基于产生式规则的机器推理
人工智能知识表示与推理
知识表示与推理本课内容1.知识表示概述2.一阶谓词逻辑3.产生式和产生式系统4.框架5.自动推理1.知识表示概述知识与智能人类的智能活动主要是获得并运用知识。
知识是智能的基础。
为了使计算机具有智能，能模拟人类的智能行为，就必须使它具有知识。
但人类的知识需要用适当的模式表示出来，才能存储到计算机中并能够被运用。
因此，知识的表示成为人工智能中一个十分重要的研究课题。
知识的概念费根鲍姆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。
知识的概念从知识库的观点看，知识是某领域中所涉及的各有关方面的一种符号表示。
知识是人们在长期的生活及社会实践中、在科学研究及实验中积累起来的对客观世界的认识与经验。
知识的分类从内容上分原理（客观）性知识和方法（主观）性知识：⏹原理（客观）性知识具有抽象概括性；⏹方法（主观）性知识具有通用性。
从形式上分显式和隐式知识；从逻辑思维角度分逻辑型和直觉型知识；理论知识和经验知识。
从可靠性上分知识的要素事实事物的分类、属性、事物间关系、科学事实、客观事实等规则事物的行动、动作和联系的因果关系知识控制当有多个动作同时被激活时，选择哪一个动作来执行的知识元知识怎样使用规则、解释规则、校验规则、解释程序结构等知识知识的特性知识的相对正确性知识是人类对客观世界认识的结晶，并且受到长期实践的检验。
因此，在一定的条件及环境下，知识是正确的。
“一定的条件及环境”是必不可少的，它是知识正确性的前提。
因为任何知识都是在一定的条件及环境下产生的，因而也就只有在这种条件及环境下才是正确的。
知识的相对正确性西风昨夜过园林，吹落黄花满地金。
——（宋）王安石秋花不比春花落，说与诗人仔细吟。
——（宋）苏轼知识的相对正确性知识的不确定性由于现实世界的复杂性，信息可能是精确的，也可能是不精确的、模糊的;关联可能是确定的，也可能是不确定的。
基于产生式规则的推理
基于产生式规则 的机器推理
产生式规则的界定及内容
例如： （1）天下雨，地上湿。（“原因—结果”结构） （2）如果把冰加热到零摄氏度以上，冰就会融化为水。 （“条件—结论”结构） （3）“夜来风雨声，花落知多少。”（事实及其进展 结构） （4）若能找到一根合适的杠杆，就能撬起那座大山。 （前提—操作） （5）“才饮长江水，又食武昌鱼，”（事实及其进展 结构） （6）刚才开机了，意味着发出了捕获目标图像的信号。 （情况—行为）
产生式规则的界定及内容
产生式规则其实就是产生式系统的主体，是产生 式系统知识表示的核心。故人们常把产生式表示直接 称为产生式规则，或简称规则。这里所说的“规则” ， 是指人们思维判断中的一种固定逻辑结构关系。一般 产生式的结构可表示为自然语言形式，事实上，在自 然语言表达中，人们广泛使用的各种“原因—-结果”， “条件—结论”，“前提—操作”，“事实—进展”， “情况—行为”等结构，都可归结为产生式的知识表 达形式。
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/数据, 匹配/测试目标 条件, 若目标条件满足, 则推理成功, 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/数据, 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。
AI导论教学大纲-人工智能导论-廉师友-清华大学出版社
人工智能导论课程教学大纲廉师友编写清华大学出版社（2020）说明为了方便各位任课老师的教学，本书作者结合自己多年来给计算机专业讲授人工智能课程的教学大纲和这部《人工智能导论》新教材的内容以及该课程的基本要求，制定了这一新的教学大纲，供各位老师参考。
从内容来看，这个大纲与这部新教材是一致的，其课时应该说已达到这门课程的上限。
各位老师可根据各自院校的实际情况对该大纲的教学内容进行取舍，并确定相应的课时，以制定适合各自教学任务的教学大纲。
