知识工程中的知识库、本体与专家系统①
知识工程中的知识库、本体与专家系统①
魏圆圆1, 钱 平2, 王儒敬1, 王 雪1
1(中国科学院合肥智能机械研究所, 合肥230031)
2(中国农业科学院农业信息研究所, 北京100081)
摘 要: 随着语义Web思想的兴起, 对专家系统的互操作性和共享性也提出了更高的要求, 对新型知识表示方式和新型知识系统的研究是大势所趋. 本体作为共享概念模型的明确的形式化规范说明, 为不同系统之间的互操作提供了基本的框架, 是解决共享和互操作问题的有效的方法. 一些初学者对知识库、本体以及专家系统的概念产生了各种疑惑, 根据笔者的理解与实践, 对知识工程中的本体、知识库以及专家系统做出较系统的比较分析,对这几个术语做一个澄清.
关键词: 知识库; 本体; 专家系统; 知识表示
Knowledge Base, Ontology and Expert System in Knowledge Engineering
WEI Yuan-Yuan1, QIAN Ping2, WANG Ru-Jing1, WANG Xue1
1(Institute of Intelligent Machines, Chinese Academy of Sciences, Hefei 230031, China)
2(Agricultural Information Institute, Chinese Academy of Agricultural Sciences, Beijing 100081, China)
Abstract: With the development of the Semantic Web, the interoperability and sharing of expert system were put for- ward more advanced requests. The researches for new knowledge representation and knowledge base systems are im- portant trend. As a formal, explicit specification of a shared conceptualization, ontologies provide frames for inte- roperability between different systems and can solve the sharing and interoperability problem effectively. There were a variety of doubts in some beginners’ mind with the concepts of knowledge base, ontology and expert system. Based on the author's understanding and practice, the systematic comparative analysis between knowledge base, ontology and expert system in the domain of knowledge engineering were proposed in this paper, in order to make these terms less confused and more clearly comprehensible.
Key words: knowledge base; ontology; expert system; knowledge representation
作为构建语义Web的基础, 本体论的研究及其应用是目前国内外非常关注的研究热点, 成为一个新的研究领域. 近年来, 本体的开发逐渐从人工智能实验室走向领域专家的桌面上. 本体的应用从网站的分类系统(比如Yahoo!)到网络产品销售的分门别类(比如https://www.360docs.net/doc/9a1437721.html,), 在互联网上的应用逐渐普及[1]. 某些学者将本体看作是构造知识库的一种途径, 另一些学者认为本体是知识库的重要组成部分[2,3], 此外还有专家将本体视为在不同平台间进行互操作处理的关键技术.
上世纪90年代, 随着本体定义的提出, 知识工程领域在建立知识库的方法上也产生了一种革命性思想, 即有关本体工程和构建本体知识库的思想[2]. 同时, 随着并行与分布式处理、语义Web等新思想与技术的引入, 对专家系统的互操作性和共享性也提出了更高的要求, 对新型知识表示方式和新型知识系统的研究是大势所趋. 本体作为共享概念模型的明确的形式化规范说明, 为不同系统之间的互操作提供了基本的框架, 是解决共享和互操作问题的有效的方法. 因此, 当初研究专家系统的专家学者都对本体产生了兴趣,
①基金项目:国家自然科学基金(31171456);中国科学院知识创新工程青年人才领域专项前沿项目
收稿时间:2012-02-09;收到修改稿时间:2012-03-25
其中不乏有人提出类似“知识库和本体有什么关系?”, “本体与专家系统的区别?”, “本体能否取代专家系统?” 等疑惑. 本文作者根据自己的理解与实践, 对知识工程领域中的本体、知识库以及专家系统做出较系统的分析.
图1知识库、专家系统与本体
1知识库与本体
知识库和本体的异同从描述对象和表现形式两个方面进行衡量:
1) 描述的对象
根据MBA智库百科中知识库的定义, 知识库(Knowledge Base)是知识工程中结构化, 易操作, 易利用, 全面有组织的知识集群, 是针对某一(或某些)领域问题求解的需要, 采用某种(或若干)知识表示方式在计算机存储器中存储、组织、管理和使用的互相联系的知识片集合. 这些知识片包括与领域相关的理论知识、事实数据, 由专家经验得到的启发式知识, 如某领域内有关的定义、定理和运算法则以及常识性知识等. 在人工智能界, 最早给出本体定义的是Neches等人, 他们将本体定义为“构成相关领域词汇的基本术语和关系, 以及利用这些术语和关系构成的规范这些词汇外延规则”[4]. 被普遍接受的是Studer所给出的定义: “本体是共享概念模型的明确形式化规范说明(An ontology is a formal, explicit specification of a shared conceptualization)”[5]. 本体的定义说明, 本体侧重于对领域内概念以及关系的描述, 而知识库更侧重于对领域知识的表示, 组织和存储. 但他们都是对一个具体或是抽象领域中包含的知识的定义、表示和组织, 都以机器可读的形式表达, 可供机器处理.
2) 表现形式
知识库的构建需要某种知识表示方法的支持, 而本体本身就是一种特殊的知识表示方法. 知识库的知识可以是描述性知识或过程性知识, 而本体的本质决定了它在表示所有类型知识上是有局限性的. 所以说, 本体是一种特殊的知识库[6]. 墨西哥的María Auxilio Medina Nieto认为: 本体可用于构建知识库[7], 美国斯坦福大学Noy和McGuinness认为: 本体连同概念的个体实例集合组成一个知识库[1].
2本体与专家系统
本体和专家系统的区别从以下五个方面进行衡量:
1) 描述的对象
本体是对共享概念模型的规范说明, 即其概念在某个特定领域是公认的, 是面向特定领域的概念模型.
专家系统是能够在特定的领域内模仿人类专家思维来求解复杂问题的计算机智能系统[9]. 知识库和推理机是典型专家系统的核心组成部分. 通过对人类专家的问题求解能力的建模, 采用人工智能中的知识表示和知识推理技术来模拟通常由专家才能解决的复杂问题, 达到具有与专家同等解决问题能力的水平. 专家系统知识库描述特定领域专家知识模型, 只描述相关事物表面上的联系, 知识库中的知识是简单事实的罗列或面向问题求解的过程知识, 更多的是命题信息. 所以本体和专家系统是为不同的应用目的而产生的.
2) 知识表示的方法和深度
本体有5个建模元语, 即: 类(classes), 关系(relations), 函数(functions), 公理(axioms)和实例(instances)[8], 它们可以严格、规范、准确地刻画所描述的对象.
专家系统知识表示深度不如本体, 知识表示方法较灵活, 开发者可以根据知识的特点自定义知识表示范式, 不同开发者对系统和知识库的理解不同, 就会出现不同的知识表示方法, 没有固定的建模原语, 对建模也没有特殊要求.
