人工智能培训.pptx

Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,东南大学远程教育,人 工 智 能,第01讲,主讲教师：翟玉庆,人工智能培训,第1页,计算机科学技术发展趋向,1、基于网络(普适计算),2、并行化,3、智能化（以知识为中心）,4、人性化,人工智能培训,第2页,参考资料：,1、人工智能（上、下册），陆汝钤,科学出版社,2、高级人工智能，史忠植,科学出版社,3、智能主体及其应用，史忠植,科学出版社,4、Artificial Intelligence A New Synthesis,N.J.Nilsson,机械工业出版社,Morgan Kaufmann,人工智能培训,第3页,第一章 引言,第一节 基本概念,一、智能,智能是个体有目标行为、合理思维，以及有效地适应环境综合能力。通俗地讲，智能是个体认识客观事物、客观世界和利用知识处理问题能力。,人类个体智能是一个综合性能力。详细地讲，可包含：,1）感知与认识事物、客观世界与自我能力；,2）经过学习取得经验、积累知识能力；,人工智能培训,第4页,第一章 引言,第一节 基本概念,一、智能,人类个体智能是一个综合性能力。详细地讲，可包含：,3）了解知识、利用知识和利用经验分析问题和处理问题能力；,4）联想、推理、判断、决议能力；,5）利用语言进行抽象、概括能力；,6）发觉、创造、创造、创新能力；,人工智能培训,第5页,第一章 引言,第一节 基本概念,一、智能,人类个体智能是一个综合性能力。详细地讲，可包含：,7）实时地、快速地、合理地应付复杂环境能力；8）预测、洞察事物发展改变能力；,等。,注：智能是相正确、发展。离开特定时间说智能是困难、没有意义。,人工智能培训,第6页,东南大学远程教育,人 工 智 能,第02讲,主讲教师：翟玉庆,人工智能培训,第7页,第一章 引言,第一节 基本概念,二、人工智能,人工智能是相对人自然智能而言，即用人工方法和技术，研制智能机器或智能系统来模仿、延伸和扩展人智能，实现智能行为和“机器思维”,处理需要人类教授才能处理问题。,人工智能是人工制品(artifact)中所包括智能行为。其中，智能行为包含：感知(perception)、推理(Reasoning)、学习(learning)、通信(communicating)和复杂环境下动作行为(acting)。,人工智能培训,第8页,第一章 引言,第一节 基本概念,三、人工智能目标,人工智能目标是,实现智能行为和“机器思维”,，,处理需要人类教授才能处理问题。,1、研究像人一样工作机器，甚至比人做得更加好,2、能够了解机器、人或动物智能行为,人工智能培训,第9页,第一章 引言,第一节 基本概念,四、智能革命,智能革命是指人自然智能经过人工智能模仿和扩展，实现社会生产自动化和智能化，促进知识密集型经济发展。,人工智能培训,第10页,第一章 引言,第二节 人工智能发展概况,一、萌芽阶段,1、Aristotle(公元前384-322,)在工具论中提出形式逻辑（三段论）,2、Bacon(1561-1626)在新工具中提出归纳法，提出“知识就是力量”,3、Leibnitz(1646-1716)研制四则计算器，提出“通用符号”和“推理计算”概念，使形式逻辑符号化，从而能对人思维进行运算和推理，奠定了数理逻辑基础,人工智能培训,第11页,第一章 引言,第二节 人工智能发展概况,一、萌芽阶段,4、Boole(1815-1864)创建布尔代数，在思维法则中首次用符号语言描述思维活动基本推理规则,5、Godel(1906-1978)提出不完备性定理，指出人思维形式化和机械化一些极限,6、Turing(1912-1954)提出理想计算模型图灵机，创建自动机理论，提出“图灵试验”，用以判断“Can a machine think?”,人工智能培训,第12页,第一章 引言,第二节 人工智能发展概况,一、萌芽阶段,7、Mauchly,和Eckert等研制成功ENIAC电子数字计算机，为人工智能研究奠定物质基础,8、Von Neumann提出冯诺依曼计算机模型,9、McCulloch和Pitts建立神经网络数学模型，经过模拟人脑实现智能，开创人工神经网络研究。