人工智能 第二章

2014-5-12
9
2.1.1 知识原则

系统求解问题的性能和系统拥有知识的关系

知识门槛（ the thresholds of knowledge ） 3、全能门槛（The Total Expert Threshold）

达到E，由于知识量的空前增加（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E后

以清晰的符号结构表示解决的问题



正因为系统拥有关于颜色的知识，当接收关于颜色的问题 时，系统才会作出正确回答。 这些符号结构在系统回答关于颜色问题的行为中明显地起 到因果作用；
2014-5-12
14
2.2 谓词逻辑表示法
1）谓词逻辑基本概念
1、谓词公式 例1、表示“机器人(Robot)在1号房间(R1)内”
22
2.2 谓词逻辑表示法
1）谓词逻辑基本概念
2、连词和量词 命题——不包含变量的谓词公式和逻辑语句； 命题逻辑 —— 基于命题的谓词逻辑称为命题逻辑， 命题逻辑是谓词逻辑的子集。 命题逻辑缺乏有效的表达一般性概念的能力
无法把每个知识单元抽象、细分； 如，“条条大路通罗马”。 Lead(Road1,Roma) Lead(Road2,Roma)…… 谓词逻辑中引入变量和对变量进行约束的量词。
2014-5-12
谓词符号、常量符号、变量符号、函数符号； 用括号和逗号隔开，表示论域内的关系。
15
2.2 谓词逻辑表示法
1）谓词逻辑基本概念
1、谓词公式
用括号和逗号隔开，以表示论域内的关系
Inroom(Robot,R1)
谓词符号
常量符号
常量符号
Married(father(L1),x)
性能提高变缓
非线性关系 nonlinearly
2014-5-12
11
2.1.2 知识表示

知识表示在人工智能体的建造中起到关键作用

以适当方式表示知识，才导致智能体展示出智能行 为

知识表示是数据结构及其处理机制的综合

知识表示=符号（结构）+处理机制，其中 恰当的符号（结构）
用于存储要解决的问题、可能的中间解答和最终解
答以及解决问题涉及的知识；

配套的处理机制
仅有符号（结构）不能体现出系统具有知识； 只有对其作适当的处理才构成意义。
2014-5-12
12
2.1.2 知识表示


例1、回答关于颜色的问题，并说明执行该任务的系统应 如何设计才成为专家系统。假定该任务只需说出雪、草地 和天空的颜色。用Prolog语言编写这个系统。 设计方案：
“谓词公式”的基本组成：
谓词符号、常量符号、变量符号、函数符号； 用括号和逗号隔开，表示论域内的关系。
“谓词公式是谓词逻辑的基本单元，也称为原子公式。
2014-5-12 19
2.2 谓词逻辑表示法
1）谓词逻辑基本概念
2、连词和量词
通过引入连词和量词，可以把谓词公式（原子公式）组合为复合谓 词公式。 复合谓词公式也称为逻辑语句。



Color(snow,white). Color(grass,green). Color(sky,yellow). PrintColor(x):-Color(x,y),!,write(“It’s”),write(y). 问题是：?- PrintColor(grass). 系统回答：It’s green.
2014-5-12
7
2.1.1 知识原则

系统求解问题的性能和系统拥有知识的关系

知识门槛（ the thresholds of knowledge ） 1、使能门槛（Well-Formed Threshold）

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; For each task, there is some minimum knowledge needed for one to even formulate it;

（等价）连接谓词公式产生等价式；正、逆向蕴涵式的合取。
202.2 谓词逻辑Fra bibliotek示法1）谓词逻辑基本概念
2、连词和量词
通过引入连词和量词，可以把原子公式组合为复合谓词公式。 复合谓词公式也称为逻辑语句。
（1）连词
通过连词产生的复合谓词公式（逻辑语句）的真值表：
P T F T Q T T F
2014-5-12
3
2014-5-12
4
2.1.1 知识原则

知识原则


The Knowledge Principle (KP) :A system exhibits intelligent understanding and action at high level of competence primarily because of the specific knowledge that it can bring to bear: the concepts, facts, representations, methods, models, metaphors, and heuristics about its domain of endeavor. “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、 方法、模型、隐喻和启发式。 ”

附加的知识几乎没有实质性作用 Continue to add knowledge beyond this expert level is even less useful.
原有知识已经够用，新知识对本领域问题求解无明显帮助； 无法判断新知识是否与领域问题相关。
2014-5-12
10
2.1.1 知识原则
P
F T F
P∧Q T F F
P∨Q T T T
P
Q
T T F
P
Q T F F
F
2014-5-12
F
T
F
F
T
T
21
2.2 谓词逻辑表示法
1）谓词逻辑基本概念
2、连词和量词
通过引入连词和量词，可以把原子公式组合为复合谓词公式。 复合谓词公式也称为逻辑语句，谓词演算也称为谓词逻辑。


Before you can apply search or knowledge to solve some problem, you need to already know enough to at least state the problem in a well-formed fashion. 最低限度知识用于为问题确定一个好的表示方案
Inroom(Robot,R1) 简单的谓词公式
“谓词公式”的一般形式：
P(x1,x2,…,xn)，其中， P——谓词符号（简称谓词）； Xi(i=1,2,…,n)——参数项（简称项），项可以是常量、 变量或函数； P(x1,x2,…,xn)——n元谓词公式；
“谓词公式”的基本组成：
第2章 知识表示
如何表示知识是人工智能研究的一个重要议题 知识表示


以形式化方式表示知识； 供计算机自动处理； 2.1 概述 基本的知识表示方式
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 2.8 面向对象的知识表示
2.2

【本章内容】

2014-5-12
1
2.1 概述

本节主要内容：

2.1.1 知识原则 2.1.2 知识表示
2014-5-12
2
2.1.1 知识原则

教学目的：

了解智能行为取决于系统拥有的应用领域特有知识； 了解系统求解问题的性能与拥有知识量的关系； 掌握知识门槛的意义；

知识原则

D. B. Lenat（里南） and E. A. Feigenbaum（费根鲍姆）, "On the thresholds of knowledge," in Proc. IJCAI-10, 1987, pp. 1173-1182.
2014-5-12
5
2.1.1 知识原则

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、方法、 模型、隐喻和启发式。 ” 智能体有效地求解应用领域的问题主要靠拥有的领域 特有知识 【普通知识（general knowledge）】
The
（1）连词

（非）加在谓词公式前面，称为否定，或取反。 （与）连接谓词公式，称为合取； 产生的逻辑语句称为合取式，每个成分成为合取项。
（或）连接谓词公式，称为析取； 产生的逻辑语句称为析取式，每个成分成为析取项。 （蕴涵）连接谓词公式产生蕴涵式； 左部称为前项，右部称为后项。

2014-5-12
只是用于解决问题的知识中的一小部分，能应用于多个
2014-5-12
6
2.1.1 知识原则

系统求解问题的性能和系统拥有知识的关系

知识门槛（ the thresholds of knowledge ） 1、使能门槛（Well-Formed Threshold） 2、胜任门槛（The Competent Threshold） 3、全能门槛（The Total Expert Threshold）

2014-5-12
8