人工智能202

《人工智能202》由会员分享，可在线阅读，更多相关《人工智能202（67页珍藏版）》请在金锄头文库上搜索。

1、2018/9/29,1,人 工 智 能(2),2018/9/29,2,第二章 知识表达技术,课程的基本内容与要求 知识的概念与含义，知识类型和知识模型的变换； 重点介绍几种常用的知识表达法状态空间表示法、与/或图表示法、产生式系统、知识的逻辑表达方法、语义网络、框架表达法、特征表表达法和面向对象的表达法。 掌握知识表达的基本概念，学会划分知识的类型和理解知识模型变换在解决人工智能问题的过程中的作用与意义； 学会如何将一个具体的问题，用所介绍的知识表达方法来表示； 初步体会在各种知识表达方法中，其知识机构是如何随知识的运用而变化的。 1-5节（学时） 重点：5节 7节（学时） 重点：7节 6，8

2、-10节（学时） 重点：8节,2018/9/29,3,第二章 知识表达技术 21 知识的概念与含义,智能行为知识 对知识的获取、表达、搜索、分析、解答等智能能力 人的智能的核心也在于“知识” 感性知识与理性知识，经验知识与理论知识 智能表现在： 知识的获取能力 知识的处理能力 知识的运用能力 知识：是人们对自然现象的认识和从中总结出来的规律、经验,2018/9/29,4,第二章 知识表达技术 21 知识的概念与含义,知识模式 K = F+R+C K表示知识项(Knowledge items) F表示事实(Facts)人类对客观世界、客观事物的状态、属性、特征的描述，以及对事物之间关系的描述 R

3、表示规则(Rules)能表达在前提与结论之间的因果关系的一种形式 C表示概念(Concepts)事实的含义规则语义说明等,2018/9/29,5,第二章 知识表达技术 22 知识表达技术,知识类型 叙述型知识有关系统状态、环境和条件，问题的概念、定义和事实的知识。 过程型知识有关系统状态变化、问题求解过程的操作、演算和行动的知识。 控制型知识有关如何选择相应的操作、演算和行动的比较、判断、管理和决策的知识。 例：对于从北京到上海，是乘飞机还是坐火车的问题。 叙述型知识：北京、上海、飞机、火车、时间、费用。 过程型知识：乘飞机、坐火车。 控制型知识：乘飞机较快、较贵；坐火车较慢、较便宜。,201

4、8/9/29,6,第二章 知识表达技术 22 知识表达技术,知识模型变换 同构：问题的解答等价于原始问题的解答 同态：可使问题更加简化，易于求解 同构/同态变换,2018/9/29,7,第二章 知识表达技术 22 知识表达技术,【例21】方格棋盘分割问题 原始问题:2n2n方格盘，去掉对顶角上两方格，问能否将它分割为若干12长方块？,2018/9/29,8,第二章 知识表达技术 22 知识表达技术,【例21】方格棋盘分割问题 原始问题:2n2n方格盘，去掉对顶角上两方格，问能否将它分割为若干12长方块？ 直接求解:考察(2*(2n)*2种可能分割方案，且随着n增大，会“组合爆炸” 同构问题:方

5、格相间着色,无论n为何值，对顶角上两方格同色，去掉后白格与黑格的数目间差值为2最后剩的必是同色两方格因同构问题无解，果等价的原始问题无解。 同态问题：同态变换序对。 初始状态：， 目标状态：。 分割操作：每操作，分割出一长方块，割去一白格和一黑格，使状态变量都减去1。经过2n2-2次操作后，状态变为，不可能达到因同态问题无解，蕴含着其原始问题也无解,2018/9/29,9,第二章 知识表达技术 23 状态空间表达,状态用来表示系统状态,事实等叙述型知识的一组变量或数组 Q=q1,q2,qnt 操作是用来表示引起状态变化的过程型知识的一组关系或函数 F:f1,f2,fm 状态空间(State S

