人工智能逻辑PPT课件
2020/8/1
史忠植 逻辑基础
6
逻辑与程序语言的对比
逻辑
程序语言
逻辑符号
保留字或者符号
非逻辑符号
用户自定义的符号(变量名， 函数名等)
语句规则
构造一个程序的语句规则
语义规则
定义程序做什么的语句规则
推理规则、公理和证明 没有
2020/8/1
史忠植 逻辑基础
7
证明
一个证明是一个语法结构，它由符号串根据一定 的规则组成。它包括假设和结论。
概率和模糊
√ √√√
√ √ √ 目前主流
直觉主义逻辑
√ √ √ √ √ √ √ √ 主要替代者
高阶逻辑，λ-演算 √ √ √ √ √
√
更具中心作用
经典逻辑片断
√ √√
√ √ √ 前景诱人
资源和子结构逻辑 √
√
√
√
纤维化和组合逻辑 √ √ √ √ √
√
可自我指称
谬误理论
在适当语境
逻辑动力学
√
√ 动态逻辑观
则记为 ⊢ ，称由可推导出的，或可证明的。
是可推导出的，则记为
⊢ ，称为可证明的。
称一个假设是不协调的，如果存在一个语句
使得和的否定均可由推导得出。
称一个逻辑系统是一致的，或相容的(consistent)，
如果不存在逻辑系统的公式A，使得⊢A与⊢¬A同时成
立。
2020/8/1
史忠植 逻辑基础
9
解 释(语义)
语言: ¬，； 公理模式:
公式，原子公式
◆(A (B A))
◆((A (B C)) ((A B) (A C)))
◆(((¬A))(¬B) (B A)) 推理规则:分离规则(modus ponens，MP规则)
2020/8/1
A, A B
史忠植 逻辑基础
14
B
谓词逻辑(一阶逻辑)
Frege谓词演算
论辩理论游戏
√
前景光明
对象层次/元层次
√
√ 总起中心作用
机制:溯因 缺省 相干
√
√ 逻辑的一部分
与神经网络的联系
极重要，刚开始
时间-行动-修正模型
加标演202绎0/8系/1 统
√
√ √√
√ 一类新模型 √ 史忠植 逻√辑基础逻辑学的统一框架 13
命题逻辑
命题是可以确定其真假的陈述句。
Bolle提出了布尔代数。
语言: ¬，，，，(，)；常元，变元，函词，谓词；公式
公理模式:
◆(A (B A))
◆((A (B C)) ((A B) (A C)))
◆(((¬A)(¬B)) (B A))
◆vA Atv (t对A中变元v可代入) ◆v(A B) (vA vB)
◆A vA (v在A中无自由出现)
即，对任何语句集合和语句 ， ⊨蕴涵 ⊢ 。
如果一个逻辑是完备的，则该逻辑的证明系统已强到 可以推出任何永真式。
G20ő20/8d/1el完备性定理：一阶史忠逻植 逻辑辑基础是完备的 11
可判定性
可判定的
一个逻辑称为是可判定的(decidable)，如果存在 一个算法对逻辑中的任一公式 A，可确定⊢ A是否成
逻 辑 自然语 程序 人工 逻辑 指令与直 数据库 复杂性 智能体 未 来 展 望
言处理 控制 智能 编程 陈式语言 理论 理论 理论
时序逻辑
√ √ √ √ √ √ √ √ 广泛应用
模态逻辑
√ √ √ √ √ √ √ √ 非常活跃
算法证明
√ √√√ √ √ √√
非单调推理
√ √√√
√ √ √ 意义重大
2020/8/1
史忠植 逻辑基础
10
可靠性和完备性
可靠性(reliable)
一个逻辑是可靠的，如果它的证明保持真假值，
即在任何解释I下，如果I是 的模型，且可由推导 出，则I也是的一个模型。即，一个逻辑是可靠的， 如果对任何语句集合和语句 ， ⊢蕴涵 ⊨ 。
完备性(complete)
一个逻辑是完备的，如果任何永真语句是可证的。
在公理化逻辑中，逻辑给出一个逻辑公理和推理 规则的集合。推理规则是可以从一个语句的集合得到 另一语句的集合。
公理化逻辑中的证明就是一个语句序列，使得 其中的每个语句要么是逻辑公理，要么是一个假设，
要么是由前面的语句通过推理规则得到的。
2020/8/1
史忠植 逻辑基础
8
证 明(语法)