3) 构建工具
专家系统知识库一般是领域专家通过知识录入编辑工具进行知识库的构建. 十五期间, 国家863计划支持了多家科研院所进行农业智能信息系统开发工具的研究, 知识表示手段上存在很大的差异, 所以也没有大家较公认的知识建模方法, 至今没有出现较权威的专家系统开发工具. 系统开发者熟悉知识表示, 但不懂领域知识, 领域专家对编写一定格式的知识库脚本也很难胜任. 专家系统知识库的构建需要领域专家、和系统开发人员的密切合作. 同时, 由于无法彻底消除不同专家对领域知识理解上的差异, 使得最终构建的知识库的可用性受到影响.
本体的构建是对客观世界的领域知识的建模, 利用本体可以用一种全新的方式将领域知识组织起来. 构建过程也必须有专家的参与, 知识获取更为严格、困难, 知识建模更为规范. 本体的构建有现成的方法可以借鉴, 也有很多成熟的本体开发工具可以使用[10], 随着从事本体研究的人越来越多, 会出现大量的已经构建好、并得到领域专家公认的本体, 可以直接利用.
4) 推理机制
专家系统的推理建立在知识库的基础之上, 需要设计者在知识表示的基础上自己构建推理机, 推理过
程面向求解问题的事实知识和过程知识, 知识表示的好坏, 直接影响到了推理的结果和效率. 推理过程是问题求解的过程.
本体知识库也是一种与其描述语言相关的知识库,目前已经出现多种本体表示语言, 由于都采用XML作为其底层表示语言, 这些语言之间可以很容易地相互转换, 其中几种本体语言都存在设计良好的推理机[11], 因此, 可以利用这些现成的推理机. 本体推理功能主要包括: 本体检查和隐含知识的挖掘[12,13].
5) 知识的共享和重用
由于目前大部分专家系统的知识库和推理机是针对特定的系统设计使用的, 难以与其他相关领域的专家系统实现共享和重用, 较难达到推理和事实的分离. 这使得花费大量的时间和精力构建的专家系统的知识库不能得到更好的应用, 造成了资源的极大浪费. 知识表示的差异性, 也很大程度上制约了专家系统的共享性和重用性.
本体的构建是针对共享概念的明确规范说明, 所以说本体从最初的设计开始, 就是为共享的目的而构建的, 可以很容易地进行知识重用; 另外, 只要使用标准的表示语言格式对本体进行存储, 就可以进行本体的交换, 也就可以使用现有的本体推理机.
下表总结了本体和专家系统的比较结果, 对上面的分析进行补充.
表1本体和专家系统的比较3知识表示的表示观
知识表示是知识工程中的重要研究内容, 王珏等学者收集并分析了人工智能学界对知识表示问题讨论的各种观点, 将知识表示的观点主要归纳为认识论(Epistemology)、本体论(Ontology)及知识工程(Knowledge Engineering)三类表示观[14].
(1) 认识论表示观: 表示是对自然世界的描述, 知识表示自身并不体现任何智能行为, 其唯一的作用就是携带知识. 知识不完备性、知识不一致性、知识不确定性都是认识论表示观所讨论的内容.
(2) 本体论表示观: 表示是对自然世界的一种近似, 它规定了看待自然世界的方式, 即一个约定的集合. 表示只是描述了在这个世界中, 观察者当前所关心的那部分, 其它部分则被忽略. 与认识论表示观“表示的唯一功能是携带知识”的观点相反, 本体论表示观注重的是内容, 而不是语言形式. 但本体论表示观又与知识工程表示观不同, 所注重的“内容”不是某些特定领域的特殊的专家知识, 而是自然世界中的那些具有普遍意义的“一般知识”.
(3) 知识工程表示观: 表示是对自然世界描述的计算机模型, 它应该满足计算机这一实体的具体限制, 因此, 表示可以理解为一类数据结构及在其上的一组操作. 对知识的内容更强调与领域相关的、适合于该领域的、来自领域专家经验的知识. 这两个特点说明此类表示观更强调其工程实现, 而不甚关注对其行为的科学解释.
专家系统作为知识工程的典型应用, 遵循知识工程表示观, 很多情况下也涉及认识论表示观. Lenat等人关于CYC系统的研究, 明确提出将“本体论表示观”作为人工智能研究的方法论[15], 该观点得到Davis等人的支持[16]. CYC系统是美国MCC(Microelectronics and Computer Technology Corporation)公司的研究项目, 其目的是通过本体开发大规模常识知识库,
为常识推
理(CommonSense reasoning)提供基础.
4结语
九十年代初, 美国国防高级研究计划署(DARPA)、国家自然科学基金(NFS)等四个政府部门联合提出了知识共享计划(Knowledge Sharing Effort), 以研究一种便于知识库和知识系统共享和重用的途径, 包括斯坦福大学、A T&T在内的十多个研究中心参加了这个计划, 而对本体的研究是这一计划的重要组成部分. 其中高性能知识库系统项目(HPKB, High Performance Knowledge Base)的核心就是本体知识库. HPKB的研究目标是使知识库系统的开发者能迅速地(几个月内)建立一个大容量的知识库. HPKB采用本体作为基本知识库的知识表示工具, 使知识库具有良好的表达能力和可重用性, 该项目的重要成果之一是开发了OKBC(Open Knowledge Base Connectivity)[17]. TOVE(TOronto Virtual Enterprise)系统是加拿大多伦多大学的研究项目, 其目的是企业建模，构造企业本体, 可通过演绎推理实现对企业相关信息的问题求解[18]. KACTUS是欧洲ESPRIT项目, 通过构造支持产品知识重用的本体, 支持计算机集成制造方法和知识工程方法的集成[19].
可以认为: 基于本体的知识管理和知识服务是在语义Web时代对专家系统的继承和发展, 是适应现阶段语义网和云计算环境发展的必然趋势. 如何将本体和知识库系统结合起来, 一方面发挥本体的优势, 有效实现知识的规范表达以及知识的共享和重用; 另一方面利用知识系统实现问题求解任务目标, 以达到两者优势互补, 将是接下来需要我们深入研究的问题.
参考文献
1 Noy NF, Mcguinness DL. Ontology development 101: a guide to creating your first ontology. Stanford Knowledge Systems Laboratory Technical Report KSL-01-05 and Stanford Medical Informatics Technical Report SMI-2001-0880, March 2001.
2 Guarino N. Formal Ontology and Information Systems. Proc. of FOIS’ 98. Trento, Italy, 6-8June 1998. Amsterdam, IOS Press, 1998. 3-15.
3 Mizoguchi R. Tutorial on ontological engineering-Part1: Introduction to Ontological Engineering. New Generation Computing, Ohmsha, Ltd and Springer-Verlay, 2003,21(4): 365-384.
4 Neches R, Fikes R, Finin T, Gruber TR, et al. Enabling technology for knowledge sharing. AI Magazine, 1991,
12(3):36-56.
5 Studer R, Benjamins VR, Fened D. Knowledge engineering: principles and methods. Data & Knowledge Engineering, 1998,25(1):161-197.