Kleene将其抽象为有限自动机理论,10、Wiener创建控制论，Shannon创建信息论,人工智能培训,第13页,第一章 引言,第二节 人工智能发展概况,二、人工智能诞生,1、导因,现实世界中相当多问题求解是复杂，常无算法可循，即使有计算方法，也是NP问题。为此，人们可采取启发式知识进行问题求解，把复杂问题大大简化，可在浩瀚搜索空间中快速找到解答。这是利用专门领域经验知识。经常会取得相关问题满意解，而非数学上最优解。这就是启发式搜索。,人工智能培训,第14页,第一章 引言,第二节 人工智能发展概况,二、人工智能诞生,2、提出,1956年，由McCarthy、Minskey、Shannon、Newell等提出。,人工智能培训,第15页,东南大学远程教育,人 工 智 能,第03讲,主讲教师：翟玉庆,人工智能培训,第16页,第一章 引言,第二节 人工智能发展概况,三、人工智能发展,1、50年代,以博弈、游戏为对象进行研究,1）Samuel研制成功含有自学能力启发式博弈程序,2）Newell研制了启发式程序Logic Theorist。对数学原理中38条定理进行了证实，开创了利用计算机研究思维活动规律工作,3）Chomsky提出语言文法，开创了形式语言研究,人工智能培训,第17页,第一章 引言,第二节 人工智能发展概况,三、人工智能发展,1、50年代,4）McCarthy建立LISP，不但能够处理数值，而且可更方便地处理符号，为人工智能研究提供了主要工具,人工智能培训,第18页,第一章 引言,第二节 人工智能发展概况,三、人工智能发展,2、60年代,前期以搜索问题、通用问题求解研究为主,1）Newell发表问题求解程序，使启发式程序有更大普遍性,2）Feigenbaum研制成功DENDRAL化学教授系统，使人工智能研究从着重算法转向知识表示研究，也是人工智能研究走向实用化标志,人工智能培训,第19页,第一章 引言,第二节 人工智能发展概况,三、人工智能发展,2、60年代,3）Robinson,提出归结原理,4）Quilian提出语义网络知识表示法,5）IJCAI成立,人工智能培训,第20页,第一章 引言,第二节 人工智能发展概况,三、人工智能发展,3、70年代,前期以自然语言了解、知识表示研究为主,1）Winograd,发表自然语言了解系统SHRDLU,2）Colmerauer创建PROLOG语言,3）Schank提出概念隶属理论,4）Minskey提出框架知识表示法,5）Feigenbaum提出知识工程,人工智能培训,第21页,第一章 引言,第二节 人工智能发展概况,三、人工智能发展,4、80年代,教授系统广泛应用，出现了教授系统开发工具，开始兴起人工智能产业,1）日本提出五代机计划,2）中国提出863计划-863-306,人工智能培训,第22页,第一章 引言,第二节 人工智能发展概况,三、人工智能发展,5、90年代-现在,1）人工神经网络复兴,2）基于知识系统,CYC,3）Deep Blue 1997.5.11,4）分布式人工智能与多Agent系统,robots,Softbot,集成自治系统,5）知识科学,人工智能培训,第23页,东南大学远程教育,人 工 智 能,第04讲,主讲教师：翟玉庆,人工智能培训,第24页,第一章 引言,第三节 人工智能研究方法,人工智能经过发展，形成了许多学派。不一样学派研究方法、学术观点、研究重点有所不一样。这里主要介绍认知学派、逻辑学派、行为主义学派和连接主义学派。,一、认知学派(以Simon,Minskey,和Newell等为代表),1、基本思想,从人思维活动出发，利用计算机进行宏观功效模拟。基于物理符号系统假设，将任何信息加工系统看成是一个详细物理系统。