在语法上，如果存在一个从假设到的证明，
2020/8/1
史忠植 逻辑基础
5
逻辑系统
一个逻辑系统是定义语言和它的含义的方法。 逻辑系统中的一个逻辑理论是该逻辑的语言的一 个语句集合，它包括： 逻辑符号集合：在所有该逻辑的逻辑理论中均出现的符号； 非逻辑符号集合：不同的逻辑理论中出现的不同的符号； 语句规则：定义什么样的符号串是有意义的； 证明：什么样的符号串是一个合理的证明； 语义规则：定义符号串的语义。
语言的解释是在某个论域(domain)中定义非逻辑 符号。语句的语义是在解释下定义出语言L的真假值。
I是L的一个解释，且在I中为真，则记为 I ⊨ ，称作I满足 ，或者I 是的一个模型。
类似地，给定一个语句和一个语句 ，如果对 每个解释I ，有I ⊨ 蕴含I ⊨ ，换言之，如果I 是 的一个模型则I也是的一个模型，则记为 ⊨ ，我 们称为的一个逻辑结果。
第二章
人工智能逻辑
2020/8/1
史忠植 逻辑基础
1
整体概况
概况一
点击此处输入 相相关文本内容
02
概况三
点击此处输入 相关文本内容
03
2
主要内容
逻辑简介 逻辑程序设计 非单调逻辑 默认逻辑 限定逻辑 真值维护系统 情景演算 动态描述逻辑
2020/8/1
推理规则:分离规则
A, A B
2020/8/1
史忠植 逻辑基础
15
B
谓词逻辑与命题逻辑的区别
➢ 谓词逻辑给出了原子语句的内部结构，将原子 公式看作是事物直接的关系；
史忠植 逻辑基础
3
逻辑简介
逻辑的历史 逻辑系统 命题逻辑 谓词逻辑
2020/8/1
史忠植 逻辑基础
4
逻辑的历史
Aristotle——逻辑学 Leibnitz——数理逻辑 Gottlob Frege (1848-1925)——一阶谓词演算系
统,《符号论》 20世纪30年代，数理逻辑广泛发展
立。否则，称为是不可判定的(undecidable) 。
如果上述算法虽不一定存在，却有一个过程，可对该 系统的定理做出肯定的判断，但对非定理的公式过 程未必终止，因而未必能作出判断。这时称逻辑是 半可判定的。
一阶逻辑是不可判定的，但它是半可判定的。
2020/8/1
史忠植 逻辑基础
12
现代逻辑学与计算机科学、计算语言学和人工智能的关系表
合集下载
2024版《人工智能》PPT课件
《人工智能》PPT课件•人工智能概述•机器学习原理及算法•自然语言处理技术•计算机视觉技术•语音识别与合成技术•智能推荐系统与数据挖掘•人工智能伦理、法律与社会影响目录定义与发展历程定义人工智能是一门研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的新技术科学。
发展历程从早期的符号学习到现代的深度学习，人工智能经历了多个发展阶段，包括专家系统、知识工程、机器学习等。
重要事件人工智能领域的重要事件包括图灵测试、达特茅斯会议、AlphaGo战胜围棋世界冠军等。
人工智能的技术原理包括感知、思考、学习和行动四个方面，通过模拟人类的思维和行为方式来实现智能化。
技术原理人工智能的核心思想是让机器能够像人类一样具有智能，包括理解、推理、决策、学习等能力。
核心思想人工智能的实现方式包括符号主义、连接主义和行为主义等多种方法，其中深度学习是当前最热门的技术之一。
实现方式技术原理及核心思想前景展望未来人工智能的发展前景非常广阔，将会在更多领域得到应用，同时也会出现更多的技术创新和突破。
应用领域人工智能已经广泛应用于各个领域，包括智能家居、自动驾驶、医疗诊断、金融风控等。
挑战与机遇人工智能的发展也面临着一些挑战，如数据安全、隐私保护等问题，但同时也带来了巨大的机遇和发展空间。
应用领域与前景展望原理通过最小化预测值与真实值之间的均方误差，学习得到最优的线性模型参数。
应用预测连续型数值，如房价、销售额等。
原理在特征空间中寻找最大间隔超平面，使得不同类别的样本能够被正确分类。
应用分类问题，如图像识别、文本分类等。
