《知识就是力量1》由会员分享，可在线阅读，更多相关《知识就是力量1（63页珍藏版）》请在金锄头文库上搜索。
1、知 识 就 是 力 量F.Bacon（1561-1626）英国哲学和自然科学家归纳法的创立者“培根”1第2章 知识表示 2.1 知识表示与知识表示的概念 2.2 一阶谓词逻辑表示法 2.3 产生式表示法 2.4 语义网络表示法 2.5 框架表示法 2.6 脚本表示法 2.7 过程表示法 2.8 面向对象表示法22.1 知识与知识表示的概念 2.1.1 知识的概念 2.1.2 知识表示的概念32.1.1 知识的概念 -何谓知识（一）知识的一般概念 知识是人们在改造客观世界的实践中积累起来的认识和经验 认识：包括对事物现象、本质、属性、状态、关系、联系和运动等的认 识 经验：包括解决问题的微观方法
2、，如步骤、操作、规则、过程、技巧等 宏观方法，如战略、战术、计谋、策略等知识、信息、数据及其关系 原因：认识客观世界的前提是能对其描述，而描述由数据和信息来实现 的 解释：数据是为描述客观事物而引入的一些数字、符号、文字等 信息是对客观事物的一般性描述，它还不是知识。数据组成结构 。 关系：数据是信息的载体，本身无确切含义，其关联构成信息 信息是数据的关联，赋予数据特定的含义，仅可理解为描述性知 识 知识可以是对信息的关联，也可以是对已有知识的再认识 例如：(1) if 计算机能听懂人类语言 then 可直接与计算机对话 (2) if 计算机能听懂人类语言就可直接与计算机对话 then 人类将
3、努力研究自然语言理解问题 42.1.1 知识的概念 -何谓知识（二）“知识”有代表性的定义 （1）知识是经过剪裁、塑造、解释、选择和转换了的信息 （2）知识由特定领域的描述、关系和过程组成 （3）知识=事实+信念+启发式“信息”与“关联”是构成知识的两个要素。信息之间关联的形式可 以多种多样，最常见的一种形式是： “如果。，则。”52.1.1 知识的概念 -知识的属性真假性与相对性 真假性：可以通过实践和推理来证明知识是真的还是假的 相对性：非绝对性。知识的真与假是相对于条件、环境、事件而言的 不确定性 不完备性：解决问题时不具备解决该问题的全部知识 不精确性：知识本身有真假之分，但由于认识水
4、平限制说不清其真假 这时可由可信度、概率等进行描述。 模糊性：知识的边界本身就是不清楚的(人的相貌) 用可能性、隶属度来描述（模糊搜索） 矛盾性和相容性 矛盾性：同一知识集中的知识之间相互对立或不一致（保健专家系统） 相容性：一个知识集中的所有知识之间相互不矛盾 可表示性与可利用性 可表示性：知识可用适当的形式表示出来。如语言、文字、图形等 可利用性：知识可用来解决各种各样的问题 62.1.1 知识的概念 -知识的类型（一）按知识的性质 概念、命题、公理、定理、规则和方法 按知识的作用域 常识性知识：通用通识的知识。人们普遍知道的、适应所有领域的 领域性知识：面向某个具体专业领域的。该领域专家
5、才知道的 如：专家经验。专家系统拥有的是此类知识 按知识的作用效果 事实性知识：（叙述性知识）描述事物的概念、定义、属性等 （神5实现了中华民族的飞天梦想） 问题的状态、环境、条件等（气温逐渐下降） 过程性知识：用于问题求解过程的操作、演算和行为的知识 用来指出如何使用那些与问题有关的事实性知识的知识 由与求解问题有关的规则、定律、定理及经验所构成 例如：AX2+BX+C=0 控制性知识：即元知识或超知识 如何使用知识的知识，也称为关于知识的知识。 例如：推理策略、搜索策略(深度优先、广度优先、启发式) 不确定性的传播策略 72.1.1 知识的概念 -知识的类型（二）按知识的层次 表层知识：客
6、观事物的现象及这些现象与结论之间关系的知识 他描述简单，但不反映事物的本质。 如：经验、感性、事实性知识（专家系统） 深层知识：客观事物本质、因果关系内涵、基本原理之类的知识 如：理论知识、理性知识(数据挖掘) 按知识的确定性 确定性知识：可以说明其真值为真或为假的知识 不确定性知识：不能确切说明其真假或不能完全知道的知识 包括：不精确、模糊、不完备 按知识的等级 零级知识：叙述性知识。描述事物的属性，问题的状态等 一级知识：过程性知识。经验型、启发性的知识 二级知识（元知识、超知识）：如何使用一级知识 三级知识（元元知识）82.1.2 知识表示的概念 -知识表示的含义及要求什么是知识表示 是
