《人工智能》第二章 知识表示与推理 主讲：夏幼明《人工智能》第二章 知识表示与推理 2① 知识表示概述 ② 命题逻辑的知识表示与推理 ③ 谓词逻辑的知识表示与推理 ④ 产生式系统知识表示与推理 ⑤ 语义网络知识表示与推理 ⑥ 框架知识表示与推理 ⑦ 脚本知识表示与推理 ⑧ 面向Agent的知识表示与推理 “知识表示与推理”核心内容《人工智能》第二章 知识表示与推理 3① 产生式系统定义 ② 产生式系统的推理 ③ 产生式表示下的推理过程 ④ 产生式表示知识表示法的特点 ⑤ 产生式系统举例 产生式系统知识表示与推理《人工智能》第二章 知识表示与推理 4① 产生式系统定义 1972年，纽厄尔和西蒙在研究人类的认知模型中开发了基 于规则的产生式系统，目前，产生式表示法已经成了 人工智能中应用最多的一种知识表示模式可表示的 知识种类：事实性、规则性知识以及它们的不确定度 量产生式表示法又称为产生式规则表示法产生式系统知识表示与推理《人工智能》第二章 知识表示与推理 5① 产生式系统定义 Ø产生式规则 它是指形如αβ或IFαTHENβ或其等价形式的一条规则， 其中α称为产生式的左部或前件；β称为产生式的右部 或后件。
①如果α、β分别代表需要注释的一组条件及其成立时需要 采取的行动，那么称为条件-行动型产生式； ②如果α、β分别代表前提及其相应的结论，那么称为前提 -结论型产生式 产生式系统知识表示与推理《人工智能》第二章 知识表示与推理 6① 产生式系统定义 Ø一个产生式系统由下列3部分组成： F一个总数据库(global database)，它含有与具体任务有 关的信息 F一套规则，它对数据库进行操作运算每条规则由左右 两部分组成，左部鉴别规则的适用性或先决条件，右部 描述规则应用时所完成的动作应用规则来改变数据库 F一个控制策略，它确定应该采用哪一条适用规则，而且 当数据库的终止条件满足时，就停止计算 产生式系统知识表示与推理产生式规则库(知识库)推理机（控制）全局数据库《人工智能》第二章 知识表示与推理 7① 产生式系统定义 Ø一个产生式系统由下列3部分组成：F 综合数据库是产生式系统所用的主要数据结构，它主要用来 表示问题的状态，即初始状态、中间状态和目标状态等，以 及状态之间的关系它不是固定不变的，在求解的过程中， 它的内容将越来越多，状态之间的关系也越来越复杂 F 规则的一般形式是： IF 条件 THEN 操作 ；即满足应用的先 决条件后，就对数据库实行后面的操作。
F 控制策略规定了操作的顺序，即在任何条件下用什么规则进 行操作，什么条件下停止运行，它规定了问题的求解的搜索 策略和路线 产生式系统知识表示与推理《人工智能》第二章 知识表示与推理 8② 产生式系统的推理 Ø 产生式是系统的单元程序，它与常规程序不同之处在于 ，产生式是否执行并不在事前硬性规定，各产生式之间 也不能相互直接调用，而完全决定于该产生式的作用条 件能否满足，即能否与全局数据库的数据条款匹配 Ø 另一方面，产生式在执行之后工作环境即发生变化，因 而必须对全局数据库的条款作相应修改，以反映新的环 境条件 Ø 全部工作是在控制程序作用下进行的现代产生式系统 的一个工作循环通常包含匹配、选优、行动三个阶段产生式系统知识表示与推理《人工智能》第二章 知识表示与推理 9② 产生式系统的推理 Ø推理方向：产生式系统的推理分为正向推理和 逆向推理 F 正向推理指的是从现有条件出发，自底向上地进行推理（条 件的综合），直到预期目标实现 F 逆向推理则从预期目标出发，自顶向下地进行推理（目标的 分析），直到符合当前的条件运用逆向推理时，后件而不 是前件引导产生式的搜索工作，因此按推理方向可将产生式 系统分为前件驱动和后件驱动两种类型。