原理通过递归地选择最优特征进行划分，构建一棵树状结构，用于分类或回归。
应用分类、回归问题，如信用评分、医学诊断等。
原理将数据划分为K个簇，使得同一簇内的数据尽可能相似，不同簇间的数据尽可能不同。
应用数据挖掘、图像压缩等。
原理通过计算数据点间的相似度，将数据逐层进行聚合或分裂，形成树状结构。
应用社交网络分析、生物信息学等。
人工智能谓词逻辑与归结原理课件
一阶谓词逻辑知识表示方法
3.问题描述
At (robot,c) At (robot,a) At (robot,a)
Holds(robot,box)
Empty(robot)
On(box,a) Table(a) Table(b)
Empty(robot)
On(box,a) Table(a) Table(b) Goto(x,y)
命题逻辑的推理
自然演绎推理
自然演绎推理：从一组已知为真的事实出发，直接运 用经典逻辑推理的推理规则推出结论的过程。 基本规则 P规则：在推理的任何步骤上都可以引入前提。 T规则：在推理时，如果前面步骤有一个或多个公式永 真蕴含公式S，则可以把S引入推理中。 假言推理：若P, PQ 为真， 则Q 为真。 拒取式：若 PQ ,Q 为真，则P为假。 析取三段论：若 P, P ∨ Q 为真， 则Q 为真。
3.问题描述
……
一阶谓词逻辑知识表示方法
“猴子吃香蕉”问题的描述 3.问题描述 ……
A1 A2 A3 A4 A5 (x) (y) (z) (s) (P(x,y,z,s) P(z,y,z,Walk(x,z,s))) (x) (y) (s) (P(x,y,x,s) P(y,y,y,Carry(x,y,s))) (s) (P(b,b,b,s) R(Climb(s))) P(a,b,c,s) R(s) ∨ ANS(s)
一阶谓词逻辑知识表示方法
谓词逻辑表示法在实际人工智能系统上得到应用。 机器人行动（如图示）
1.引入谓词
Table(x): x是桌子 Empty(y): y手中为空 At(y,z): y在z附近 Holds(y,w): y拿着w On(w,x): w在x的上面
人工智能深度ppt演示课件(40页)
图片取自何凯明的ppt
பைடு நூலகம்
深度学习的发展历史
促进深度学习发展的2个因素：
1. 计算能力的增强，尤其是 GPU的出现，极大的提升了深 度学习的计算速度
2. 数据的迅猛增加
深度学习的发展历史
农业上，可以用于发现农作物的病虫害，还可以用来识别哪些地方的环境适合种植 形成时期(1956 ~ 1970) 暗淡期(1966 ~ 1976) 形成时期(1956 ~ 1970) 图片取自何凯明的ppt International Conference on Neural Information Processing Systems. 1982年，Hopfield模型提出。 图片取自何凯明的ppt 促进深度学习发展的2个因素： 1956年，在美国的达特茅斯大学召开了第一次人工智能研讨会，标志人工智能学科的诞生 图片取自lecun的ppt 1997年，IBM研发的“深蓝”击败了国际象棋冠军卡斯帕罗夫 图片取自lecun的ppt 图片取自lecun的ppt 暗淡期(1966 ~ 1976) MYCIN专家系统，用于协助内科医生诊断细菌感染疾病 1970年，《人工智能》国际杂志创刊 剑桥大学数学家詹姆士按照英国政府的旨意发表报告，称AI即便不是骗局也是庸人自扰 1982年，Hopfield模型提出。 深度学习网络的训练步骤 1997年，IBM研发的“深蓝”击败了国际象棋冠军卡斯帕罗夫
深度学习的发展历史
深度学习的发展历史
深度学习的发展历史
深度学习的发展历史
International Conference on Neural Information Processing Systems. Curran Associates Inc. 2012:1097-1105.