7、对知识的描述，即用一组符号把知识编码成计算机可以接受的某 种结构。其表示方法不唯一。(请对比计算机如何了解5V电压信号？ ) 知识表示的要求（难度很大） 表示能力：能否正确、有效地将问题求解所需的各种知识表示出来 表示范围的广泛性 领域知识表示的高效性 对非确定性知识表示的支持程度 可利用性：利用这些知识进行推理，可以求得待解决问题的解 对推理的适应性：推理是根据已知事实利用知识导出结果的过 程 对高效算法的支持程度：知识表示要有较高的处理效率 可实现性：要便于计算机直接对其进行处理 可组织性：可以按某种方式把知识组织成某种知识结构 可维护性：便于对知识的增、删、改等操作（知识的一致性） 自然
8、性：符合人们的日常习惯 可理解性：知识应易读、易懂、易获取等 92.1.2 知识表示的概念 -知识表示的观点及方法知识表示的观点 陈述性观点：知识按某种结构存储，知识的使用由过程来实现 优点：灵活、简洁，演绎过程完整、确定，知识维护方便 缺点：推理效率低、推理过程不透明（1965归结定理） 过程性观点：知识寓于使用知识的过程中，表示与运用相结合（P38） 。 优点：推理效率高、过程清晰 缺点：灵活性差、知识维护不便知识表示的方法 逻辑表示法：一阶谓词逻辑 产生式表示法：产生式规则 结构表示法：语义网络，框架，脚本 过程表示法： 面向对象表示法：10知识原则里南（D.B.Lenat）和费根鲍姆（
9、E.A.Feigenbaum）于IJCAI-10( 第十届国际人工智能会议)提出了所谓的”知识原则”：一个系统展示高级的智能理解和行为，主要是因为拥有应用领域 特有的知识：概念、事实、表示、万法、模型、隐喻和启发式。 这里，“特有”这一词很重要，因为应用领域中有效地求解问题 主要靠该领域特有的知识。系统（智能体）用于解决问题的知识 中只有一小部分是普通知识，如状态空间搜索方法、推理控制策 略等。这些知识虽能应用于多个领域，但作用微弱，仅靠它们不 能为问题求解提供足够的约束。足够的约束主要来自特别知识（ 应用领域特有的概念、事实、表示、方法和模型）。系统拥有的 知识和其性能（问题求解能力和效率）
10、的关系可以表示为二维曲 线（如下图），图中 W，C，E称为”知识的门槛”。11知识原则 （1）使能门槛W。指知识量超过该门槛时，系统就拥 有了为执行任务所需的最低限度知识。这要求有一个好的 表示方案，并决定什么应清晰表示，什么可从清晰表示的 知识推出，而其它的无关。低于此门槛，系统无足够的知 识去解决问题。 （2）胜任门槛C。随着知识量的增加，系统提高性能 ，并在到达C点时成为某应用领域中求解问题的专家，胜 任只有专家才能解决的问题求解任务。超出此门槛，附加 的知识有用，但并不经常用到，所以系统的性能随知识量 的增加而呈现的提高变得平缓。 （3）全能门槛E。到了这个门槛，由于知识量的空前 增加
11、（丰富），使系统能解决该应用领域内的几乎所有问 题，成为全能专家。超过此门槛，附加的知识几乎没有实 质性作用（并非无用，而是原有知识已经够用了，新知识 对本领域问题求解无明显帮助）。 作为粗略的估计，若知识全由推理规则表示，达到C 级，只需50-1000条规则；再加等量的规则，就可达E级。 50条规则意味着知识量不大，原因在于许多实际任务是充 分狭窄的。例如，建立诊断某种特别疾病（某种皮肤病） 的专家系统只需数十条推理规则，但要成为各种皮肤病专 家就非得获取数百到数千条规则不可。以上曲线也反映了 智能体知识是逐步积累的，涉及到获取新知识、修正和学 习。12知识原则 60年代和70年代初，许多学
12、者致力于搜索与推理方法的研究，但收效不大，导致了人工智能在黑暗中摸索的时期， 从而使人们对人工智能的前途持悲观态度。正是美国斯坦福 大学关于专家系统DENTRAL的研究工作，揭开了智能行为依 赖于知识的新篇章；而紧随其后的专家系统MYCIN的成功则使几乎所有的人工智能研究者都认识到知识对于智能行为的 重要性，从而在80年代才有成千上万的专家系统涌现出来，并渗透到科技、工程、制造、矿产、能源、金融、商业和军 事等许多领域。这些专家系统有一个共同特点，就是都由启 发式知识（经验性关联知识）指导问题求解。相比之下，它 们的推理机只包括普通的关于推理控制的知识。由此可见， 系统的能力主要由知识库中包含
13、的领域特有的知识来决定。 除了专家系统，许多其它的人工智能研究也开始转向基于知 识的观点。例如，高性能的自然语言理解必须有广泛的关于 相关世界的知识，仅仅依据文法知识是远远不够的。同样， 一个好的视觉程序也应具有世界知识。机器学习程序也必须 依赖于一个初始的、丰富的知识体，而不是从什么都不懂开 始学起；并且，智能体拥有的知识越多，就学得越多越快。132.2 一阶谓词逻辑表示法是一种基于数理逻辑的表示方法数理逻辑是一门研究推理的学科，是符号人工智能的基础（莱布尼茨）数理逻辑可分为两类： 一阶经典逻辑：一阶经典命题逻辑，一阶经典谓词逻辑 一阶谓词：形如 P(x1,x2,xn)其中的个体xi（i=1,n）可以是个体常量、变元
