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一。在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，并能以一种人类能理解的方式将处理结果告诉人们。

在AI系统中，给出一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。

下面是一些专家的看法：

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。

从知识库的观点看，知识是某领域中所涉及的各有关方面的一种符号表示。

另外有一种三维的描述方法：（范围，目的，有效性）,其中知识的范围由具体到一般，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”这种知识是一般性的、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。

在此，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

知识的一般直接表示，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。

这种知识描述一般性的事实，如凡是冷血动物都要冬眠，哺乳动物都是胎生繁殖后代等。

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，只给出它在某方面的行为。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

只给出一些实例。知识藏在实例中。感兴趣的不是实例本身，而是隐藏在大量实例中的规律性知识。

举例说明

类比性知识

既不给出外延，也不给出内涵，只给出它与其它事物的某些相似之处。类比性知识一般不能完整地刻画事物，但它可以启发人们在不同的领域中做到知识的相似性共享。

如比喻，心如刀绞，谜语等

元知识

有关知识的知识。最重要的元知识是如何使用知识的知识。例如，一个好的专家系统应该知道自己能回答什么问题，不能回答什么问题，这就是关于自己知识的知识。

元知识是用于如何从知识库中找到想要的知识。

4.1.3 知识的要素

知识的要素是指构成知识的必需元素。在这里，我们关心的是一个人工智能系统所处理的知识的组成成分。一般而言，人工智能系统的知识包含事实、规则、控制和元知识。

4.1.4 知识表示定义

知识表示方法是研究用机器表示知识的可行性、有效性的一般方法，是一种数据结构与控制结构的统一体，既考虑知识的存储又考虑知识的使用。知识表示可看成是一组事物的约定，以把人类知识表示成机器能处理的数据结构。

事实：事物的分类、属性、事物间关系、科学事实、客观事实等。

是有关问题环境的一些事物的知识，常以“┅是┅”形式出现，也是最低层的知识。例如：雪是白色的，人有四肢。

规则：事物的行动、动作和联系的因果关系知识。

这种知识是动态的，常以“如果┅那么┅”形式出现。例如启发式规则，如果下雨，则出门带伞。

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。

是有关问题的求解步骤、规划、求解策略等技巧性知识

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。

是有关知识的知识，是知识库中的高层知识。元知识与控制知识有时有重叠。

知识表示有如下特性：

◇知识表示是智能推理的部分理论。

◇知识表示是有效计算的载体

◇知识表示是交流的媒介（如语义网络）

4.1.5 选取知识表示的因素

选取何种知识表示方法来表示知识，不仅取决于知识类型，还有很多其它因素的影响，例如：

表示知识的范围是否广泛

例如，数理逻辑表示是一种广泛的知识表示办法，如果单纯用数字表示，则范围就有限制。

是否适于推理

人工智能只能处理适合推理的知识表示，因此所选用的知识表示必须适合推理。数学模型（拉格朗日插值法）适合推理，普

通的数据库只能供浏览检索，但不适合推理。

是否适于计算机处理

计算机只能处理离散的、量化的byte字节流。因此，用文字表述的知识和连续形式表示的知识（如微分方程）不适合计算机处理。

是否有高效的求解算法

考虑到实用的性能，必须有高效的求解算法，知识表示才有意义。

能否表示不精确知识

自然界的信息具有先天的模糊性和不精确性，能否表示不精确知识也是考虑的重要因素。许多知识表示方法往往要经过改造，如确定性方法、主观贝叶斯方法等对证据和规则引入了不确定性度量，就是为了表达不精确的知识。

能否在同一层次上和不同层次上模块化

例如Prolog只有一个全局知识库，不能模块化，这是它的缺点。

知识和元知识能否用统一的形式表示

知识和元知识是属于不同层次的知识，使用统一的表示方法

可以使知识处理简单。产生式表示法就能比较方便的表示这两种层次的知识。

是否适合于加入启发信息

在已知的前提下，如何最快的推得所需的结论，以及如何才能推得最佳的结论，我们的认识往往是不精确的。因此，往往需要在元知识（控制知识）加入一些控制信息，也就是通常所说的启发信息。

过程性表示还是说明性表示

一般认为，说明性的知识表示涉及细节少，抽象程度高，因此可靠性好，修改方便，但执行效率低。过程性知识表示的优缺点与说明性知识表示的相反。

表示方法是否自然

一般在表示方法尽量自然和使用效率之间取得一个折中。比如，对于推理来说，Prolog比高级语言如Visual C++自然，但显然牺牲了效率。

4.1.6 知识表示方法的分类

表示方法种类繁多，而且分类的标准也不大相同，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