人工智能技术导论第6章知识表示
人工智能中知识的表示法
人工智能中知识的表示法
在人工智能领域，知识的表示是将信息组织成可供计算机理解和处理的形式的过程。
不同的问题和应用需要不同的知识表示方法。
以下是一些常见的知识表示方法：
谓词逻辑：使用谓词和逻辑运算符表示事实和关系。
一阶逻辑和高阶逻辑是常见的形式。
图表示法：使用图结构表示对象和它们之间的关系。
图可以是有向图或无向图，节点表示实体，边表示关系。
框架表示法： 将知识组织成框架或者类似于面向对象编程中的类的结构。
每个框架包含关于实体或概念的属性和关系。
语义网络：与图表示法相似，语义网络使用节点表示概念，边表示关系，但通常具有更丰富的语义。
产生式系统：使用规则的集合，每个规则描述了在特定条件下执行的操作。
用于表示推理和问题解决的过程。
向量表示法： 将实体和概念表示为向量，例如词嵌入（Word Embeddings）用于表示单词，将语义相近的单词映射到相似的向量空间位置。
本体论：使用本体来描述概念、实体和它们之间的关系。
本体是一种形式化的知识表示，用于共享和集成信息。
模型表示法：使用数学模型表示知识，例如概率图模型、
贝叶斯网络等。
这些模型可以用于推理、学习和决策。
神经网络表示法：利用神经网络来学习和表示知识，例如深度学习中的各种神经网络结构。
人工智能导论课程介绍(蓝)
考核方式与成绩评定
本课程的考核性质为考查，考核方式为平时考查与 期末书面考试相结合，其中平时考查包括课堂表现、课外 作业和上机实验。成绩评定的计算公式为：
平时成绩×30% + 期末考试成绩×70% = 最终成绩
平时成绩= 1×表现成绩+ 1 ×作业成绩+ 1×实验成绩
3
3
பைடு நூலகம்
3
人工智能导论
课程介绍
西安石油大学计算机学院
课程简介
适用专业：计算机科学与技术、软件工程
学 时：46 学分：2.5 实验学时：8 内容提要： 本课程介绍人工智能的基本原理和基本技术
及其应用。内容包括：人工智能概述、人工智能 程序设计语言、搜索与问题求解、知识表示与推 理、机器学习与知识发现、专家系统、Agent系 统和智能化网络。 教 材：《人工智能技术导论》（第三版），廉师友编
二课程教学内容与学时分配第一章人工智能概述2学时第二章逻辑程序设计语言prolog4学时第三章基于图搜索的问题求解6学时第四章基于遗传算法的随机优化搜索2学时第五章知识表示与推理10学时第六章机器学习与知识发现6学时第七章专家系统4学时第八章agent系统2学时第九章智能化网络2学时上机实验小型专家系统设计与实现8学时三课程教学的基本要求1
著，西安电子科技大学出版社，2007。
教材类别：“十一五”国家级规划教材
教学大纲 一、课程的性质和目的
人工智能是计算机科学与技术的一个前沿学科，它也 是一个综合性的交叉学科。《人工智能导论》为计算机科 学技术专业和软件工程专业的一门任选课，其目的是使学 生初步了解人工智能的基本原理，初步学习和掌握人工智 能的基本技术，以便拓宽知识面，并为进一步学习和应用 奠定基础。
人工智能中的知识表示与推理
人工智能中的知识表示与推理人工智能（Artificial Intelligence，AI）已经成为当今科技领域的热门话题，它迅速改变着我们的生活方式和工作方式。
而在AI的核心技术中，知识表示与推理是至关重要的一环。
本文将探讨人工智能中的知识表示与推理，以及它们在实际应用中的意义和挑战。
一、知识表示知识表示是指将知识以适合计算机理解和处理的形式进行表达。
在人工智能中，常用的知识表示方式有以下几种。
1.符号逻辑表示符号逻辑是指用逻辑符号和规则来表示和处理知识的方法。
它将事物和关系抽象成逻辑符号，通过逻辑推理来达成目的。
例如，利用一阶谓词逻辑可以表示“所有猫都喜欢鱼”，然后通过推理得出“Tom是猫，所以Tom喜欢鱼”。