6、pace)是利用状态变量和操作符号，表示系统或问题的有关知识的符号体系，状态空间是一个四元组（S，O，S0，G）： S状态集合;O操作算子集合;S0初始状态,S0S;G目的状 态,GS,(G可若干具体状态，也可满足某些性质的路径信息描述) 从S0结点到G结点的路径被称为求解路径。 状态空间一解是一有限操作算子序列，它使初始状态转换为目标状态： O1 O2 O3 Ok S0S1S2G 其中O1，Ok即为状态空间的一个解(解往往不是唯一的),2018/9/29,10,第二章 知识表达技术 23 状态空间表达,【例22】八数码问题的状态空间 在一33方格盘，放1到8八个数码，另一格为空。空格四周上下

7、左右数码可移到空格。一布局： 2 3 1 5 8 4 6 7 八数码任何一种摆法就是一个状态，所有的摆法为状态集S，构成了一个状态空间，其大小为9！ 相应操作算子是数码移动，其操作算子共有4（方向）8（数码）=32个。可简化为4个：Up，Left，Down，Right,2018/9/29,11,第二章 知识表达技术 24 与/或图表达法,超图 树图 与/或树 在求解问题时的两种思维方法： 分解：将复杂大问题分解为一组简单小问题 若所有子问题都解决了，则总问题也解决了，这是“与”的逻辑关系“与”树 变换：将较难问题变换为较易等价/等效问题 若一难问题可以等价变换为几个容易问题，则任何一个容易问题

8、解决了，也就解决了原有难问题，这是“或”的逻辑关系“或”树 兼用“分解”和“变换”方法“与/或”树,2018/9/29,12,第二章 知识表达技术 24 与/或图表达法,【例23】猴子和香蕉问题 设机器人“猴子”位于a处，目的物“香蕉”挂在c处上方，猴子想吃香蕉，但高度不够，拿不着。在b处有可移动的台子，若猴子站在台子上，就可以拿到香蕉。 问题是制定机器人的行动计划，使猴子能拿到香蕉。 香蕉 a猴子 c b台子,2018/9/29,13,第二章 知识表达技术 24 与/或图表达法,【例23】猴子和香蕉问题 状态空间法:四元数组描述：S=(w,x,y,z) 其中：w：猴子所处水平位置 x：台子所

9、在水平位置 y：猴子是否在台子上（y=1:在;y=0:不在） z：猴子是否能拿到香蕉（z=1:拿到;z=0:没拿到） 可能出现的状态如下： 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为初始状态，S4为目标状态,2018/9/29,14,第二章 知识表达技术 24 与/或图表达法,【例23】猴子和香蕉问题 允许的操作集为： F=f1,f2,f3,f4 其中： f1(u)为猴子走到u处 (w,x,0,z)(u,x,0,z) f2(v)为猴子推台子到v处 (x,x,0,0)(v,v,0,0) f3为猴子爬

10、上台子 (x,x,0,z)(x,x,1,z) f4为猴子拿到香蕉 (c,c,1,0)(c,c,1,1) 比较目标状态（S4）与初始状态（S0）的差异，来选择主操作。由于S0与S4中的四个状态量都有差异，相应的操作为f1,f2,f3和f4，都可选为主操作。因此，可将原问题变换为四个新问题，而新问题又可分为几个子问题及子子问题。这一过程与/或树图,2018/9/29,15,第二章 知识表达技术 24 与/或图表达法,【例23】猴子和香蕉问题 与/或树图,2018/9/29,16,第二章 知识表达技术 25 产生式系统,产生式系统(production system) 描述若干个不同的以一个基本概念

11、为基础的系统。这个基本概念就是产生式规则或产生式条件和操作对的概念 论域知识分为两部分： 事实表示静态知识，如事物、事件和它们之间的关系 产生式规则表示推理过程和行为，如动作，算子，变换等 这类系统的知识库主要用于存储规则，因此又把此类系统称为基于规则的系统(rule-based system),2018/9/29,17,第二章 知识表达技术 25 产生式系统,产生式系统的基本结构 一个产生式系统包含事实库、规则集和规则解释（控制器）三部分,2018/9/29,18,第二章 知识表达技术 25 产生式系统,事实库当前已知的知识信息数据，包括推理过程中形成的中间结论知识，换句话说，它用于存储有关