6 Guarino N. Semantic Matching: Formal Ontological Dis- tinctions for Information Organization, Extraction, and Inte- gration. In: Pazienza MT, ed. Information Extraction: A Multidisciplinary Approach to an Emerging Information Te- chnology. Springer-Verlag, 1997: 139-170.
7 Auxilio M, Nieto M. An Overview of Ontologies. From STAR Lab’s research efforts,2003,http://www.starlab.vub.ac.be/tea- ching/ontologies_overview.pdf
8 Gomez-perez A, Benjamins VR. Overview of knowledge sha- ring and reuse components: ontologies and Problem Solving Methods. Proc. of the IJCAI-99 workshop on Ontologies and Problem-Solving Methods(KRR5). Stockholm, Sweden, August 2, 1999.
9 史忠植,王文杰.人工智能.北京:国防工业出版社,2007.
10 钱平,郑业鲁.农业本体论研究及应用.北京:中国农业科学
技术出版社,2006.
11 徐德智,汪智勇,王斌.当前主要本体推理工具的比较分析
与研究.现代图书情报技术,2006,12:12-15.
12 潘超,古辉.本体推理机及应用.计算机系统应用,2010,19
(9):163-167.
13 高琦、陈华钧.互联网Ontology语言和推理的比较和分析.
计算机应用和软件,2004,21(10):73-76.
14 王珏,袁小红,石纯一,等.关于知识表示的讨论.计算机学
报,1995,18(3):212-224.
15 Lenat DB, Guha RV. Building large knowledge-based
systems: Representation and inference in the Cycproject.
Addison-Wesley Pub. Co. 1990.
16 Davis R, Shrobe H, Szolvits P. What is a Knowledge
Representation. AI Magazine, 1993,14(1):17-33.
17 Chaudhri VK, Farquhar A, Fikes R, Karp PD, Rice JP. Open
Knowledge Base Connectivity 2.0.3, Technical Report, https://www.360docs.net/doc/9a1437721.html,/okbc/okbc-2-0-3.pdf. 1998.
18 Gruninger M, FOX MS. The Logic of Enterprise Modelling,
Modelling and Methodologies for Enterprise Integration.
Bernus P & Nemes L, eds. Cornwall, Great Bri tain:Chapman and Hall. 1996.
19 Schreiber G, Wielinga B, Jansweijer W. The KACTUS view
on the‘o’word. Workshop on Basic Ontological Issue in Knowledge Sharing. International Joint Conference on Artificial Intelligence. 1995.
人工智能-知识表示方法
实验一：知识表示方法 一、实验目的 状态空间表示法是人工智能领域最基本的知识表示方法之一，也是进一步学习状态空间搜索策略的基础，本实验通过牧师与野人渡河的问题，强化学生对知识表示的了解和应用，为人工智能后续环节的课程奠定基础。 二、问题描述 有n个牧师和n个野人准备渡河，但只有一条能容纳c个人的小船，为了防止野人侵犯牧师，要求无论在何处，牧师的人数不得少于野人的人数(除非牧师人数为0)，且假定野人与牧师都会划船，试设计一个算法，确定他们能否渡过河去，若能，则给出小船来回次数最少的最佳方案。 三、基本要求 输入：牧师人数(即野人人数)：n；小船一次最多载人量：c。 输出：若问题无解，则显示Failed，否则，显示Successed输出一组最佳方案。用三元组(X1, X2, X3)表示渡河过程中的状态。并用箭头连接相邻状态以表示迁移过程：初始状态->中间状态->目标状态。 例：当输入n=2，c=2时，输出：221->110->211->010->021->000 其中：X1表示起始岸上的牧师人数；X2表示起始岸上的野人人数；X3表示小船现在位置(1表示起始岸，0表示目的岸)。 要求：写出算法的设计思想和源程序，并以图形用户界面实现人机交互，进行输入和输出结果，如： Please input n: 2 Please input c: 2 Successed or Failed?: Successed Optimal Procedure: 221->110->211->010->021->000
四、实验结果 四、实验心得 本次实验运用了状态空间表示法，这是人工智能领域最基本的知识表示方法之一，也是进一步学习状态空间搜索策略的基础，本实验强化我对知识表示的了解和应用，为人工智能后续环节的课程奠定基础。
中医药领域本体研究概述
中医药领域本体研究概述 【关键词】本体构建；中医药；综述 本体(Ontology)自20世纪90年代引入计算机人工智能领域后,在计算机及相关领域迅速形成一个研究热点。作为一种能在语义和知识层次上描述信息系统的概念模型建模工具,将在人工智能、知识工程、图书情报等领域具有重要的作用和广阔的应用前景。笔者从中医药领域本体构建、基于本体的中医药语言系统和应用系统三方面对中医药本体研究进行概述,并结合发展现状对其进行展望。 1 本体与本体构建 1.1 本体的概念 本体是源于哲学的一个概念,原指对世界上客观存在物的系统描述,即存在论,后衍生到语言、信息、知识系统等领域,被定义为“概念化的明确的规范说明”。目前,关于本体的定义有很多种说法,但不外有两层含义：一是哲学领域的存在,是本体论的研究对象；二是延伸到特定领域之中,指某套概念及其相互之间关系的形式化表达,包括概念化、规范化、形式化和共享4个特征[1]。 从本体的内涵上看,综合不同学者的认识,本体大都被认为是信息、知识的底层构架工具,用于组织较高层次的知识抽象,是领域知识概念化、形式化的说明,也可以是特定领域内“人机交流”的语义基础,即提供概念与概念之间关系的共识。按照领域依赖程度,本体可以分为顶层、领域、任务和应用本体4类；按照主题可分为知识表示本体、通用本体、领域本体、术语本体和任务本体。中医药本体主要用于描述中医领域知识的专门本体,是专业性本体,一般属于领域本体和知识表示本体。 1.2 本体构建工具与描述语言 在本体构建方面,一是利用已有的叙词表或术语词典进行改造；二是利用现有信息和领域专家从头做起,而以后者较常用。目前已经得到公认的方法包括Bemeras法(KACTUS法)、SENSUS法、“骨架”法、企业建模法(TOVE法)、Methontology法等。Gruber[2]于1995年提出了本体构建的五条规则(明确性和客观性、完全性、一致性、最大单调可扩展性、最小承诺),但本体工程构建方法尚处于相对不成熟阶段。本体的构建工具也有很多,包括protégé、WebOnto、Ontolingua、OntoEdit、Ontosaurus、OntoEdit、IBM Ontology Management System等,其中,protégé 是斯坦福大学开发的使用较为广泛的构建工具之一,目前已有4.0版本。