2.网络表示网络表示使用图结构来表示和处理知识。
图的节点代表事物，边代表事物之间的关系。
例如，使用有向图可以表示“Tom是Jerry的朋友”，节点Tom指向节点Jerry，表示Tom是Jerry的朋友。
3.语义网络表示语义网络是一种特殊的网络表示方法，它将知识以概念和关系的形式进行表达。
概念节点代表事物，关系边代表事物之间的关系。
例如，利用语义网络可以表示“猫是哺乳动物”，节点猫和节点哺乳动物通过关系边连接。
二、推理推理是指根据已知的事实和规则，通过逻辑推导得出新的结论或解决问题的过程。
在人工智能中，常用的推理方法有以下几种。
1.前向推理前向推理是从已知的事实出发，应用规则和逻辑推理，逐步推导得出结论的过程。
它从已知事实出发，逐级扩展，直到无法再得到新结论为止。
2.后向推理后向推理是从目标出发，逐步向前推导，找出能够满足目标的事实和规则。
它逆向推理，直到得到满足目标的结论或无法再向前推导。
3.不确定推理不确定推理是指在处理不完全或不准确的信息时，通过概率推断得到结论的方法。
它可以用于处理模糊、不确定的情况，通过概率模型计算出结论的概率。
三、知识表示与推理的应用知识表示与推理在人工智能的各个领域都有广泛的应用，下面以几个典型的应用为例进行介绍。
人工智能导论课件第6章
6.1.4 专家系统的特征
• 专家系统的其他典型特征包括： – 推理引擎和知识库的分离。为了避免重复，保持程序的效率是非常重要的。 – 尽可能使用统一表示。太多的表示可能会导致组合爆炸，并且“模糊了系 统的实际操作”。 – 保持简单的推理引擎。这样可以防止程序员深陷泥沼，并且更容易确定哪 些知识对系统性能至关重要。 – 利用冗余性。尽可能地将多种相关信息汇集起来，以避免知识的不完整和 不精确。
4
专家系统的特征
5
建立专家系统要思考的问题
6.1 专家系统及其发展
• 总体来说，专家系统因其在计算机科学和现实世界中的贡献而被视为人工智能 中最成功、最古老、最知名和最受欢迎的领域。
• 专家系统出现在20世纪70年代，当时整个人工智能领域正处在发展的低谷，人 们批判人工智能不能生成实时的、真实世界的工作系统。这个时期，由于人们 在计算机视觉领域获得了一些重要见解，R.J Popplestone发明了机器人；弗雷 迪所创建的玩具系统可以执行简单的任务，如组装玩具车或将咖啡杯放置在碟 子上；不久，麻省理工学院的特里·维诺格拉德发表了著名的论文《理解自然语 言》，等等，才使人们对人工智能又产生了一定的兴趣。但是由于早期的一些 系统，人工智能也得到了一些恶名。
6.1.3 专家的特点
• 格伦菲尔鲍讨论了这样一个事实，即专家具有一定的特点和技术，这使得他们 能够在其问题领域表现出非常高的解决问题的水平。一个关键的杰出特征就是， 他们能出色地完成工作。要做到这一点，他们要能够完成如下工作： – 解决问题——这是根本的能力，没有这种能力，专家就不能称为专家。与 其他人工智能技术不同，专家系统能够解释其决策过程。思考这样一个医 疗专家系统，这个系统能够确定你还有6个月的生命，你当然想知道这个结 论是如何得出的。
人工智能导论课件第6章第4-5节
6.5.2 振动故障诊断的专家系统
• VIBEX专家系统结合了决策表分析（DTA）和DT，决策表分析是通过已知案 例来构建的，而DT是为了做出分类，使用归纳式知识获取过程来构建。 VIBEX DT与机器学习技术相结合，比起ⅤIBEX（VIBration Expert）TBL方 法在处理振动原因和发生概率较高的案例时，其诊断更有效率。人类专家合作 构建DTA，这最终得到了由系统知识库组成的规则集。然后，人们使用贝叶斯 算法计算出规则的确定性因子。
6.5.2 振动故障诊断的专家系统