12、问题的状态、性质等事实的叙述型知识，也称为综合数据库或工作存储器。数据是广义的 在事实库中的数据由规则解释（控制器），用来激活相应的规则。 规则集库存储有关问题的状态转移、性质变化等规则的过程型知识，或称“规则库” 产生式规则的一般形式可以表述为： P1,P2,PmC1,C2,Cn 每条产生式规则分为左部和右部两个部分，左部表示激活该产生式规则的前提条件/规则前件，右部表示调用该产生式规则后所做的行为部分/规则后件/结论。可简述成“条件-动作”对的形式。 对事实库的修改在产生式系统中扮演着推理的角色，正是由于事实库内容的不断改变，才构成了由原始数据到结论的变换过程,2018/9/29,19,第

13、二章 知识表达技术 25 产生式系统,产生式规则的形式与传统程序设计语言中条件语句非常相似，但实际上两者之间存在根本的区别： 产生式规则左部表达的是一组复杂模式，而不仅仅是一个布尔表达式 规则之间控制流不象传统语言中从一条语句向其下一条语句传递，而且满足条件的规则被激活但不一定立即执行，这将取决于产生式系统的冲突消解策略，这也是区分传统程序与产生式系统行为特征的关键 逻辑程序中的语句可以视作产生式规则的一种特殊形式 在产生式系统中，一条规则仅描述前提条件与行为之间的静态关系，因此，规则的正确性应当独立地得到保证。这就是规则的自含性，正是由于产生式规则的自含性特点，才使得知识的表示与控制的分离成

14、为可能。,2018/9/29,20,第二章 知识表达技术 25 产生式系统,规则解释（控制器）根据有关问题的控制型知识，选择控制策略，将规则与事实进行匹配，控制并利用知识进行推理并求解问题 通常从选择规则到执行操作分3步： 匹配、冲突消解和操作由匹配器负责判断规则条件是否成立，冲突消解器负责选择可调用的规则，解释器负责执行规则的动作，并在满足结束条件时终止产生式系统的运行。 匹配当前事实库内容与规则条件部分匹配。如果两者完全匹配，则把这条规则称为触发规则。当按规则的操作部分去执行时，称这条规则为启用规则。被触发的规则不一定总是启用规则，因为可能同时有几条规则的条件部分被满足，需解决冲突步骤中来

15、解决。在复杂的情况下，在事实库和规则的条件部分之间可能要进行近似匹配 冲突解决当有一条以上规则的条件部分和当前事实库相匹配时，就需要决定首先使用哪一条规则，这称为冲突解决 操作执行规则的操作部分，经操作以后，当前事实库将被修改。然后，其它的规则有可能被使用，即进入下一循环,2018/9/29,21,第二章 知识表达技术 25 产生式系统,如：设有以下两条美式足球的规则： 规则R1 规则 R2 IF fourth dawn IF fourth dawn short yardage short yardage THEN punt within 30 yards(from the goal line

16、) THEN field goal R1规则：如进攻方在前三次进攻中前进的距离少于10码(short yardage)，那么在第四次进攻时(fourth dawn)，可以踢悬空球(punt) R2规则：如进攻方在前三次进攻中前进的距离少于10码，而进攻的位置又在离对方球门线30码距离之内，那么就可以射门(field goal) 如果当前事实库包含事实“fourth dawn”和“short yardage”以及“within 30 yards”？,2018/9/29,22,第二章 知识表达技术 25 产生式系统,专一性排序如某一规则条件部分规定的情况，比另一规则条件部分规定的情况更有针对性，则这条规则有较高的优先级 规则排序如规则编排的顺序就表示了启用的优先级，则称之为规则排序 数据排序把规则条件部分的所有条件按优先级次序编排起来，运行时首先使用在条件部分包含较高优先级数据的规则。 规模排序按规则的条件部分的规模排列优先级，优先使用被满足的条件较多的规则 就近排序把最近使用的规则放在最优先的位置。这和人类的行为有相似之处 上下文限制把产生式规则按它们所描述的上下文分组，也就是说按上下文对规则分组。在某种上下文条件下，只能从与其相对应的那组规则中选择可应用的规则 ,