OWL本体知识库的面向对象表示
Software Engineering and Applications 软件工程与应用, 2018, 7(3), 132-141 Published Online June 2018 in Hans. https://www.360docs.net/doc/9a1437721.html,/journal/sea https://https://www.360docs.net/doc/9a1437721.html,/10.12677/sea.2018.73015 Object-Oriented Representation for OWL Ontology Knowledge Base Shaohua Zhang, Yingzhong Zhang School of Mechanical Engineering, Dalian University of Technology, Dalian Liaoning Received: Apr. 26th, 2018; accepted: May 8th, 2018; published: May 15th, 2018 Abstract Ontology technologies can better represent the knowledge implied in various terms and concepts in a structured, computable and shared form. The ontology based knowledge representation me-thod has been widely used in many fields. In view of the lack of efficient OWL (Web Ontology Lan-guage, OWL) ontology knowledge processing and integration tools in the engineering information processing, based on the study of the knowledge representation framework, language syntax and document structure based on the OWL ontology, an object-oriented OWL ontology knowledge base representation model is proposed and designed. A method based on XML document parsing plat-form to parse the OWL documents in a RDF/XML format is implemented, which can convert the OWL ontology knowledge base into an object oriented ontology knowledge base. The presented work lays a foundation for the subsequent engineering semantic information reasoning and knowledge retrieval service. Keywords Ontology, OWL, Knowledge Representation, Knowledge Base, Object-Oriented OWL本体知识库的面向对象表示 张少华，张应中 大连理工大学，机械工程学院，辽宁大连 收稿日期：2018年4月26日；录用日期：2018年5月8日；发布日期：2018年5月15日 摘要 本体技术能更好地以一种结构化的、可计算和可共享的形式表示各种术语、概念所隐含的知识，基于本
人工智能简答与论述题
1人工智能是人造智能，即计算机模拟或实现的智能，它是关于人造物的智能行为，而智能 行为包括知觉、推理、学习、交流和复杂环境中的行为。 2图灵测试的做法：让一位测试者分别与一台计算机和一个人进行交谈，而测试者事先并不 知道哪一个是测试者，哪一个是计算机。若果交谈后测试者分不出哪一个被测者是人，哪一个是计算机，则可以认为这台被测的计算机具有智能。 3人脑的智能及其发生过程都是在其心理层面上可见的，即以某种心理活动和思维过程表现的。这就是说，基于宏观心理层次，我们可以定义智能和研究智能。基于这一认识，我们把脑（主要指人脑）的这种宏观心理层次的智能表现成为脑智能。把这种有群体行为所表现的智能称为群智能。 区别与联系：它们都属于不同层次的智能。脑智能是一种个体智能，而群智能是一种社会智慧，但对于人脑来说，宏观心理层次上的脑智能与神经元层次上的群智能又有密切关系，正是围观生理层次上低级的神经元的群智能形成宏观心理层次上高级的智能。 4从感觉到记忆到思维这一过程，称为智慧，智慧的结果产生了行为和语言，将行为和语言 的表达过程称为“能力”，两者合称智能。 5符号智能：就是符号人工智能，它是模拟脑智能的人工智能，也就是所说的传统人工智能 或经典人工智能。符号智能以符号形式的知识和信息为基础，主要通过逻辑推理，运用知识进行问题求解，符号智能的主要智能包括知识获取，知识表示，知识组织与管理和知识运用等技术（这些构成了所谓的知识工程）以及基于知识的智能系统等。 6计算智能：也就是计算人工智能，它是模拟群智能的人工智能，计算智能以数值数据为基础，主要通过数组计算，运用算法进行问题求解，计算智能的主要内容：神经网络，进化计算（亦称演化计算，包括遗传算法，进化规划，进化策略），免疫计算，粒群计算，蚁群计算，自然计算以及人工生命等。 7人工智能的研究内容：搜索与求解：许多人工智能活动（包括脑智能和群智能）的过程， 都可以看成或者抽象为一个基于搜索的问题求解过程。学习与发现：指机器的知识学习和规律发现。知识与推理：知识表示要求便于计算机的接受，存储，处理和运用，机器的推理方式与知识的表示又息息相关。发明与创造：发明创造不仅包括我们平时所说的发明创造，也包括创新性软件，它不仅需要知识和推理，还需要想象和灵感。感知与交流：指计算机对外部信息的直接感知和人机之间，智能体之间的直接信息交流，机器感知就是计算机直接感知周围世界。记忆与联想：记忆是智能的基本条件，联想与许多智能技术息息相关，联想的前提是联想记忆与联想存储。系统与建造：智能系统的设计和实现技术。应用与工程：人工智能的应用和工程研究，这是人工智能的技术与实际应用的接口。 8人工智能的研究途径和方法：心理模拟，符号推演（从人脑的宏观心理层面入手，一智能 行为的心理模型为依据，将问题或知识表示成某种逻辑网络，采用符号推演的方法，模拟人脑的逻辑思维过程，实现人工智能）、生理模拟，神经计算（从人脑的生理层面，以智能行为的生理模型为依据，采用数值计算的方法，模拟脑神经网络工作过程，实现人工智能）、行为模拟，控制进化（用模拟人和动物在与环境的交互、控制过程中智能活动和行为特性）、群体模拟，仿生计算（模拟生物群落的群体智能行为）、博采广签，自然计算（模拟借鉴自然界的某种机理而设计计算模型）、原理分析，数学建模（通过对智能本质和原理的分析，直接采用某种数学方法来建立智能行为模型）。 9人工智能应用：难题求解；自动规划、调度与配置；机器定理证明；自动程序设计；机器 翻译；智能控制；智能管理；智能决策；智能通信；智能仿真；智能CAD；智能制造；智能CAI；智能人机接口；模式识别；数据挖掘与数据库中的知识发现；计算机辅助创新，计算 机文艺创作；机器博弈；智能机器人。 10标识，运算，搜索是人工智能的三个最基本，最核心的技术。