• 专家系统的重要作用之一是用于故障诊断。在昂贵、高速、关键机械运转的情 况下，故障的早期准确检测非常重要。在机械运转的情况下，异常情况的常见 指标是旋转机械的振动。检测到故障后，维护工程师能够识别症状信息，解释 各种错误信息和指示，并提出正确的诊断。换句话说，识别可能导致故障的组 件以及组件失败的原因。
人工智能导论
Introduction to artificial intelligence
• （1）规划——在这个阶段，根据所有可能的原子构型的集合中和质谱推导出 的约束一致的原子构型集合，还原出答案。应用约束，选择必须出现在最终结 构中的分子片段，剔除不能出现的分子片段。
• （2）生成——使用名为CONGEN的程序来生成可能的结构。“它的基础是组 合算法（具有数学证明的完整性以及非冗余生成性）。组合算法可以产生所有 在拓扑上合法的候选结构。通过使用‘规划’过程提供的约束进行裁剪，引导 生成合理的集合（即满足约束条件的集合），而不是巨大的合法集合。”
【2024版】人工智能导论复习
可编辑修改精选全文完整版《人工智能导论》期末复习一、题型：填空题、简答题、计算题、论述题二、复习重点：第一章：1．什么是人工智能？人工智能的三种观点分别是什么？2．实现人工智能的技术路线是哪四种？3．人工智能要研究的三个主要问题是什么？4．人工智能有哪些主要研究领域？第二章：1．什么是知识？何谓知识表示？2．用谓词逻辑表示法表示猴子摘香蕉问题。
3．产生式系统推理机的推理形式有哪三种？4．产生式系统一般由哪三个基本部分组成？5．用语义网络表示：“苹果树枝繁叶茂，上结了很多苹果，有大的，也有小的，有红的，也有绿的” 。
6．用与 / 或树方法表示三阶Hanoi 塔问题。
第三章：1．推理的含义是什么？2．应用归结原理求解下列问题：任何兄弟都有同一个父亲， John 和Peter 是兄弟，且 John 的父亲是 David ，问 Peter 的父亲是谁？第四章：1．可信度方法：例 4.1 ，例 4.22．主观 Bayes 方法：例 4.8 ，例 4.93．证据理论中描述证据和结论的不确定性采用哪两个函数度量？第五章：1．什么叫搜索？搜索的两层含义是什么？2．用全局最佳优先搜索方法求解以下八数码问题。
3．用代价树的深度优先搜索求解下面的推销员旅行问题。
第六章：1．什么是机器学习？机器学习研究的目标是什么？研究机器学习的意义何在？2．机器学习有哪些主要学习策略？3．机器学习系统的基本模型包含哪四个基本环节？4．实例学习的含义是什么？它包含哪两个空间模型？对规则空间进行搜索的方法有几种？第七章：1．什么是自然语言理解？自然语言理解过程有哪些层次？各层次的功能如何？2．对汉语语料库加工的方法是什么？汉语自动分词的方法有哪些？其难点何在？第八章：1．什么是专家系统？它有哪些基本特点？一般专家系统由哪些基本部分构成？2．知识获取的主要任务是什么？3．有哪几类专家系统开发工具？各有什么特点？第九章：1．解答 B-P 学习算法的流程图，并说明其优缺点。
(人工智能)人工智能教案章知识表示概述
（人工智能）人工智能教案章知识表示概述4.1概述4.1.1知识的定义很难给知识以明确的定义，只能从不同侧面加以理解，不同的人有不同的理解。
知识表示是人工智能研究中最基本的问题之壹。
于知识处理中总要问到：如何表示知识，怎样使机器能懂这些知识，能对之进行处理，且能以壹种人类能理解的方式将处理结果告诉人们。
于AI系统中，给出壹个清晰简洁的有关知识的描述是很困难的。
有研究报道认为。
严格地说AI对知识表示的认真、系统的研究才刚刚开始。
下面是壹些专家的见法：Feigenbaum：知识是经过消减、塑造、解释和转换的信息。
Bernstein：知识是由特定领域的描述、关系和过程组成的。
Hayes-roth：知识是事实、信念和启发式规则。
从知识库的观点见，知识是某领域中所涉及的各有关方面的壹种符号表示。
另外有壹种三维的描述方法：（范围，目的，有效性）,其中知识的范围由具体到壹般，知识的目的从说明到指定，知识的有效性从确定到不确定。