பைடு நூலகம்
深度学习的发展历史
促进深度学习发展的2个因素：
1. 计算能力的增强，尤其是 GPU的出现，极大的提升了深 度学习的计算速度
2. 数据的迅猛增加
深度学习的发展历史
农业上，可以用于发现农作物的病虫害，还可以用来识别哪些地方的环境适合种植 形成时期(1956 ~ 1970) 暗淡期(1966 ~ 1976) 形成时期(1956 ~ 1970) 图片取自何凯明的ppt International Conference on Neural Information Processing Systems. 1982年，Hopfield模型提出。 图片取自何凯明的ppt 促进深度学习发展的2个因素： 1956年，在美国的达特茅斯大学召开了第一次人工智能研讨会，标志人工智能学科的诞生 图片取自lecun的ppt 1997年，IBM研发的“深蓝”击败了国际象棋冠军卡斯帕罗夫 图片取自lecun的ppt 图片取自lecun的ppt 暗淡期(1966 ~ 1976) MYCIN专家系统，用于协助内科医生诊断细菌感染疾病 1970年，《人工智能》国际杂志创刊 剑桥大学数学家詹姆士按照英国政府的旨意发表报告，称AI即便不是骗局也是庸人自扰 1982年，Hopfield模型提出。 深度学习网络的训练步骤 1997年，IBM研发的“深蓝”击败了国际象棋冠军卡斯帕罗夫
深度学习的发展历史
深度学习的发展历史
深度学习的发展历史
深度学习的发展历史
International Conference on Neural Information Processing Systems. Curran Associates Inc. 2012:1097-1105.
人工智能讲稿ppt课件
第一节 问题求解与问题表示
二、状态空间法 1、图的概念与术语
图，父辈结点与后继结点
nr
nh
np
路径， 树
ni
nq
nj
ns
nl3
nl1
nl2
第一节 问题求解与问题表示
2、状态空间表示 一个问题求解系统，问题的状态可由图中的结点代表，
它的所有可能的状态就成结点的集合，构成了状态空间， 或称状态图。
状态空间图中： 有向弧线代表操作，反应状态间的转移关系； 节点代表问题的状态。
第二节 人工智能的学科范畴
一、研究目标
AI是一门研究：如何使机器具有智能，如何设计智能 机器的学科，即使机器具有象人那样的
（1）感知能力 （2）思维能力 （3）行为能力 （4）学习、记忆能力
四种能力：
感知能力 听、看、闻
行为能力
将作出的结论付之于行 动，即去说、写、画，
进行操作、处理等。
思维能力
讨论
如果设d(n)反映搜索层次或深度， 当w(n)=0，
f(n)=d(n)，即同一层代价相同，就全部要扩展，挨个判 断是否为目标——宽度优先搜索 当d(n)=0，极好地反映被解问题的特性，使搜索完全向 目标结点进行——深度优先搜索。
283
1644
7
5
283 164
75
6
2 18
76
5
283
1
44
部分成果： 1、1984年完成了串行推理机PSI和操作系统SIMPOS
2、1988年完成了并行推理机Multi-PSI和操作系统
PIMOS ！
80年代末期ANN飞速发展给AI发展注入新血液：
1、80年代Hopfield模型及B-P反向传播模型的提出使 ANN兴起了一个热潮
《人工智能第二章》课件
智能机器人
智能机器人将在生产、服务等领域得到广泛应用，提高生产效率和生 活质量。
自动驾驶
随着传感器、算法等技术的进步，自动驾驶汽车将逐渐普及，改变人 们的出行方式。
人工智能的挑战与问题
数据安全与隐私保护
随着人工智能应用的普及，数据安全和 隐私保护成为亟待解决的问题。
就业影响
人工智能的发展可能导致部分传统岗 位的消失，需要关注就业市场的变化
智能制造
实现自动化生产线、智能机器 人等，提高生产效率和产品质 量。
智慧医疗
实现医疗影像识别、智能诊断 等，提高医疗服务的准确性和 效率。
智慧教育
实现个性化教学、智能评估等 ，提高教育教学的质量和效率 。
02
CATALOGUE
机器学习