人工智能与专家系统练习题(一)2019-12-11
人工智能与专家系统练习题(二) 1.什么是人工智能?它的研究目标是什么？ 定义：用机器模拟人类智能。 研究目标：用计算机模仿人脑思维活动，解决复杂问题；从实用的观点来看，以知识为对象，研究知识的获取、知识的表示方法和知识的使用。 2.人工智能有哪几个主要学派？各自的特点是什么？ 主要学派：符号主义和联结主义。 特点：符号主义认为人类智能的基本单元是符号，认识过程就是符号表示下的符号计算，从而思维就是符号计算；联结主义认为人类智能的基本单元是神经元，认识过程是由神经元构成的网络的信息传递，这种传递是并行分布进行的。 3.什么是人工神经元？它有哪几种主要模型？ 人工神经网络是由大量处理单元经广泛互连而组成的人工网络，用来模拟脑神经系统的结构和功能。而这些处理单元称为人工神经元。人工神经网络可以看成是以人工神经元为节点，用有向加权弧连接起来的有向图。 根据激发函数的不同分为：阈值型（M-P模型）、分段线性型、Sigmoid函数型、双曲正切型 4.什么是人工神经网络？它有哪些联结方式？ 模拟人脑神经系统的结构和功能，运用大量简单处理单元经广泛连接而组成的人工网络系统。 人工神经网络中，各神经元的连接方式一般有很多种，不同的连接方式就构成了网络的不同连接模型。常见的连接模型有前向网络、从输入层到输出层有反馈的网络、层内有互连的网络和网络内任意两个神经元都可以互连的互连网络。 5.什么是机器学习？机器学习研究的目标是什么? 研究机器学习的意义何在? 答:机器学习是研究如何使用计算机来模拟人类学习活动的一门学科。更严格地说，就是研究计算机获取新知识和新技能、识别现有知识、不断改善性能、实现自我完善的方法。 机器学习研究的目标有三个：人类学习过程的认知模型；通用学习算法；构造面向任务的专用学习系统的方法。（a）人类学习过程的认知模型。这一方向是对人类学习机理的研究。这种研究不仅对人类的教育，而且对开发机器学习系统都有重要的意义。（b）通用学习算法。这个方向是对人类学习过程的研究，探索各种可能的学习方法，建立起独立于具体应用领域的通用学习算法。（c）构造面向任务的专用学习系统（工程目标）。这一方向是要解决专门的实际问题，并开发完成这些专门任务的学习系统。 机器学习是人工智能中最具智能特征、最前沿的研究领域之一。机器学习的研究取得重大进展往往意味着人工智能，甚至整个计算机科学向前迈进了坚实的一步。机器学习速度快、
整理人工智能简答题
一．简答题 1.在什么情况下需要采用不确定推理或非单调推理？ 答：一般推理方法在许多情况下，往往无法解决面临的现实问题，因而需要应用不确定性推理等高级知识推理方法，包括非单调推理、时序推理和不确定性推理等。 例如，当一个人打开电灯的开关而发现灯泡未亮时，就会根据以往的经验而觉得“停电了”。但当他打开另外一只灯的开关发现灯亮时，就否定了先前“停电了”的结论，想到也许是开关或者灯具出问题了。这个改变原先推导结论的过程其实就是一个非单调推理。即，随着信息与知识的增加，并没有在肯定原来的结论基础上，增加了更多并立的知识与结论， 而是否定了原先结论并有了新的看法。以下情况需要采用不确定推理：所需知识不完备,不精确所需知识描述模糊,多种原因导致同一结论,问题的背景知识不足,解题方案不唯一。不确定性推理，是指其推理过程中，由于各种偶然性误差、干扰以及证据的不确定性等因素，导致所获得的结果或结论本身具有未置可否的不确定性。 一般来说，出现不精确推理的原因和特征可能有： ①证据不足或称为证据的不确定性；②规则的不确定性；③研究方法的不确定性。 由于以上“三性”的存在，决定了推理的最后结果具有不确定但却近乎合理的特性，人们把这种性质的推理及其理论和方法总称为不确定推理 2．产生式系统有哪几种推理方式？各自特点为何？ 答：（1）正向推理（正向链接推理）：从一组表示事实的谓词或命题出发，使用一组产生式规则，用以证明该谓词公式或命题是否成立。 （2）逆向推理（后向链接推理）：从表示目标的谓词或命题出发，使用一组产生式规则证明事实谓词或命题成立，即首先提出一批假设目标，然后逐一验证这些假设。（其基本原理是从表示目标的谓词或命题出发，使用一组规则证明事实谓词或命题成立，即提出一批假设（目标），然后逐一验证这些假设。 （3）双向推理：又称为正反向混合推理，它综合了正向推理和逆向推理的长处，克服了两者的短处。双向推理的推理策略是同时从目标向事实推理和从事实向目标推理，并在推理过程中的某个步骤，实现事实与目标的匹配。 3．算法A*直到一个目标节点被选择扩展才会终止。然而，到达目标节点的一条路经可能在那个节点被选择扩展前早就找到了。一旦目标节点被发现，为什么不终止搜索呢？用一个例子说明你的答案。 4．结合你的研究方向，论述哪些人工智能技术可以得到应用？解决什么问题？ 答：人工智能目前总结出了对实现人工智能系统来说具有普遍意义的核心课题：知识的模型化和表示方法，启发式搜索理论，各种推理方法，人工智能系统结构和语言。主要研究和应用领域：机器学习，知识表示和推理，智能搜索，模糊逻辑，人工神经网络，遗传算法，自然语言理解，博弈论，知识发现和数据挖掘等。 5．在选择知识表示的方法时，应该考虑哪些因素？ 答：表示能力：能够将问题求解所需的知识正确有效地表达出来，可理解性：所表达的知
DBpedia知识库本体分析
DBpedia知识库本体分析 [摘要]在现有的语义网项目架构中，基于关联数据形式的知识库项目往往处于整个语义网络的核心，如何对于这些知识库的知识内容进行组织、储存和查找就成为了决定整个语义网络运行效率的关键因素。在目前的关联数据知识库项目中，DBpedia是较为典型且成熟的一个，DBpedia网站使用本体的方法来对其条目内容进行组织和存储，本文旨在通过对DBpedia 现有本体结构的分析来说明知识库的本体结构对于知识库的组织、存储和查找有着怎样的影响，并试图从该例中分析归纳得出类似网站知识库内容的本体构建的一般要点。 [关键词]DBpedia 关联数据本体本体构建 1．概述及相关简介 1998年，WWW网络的发明者Berners-Lee提出了语义网的概念。这一概念的核心在于致力提高万维网络及其互联的资源的可用性和有效性，使得下一代的互联网更加智能和高效，能够有效处理目前网络中的大量信息内容。这一概念和其具体的技术实现几经波折，从一开始的基于本体的构想到2006年Berners-Lee提出的关联数据概念，在目前的语义网构想中，关联数据成为了其技术实现的核心概念。 关联数据是一种推荐的最佳实践，用来在与以往中使用URI和RDF发布、分享、连接各类数据、信息和只是，发布和部署实例数据和类数据，从而通过HTTP协议解释并获取这些数据同时强调数据的相互关联、相互联系以及有益于人际理解的语境信息。在目前的具体实践中，数据往往以RDF文件的形式发布到互联网络上，存储在关联数据知识库中。而大多数需要使用这些关联数据的网站可以直接从在线关联数据知识库的数据接口获取RDF文件并提取其中的相关信息反馈给用户，从而实现信息和数据的跨网站共享。从上面不难看出，在线关联数据知识库在当前的关联数据语义网构想中占据着核心位置。 DBpedia就是这样一个在线关联数据知识库项目。