例如，“今天下雨”这种知识是具体的、说明性、不确定的，而“要证A→B，只需证明A∧～B是不可满足的”这种知识是壹般性的、指示性、确定性的。
4.1.2知识的分类从不同的角度、不同的侧面对知识有着不同的分类方法。
于此，我们根据知识表达的内容，将其简单地分为如下几类：事实性知识知识的壹般直接表示，如果事实性知识是批量的、有规律的，则往往以表格、图册，甚至数据库等形式出现。
这种知识描述壹般性的事实，如凡是冷血动物均要冬眠，哺乳动物均是胎生繁殖后代等。
过程性知识表述做某件事的过程。
标准程序库也是常见的过程性知识，而且是系列化、配套的。
如电视机维修法，怎样烹制法国大餐等。
行为性知识不直接给出事实本身，只给出它于某方面的行为。
行为性知识经常表示为某种数学模型，从某种意义上讲，行为性知识描述的是事物的内涵，而不是外延。
如微分方程实例性知识只给出壹些实例。
知识藏于实例中。
感兴趣的不是实例本身，而是隐藏于大量实例中的规律性知识。
人工智能导论课件第6章第1节
6.1.2 五个技能获取阶段
• 例如，你可能用VCR录制过电视节目。你学到了必要的步骤——我们可以从 VCR上的控件直观地得到这些步骤，也知道电视应当被设置到特定的频道，可 以执行和理解这些必需的步骤来录制电视节目（专有技术）。但是，这是很久 以前的事了。当人们有了DVD，系统已经改变了。因此，你可能不得不承认自 己已经失去了如何录制电视节目的专有技术。
6.1.1 在自己的领域里作为专家
• 人们会使用3种截然不同的方法： – （1）使用信息（收据上的号码、票据以及停车场里提供的信息）。通过这 种方法，人类并没有使用任何智能，就像可以借助汽车的导航系统到达目 的地一样，不需要对要去的地方有任何地理上的理解。 – （2）使用所提供的票据上的信息，以及有关汽车及其位置的某些模式的组 合。例如，票据上显示车停在7B区，同时你也记得这距离目前的位置不是 很远、车是亮黄色的，并且尺寸比较大。没有很多大型的黄车，这使得你 的汽车从其他的汽车中脱颖而出（见图6-5）。
6.1.2 五个技能获取阶段
• 伯克利的两位哲学家兄弟胡伯特·德雷福斯和斯图尔特·德雷福斯提出了这样一 条评判想法：在机器上，人们很难解释或发展人类的“专有技术”。虽然我们 知道如何骑自行车、如何开车，以及许多其他基本的事情（如走路、说话等）， 但是在解释如何实现这些动作时，我们的表现会大打折扣。德雷福斯兄弟将 “知道什么事”与“知道如何做”区分开来。知道什么事指的是事实知识，例 如遵循一套说明或步骤，但是这不等同于“知道如何做”。获得“专有技术” 后，这就变成了隐藏在潜意识中的东西。我们需要通过实践来弥补记忆的不足。
• 阶段2：熟手开始从经验中学到更多的知识，并能够使用上下文线索。例如， 当学习用咖啡机制作咖啡时，我们遵循说明书的规则，但是也用嗅觉来告诉自 己咖啡何时准备好了。换句话说，在任务环境中，我们可以通过所感知到的线 索来学习。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第6章 知识表示
例6.1 下面是一个描述“教师”的框架： 框架名:<教师> 类属:<知识分子> 工作:范围:(教学，科研) 缺省:教学 性别:(男，女) 学历:(中师，高师) 类型:(<小学教师>，<中学教师>，<大学教师>)
第6章 知识表示
可以看出，这个框架的名字为“教师”，它含有5 个槽，槽名分别是“类属”、“工作”、“性别”、 “学历”和“类型”。这些槽名的右面就是其值，如 “<知识分子>”、“男”、“女”、“高师”、“中师” 等等。其中“<知识分子>”又是一个框架名，“范围”、 “缺省”就是侧面名，其后是侧面值，如：“教学”、 “科研”等。另外，用<>括的槽值也是框架名。