机器学习的定义
机器学习是人工智能的一个重要分支，它利用计算机算法和模型从数据中学习和提 取知识，以解决各种实际问题。
、智能客服等领域。
图像识别
通过机器学习算法对图像进行 分类、检测和识别，应用于人 脸识别、自动驾驶等领域。
自然语言处理
利用机器学习技术对自然语言 文本进行分析和处理，实现文 本分类、情感分析、机器翻译 等功能。
推荐系统
通过分析用户行为和兴趣，利 用机器学习算法为用户推荐相 关内容和服务，提高用户满意
度和忠诚度。
03
CATALOGUE
深度学习
深度学习的定义
01
深度学习是机器学习的一个子领 域，它使用深度神经网络来模拟 人脑的认知过程，从而进行模式 识别、预测和决策等任务。
02
深度学习通过构建多层次的神经 网络结构，从原始数据中提取出 低级特征，再逐步抽象出高级特 征，最终实现复杂任务的处理。
智能机器人将在生产、服务等领域得到广泛应用，提高生产效率和生 活质量。
自动驾驶
随着传感器、算法等技术的进步，自动驾驶汽车将逐渐普及，改变人 们的出行方式。
人工智能的挑战与问题
数据安全与隐私保护
随着人工智能应用的普及，数据安全和 隐私保护成为亟待解决的问题。
就业影响
人工智能的发展可能导致部分传统岗 位的消失，需要关注就业市场的变化
智能制造
实现自动化生产线、智能机器 人等，提高生产效率和产品质 量。
智慧医疗
实现医疗影像识别、智能诊断 等，提高医疗服务的准确性和 效率。
智慧教育
实现个性化教学、智能评估等 ，提高教育教学的质量和效率 。
02
CATALOGUE
机器学习
机器学习的定义
机器学习是人工智能的一个重要分支，它利用计算机算法和模型从数据中学习和提 取知识，以解决各种实际问题。
、智能客服等领域。
图像识别
通过机器学习算法对图像进行 分类、检测和识别，应用于人 脸识别、自动驾驶等领域。
自然语言处理
利用机器学习技术对自然语言 文本进行分析和处理，实现文 本分类、情感分析、机器翻译 等功能。
推荐系统
通过分析用户行为和兴趣，利 用机器学习算法为用户推荐相 关内容和服务，提高用户满意
度和忠诚度。
03
CATALOGUE
深度学习
深度学习的定义
01
深度学习是机器学习的一个子领 域，它使用深度神经网络来模拟 人脑的认知过程，从而进行模式 识别、预测和决策等任务。
02
深度学习通过构建多层次的神经 网络结构，从原始数据中提取出 低级特征，再逐步抽象出高级特 征，最终实现复杂任务的处理。
人工智能逻辑1PPT
2.2 Horn逻辑
文字：原子公式(正文字)或原子公式的否定(负文字)。 P, Q, ¬ R 子句：若干文字的析取。¬ P∨Q∨R Horn子句： L1∨L2∨… ∨Ln中如果至多只含一个正文字， 那么该子句称为Horn子句。 Horn子句P∨ ¬ Q1∨ ¬ Q2∨…∨ ¬ Qn通常表示为： P Q1, Q2, …, Qn
Horn子句的类型： 过程：P Q1, Q2, …, Qn ◆事实： P
◆
目标： Q1, Q2, …, Qn ◆空子句： ⊓
◆
例: ◆过程：AT(dog, x) AT(Zhang, x) ◆事实：AT(Zhang, train) ◆目标： AT(dog, train) 首先目标中过程调用AT(dog, train)与过程名AT(dog, x) 匹配，合一为{train/x}，调用过程AT(Zhang, x)，从而 产生新目标 AT(Zhang, train)，与事实匹配，产生目 标⊓ 。因而调用成功，输出“是”。
解释是在某个论语(domain)中定义非逻辑 符号。语句的语义是在解释下定义出语言L的真假值。 I是L的一个解释，且在I中为真，则记为 I ⊨ ，称作I满足 ，或者I 是的一个模型。 和一个语句 ，如果对 每个解释I ，有I ⊨ 蕴含I ⊨ ，换言之，如果I 是 的一个模型则I也是的一个模型，则记为 ⊨ ，我 们称为的一个逻辑结果。
证 明(语法)
到的证明，
则记为 ⊢ ，称由可推导出的，或可证明的。
是可推导出的，则记为
⊢ ，称为可证明的。
是不协调的，如果存在一个语句 使得和的否定均可由推导得出。