它从维基百科的词条中抽取结构化数据，以提供更准确和直接的维基百科搜索，并在其他数据集和维基百科之间创建连接，并进一步将这些数据以关联数据的形式发布到互联网上，提供给需要这些关联数据的在线网络应用、社交网站或者其他在线关联数据知识库。同时，与一些同时期的关联数据知识库项目不同，DBpedia提供的关联数据知识内容并不受限于某一较小的专业或学科领域，到2012年为止，DBpedia知识库项目已有超过3640000个条目，这些条目涉及人名、地名、音乐专辑、电影、组织、种族等等多个类目。在大数量和宽范围的前提下，DBpedia知识库的条目组织就成为决定其运行效率的关键因素。DBpedia知识库以构建本体的形式对条目进行组织，起到了一定的效果。 本体一词是指对客观世界存在的事物的系统描述，在信息科学的领域中，1991年Neches 等人最早给出的定义是：给出构成相关领域词汇的基本术语和关系，以及利用这些术语和关系构成，规定这些词汇外延规则。1993年Gruber将其定义表述为“概念模型的明确的规范说明”。1997年Borst进一步完善了该本体的定义，表述为“共享概念模型的形式化规范说
专家系统及其在教育中的应用研究
专家系统及其在教育中的应用研究 学院 专业 研究方向 学生姓名 学号 任课教师姓名 任课教师职称 2013年06 月20 日
专家系统及其在教育中的应用研究 摘要：作为人工智能应用研究的一个重要分支，专家系统被广泛应用于各个领域并取得了巨大的成功。本文在介绍专家系统的内涵、基本结构原理和发展趋势的基础上对专家系统在教育领域中的应用现状作了探讨，分析了专家系统与计算机辅助教学、网络远程教学的结合应用以及在辅助教育教学方面的其他应用。 关键字：人工智能；专家系统；ITES；ICAI；IDSS 一、引言 信息技术的飞速发展正以一种前所未有的深度和广度渗透到社会的方方面面，改变着人们的生活。其中，对于人工智能领域的关注和研究一直领跑于信息技术的前沿，标志着社会发展的智能化趋势。而人工智能中最接近实际应用、发展最快、效益最显著的当属专家系统。可以说“专家系统是人工智能从幻想到实践，再由实践到理论的主角川¨。从1965年世界上第一个专家系统诞生至今，随着知识工程的深入研究，以及专家系统的理论和技术的不断发展，使得专家系统的应用渗透到几乎各个领域，并在实际应用中产生了巨大的经济效益。当今社会对教育现代化的呼吁和关注，使专家系统在教育中的应用也越来越得到人们的重视，且具有广阔的发展前景。尤其是专家系统与传统的计算机辅助教学、网络远程教学的结合，更能满足学生的个性化学习需求，充分体现了教与学的灵活性、互动性和适应性，同时，专家系统在辅助教育教学中的其他应用也极大地促进了教育信息化的发展。 二、有关专家系统 专家系统(Expert System)是人工智能应用研究中最活跃、最成熟的一个领域。专家系统的实质就是一种具有特定领域内大量知识和经验的计算机智能程序系统。它包括两个方面的含义。首先，专家系统是一种智能程序系统，因此，它不同于一般的程序系统，是一种能够运用已有知识和经验进行推理、判断与决策并对结论的推理过程作出解释的启发式程序系统。其次，专家系统的智能来源于领域专家的知识和经验，它应用人工智能技术，模拟人类专家求解问题的思维过程求解领域内的各种问题，其水平可以达到甚至超过人类专家的水平，而且能够在运行过程中不断积累和更新知识，和人类专家相比更具持久性、灵活性和一致性。专家系统又可称为“基于知识的系统”。这种基于知识的系统以知识为中心，以逻辑推理为手段解决问题。因此，专家系统的核心内容是知识库和推理机制，其主要组成部分是：知识库、推理机、综合数据库、解释机构、知识获取机构和用户界面。其一般结构如图1所示： 领域专家、知识工程师 用户
基于本体化知识模型的知识库构建模式研究
基于本体化知识模型的知识库构建模式研究 袁磊1张浩2陈静3陆剑峰1 1(同济大学CIMS中心，上海2(0092) 2(上海电力学院，上海200092) 3(华东师范大学地理系，上海200062) 【摘要】在研究了知识模型及知识库相关理论和技术的基础上，结合本体论，提出了一种基于本体的知识模型，并从领域知识推理、方法知识和任务知识三个角度给出了本体化知识模型基于BNF范式的表达式;基于所建立的本体化知识模型，在对知识进行可拓性分析的基础上，提出了一种知识库结构模式，对于知识模型与知识库的匹配问题进行了讨论，并在理论研究的基础上，给出了利用SQL Server数据库系统建立的知识库示例。 【关键词】本体；知识模型；知识库；设计模式；知识工程 1引言 对于知识的研究与探索，人类自始至终从未停止过，直至人类进入信息化社会并正在向知识化社会迈进的过程中，人类通过计算机的应用才开始真正把知识从概念跃升到知识科学。知识工程便是一门新兴的关于知识获取、表示和推理，以及用一种特定形式把知识表示为计算机可操作对象的科学。其研究的目标是挖掘和抽取人类知识，这也使得计算机具有了人类的一定智能。 知识工程是在20世纪70年代后期，从构建专家系统、基于知识的系统和知识密集型的信息系统的技术发展而来的。Guus Schreiber认为"知识工程是一种建模活动，模型是对现实的某一部分进行的一种有目的的抽象。建模是对知识的少数几个方面建立一种好的描述，而忽略其他方面"。因此，知识工程领域最主要的研究内容是知识表示以及基于此的知识应用。知识模型本身是一个阐述"知识一密集型信息一处理任务结构"的工具。一个应用的知识模型可提供应用所需的数据和知识结构的规范说明。
人工智能(部分习题答案)
1.什么是人类智能？它有哪些特征或特点？ 定义：人类所具有的智力和行为能力。 特点：主要体现为感知能力、记忆与思维能力、归纳与演绎能力、学习能力以及行为能力。 2.人工智能是何时、何地、怎样诞生的？ 解：人工智能于1956年夏季在美国Dartmouth大学诞生。此时此地举办的关于用机器模拟人类智能问题的研讨会，第一次使用“人工智能”这一术语，标志着人工智能学科的诞生。 3.什么是人工智能？它的研究目标是？ 定义：用机器模拟人类智能。 研究目标：用计算机模仿人脑思维活动，解决复杂问题；从实用的观点来看，以知识为对象，研究知识的获取、知识的表示方法和知识的使用。 4.人工智能的发展经历了哪几个阶段？ 解：第一阶段：孕育期（1956年以前）；第二阶段：人工智能基础技术的研究和形成（1956~1970年）；第三阶段：发展和实用化阶段（1971~1980年）；第四阶段：知识工程和专家系统（1980年至今）。 5.人工智能研究的基本容有哪些？ 解：知识的获取、表示和使用。 6.人工智能有哪些主要研究领域？ 解：问题求解、专家系统、机器学习、模式识别、自动定论证明、自动程序设计、自然语言理解、机器人学、人工神经网络和智能检索等。 7.人工智能有哪几个主要学派？各自的特点是什么？ 主要学派：符号主义和联结主义。 特点：符号主义认为人类智能的基本单元是符号，认识过程就是符号表示下的符号计算，从而思维就是符号计算；联结主义认为人类智能的基本单元是神经元，认识过程是由神经元构成的网络的信息传递，这种传递是并行分布进行的。 8.人工智能的近期发展趋势有哪些？ 解：专家系统、机器人学、人工神经网络和智能检索。 9.什么是以符号处理为核心的方法？它有什么特征？ 解：通过符号处理来模拟人类求解问题的心理过程。 特征：基于数学逻辑对知识进行表示和推理。 11.什么是以网络连接为主的连接机制方法？它有什么特征？ 解：用硬件模拟人类神经网络，实现人类智能在机器上的模拟。 特征：研究神经网络。 1.请写出用一阶谓词逻辑表示法表示知识的步骤。 步骤：（1）定义谓词及个体，确定每个谓词及个体的确切含义；（2）根据所要表达的事物或概念，为每个谓词中的变元赋予特定的值；（3）根据所要表达的知识的语义用适当的联接符号将各个谓词联接起来，形成谓词公式。 