部门:计算机系软件教研室 工作: 参加工作时间:1995年8月 工龄:当前年份-参加工作年份 工资:<工资单>
第6章 知识表示
第6章 知识表示
比较例6.2和例6.3中的框架，可以看出，前者描述 的是一个概念，后者描述的则是一个具体的事物。二 者的关系是，后者是前者的一个实例。因此，后者一 般称为前者的实例框架。这就是说，这两个框架之间 存在一种层次关系。一般称前者为上位框架（或父框 架），后者为下位框架（或子框架）。当然，上位和 下位是相对而言的。例如“大学教师”虽然是“教师1”的上位框架，但它却是“教师”框架的下位框架， 而“教师”又是“知识分子”的下位框架。
第6章 知识表示
1.实例关系 实例关系表示类与其实例（个体）之间的关系。 这是最常见的一种语义关系。例如，“小华是一个大 学生”就可表示为图6―4。其中，关系“是一个”一 般标识为“is-a”，或ISA。
第6章 知识表示
智能系统
是 一 种
专家系统
能解决
困难问题
具
能
有
模
拟
专家知识
专家思维
图6―3 专家系统的语义网络
第6章 知识表示 图6―2 苹果是由Quillian提出来的，他于 1968年在他的博士论文中，把语义网络作为人类联想 记忆的一个显式心理模型。所以，语义网络也称联想 网络。
现在，语义网络的理论已经有了长足的发展。有 人把它划分为五个级别：执行级、逻辑级、认识论级、 概念级和语言学级。并分为七种类型：
第6章 知识表示
例如，前面的“教师”框架用PROLOG可表示如下: frame(name("教师")， kind--of("<知识分子>")， work(scope("教学"，"科研")，default("教学"))， sex("男"，"女")， reco--of--f--s("中师"，"高师")，
>，…)
第6章 知识表示
例6.5 机器人纠纷问题的框架描述如图6-1所示。
框 架 名 ： 〈 打 人- 1 〉 动 作： 打 动 作发 出 者： 罗 宾 动 作接 受 者： 苏 西 后 果 ： （ 〈 打 人 -2〉 ， 〈 哭 泣 -1〉 ）
框 架 名 ： 〈 打 人- 2 〉 动 作： 打 动 作发 出 者： 苏 西 动 作接 受 者： 罗 宾 后 果 ： (〈 打 人 -1〉 ， 〈 哭 泣 -2〉 )
框架名:<房间>
墙数x1: 缺省:x1=4 条件:x1>0 窗数x2: 缺省:x2=2 条件:x2≥0 门数x3: 缺省:x3=1 条件:x3>0
第6章 知识表示
第6章 知识表示
前墙:(墙框架(w1，d1)) 后墙:(墙框架(w2，d2)) 左墙:(墙框架(w3，d3)) 右墙:(墙框架(w4，d4)) 天花板:<天花板框架> 地板:<地板框架> 门:<门框架> 窗:<窗框架> 条件:w1+w2+w3+w4=x2 d1+d2+d3+d4=x3 类型:(<办公室>，<教室>，<会客室>，<卧室>，<厨房>，<仓库
6.2 框 架
第6章 知识表示
6.2.1 框架的概念 顾名思义，框架就是一种结构，一种模式，其一
般形式是: <框架名> <槽名1><槽值1>| <侧面名11><侧面值111，侧面值112，…>
<侧面名12><侧面值121，侧面值122，…>
第6章 知识表示
<槽名2><槽值2>|<侧面名21><侧面值211，侧面值212，…> <侧面名22><侧面值221，侧面值222，…>
第6章 知识表示
例6.2 下面是一个描述“大学教师”的框架： 框架名:<大学教师> 类属:<教师> 学历:(学士，硕士，博士) 专业:<学科专业> 职称:(助教，讲师，副教授，教授) 外语:语种:范围:(英，法，日，俄，德，…)
缺省:英 水平:(优，良，中，差) 缺省:良
第6章 知识表示
例6.3 下面是描述一个具体教师的框架: 框架名:<教师-1> 类属:<大学教师> 姓名:李明 性别:男 年龄:25 职业:教师 职称:助教 专业:计算机应用
