將實體語義信息表示為稠密低維實值向量，進(jìn)而在低維實數(shù)空間中高效計算實體、關(guān)系及其之間的復(fù)雜語義關(guān)聯(lián)。1093.知識圖譜的結(jié)構(gòu)知識圖譜的邏輯結(jié)構(gòu)在邏輯上可分為數(shù)據(jù)層和模式層數(shù)據(jù)層主要由一系列事實組成，知識以事實為單位進(jìn)行存儲。如用三元組來表達(dá)事實，則可選擇圖數(shù)據(jù)庫作為存儲介質(zhì)，例如開源的Neo4j、Twitter的FlockDB等等。模式層構(gòu)建在數(shù)據(jù)層之上，主要是通過本體庫來規(guī)范數(shù)據(jù)層的一系列事實表達(dá)。本體是結(jié)構(gòu)化知識庫的概念模板，通過本體庫而形成的知識庫不僅層次結(jié)構(gòu)較強，并且冗余程度較小1103.知識圖譜的結(jié)構(gòu)知識圖譜的體系結(jié)構(gòu)指其構(gòu)建模式。主要有自頂向下(top-down)與自底向上(bottom-up)兩種構(gòu)建方式。自頂向下是指先為知識圖譜定義好本體與數(shù)據(jù)模式，再將實體加入到知識庫。該構(gòu)建方式需要利用一些現(xiàn)有的結(jié)構(gòu)化知識庫作為其基礎(chǔ)知識庫。例如Freebase項目就是采用這種方式，它的絕大部分?jǐn)?shù)據(jù)是從維基百科中得到的。自底向上是指從一些開放鏈接數(shù)據(jù)中提取出實體，選擇其中置信度較高的加入到知識庫，然后再構(gòu)建頂層的本體模式。大多數(shù)知識圖譜都采用自底向上的方式進(jìn)行構(gòu)建，例如Google公司的KnowledgeVault。1114.知識抽取知識抽取主要是面向開放鏈接數(shù)據(jù)，通過自動化技術(shù)抽取出可用的知識單元；并以此為基礎(chǔ)，形成一系列事實表達(dá)，為構(gòu)建模式層奠定基礎(chǔ)。包括實體抽取、關(guān)系抽取和屬性抽取等3項內(nèi)容。實體抽取，也稱為命名實體識別主要有基于規(guī)則與詞典的方法、基于統(tǒng)計機器學(xué)習(xí)的方法以及面向開放域的抽取方法等。關(guān)系抽取，解決實體間語義鏈接的問題主要有人工構(gòu)造語義規(guī)則以及模板法、實體間的關(guān)系模型、面向開放域的信息抽取框架、聯(lián)合推理的實體關(guān)系抽取模型等方法。屬性抽取實體屬性的抽取問題可轉(zhuǎn)換為實體與屬性值之間的名稱性關(guān)系抽取問題可將結(jié)構(gòu)化數(shù)據(jù)用于屬性抽??；或直接從開放域數(shù)據(jù)集上抽取屬性1125.知識融合知識融合就是高層次的知識組織，使來自不同知識源的知識在同一框架規(guī)范下進(jìn)行異構(gòu)數(shù)據(jù)整合、消歧、加工、推理驗證、更新等步驟，達(dá)到數(shù)據(jù)、信息、方法、經(jīng)驗以及思想的融合，形成高質(zhì)量的知識圖譜包括實體對齊、知識加工、知識更新等內(nèi)容。實體對齊，也稱為實體匹配用于消除異構(gòu)數(shù)據(jù)中實體沖突、指向不明等不一致性問題一般需要計算兩個實體各自屬性的相似性，然后基于屬性相似度建立概率模型或者分類模型來判斷實體是否匹配知識加工從層次上形成一個大規(guī)模的知識體系，統(tǒng)一對知識進(jìn)行管理。主要包括本體構(gòu)建與質(zhì)量評估兩方面。知識更新不斷迭代更新，擴展新知識1136.知識圖譜上的推理知識圖譜上的推理可能涉及實體、實體的屬性、實體間的關(guān)系、本體庫中概念的層次結(jié)構(gòu)等等。知識圖譜推理方法可分為基于邏輯的推理一階謂詞邏輯(firstorderlogic)、描述邏輯(descriptionlogic)以及規(guī)則等?；趫D的推理利用了關(guān)系路徑中的蘊涵信息，通過圖中兩個實體間的多步路徑來預(yù)測它們之間的語義關(guān)系。即從源節(jié)點開始，在圖上根據(jù)路徑建模算法進(jìn)行游走，如果能夠到達(dá)目標(biāo)節(jié)點，則推測源節(jié)點和目標(biāo)節(jié)點間存在聯(lián)系1142.4基于知識的系統(tǒng)知識系統(tǒng)是一類具有專門知識和經(jīng)驗的計算機系統(tǒng)，并通過對人類知識和問題求解過程的建模，采用知識表示和知識推理技術(shù)來模擬通常由人類解決的復(fù)雜問題。知識系統(tǒng)與一般計算機系統(tǒng)的主要區(qū)別：基于知識的系統(tǒng)以知識庫和推理機為核心。知識系統(tǒng)把知識與系統(tǒng)其它部分分離開，并且知識系統(tǒng)強調(diào)知識而不是方法。1162.4.1什么是知識系統(tǒng)知識工程建造一個知識系統(tǒng)的過程可以稱為“知識工程”。知識工程包括以下幾個方面：獲取系統(tǒng)所用的知識，即知識獲取。選擇合適的知識表示形式，即知識表示。設(shè)計知識庫和推理機。用適當(dāng)?shù)挠嬎銠C語言實現(xiàn)系統(tǒng)。常見的知識系統(tǒng)有：專家系統(tǒng)（ExpertSystem）智能決策支持系統(tǒng)（IntelligentDecisionSupportSystem）計算機輔助診斷系統(tǒng)（ComputerAidedDiagnosticSystem）自動問答系統(tǒng)（QuestionAnsweringSystem）……