2.设有下列语句，请用相应的谓词公式把它们表示出来： （1）有的人喜欢梅花，有的人喜欢菊花，有的人既喜欢梅花又喜欢菊花。 解：定义谓词如下： Like(x,y)：x喜欢y。 Club(x)：x是梅花。 Human(x)：x是人。 Mum(x)：x是菊花。 “有的人喜欢梅花”可表达为：(?x)(Human(x)∧Like(x,Club(x))) “有的人喜欢菊花”可表达为：(?x)(Human(x)∧Like(x,Mum(x))) “有的人既喜欢梅花又喜欢菊花”可表达为：(?x)(Human(x)∧Like(x,Club(x))∧ Like(x,Mum(x))) （1）他每天下午都去玩足球。 解：定义谓词如下： PlayFootball(x)：x玩足球。 Day(x)：x是某一天。 则语句可表达为：(?x)(D(x)→PlayFootball(Ta)) （2）市的夏天既干燥又炎热。 解：定义谓词如下： Summer(x)：x的夏天。 Dry(x)：x是干燥的。 Hot(x)：x是炎热的。 则语句可表达为：Dry(Summer(Taiyuan))∧Hot(Summer(Taiyuan)) （3）所有人都有饭吃。
人工智能习题&答案-第6章-专家系统
第六章专家系统 6-1 什么叫做专家系统?它具有哪些特点与优点? 专家系统是一种模拟人类专家解决领域问题的智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。 特点： (1)启发性 专家系统能运用专家的知识与经验进行推理、判断和决策 (2)透明性 专家系统能够解释本身的推理过程和回答用户提出的问题，以便让用户能够了解推理过程，提高对专家系统的信赖感。 (3) 灵活性 专家系统能不断地增长知识，修改原有知识，不断更新。 优点： (1) 专家系统能够高效率、准确、周到、迅速和不知疲倦地进行工作。 (2) 专家系统解决实际问题时不受周围环境的影响，也不可能遗漏忘记。 (3) 可以使专家的专长不受时间和空间的限制，以便推广珍贵和稀缺的专家知识与经验。 (4) 专家系统能促进各领域的发展，它使各领域专家的专业知识和经验得到总结和精炼，能够广泛有力地传播专家的知识、经验和能力。 (5) 专家系统能汇集多领域专家的知识和经验以及他们协作解决重大问题的能力，它拥有更渊博的知识、更丰富的经验和更强的工作能力。 (6) 军事专家系统的水平是一个国家国防现代化的重要标志之一。 (7) 专家系统的研制和应用，具有巨大的经济效益和社会效益。 (8) 研究专家系统能够促进整个科学技术的发展。专家系统对人工智能的各个领域的发展起了很大的促进作用，并将对科技、经济、国防、教育、社会和人民生活产生极其深远的影响。
人工智能
2016年3月谷歌的阿尔法狗（AlphaGo）大战世界围棋冠军李世石，引发了全球范围内对于人工智能的讨论。探讨人工智能，就要回答什么是智能的问题，综合各类定义，智能是一种知识与思维的合成，是人类认识世界和改造世界过程中的一种分析问题与解决问题的综合能力。对于人工智能，美国麻省理工学院的温斯顿教授提出“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作”。 各国政府高度重视人工智能相关产业的发展。自人工智能诞生至今，各国都纷纷加大对人工智能的科研投入，其中美国政府主要通过投资的方式引导人工智能产业的发展，2013年美国政府将22亿美元的国家预算投入到了先进制造业，投入方向之一便是“国家机器人计划”。 在技术方向上，美国主攻军用机器人技术，欧洲主攻服务和医疗机器人技术，日本主攻仿人和娱乐机器人。 现阶段的技术突破的重点一是云机器人技术，二是人脑仿生计算技术。美国、日本、巴西等国家均将云机器人作为机器人技术的未来研究方向之一。伴随着宽带网络设施的普及，云计算、大数据等技术的不断发展，未来机器人技术成本的进一步降低和机器人量产化目标实现，机器人通过网络获得数据或者进行处理将成为可能。目前国外相关研究的方向包括：建立开放系统机器人架构（包括通用的硬件与软件平台）、网络互联机器人系统平台、机器人网络平台的算法和图像处理系统开发、云机器人相关网络基础设施的研究等。 高科技企业普遍将人工智能视为下一代产业革命和互联网革命的技术引爆点进行投资，加快产业化进程。 谷歌在2013年完成了8 家机器人相关企业的收购，在机器学习方面也大肆搜罗企业和人才，收购了DeepMind和计算机视觉领军企业Andrew Zisserman，又聘请DARPA原负责人 Regina Dugan负责颠覆性创新项目的研究，苹果2014 年在自动化上的资本支出预算高达110 亿美元。苹果手机中采用的Siri智能助理脱胎于美国先进研究项目局（DARPA）投资 1.5亿美元，历时5年的CALO （ Cognitive Assistant that Learns and Organizes）项目，是美国首个得到大规模产业化应用的人工智能项目。韩国和日本的各家公司也纷纷把机器人技术移植到制造业新领域并尝试进入服务业。
知识工程中的知识库、本体与专家系统①
知识工程中的知识库、本体与专家系统① 魏圆圆1, 钱 平2, 王儒敬1, 王 雪1 1(中国科学院合肥智能机械研究所, 合肥230031) 2(中国农业科学院农业信息研究所, 北京100081) 摘 要: 随着语义Web思想的兴起, 对专家系统的互操作性和共享性也提出了更高的要求, 对新型知识表示方式和新型知识系统的研究是大势所趋. 本体作为共享概念模型的明确的形式化规范说明, 为不同系统之间的互操作提供了基本的框架, 是解决共享和互操作问题的有效的方法. 一些初学者对知识库、本体以及专家系统的概念产生了各种疑惑, 根据笔者的理解与实践, 对知识工程中的本体、知识库以及专家系统做出较系统的比较分析,对这几个术语做一个澄清. 关键词: 知识库; 本体; 专家系统; 知识表示 Knowledge Base, Ontology and Expert System in Knowledge Engineering WEI Yuan-Yuan1, QIAN Ping2, WANG Ru-Jing1, WANG Xue1 1(Institute of Intelligent Machines, Chinese Academy of Sciences, Hefei 230031, China) 2(Agricultural Information Institute, Chinese Academy of Agricultural Sciences, Beijing 100081, China) Abstract: With the development of the Semantic Web, the interoperability and sharing of expert system were put for- ward more advanced requests. The researches for new knowledge representation and knowledge base systems are im- portant trend. As a formal, explicit specification of a shared conceptualization, ontologies provide frames for inte- roperability between different systems and can solve the sharing and interoperability problem