F 条件－行动型产生式系统采用前件驱动的工作方式产生式系统知识表示与推理《人工智能》第二章 知识表示与推理 10② 产生式系统的推理 Ø推理方向：产生式系统的推理分为正向推理和 逆向推理 F正向推理算法 步1 将初始事实/数据置入动态数据库； 步2 用动态数据库中的事实匹配目标条件，若目标条件满足， 推理成功，结束 步3 用规则库中各规则的前提匹配动态数据库中的事实，将匹 配成功的规则组成待用规则集 步4 若待用规则集为空，则运行失败，退出 步5 将待用规则集中各规则的结论加入动态数据库，或者执行 其动作，转步2产生式系统知识表示与推理《人工智能》第二章 知识表示与推理 11② 产生式系统的推理 Ø推理方向：产生式系统的推理分为正向推理和 逆向推理 F反向推理算法 步1 将初始事实/数据置入动态数据库，将目标条件置入目标链； 步2 若目标链为空，则推理成功，结束 步3 取出目标链中第一个目标，用动态数据库中的事实同其匹配，若匹配成 功，转步2 步4 用规则集中的各规则的结论同该目标匹配，若匹配成功，将第一个匹配 成功且未用过的规则的前提作为新的目标，并取代原来的父目标加入目标 链，转步3。
步5 若该目标是初始目标，则推理失败，退出 步6 将该目标的父目标移回目标链，取代该目标及其兄弟目标，转步3产生式系统知识表示与推理《人工智能》第二章 知识表示与推理 12③ 产生式系统的推理过程 给定一组事实之后可用匹配技术寻找可用产生式 ，其基本思想是将已知事实代入产生式的前件 ，若前件为真，则该产生式是可用的 Ø提高匹配效率的方法 索引匹配：为状态建立可用产生式索引表，减少可用 产生式搜索范围 分层匹配：将产生式分成若干层或组，按一定特征进 行分层搜索 过滤匹配：边匹配边 按某些附加特征或参数对可用产 生式进行精选 产生式系统知识表示与推理《人工智能》第二章 知识表示与推理 13③ 产生式系统的推理过程 Ø如果一组事实可以同时使几个产生式前提为真 ，常用以下方法进行选择（冲突消解策略）： F将所有产生式排序，选最早匹配成功的一个，不管 其余的产生式； F在所有匹配成功的产生式中取最强的，即前提条件 最多或情况元素最多者； F最近用过的产生式优先（或反之）； F给情况元素以不同的优先权； F使用估计函数f(x)排序；F利用上下文限制产生式系统知识表示与推理《人工智能》第二章 知识表示与推理 14③ 产生式系统的推理过程 Ø推理机一次运行过程产生式系统知识表示与推理从规则库中取出一条规则，将其前提同 当前动态数据库中的事实进行模式匹配匹配成功否？把该规则的结论放入当前动态数据库； 或执行规则所规定的动作YN《人工智能》第二章 知识表示与推理 15④ 产生式知识表示法的特点Ø 产生式系统的优点是：①模块性，每一产生式可以相对 独立地增加、删除和修改；②均匀性，每一产生式表示整体知识的一个片段，易于为用户或系统的其他部分理 解；③自然性，能自然地表示直观知识。
Ø 它的缺点是执行效率低，此外每一条产生式都是一个独 立的程序单元，一般相互之间不能直接调用也不彼此包 含，控制不便，因而不宜用来求解理论性强的问题 产生式系统知识表示与推理《人工智能》第二章 知识表示与推理 16④ 产生式知识表示法的特点 清晰性：产生式表示格式固定，形式单一，规则（知识单位） 间相互较为独立，没有直接关系，使知识库的建立较为容易 ，处理较为简单的问题是可取的另外推理方式单纯，也没 有复杂计算 模块性：知识库与推理机是分离的，这种结构给知识的修改带 来方便，无须修改程序，对系统的推理路径也容易作出解释 自然性：直观自然，便于推理既可表示确定性知识，也可表 示不确定性知识 实现：用visual prolog语言表示产生式规则，甚至不用写推理 机程序产生式系统知识表示与推理《人工智能》第二章 知识表示与推理 17④ 产生式知识表示法的特点F全局数据库的内容可以为所有规则所访问，没有任 何部分是专为某一规则建立的，这种特性便于模仿 智能行为中的强数据驱动F规则本身不调用其他规则规则之间的联系必须通 过全部数据库联系F全局数据库、规则和推理机之间相对独立，这种积 木式结构便于整个系统增加和修改知识。