希望这份资料对各位任课老师的教学能有所裨益和帮助！当然，若发现其中有不妥或错误之处也请指正！作者2020年3月《人工智能导论》课程教学大纲课程编号：英文课名：Introduction to Artificial Intelligence适用专业：人工智能、计算机、自动化和电子信息类专业（考试）学时：90 学分：课程类别：专业课课程性质：必修课/必选课一、课程性质和目的《人工智能导论》为人工智能、计算机、自动化和电子信息类专业的一门必修或必选课程，其目的是使学生理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，为进一步学习人工智能后续专业课程或从事人工智能的研发奠定基础，指引方向。
二、课程内容第1章人工智能概述基本内容和要求：1．理解人工智能的概念、目标和研究策略；2．理解人工智能的研究内容与方法；3．了解人工智能的分支领域；4．了解人工智能的应用与发展概况。
第2章人工智能程序设计语言基本内容和要求：1．了解人工智能程序设计语言的特点、分类和发展概况；2．理解PROLOG语言的语句特点、程序结构和运行机理，能读懂和编写简单的PROLOG 程序；3．了解Python语言的特点和使用方法，能读懂和编写简单的Python程序。
教学重点：1．PROLOG语言；2．Python语言。
教学难点：1．PROLOG语言的匹配合一和回溯控制；2．Python语言的程序结构和资源库的使用。
人工智能【期末复习题】
1．群智能与脑智能：脑智能是一种个体智能，是宏观心理层次上高级的智能。
群智能是一种社会智能（系统智能），属于微观生理层次上低级的神经元。
2．计算智能与符号智能：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。
计算智能就是计算人工智能，它是模拟群智能的人工智能。
3．搜索：顾名思义，就是从初始节点出发，沿着与之相连的边试探地前进，寻找目标节点的过程(也可以是反向进行)。
4．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。
5．自然计算：就是模仿或借鉴自然界的某种机理而设计计算模型，这类计算模型通常是一类具有自适应、自组织、自学习、自寻优能力的算法。
6．机器学习：顾名思义，机器学习就是让计算机模拟人的学习行为，或者说让计算机也具有学习的能力。
7．模式识别：则指的是用计算机进行物体识别。
8．决策树学习：决策树是一种知识表示形式，构造决策树可以由人来完成，但也可以由机器从一些实例中总结、归纳出来，即机器学习而得。
机器学习决策树也就是所说的决策树学习。
9．从系统结构看，智能计算机分为智能硬件平台和智能操作系统两大部分。
10．人工智能的三个最基本、最核心的技术实现人工智能的方法虽然很多，但归纳起来，“表示”、“运算”、“搜索”则是人工智能的三个最基本、最核心的技术。
11．从所承担的工作和任务性质来看，Agent的分类：信息型Agent、合作型Agent、接口型Agent、移动型Agent等。
12．用计算机来实现状态图的搜索，有两种最基本的方式：树式搜索和线式搜索。
13．智能机器人至少应具备哪四种机能？感知机能——获取外部环境信息以便进行自我行动监视的机能；运动机能——施加于外部环境的相当于人的手、脚底动作机能；思维机能——求解问题的认识、推理、判断机能；人—机通信机能——理解指示命令、输出内部状态，与人进行信息交换的机能。
产生式1
5.1 产生式规则
4.1 产生式规则
例如，MYCIN中有如下产生式：
IF
本微生物的染色斑是革兰氏阴性 本微生物的形状呈杆状 病人是中间宿主
THEN
该微生物是绿脓杆菌，置信度为CF=0.6
CF表示知识的强度，谓词逻辑中的蕴涵式不可以这样做。
（2）用产生式表示知识的系统中，“事实”与产 生式的“前提”中所规定的条件进行匹配时，可以是“精 确匹配”，也可以是基于相似度的“不精确匹配”，只要 相似度落入某个预先设定的范围内，即可认为匹配。但对 谓词逻辑的蕴涵式而言，其匹配必须是精确的。
11
4.1 产生式规则
例如： IF 某动物吃肉 THEN 它是食肉动物 IF 动物有毛发，THEN 动物为哺乳类 IF 炉温超过上限 THEN 立即关闭风门
有时为了解决问题的需要，前件和后件可以是由逻辑运算 符AND（且）、OR（或）、NOT（非）组成的表达式。
例如：
IF 某动物是哺乳动物 AND 有蹄 THEN 它是有蹄动物
5.2 产生式系统
4.2 产生式系统