117知識系統(tǒng)的特點啟發(fā)性靈活性一般知識系統(tǒng)的體系結(jié)構(gòu)都采用了知識庫與推理機分離的原則。交互性知識系統(tǒng)一般采用交互方式進(jìn)行人機通信。實用性知識系統(tǒng)是根據(jù)具體應(yīng)用領(lǐng)域的問題開發(fā)的，針對性強。易推廣知識系統(tǒng)使人類專家的領(lǐng)域知識突破了時間和空間的限制，使專家的知識和技能更易于推廣和傳播。118專家系統(tǒng)（ExpertSystem）就是具有專門領(lǐng)域知識，能夠像人類專家一樣解決一些特定領(lǐng)域問題的一類知識系統(tǒng)。1192.4.2專家系統(tǒng)問答系統(tǒng)（QuestionAnsweringSystem）是指以自然語言（文本或者語音）提問為輸入，能夠自動給出相應(yīng)自然語言（文本或語音）答案的一類人工智能知識系統(tǒng)。問答系統(tǒng)已經(jīng)有七十多年的發(fā)展歷史。早期問答系統(tǒng)大多是針對特定領(lǐng)域、處理結(jié)構(gòu)化數(shù)據(jù)而設(shè)計的專家系統(tǒng)，通常只接受特定形式的自然語言問句?，F(xiàn)在的問答系統(tǒng)都需要在海量訓(xùn)練語料上進(jìn)行機器學(xué)習(xí)，生成相應(yīng)的模型和知識，然后才能結(jié)合答案庫或者知識庫回答問題。在知識圖譜出現(xiàn)前，QA研究往往關(guān)注在知識本體、語義網(wǎng)絡(luò)上作問答。知識圖譜出現(xiàn)之后，大規(guī)模知識庫都以知識圖譜的形式存在，所以基于知識庫的問答系統(tǒng)就演變?yōu)榛谥R圖譜的問答系統(tǒng)。1202.4.3基于知識庫的問答系統(tǒng)基于知識圖譜的問答系統(tǒng)一般結(jié)構(gòu)121語義解析與結(jié)構(gòu)化查詢指用知識圖譜中概念、關(guān)系、屬性等知識元素表示自然語言問句的語義，并形成邏輯表達(dá)式的過程。也就是將自然語言翻譯成結(jié)構(gòu)化查詢語言。主要方法有：語法樹解析法、三元組匹配法、自動模板生成法、圖結(jié)構(gòu)法問答系統(tǒng)中的推理目前的問答系統(tǒng)推理能力還比較弱早期的知識推理方法大多是從現(xiàn)有知識中歸納學(xué)習(xí)出符號邏輯推理規(guī)則，從而利用已有知識推理出結(jié)論。但是這些基于符號的推理方法未能有效考慮符號本身的語義，再加上推理規(guī)則的數(shù)量隨著關(guān)系的數(shù)量指數(shù)增長，較難擴展到大規(guī)模知識資源庫中。深度學(xué)習(xí)方法的發(fā)展使知識推理技術(shù)出現(xiàn)了新思路大量工作著眼于實體和關(guān)系的表示學(xué)習(xí)。通過在全局條件下對知識資源庫的實體和關(guān)系進(jìn)行編碼，將實體、概念和關(guān)系表示為低維空間中的向量或矩陣，通過在低維空間中的數(shù)值計算完成知識推理任務(wù)。發(fā)展趨勢融合符號邏輯、表示學(xué)習(xí)和“端到端”深度神經(jīng)網(wǎng)絡(luò)多模態(tài)學(xué)習(xí)，圖卷積，語義和結(jié)構(gòu)相結(jié)合1222.4.4知識系統(tǒng)舉例江西省圖書館內(nèi)兩個機器人吵架？！你如何看待？視頻地址/video/BV14V41187sj/?spm_id_from=autoNext3.1概述3.2自然演繹推理3.3歸結(jié)演繹推理3.4與或形演繹推理第三章 確定性推理3.1