,人工智能培训,第25页,第一章 引言,第三节 人工智能研究方法,一、认知学派,2、基本观点,物理系统表现智能行为充要条件是该系统是一个物理符号系统。,3、主要工作,1）Newell,Logic Theorist，模拟人证实数学定理思维过程,2）GPS，模拟人解题过程(确定初步解题计划,利用公理、定理和规则，按规则实施解题过程不停进行“目标伎俩“分析，修订解题计划。,人工智能培训,第26页,第一章 引言,第三节 人工智能研究方法,一、认知学派,3、主要工作,3）物理符号系统假设,符号是模式。物理符号系统基本任务和功效是识别相同符号和区分不一样符号。,人工智能培训,第27页,第一章 引言,第三节 人工智能研究方法,二、逻辑学派（以McCarthy和Nilsson等为代表),1、基本思想,用逻辑来研究人工智能，用形式化方法（统一逻辑框架）描述客观世界。,2、基本观点,1）智能机器必须相关于本身环境知识,2）通用智能机器要能陈说性地表示关于本身环境大部分知识,3）通用智能机器表示陈说性知识语言最少要有一阶逻辑能力,人工智能培训,第28页,第一章 引言,第三节 人工智能研究方法,二、逻辑学派,3、主要工作,1）概念化知识表示,2）模型论语义,人工智能培训,第29页,东南大学远程教育,人 工 智 能,第05讲,主讲教师：翟玉庆,人工智能培训,第30页,第一章 引言,第三节 人工智能研究方法,二、逻辑学派,3、主要工作,1）概念化知识表示,2）模型论语义,3）演绎推理,4）非单调逻辑用于常识推理,人工智能培训,第31页,第一章 引言,第三节 人工智能研究方法,三、行为主义学派(以Brooks为代表),1、基本思想,以复杂现实世界为背景，让人工智能理论先经受处理实际问题考验，并在这种考验中成长。智能只是在与环境交互作用中表现出来。,2、基本观点,1）到现场去,2）物理实现,3）初级智能 4）行为产生智能,人工智能培训,第32页,第一章 引言,第三节 人工智能研究方法,三、行为主义学派,3、主要工作,1）无需知识表示智能,2）无需推理智能,3）机器虫,人工智能培训,第33页,第一章 引言,第三节 人工智能研究方法,四、连接主义学派,1、基本思想,从脑神经系统结构出发来研究脑功效，研究大量简单神经元集团信息处理能力及其动态行为，模拟和实现人认识过程中感知觉过程、形象思维、分布式记忆和自学习自组织过程。,2、基本观点,1）神经网络以分布式方式存放信息,2）神经网络以并行方式处理信息,3）神经网络含有自组织、自学习能力,人工智能培训,第34页,第一章 引言,第三节 人工智能研究方法,四、连接主义学派,3、主要工作,人工神经网络,人工智能培训,第35页,东南大学远程教育,人 工 智 能,第06讲,主讲教师：翟玉庆,人工智能培训,第36页,第一章 引言,第四节 人工智能主要研究内容,一、博弈,跳棋、国际象棋、五子棋,二、机器定理证实,Logic Theorist,王浩：利用一阶谓词逻辑,吴文俊：吴方法,三、自动程序设计,四、通用问题求解,GPS,人工智能培训,第37页,东南大学远程教育,人 工 智 能,第07讲,主讲教师：翟玉庆,人工智能培训,第38页,第一章 引言,第四节 人工智能主要研究内容,五、感知,1、视觉,2、语音,六、自然语言了解与生成,计算语言学,七、自动推理,1、推理,从一个或几个已知判断（前提）逻辑地推论出一个新判断（结论）思维形式。,人工智能培训,第39页,第一章 引言,第四节 人工智能主要研究内容,七、自动推理,1、推理,注：利用以往知识经过推理可得到新结论。,2、主要工作,1）机器定理证实,2）归结原理：推理规则简单。