如果头痛且发烧，则患感冒。 用框架表示可为：
框架名：<诊断1> 前提：条件1:头痛 条件2:发烧 结论:患感冒
第6章 知识表示
6.2.3 基于框架的推理 基于框架的推理方法是继承。所谓继承，就是子
框架可以拥有其父框架的槽及其槽值。实现继承的操 作有匹配、搜索和填槽。
匹配就是问题框架同知识库中的框架的模式匹配。 所谓问题框架，就是要求解某个问题时，先把问题用 一个框架表示出来，然后与知识库中的已有框架进行 匹配。如果匹配成功，就可获得有关信息。搜索就是 沿着框架间的纵向和横向联系，在框架网络中进行查 找。搜索的目的是为了获得有关信息。
第6章 知识表示
6.2.4 框架的程序语言实现 有一种名为FRL(Frame Representation Language)的
程序设计语言，就是专门基于框架的程序设计语言。 用它就可以方便地实现框架知识表示。不过，用 PROLOG也可方便地实现框架表示。用PROLOG实现 框架表示，一般采用含结构或表的谓词来实现。因为 框架实际上就是树，而PROLOG的结构也是树，表又 是特殊的结构，它的元素个数和层数都不限定，可动 态变化，因此，更适于表示一般的框架。
第6章 知识表示
小华
是一个
大学生
图6―4 表示实例关系的语义网络
第6章 知识表示
2.分类（或从属、泛化）关系 分类关系是指事物间的类属关系，图6―5就是一 个描述分类关系的语义网络。在图6―5中，下层概念 节点除了可继承、细化、补充上层概念节点的属性外， 还出现了变异的情况：鸟是鸵鸟的上层概念节点，其 属性是“有羽毛”、“会飞”，但鸵鸟的属性只是继 承了“有羽毛”这一属性，而把鸟的“会飞”变异为 “不会飞”。其中，关系“是一种”一般标识为 “akindof”或AKO。
第6章 知识表示
这是一个PROLOG的“事实”，其谓词及领域说明如下: domains
name=name(string) body=body(subtree list) subtreelist=subtree* subtree=st(string，subtreelist) database frame(name，body)
其中的subtreelist是递归定义的。按此定义所有框架 都取统一的表示形式。
6.3 语义网络
第6章 知识表示
6.3.1 语义网络的概念
语义网络是由节点和边（也称有向弧）组成的一 种有向图。其中节点表示事物、对象、概念、行为、 性质、状态等；有向边表示节点之间的某种联系或关 系。例如图6―2就是一个语义网络。其中，边上的标 记就是边的语义。
type(“<小学教师>”，“<中学教师>”，“<大学教师>”)). 如果要给出框架的一个通用表示形式，则下面的
表示方式可供参考。
第6章 知识表示
frame(name("教师")， body(［st("类属"，［st("<知识分子>"，［］)］)， st("工作"，［st("范围"，［st("教学"，［］)，=st("科研"，
［］)］)， st("缺省"，［st("教学"，［］)］)］)， st("性别"，［st("男"，［］)，st("女"，［］)］)， st("学历"，［st("中师"，［］)，st("高师"，［］)］)， st("类型"，［st("<小学教师>"，［］)，st("<中学教师>"， ［］)，= st("<大学教师>"［］)］)］))
第6章 知识表示
第6章 知识表示
6.1 知识及其表示 6.2 框 架 6.3 语义网络 6.4 面向对象知识表示
第6章 知识表示
6.1 知识及其表示
6.1.1 知识的概念 “知识”是我们熟悉的名词。但究竟什么是知识呢？
我们认为，知识就是人们对客观事物（包括自然的和 人造的）及其规律的认识，知识还包括人们利用客观 规律解决实际问题的方法和策略等。
第6章 知识表示