概述推理所謂推理就是按某種策略由已知判斷推出另一判斷的思維過程。一般來說，推理都包括兩種判斷：一種是已知的判斷，包括已知的知識和已知事實；另一種是由已知判斷推出的新判斷，即推理的結(jié)論。在人工智能中，推理是由程序?qū)崿F(xiàn)的，稱為推理機。1261.演繹推理、歸納推理、默認(rèn)推理 演繹推理：從一般到特殊。例如三段論。 歸納推理：從個體到一般。 默認(rèn)推理：缺省推理，在知識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。2.確定性、不確定性推理3.單調(diào)性、非單調(diào)推理 推出的結(jié)論是否單調(diào)增加。4.啟發(fā)式、非啟發(fā)式推理 所謂啟發(fā)性知識是指與問題有關(guān)且能加快推理進(jìn)程、求得問題最優(yōu)解的知識。5.基于知識的推理、統(tǒng)計推理、直覺推理 從方法論的角度劃分。1273.1.1推理方式與分類推理的控制策略主要包括：推理方向、搜索策略、沖突消解策略、求解策略及限制策略。1.正向推理基本思想是：從用戶提供的初始已知事實出發(fā)，在知識庫KB中找出當(dāng)前可適用的知識，構(gòu)成可適用知識集KS，然后按某種沖突消解策略從KS中選出一條知識進(jìn)行推理，并將推出的新事實加入到數(shù)據(jù)庫中作為下一步推理的已知事實，在此之后再在知識庫中選取可適用知識進(jìn)行推理。如此重復(fù)進(jìn)行這一過程，直到求得了所要求的解或者知識庫中再無可使用的知識為止。1283.1.2推理的控制策略129正向推理示意圖2.逆向推理基本思想是：首先選定一個假設(shè)目標(biāo)，然后尋找支持該假設(shè)的證據(jù)，若所需的證據(jù)都能找到，則說明原假設(shè)是成立的；若無論如何都找不到所需要的證據(jù)，則說明原假設(shè)不成立，此時需要另作新的假設(shè)。重復(fù)此過程指導(dǎo)假設(shè)成立或者中止推理。130逆向推理示意圖131其他控制策略3.混合推理先正向后逆向推理先逆向后正向推理4.雙向推理正向推理與逆向推理同時進(jìn)行，且在推理過程中的某一步上“碰頭”。5.求解策略只求一個解，還是求所有解以及最優(yōu)解。6.限制策略限制推理的深度、寬度、時間、空間等等。132所謂知識匹配是指

對兩個知識模式(例如兩個謂詞公式、框架片斷、語義網(wǎng)絡(luò)片斷)的比較與耦合，及檢查這兩個知識模式是否完全一致或者近似一致。按匹配時兩個知識模式的相似程度，模式匹配可分為確定性匹配與不確定性匹配。確定性匹配是指兩個知識模式完全一致，或者經(jīng)過變量代換后變得完全一致。 例如：