在逻辑上是完备，是PROLOG计算模型,3）非单调推理：闭世假说（CWA）、默认推理、限定推理,人工智能培训,第40页,第一章 引言,第四节 人工智能主要研究内容,七、自动推理,2、主要工作,4）定性推理：把物理系统或物理过程细分为子系统或子过程，对于每个子系统或子过程及它们之间相互作用或影响均建立起结构描述，经过局部因果性传输和行为合成，取得实际物理系统行为描述和功效描述,人工智能培训,第41页,东南大学远程教育,人 工 智 能,第08讲,主讲教师：翟玉庆,人工智能培训,第42页,第一章 引言,第四节 人工智能主要研究内容,七、自动推理,2、主要工作,5）不确定性推理：不确定性来自人类主观认识与客观实际之间存在差异。事物发生随机性，人类知识不完全、不可靠、不准确和不一致，自然语言中存在含糊性和歧义性均反应了这种差异，均会带来不确定性。,有代表性不确定性理论和推理方法有：概率论，,Bayes理论，证据理论(Dempster,和Shafer)，含糊集理论等。,人工智能培训,第43页,第一章 引言,第四节 人工智能主要研究内容,八、机器学习,知识、知识表示及利用知识推理算法是人工智能关键，而机器学习则是关键问题。,1、学习,学习是获取知识、积累经验、改进性能、发觉规律、适应环境过程。其基本机制是设法将在一个情形下成功表现行为转移到另一类似新情形中去。,2、学习种类,1）无知识学习：神经元模拟和基于决议论方法自适应和自组织系统。,人工智能培训,第44页,第一章 引言,第四节 人工智能主要研究内容,八、机器学习,2、学习种类,2）归纳学习：,AQ算法、ID3算法等。,3）分析学习（实例学习）：基于解释学习、知识块（Chunking）学习。,4）类比学习,5）发觉学习：依据试验数据或模型重新发觉定律方法。,人工智能培训,第45页,第一章 引言,第四节 人工智能主要研究内容,八、机器学习,2、学习种类,6）遗传学习：自然选择、变异。,7）连接学习：神经网络学习。,8）数据库知识发觉：主要发觉分类规则、特征规划、关联规则、差异规则、演化规则、异常规则等。,其方法有统计方法、机器学习、神经网络、数据仓库等。,人工智能培训,第46页,东南大学远程教育,人 工 智 能,第09讲,主讲教师：翟玉庆,人工智能培训,第47页,第一章 引言,第四节 人工智能主要研究内容,九、分布式人工智能（Distributed AI）,第一届,DAI会议是在1980年。,1、基本概念,DAI是研究在逻辑上或物理上分散智能动作者怎样协调其智能行为（知识、技能和规划），求解单目标和多目标问题，为设计和建立大型复杂智能系统或计算机支持协同工作(CSCW),提供有效路径。,人工智能培训,第48页,第一章 引言,第四节 人工智能主要研究内容,九、分布式人工智能（Distributed AI）,第一届,DAI会议是在1980年。,2、主要内容,1）分布式问题求解(DPS),2）多,Agent系统(MAS),Agent是自主，可能是预先存在，而且是异构，是一开放系统。,人工智能培训,第49页,第一章 引言,第四节 人工智能主要研究内容,十、人工思维模型,真实世界,柔性信息处理,集体智能,开放式自主系统,人工智能培训,第50页,第一章 引言,第四节 人工智能主要研究内容,十一、知识系统,知识工程已成为人工智能应用最显著特点。,知识系统主要研究内容：,1、教授系统,知识库+推理机,2、知识库系统,将知识以一定结构存入，进行知识管理，实现知识共享,3、智能决议系统,4、知识科学,人工智能培训,第51页,第一章 引言,讨论题：,1、你相信人是机器吗？请说出理由。,2、假如你是图灵测试测试者，你会怎样设计题目？,人工智能培训,第52页,东南大学远程教育,人 工 智 能,第10讲,主讲教师：翟玉庆,人工智能培训,第53页,第二章 知识与知识表示,第一节 引言,一、知识,知识是信息经过加工整理、解释、挑选和改造而成。,二、知识类型,1、事实性知识,普通采取直接表示形式。,注：1）若事实性知识是批量、有规律，则往往以表格、图册，甚至数据库等形式出现；,2）一些事实性知识表现为规则形式（尽管有时事实和规则分开处理）,人工智能培训,第54页,第二章 知识与知识表示,第一节 引言,二、知识类型,2、过程性知识,描述做某事过程，使人或计算机照此去做。