（4）对于不确定性知识，在执行每一条规则时，还要 按一定的算法计算结论的不确定性。 （5）随时掌握结束产生式系统运行的时机，以便在适 当的时候停止系统的运行。 产生式系统的三大组成部分的相互关系图： 推理机
规则库
综合数据库
产生式系统的基本结构
5.2 产生式系统
IF 携带危险物品 OR 易燃易爆物品 THEN 不允许登上火车 IF NOT下雨 THEN 外出郊游
12
4.1 产生式规则
在自然语言表达中，人们广泛使用的各种“原因→结果”，“条 件→结论”，“前提→操作”，“事实→进展”，“情况→行为” 等结构，都可归结为产生式的知识表达形式。 例如， 天下雨，地上湿；“原因→结果” 如果把水加热到00以上，冰就会溶化为水；“条件→结论” 夜来风雨声，花落知多少；“事实→进展”
知识表示的方法——逻辑表示法、产生式表示法、框架表示法、语义网络表示法、面向对象表示
知识表⽰的⽅法——逻辑表⽰法、产⽣式表⽰法、框架表⽰法、语义⽹络表⽰法、⾯向对象表⽰知识表⽰的⽅法知识表⽰⽅法种类繁多，通常有直接表⽰、逻辑表⽰、产⽣式规则表⽰法、语义⽹络表⽰法、框架表⽰法、脚本表⽰⽅法、过程表⽰、混合型知识表⽰⽅法、⾯向对象的表⽰⽅法等。
在本⽂中，着重介绍⽬前使⽤较多的知识表⽰⽅法。
⽬前使⽤较多的知识表⽰⽅法主要有：逻辑表⽰法、产⽣式表⽰法、框架表⽰法、语义⽹络表⽰法、⾯向对象表⽰等等。
2.3.2.1 ⼀阶谓词逻辑表⽰法[45]通过引⼊谓词、函数来对知识加以形式化描述，获得有关的逻辑公式，进⽽以机器内部代码表⽰的⼀种⽅法。
谓词逻辑是⼀种形式语⾔，它与⼈类的⾃然语⾔⽐较接近，是⽬前能够表达⼈类思维活动的⼀种最精确的语⾔，它具有丰富的表达能⼒，因⽽可以表⽰⼤量常识知识。
它具有简单、⾃然、精确、灵活、容易实现等特点。
⼀阶谓词的⼀般形式为 P(x1, x2 (x)n)。
其中，P 是谓词，x1, x2 (x)n是常量、变元或函数。
谓词逻辑适⽤于表⽰事物的状态、属性、概念等事实性的知识，也可以⽤来表⽰事物间关系的知识，即规则。
例如：物体 A 在物体 B 的上⾯，可以表⽰为：On(A,B)；物体 A 是书，可以表⽰为：book(A);书 A 在书 B 上，可以表⽰为：On(book(A),book(B))。
⼀阶谓词逻辑表⽰法的局限性在于它难以表达不确定性知识和启发性知识，推理⽅法在事实较多时易于出现组合爆炸，且推理过程繁杂、效率低。
2.3.2.2 产⽣式表⽰法多数较为简单的专家系统（Expert System）都是以产⽣式表⽰知识，相应的系统被称作产⽣式系统。
产⽣式系统，由知识库和推理机组成。
其中知识库由事实库和规则库组成。
事实库是已知事实的集合，规则库是产⽣式规则的集合。
规则则是产⽣式规则。
规则库蕴涵着将问题从初始状态转换到解状态的那些变换规则，规则库是专家系统的核⼼部分。
规则可以表⽰成与或树的形式，基于事实库中的事实通过与或树求值的过程就是推理。
人工智能在智能制造中的知识表示与推理研究
人工智能在智能制造中的知识表示与推理研究智能制造是指基于人工智能技术实现的智能化生产制造系统。
在智能制造中，知识表示与推理是核心要素之一，它们为智能制造系统的决策和推理提供支持。
本文将介绍人工智能在智能制造中的知识表示与推理研究。
一、知识表示知识表示是将领域知识转化为计算机可处理的形式，以便进行推理和决策。
在智能制造中，知识表示需要充分考虑生产制造领域的特点，如工艺流程、设备参数等。
目前，常用的知识表示方法包括逻辑表示、本体表示和图模型表示等。
逻辑表示是一种基于逻辑语言的知识表示方法，常用的有一阶逻辑和描述逻辑等。
通过逻辑表示，可以将领域知识转化为一系列的逻辑公式，以进行逻辑推理和推断。
逻辑表示具有形式化、精确性强的优点，能够准确地表达领域知识。
本体表示是一种基于本体论的知识表示方法，常用的有OWL和RDF等。
本体表示可以将领域知识组织为一种形式化的本体结构，其中包含实体、关系和属性等。
本体表示能够充分利用本体的推理能力，提供更加丰富的知识表达和推理功能。
图模型表示是一种基于图形结构的知识表示方法，常用的有贝叶斯网络和马尔可夫网络等。
图模型表示可以将领域知识表示为一张有向图或无向图，其中节点表示实体或变量，边表示实体之间的关系或变量之间的依赖。
图模型表示能够有效地处理不确定性和复杂性问题。
二、推理方法推理是基于已有知识进行推断和决策的过程，在智能制造中起着重要的作用。
常用的推理方法包括基于规则的推理、基于逻辑的推理和基于概率的推理等。