产生式系统知识表示与推理《人工智能》第二章 知识表示与推理 18⑤ 产生式系统举例 r6: IF 动物有犬齿 AND 有爪 AND 眼盯前方 THEN 该动物是食肉动物其中，r6是该产生式的编号；“动物有犬齿 AND 有爪 AND 眼盯前方”是产生式的前提P；“该动物是食肉动 物”是产生式的结论Q 产生式系统知识表示与推理《人工智能》第二章 知识表示与推理 19⑤ 产生式系统举例 例：一条知识的原始形态是R: ( (A B) (C D)) ((E F) G)=>S引入中间结论S1，S2，形成一些小型的产生式:R1： A B =>S1R2： C D =>S1R3： E F =>S2R4： S1 G =>SR5: S1 S2 =>S产生式系统知识表示与推理《人工智能》第二章 知识表示与推理 20⑤ 产生式系统举例 F 确定性规则知识的产生式表示：P→Q或 IF P THEN Q F 不确定性规则知识的产生式表示：P→Q （可 信度）或IF P THEN Q （可信度） r6: IF 动物有犬齿 AND 有爪 AND 眼盯前方 THEN 该动物是食肉动物其中，r6是该产生式的编号；“动物有犬齿 AND 有爪 AND 眼盯前方”是产生式的前提P；“该动物是食肉动 物”是产生式的结论Q。
产生式系统知识表示与推理《人工智能》第二章 知识表示与推理 21⑤ 产生式系统举例 F确定性事实知识的产生式表示（三元组） （对象，属性，值）或（关系，对象1，对象2） 例如：（雪，颜色，白色），（Li，AGE，40），(FRIENDS ，Li，Zhang) F不确定性规则知识的产生式表示(四元组)： （对象，属性，值，可信度）或（关系，对象1，对象2，可信 度） 例如：“老李年龄很可能是40岁（0.8）”，“老李和老张是朋友 的可能性不大（0.1）”表示为 （Li，AGE，40，0.8） ，(FRIENDS，Li，Zhang，0.1) 产生式系统知识表示与推理《人工智能》第二章 知识表示与推理 22⑤ 产生式系统举例 Ø与蕴涵式的主要区别： (1) 蕴涵式表示的知识只能是精确的，产生式表示 的知识可以是不确定的其原因是蕴涵式是一 个逻辑表达式，其逻辑值只有真和假 (2) 蕴含式的匹配一定要求是精确的，而产生式的 匹配可以是不确定的其原因是产生式的前提 条件和结论都可以是不确定的，因此其匹配也 可以是不确定的 产生式系统知识表示与推理《人工智能》第二章 知识表示与推理 23⑤ 产生式系统举例 Ø与条件语句的主要区别： (1) 前件结构不同 ：产生式的前件可以是一个复 杂的的结构，传统程序设计语言中的左部仅仅 是一个布尔表达式。
(2) 控制流程不同：产生式系统中满足前提条件的 规则被激活后，不一定被立即执行，能否执行 将取决于冲突消解策略；传统程序设计语言中 是严格地从一个条件语句向其下一个条件语句 传递 产生式系统知识表示与推理《人工智能》第二章 知识表示与推理 24① 语义网络的概念 ② 语义网络中常用的语义联系 ③ 语义网络表示知识的方法 ④ 语义网络表示下的推理过程 ⑤ 语义网络表示法的特点 语义网络知识表示与推理《人工智能》第二章 知识表示与推理 25① 语义网络的概念 ② 语义网络(semantic network)是一种出现比较 早的知识表达形式，在人工智能中得到了比较 广泛的应用语义网络最早是1968年奎廉 (Quillian)在他的博士论文中作为人类联想记 忆的一个显式心理学模型提出的1972年，西 蒙正式提出语义网络的概念，讨论了它和一阶 谓词的关系，并将语义网络应用到了自然语言 理解的研究中 ③ 语义网络。