一致的，或相容的(consistent)， 如果不存在逻辑系统的公式A，使得⊢A与⊢¬ A同时成
人工智能第三章ppt课件
〔4〕普通模块化的知识易于检索、了解，但也有无 法模块化的知识。
〔5〕排除自然言语的二义性。
〔6〕参与必要的常识。
3.2 逻辑表示法
逻辑表示法主要用于定理的自动证明、 问题求解、机器 人学等领域。
逻辑表示学的主要特点是它建立在某种方式逻辑的根底上 。优点：自然；明确：灵敏；模块化。
缺乏：它所表示的知识属于表层知识，不易表达过程性知 识和启发式知识；另外它把推理演算和知识的含义截然 分开，丢弃了表达内容中含有的语义信息，往往使推理 难以深化，特别是当问题比较复杂、系统知识量比较大 的时候，容易产生组合爆炸问题。
3.1.3 AI对知识表示方法的要求
首先，要求有较强的表达才干和足够的精细程度， 可以从三方面思索：表示才干；可了解性；自然性。
然后，从知识利用上讲，衡量知识表示方法可以从 以下3个方面调查：便于获取和表示新知识，并以适宜 方式与以后知识相衔接；便于搜索，在求解问题时，可 以较快地在知识库中找到相关知识；便于推理，要可以 从已有知识中推出需求的答案或结论。
3.4.4 衔接词和量词的表示
1.合取 链GIVER,OBJ以及RECIP之间是合取关系
2.析取 将“或〞关系的弧用一条封锁虚线包围起来，并标志DIS
3.否认 采用¬ISA和¬PART-OF关系或标注出NEG界限。
4.蕴涵 可用标注ANTE和CONSE界限来表示蕴涵关系。
5.量化 〔1〕存在量词的量化 用ISA链来表示 〔2〕全称量词的量化 整个语义网络或者把语义网络分割后的 某个范围
2.知识表示
知识表示是指将知识符号化，并输入计算机的 过程和方法。它包含两层含义： 〔1〕用给定的构造，按一定的原那么、组织方法表示知 识。 〔2〕解释所表示知识的含义。 详细表现为：选取适宜的数据构造描画用于求解某问题 所需的知识。 在AI领域，研讨知识表示方法的目的是用知识来改善程 序的性能，详细表现为： ①利用知识来协助选择或限制程序搜索的范围。 ②利用知识来协助程序识别、判别、规划与学习。
〔5〕排除自然言语的二义性。
〔6〕参与必要的常识。
3.2 逻辑表示法
逻辑表示法主要用于定理的自动证明、 问题求解、机器 人学等领域。
逻辑表示学的主要特点是它建立在某种方式逻辑的根底上 。优点：自然；明确：灵敏；模块化。
缺乏：它所表示的知识属于表层知识，不易表达过程性知 识和启发式知识；另外它把推理演算和知识的含义截然 分开，丢弃了表达内容中含有的语义信息，往往使推理 难以深化，特别是当问题比较复杂、系统知识量比较大 的时候，容易产生组合爆炸问题。
3.1.3 AI对知识表示方法的要求
首先，要求有较强的表达才干和足够的精细程度， 可以从三方面思索：表示才干；可了解性；自然性。
然后，从知识利用上讲，衡量知识表示方法可以从 以下3个方面调查：便于获取和表示新知识，并以适宜 方式与以后知识相衔接；便于搜索，在求解问题时，可 以较快地在知识库中找到相关知识；便于推理，要可以 从已有知识中推出需求的答案或结论。
3.4.4 衔接词和量词的表示
1.合取 链GIVER,OBJ以及RECIP之间是合取关系
2.析取 将“或〞关系的弧用一条封锁虚线包围起来，并标志DIS
3.否认 采用¬ISA和¬PART-OF关系或标注出NEG界限。
4.蕴涵 可用标注ANTE和CONSE界限来表示蕴涵关系。
5.量化 〔1〕存在量词的量化 用ISA链来表示 〔2〕全称量词的量化 整个语义网络或者把语义网络分割后的 某个范围
2.知识表示
知识表示是指将知识符号化，并输入计算机的 过程和方法。它包含两层含义： 〔1〕用给定的构造，按一定的原那么、组织方法表示知 识。 〔2〕解释所表示知识的含义。 详细表现为：选取适宜的数据构造描画用于求解某问题 所需的知识。 在AI领域，研讨知识表示方法的目的是用知识来改善程 序的性能，详细表现为： ①利用知识来协助选择或限制程序搜索的范围。 ②利用知识来协助程序识别、判别、规划与学习。