P1: father(李四，李小四)andman(李小四) P2: father(x,y)andman(y)不確定性匹配是指兩個知識模式不完全一致，但是它們的相似程度又在規(guī)定的限度內(nèi)。1333.1.3知識匹配變量代換定義3.1代換是一個形如{t1/x1,t2/x2,…,tn/xn}的有限集合。 其中t1,t2,…,tn是項；x1,x2,…,xn是互不相同的變元；ti/xi表示用ti代換xi，不允許ti與xi相同，也不允許變元xi循環(huán)地出現(xiàn)在另一個tj中。例如：{a/x,f(b)/y,w/z}是一個代換{g(y)/x,f(x)/y}不是代換{g(a)/x,f(x)/y}是代換134代換的復(fù)合定義3.2設(shè)θ={t1/x1,t2/x2,…,tn/xn}λ={u1/y1,u2/y2,…,um/ym}

是兩個代換，則此兩個代換的復(fù)合也是一個代換，它是從{t1λ/x1,t2λ/x2,…,tnλ/xn,u1/y1,u2/y2,…,um/ym}中刪去如下兩種元素：

tiλ/xi

當(dāng)tiλ=xi

ui/yi

當(dāng)yi∈{x1,x2,…,xn}后剩下的元素所構(gòu)成的集合，記為θ°λ

。注：tiλ表示對ti運用λ代換。θ°λ就是對一個公式先運用θ代換，然后再運用λ代換。135代換的例子例如，設(shè)有代換θ={f(y)/x,z/y}λ={a/x,b/y,y/z}則θ°λ={f(y)λ/x,zλ/y,a/x,b/y,y/z}

={f(b)/x,y/y,a/x,

b/y,y/z}

={f(b)/x,y/z}136公式集的合一定義3.3設(shè)有公式集F={F1,F2,…,Fn}，若存在一個代換λ使得F1λ=F2λ=…=Fnλ則稱λ為公式集F的一個合一，且稱F1,F2,…,Fn是可合一的。例如，設(shè)有公式集F={P(x,y,f(y)),P(a,g(x),z)}則下式是它的一個合一：λ={a/x,g(a)/y,f(g(a))/z}一個公式集的合一一般不唯一。定義3.4設(shè)σ是公式集F的一個合一，如果對任一個合一θ都存在一個代換λ，使得θ=σ°λ則稱σ是一個最一般的合一。最一般合一是唯一的。137求取最一般合一差異集：兩個公式中相同位置處不同符號的集合。

例如：F1:P(x,y,z),F2:P(x,f(a),h(b))

則D1={y,f(a)},D2={z,h(b)}求取最一般合一的算法：令k=0,Fk=F,σk=ε。ε是空代換。若Fk只含一個表達(dá)式，則算法停止，σk就是最一般合一。找出Fk的差異集Dk。若Dk中存在元素xk和tk，其中xk是變元，tk是項，且xk不在tk中出現(xiàn)，則置：σK+1=σk°{tk/xk}Fk+1=Fk{tk/xk}k=k+1然后轉(zhuǎn)(2)。若不存在這樣的xk和tk則算法停止。算法終止，F(xiàn)的最一般合一不存在。138求取最一般合一的例子例如，設(shè)F={P(a,x,f(g(y))),P(z,f(z),f(u))}求其最一般合一。令F0=F,σ0=ε。F0中有兩個表達(dá)式，所以σ0不是最一般合一。差異集D0={a,z}。σ1=σ0°{a/z}={a/z}

F1={P(a,x,f(g(y))),P(a,f(a),f(u))}。D1={x,f(a)}。σ2=σ1°{f(a)/x}={a/z,f(a)/x}

F2=F1{f(a)/x}={P(a,f(a),f(g(y))),P(a,f(a),f(u))}。D2={g(y),u}。σ3=σ2°{g(y)/u}={a/z,f(a)/x,g(y)/u}F3=F2{g(y)/u}={P(a,f(a),f(g(y))),P(a,f(a),f(g(y)))}。因為F3中只有一個表達(dá)式，所以就是最一般合一，即

{a/z,f(a)/x,g(y)/u}1393.2

自然演繹推理自然演繹推理從一組已知為真的事實出發(fā)，直接運用經(jīng)典邏輯的推理規(guī)則推出結(jié)論的過程?；镜耐评硪?guī)則P規(guī)則、T規(guī)則、假言推理、拒取式推理等。假言推理的一般形式拒取式推理的一般形式141錯誤推理舉例肯定后件：P→Q，QP（1）如果行星系統(tǒng)是以太陽為中