effectively. There were a variety of doubts in some beginners’ mind with the concepts of knowledge base, ontology and expert system. Based on the author's understanding and practice, the systematic comparative analysis between knowledge base, ontology and expert system in the domain of knowledge engineering were proposed in this paper, in order to make these terms less confused and more clearly comprehensible. Key words: knowledge base; ontology; expert system; knowledge representation 作为构建语义Web的基础, 本体论的研究及其应用是目前国内外非常关注的研究热点, 成为一个新的研究领域. 近年来, 本体的开发逐渐从人工智能实验室走向领域专家的桌面上. 本体的应用从网站的分类系统(比如Yahoo!)到网络产品销售的分门别类(比如https://www.360docs.net/doc/9a1437721.html,), 在互联网上的应用逐渐普及[1]. 某些学者将本体看作是构造知识库的一种途径, 另一些学者认为本体是知识库的重要组成部分[2,3], 此外还有专家将本体视为在不同平台间进行互操作处理的关键技术. 上世纪90年代, 随着本体定义的提出, 知识工程领域在建立知识库的方法上也产生了一种革命性思想, 即有关本体工程和构建本体知识库的思想[2]. 同时, 随着并行与分布式处理、语义Web等新思想与技术的引入, 对专家系统的互操作性和共享性也提出了更高的要求, 对新型知识表示方式和新型知识系统的研究是大势所趋. 本体作为共享概念模型的明确的形式化规范说明, 为不同系统之间的互操作提供了基本的框架, 是解决共享和互操作问题的有效的方法. 因此, 当初研究专家系统的专家学者都对本体产生了兴趣, ①基金项目:国家自然科学基金(31171456);中国科学院知识创新工程青年人才领域专项前沿项目 收稿时间:2012-02-09;收到修改稿时间:2012-03-25
人工智能(部分习题答案)..知识讲解
人工智能(部分习题答 案)..
1.什么是人类智能？它有哪些特征或特点？ 定义：人类所具有的智力和行为能力。 特点：主要体现为感知能力、记忆与思维能力、归纳与演绎能力、学习能力以及行为能力。 2.人工智能是何时、何地、怎样诞生的？ 解：人工智能于1956年夏季在美国Dartmouth大学诞生。此时此地举办的关于用机器模拟人类智能问题的研讨会，第一次使用“人工智能”这一术语，标志着人工智能学科的诞生。 3.什么是人工智能？它的研究目标是？ 定义：用机器模拟人类智能。 研究目标：用计算机模仿人脑思维活动，解决复杂问题；从实用的观点来看，以知识为对象，研究知识的获取、知识的表示方法和知识的使用。 4.人工智能的发展经历了哪几个阶段？ 解：第一阶段：孕育期（1956年以前）；第二阶段：人工智能基础技术的研究和形成（1956~1970年）；第三阶段：发展和实用化阶段（1971~1980年）；第四阶段：知识工程和专家系统（1980年至今）。 5.人工智能研究的基本内容有哪些？ 解：知识的获取、表示和使用。 6.人工智能有哪些主要研究领域？ 解：问题求解、专家系统、机器学习、模式识别、自动定论证明、自动程序设计、自然语言理解、机器人学、人工神经网络和智能检索等。 7.人工智能有哪几个主要学派？各自的特点是什么？ 主要学派：符号主义和联结主义。 特点：符号主义认为人类智能的基本单元是符号，认识过程就是符号表示下的符号计算，从而思维就是符号计算；联结主义认为人类智能的基本单元是神经元，认识过程是由神经元构成的网络的信息传递，这种传递是并行分布进行的。 8.人工智能的近期发展趋势有哪些？ 解：专家系统、机器人学、人工神经网络和智能检索。 9.什么是以符号处理为核心的方法？它有什么特征？ 解：通过符号处理来模拟人类求解问题的心理过程。 特征：基于数学逻辑对知识进行表示和推理。 11.什么是以网络连接为主的连接机制方法？它有什么特征？ 解：用硬件模拟人类神经网络，实现人类智能在机器上的模拟。 特征：研究神经网络。 1.请写出用一阶谓词逻辑表示法表示知识的步骤。 步骤：（1）定义谓词及个体，确定每个谓词及个体的确切含义；（2）根据所要表达的事物或概念，为每个谓词中的变元赋予特定的值；（3）根据所要表达的知识的语义用适当的联接符号将各个谓词联接起来，形成谓词公式。 2.设有下列语句，请用相应的谓词公式把它们表示出来： （1）有的人喜欢梅花，有的人喜欢菊花，有的人既喜欢梅花又喜欢菊花。 解：定义谓词如下： Like(x,y)：x喜欢y。 Club(x)：x是梅花。 Human(x)：x是人。 Mum(x)：x是菊花。 “有的人喜欢梅花”可表达为：(?x)(Human(x)∧Like(x,Club(x))) “有的人喜欢菊花”可表达为：(?x)(Human(x)∧Like(x,Mum(x))) “有的人既喜欢梅花又喜欢菊花”可表达为：(?x)(Human(x)∧Like(x,Club(x))∧ Like(x,Mum(x))) （1）他每天下午都去玩足球。 解：定义谓词如下： PlayFootball(x)：x玩足球。 Day(x)：x是某一天。 则语句可表达为：(?x)(D(x)→PlayFootball(Ta)) （2）太原市的夏天既干燥又炎热。 解：定义谓词如下：
什么是人工智能计算机
什么是人工智能计算机 )查看。 什么是人工智能计算机 著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。” 而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。” 这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。 人工智能(Artificial Intelligence，简称AI)是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一(空间技术、能源技术、人工智能)。也被认为是二十一世纪(基因工程、纳米科学、人工智能)三大尖端技术之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成
为一个独立的分支，无论在理论和实践上都已自成一个系统。 人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。 人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。 从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。 人工智能的三道坎 首先是大数据。从某种意义上来说，人工智能在近一两年的走红，与大数据的发展和被重视程度不无关系。随着以智能手机为代表的科技产品开始深入到人们生活的方方面面，用户在线上的行为越来越多，由此形成了大量的用户数据。而人工智能正好可以利用这些数据，建立数学模型和完成用户画像，让程序来做一些过去只有人能够做的事情。 大数据这个门槛，导致了人工智能只能是巨头的游戏，跟创业