基于规则的推理是一种基于规则库进行推断的方法，常用的有产生式规则和逆向推理等。
基于规则的推理通过匹配规则库中的规则，推导出新的事实或结论。
规则库中的规则可以由领域专家提供，也可以通过机器学习方法自动生成。
基于逻辑的推理是一种基于逻辑关系进行推断的方法，常用的有前向推理和后向推理等。
基于逻辑的推理通过逻辑公式之间的推理规则，推导出新的逻辑公式。
逻辑推理具有精确性强、形式化程度高等优点，在智能制造中得到广泛应用。
第四章 基于专家系统的智能决策支持系统
• (5)自然语言理解是让计算机理解和处理人类 进行交流 的自然语言。 • 由于自然语言存在二义性、感情(语调)等复杂因素， 在计算机中无法直接使用自然语言。自然语言处理过 程是对一连串的文字表示的符号串，经过词法分析识 别出单词，经过句法分析将单词组成句子，再经过语 义分析理解句子的含义，变成计算机中的操作(如查 询数据库)。 • 目前，计算机中提供的语言如高级语言C、PASCAL等， 数据库语言FoxPro、Oracle等，均属于2型文法(上下 文无关文法)和3型文法(正则文法)范畴，虽然这些高 级语言离0型文法(短语文法)和1型文法(上下文有关 文法)的语言有较大的差距。但是，在人机交互中， 对于简单的自然语言进行理解和处理还是能做到的。
人工智能的主要研究领域有：
1）符号智能 符号智能以物理符号系统为基础，研究知识表示、 获取、推理过程。 2）计算智能 计算智能包括神经计算、模糊系统、遗传算法、 进化程序设计等。 3）人工生命 人工生命是指用计算机和精密机械等生成或构造 表现自然生命系统行为特点的仿真系统或模型系统。
智能决策支持系统中包含的人工智能 技术主要有：
• 智能决策支持系统中的人工智能技术种类较多， 这些智能技术都是决策支持技术，它们可以开 发出各自的智能系统，并发挥各自不同的辅助 决策作用。 • 一个智能决策支持系统中的智能技术一般只有 一种或两种。
• 下面我们主要讲述专家系统与决策支持系统结 合的智能决策支持系统。在第五章我们讲授机 器学习辅助决策的智能决策支持系统。
• 产生式规则知识一般表示为： if A then 示为“如果A成立则B成立”，简化为A→B。
BLeabharlann 或表• • • • • •
•
•
•
产生式规则知识允许有如下的特点： ①相同的条件可以得出不同的结论：A→B，A→C。 ②相同的结论可以由不同的条件来得到:A→G，B→G。 ③条件之间可以是“与”(AND)连接和“或”(OR)连 接。 如:AB→G，AB→G ④一条规则中的结论，可以是另一条规则中的条件。 如：FB→Z，CD→F。其中， F在前一条规则中是条 件，在后一条规则中是结论。 由于以上特点，规则知识集能做到以下两点： ①能描述和解决各种不同的灵活的实际问题(由前三 个特点形成)。 ②能把规则知识集中的所有规则连成一棵“与或”推 理树(知识树)，即这些规则知识集之间是有关联的 (由后面特点形成)。
- 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)。
16.10.2020
.
13
6.1.2基于产生式规则的推理模式
A B A B 把有前提的操作和逻辑推理统称为推理， 产生式系统中的推理是更广义的推理。
16.10.2020
.
14
6.2产生式系统
6.2.1系统结构 6.2.2运行过程 6.2.3控制策略常用算法 6.2.4程序实现* 6.2.5产生式系统与问题求解
状态集合表示： 用x1,x2,x3表示三个人点的颜色，1表示白色，
0表示非白色。 X＝(x1,x2,x3)表示颜色分布状态。 全部可能的状态集合(可能界PW0)：
{(0,0,0),(0,0,1),(0,1,0),(0,1,1),(1,0,0),(1,0,1),(1,1,0),(1,1,1)} 实际给定的状态为现实界X0 ＝(x10,x20,x30) 用排除法找到X0 。源自16.10.2020.
4
6.1.1产生式规则（2）
产生式的一般形式为： 前件后件（情况行为） 前件是前提，规则的执行条件。 后件是结论或动作，规则体。 产生式规则的语义：如果前提满足，则可得结论或 者执行相应的动作，即后件由前件触发。
一个产生式规则就是一条知识，用产生式不仅可以进 行推理，也可以实现操作。
16.10.2020
.
9
6.1.1产生式规则（例）
排除过程：
第一次，大臣只知道至少有一个人是白点，排除 X0={(0,0,0)}状态。这时如果有人看到两个非白点，根 据排除的状态可推知自己是白点。 第二次大臣根据没有一个人知道自己点颜色的事实 推知至少两人为白点。排除{(0,0,1)(0,1,0)(1,0,0)}状态。 这时如果有人看到一个非白点，根据排除后得到的 状态可推知自己的点是白的。 第三次，大臣们根据仍无人知道自己点颜色的新事 实推知没有一个非白点出现，即X0={(1,1,1)}。于是三 人都知道自己点的颜色是白的。
(2) (n>=1) (Si=2) =>(Wi=1),(i=1,2,3,下同)； (3)( i ) (Wi=1) (n>=1) => (n=1) ； (4) (n=1) => ( i ) (Wi=1) ； (5) ( i ) (Wi=0) (n>=1) => (n>=2) ; (6) (n>=2) <=>X0 ＝ { (0,1,1),(1,0,1),(1,1,0),(1,1,1)}； (7) (n>=2) (Si=1) =>(Wi=1); (8) ( i ) (Wi=1) (n>=2) => (n=2) ; (9) (n=2) => ( i ) (Wi=1); (10) ( i ) (Wi=0) (n>=2) => (n=3); (11) (n=3) <=> X0 ＝ { (1,1,1)}； (12) (n=3) => ( i ) (Wi=1).
16.10.2020
.
5
6.1.1产生式规则（3）
产生式规则例子
如果银行存款利率下调，那么股票价格上涨。 如果炉温超过上限，则立即关闭风门。 如果发烧、呕吐并且出现黄疸，那么得了肝炎。 （0.7） 如果键盘突然失灵，且屏幕上出现怪字符，则是病 毒发作。
16.10.2020
.
6
6.1.1产生式规则（例）
16.10.2020
.
12
6.1.1产生式规则（例）
上述结果可以推广到更一般的情况：设有m个大 臣，国王说至少有l个人的点是白色的，则有下 述产生式：
(1) (n>=l) <=>X0 ＝ {x|x中的白点数>=l}； (2) (n>=l) (Si=2) =>(Wi=1),(i=1,2,…,m,下同)； (3)( i ) (Wi=1) (n>=l) => (n=l) ； (4) (n=l) => ( i ) (Wi=l) ； (5)( i ) (Wi=0) (n>=l) (l<m-1)=> (n>=l＋1) ; (6)( i ) (Wi=0) (n>=l) (l＝m-1)=> (n＝m)。
第6章 基于产生式规则的机器推理
第6章基于产生式规则的机器推理
6.1 产生式规则 6.2 产生式系统
16.10.2020
.
2
6.1 产生式规则
6.1.1 产生式规则 6.1.2 基于产生式规则的推理模式
16.10.2020
.
3
6.1.1产生式规则（1）
产生式
产生式（Production）一词从波斯特机中借用来的。 波斯特机是一种自动机，它是根据串替换规则提出 的一种计算模型。其中的每一条规则就叫一个产生 式。也称产生式规则，简称规则。 这里产生式就是前面讨论过的操作（二阶梵塔问题， 猴子摘香蕉问题等）、逻辑蕴含式、推理规则以及 各种关系（包含经验性联想）的一种逻辑抽象。
16.10.2020
.
15
6.2.1系统结构（1）
产生式系统结构
产生式规则库
推理机 全局数据库
16.10.2020
.
16
6.2.1系统结构（2）
16.10.2020
.
10
6.1.1产生式规则（例）
引入中介状态并定义下述符号：
Si—— i大臣看到的非白点数； Wi—— i大臣猜出自己点的颜色否。如果他宣布已知 道自己点的颜色，为1，否则为0； n——X0中白点的个数。
16.10.2020
.
11
6.1.1产生式规则（例）
(1) (n>=1) <=>X0 ＝ { (0,0,1),(0,1,0),(0,1,1),(1,0,0),(1,0,1),(1,1,0),(1,1,1)}；
16.10.2020
.
7
6.1.1产生式规则（例）
分析： 这类问题的特点是有有限个受试者，每个
人对问题都只有部分了解，无法直接求解。但 在推理过程中每个人又可以从别人那里获得新 的知识，重新进行推理。可以用产生式来表达 推理过程中所用到的各种知识。
16.10.2020
.
8
6.1.1产生式规则（例）