,3、行为性知识,不直接给出事实本身，只给出它在某方面行为。,注：从某种意义上说，行为性知识是描述事物内涵，而非外延。,4、实例性知识,只给出一些实例，关于事物知识就隐藏在这些实例中。,人工智能培训,第55页,第二章 知识与知识表示,第一节 引言,二、知识类型,4、实例性知识,注：实例性知识和事实性知识主要区分是：人们感兴趣普通不是这些实例本身，而是在大批实例后面隐藏规律性知识。,5、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一些相同之处。,人工智能培训,第56页,第二章 知识与知识表示,第一节 引言,二、知识类型,5、类比性知识,注：类比性知识普通不能完整地刻划事物，有时会以偏概全，但它能够启发人们在不一样领域知识间架起桥梁，利用一个领域知识去处理另一个领域问题。,6、元知识,关于知识知识。,注：元知识经常以控制知识形式出现。,人工智能培训,第57页,东南大学远程教育,人 工 智 能,第11讲,主讲教师：翟玉庆,人工智能培训,第58页,第二章 知识与知识表示,第一节 引言,三、知识表示标准,1、表示知识范围是否广泛？,注：逻辑是一个广谱知识表示工具。,2、是否适合于推理？,注：人工智能主要对适合推理知识表示感兴趣。,3、是否适合于计算机处理？,4、是否有高效算法？,5、能否表示不准确知识？,注：自然界信息含有先天含糊性和不准确性。,人工智能培训,第59页,第二章 知识与知识表示,第一节 引言,三、知识表示标准,6、能否模块化，方便于知识分层？,7、知识和元知识能否用统一形式表示？,8、是否适合于加入启发式信息？,控制知识（元知识）信息启发式信息,9、过程性表示还是说明性表示？,说明性表示：只给出事物本身属性及事物之间相互关系，对问题解答就隐含在这些知识之中。,人工智能培训,第60页,第二章 知识与知识表示,第一节 引言,三、知识表示标准,9、过程性表示还是说明性表示？,过程性表示：给出处理一个问题详细过程。,注：说明性表示包括细节少，抽象程度高，可靠性很好，修改方便，但执行效率较低。,10、表示方式是否自然？,人工智能培训,第61页,第二章 知识与知识表示,第一节 引言,四、常见知识表示形式,1、演绎系统,2、产生式系统,3、框架结构,4、语义网络,5、过程性知识表示,6、面向对象知识表示,人工智能培训,第62页,第二章 知识与知识表示,第二节 演绎系统,一、谓词演算,1、命题 陈说,2、谓词 带有参数命题,注：1）谓词比命题有更强表示能力，可将知识单元细分；,2）谓词可代表改变着情况，谓词真假值可因参数而异；,3）可利用谓词在不一样知识之间建立联络，使用同名参数。,人工智能培训,第63页,第二章 知识与知识表示,第二节 演绎系统,一、谓词演算,3、谓词解释 人为地指派给谓词含义,注：1）因为解释不一样，谓词真假值也就不一样；,2）对于复杂谓词公式，研究其不一样解释含有更大主要性；,3）对一个谓词公式可给出各种甚至无穷各种不一样解释。,人工智能培训,第64页,第二章 知识与知识表示,第二节 演绎系统,一、谓词演算,3、谓词解释 人为地指派给谓词含义,注：4）每种解释由以下基本部分组成：,A）一组基本域Di,i=1n,B）每个常量均是某个Di中一个元素,C）每个变量均在某个Di,中取值,D）每个m目函数均是一个映射,Di1,Di2.DimDim+1,（对于jk,能够有Dij=Dik),人工智能培训,第65页,第二章 知识与知识表示,第二节 演绎系统,一、谓词演算,3、谓词解释 人为地指派给谓词含义,注：4）每种解释由以下基本部分组成：,E）,每个m目谓词均是一个映射,Di1,Di2.Dim（T，F）,（T代表真，F代表假,),5）若一个谓词公式在全部解释下均为真，则称此公式为永真公式。,人工智能培训,第66页,第二章 知识与知识表示,第二节 演绎系统,一、谓词演算,3、谓词解释 人为地指派给谓词含义,注：,5）利用谓词演算进行逻辑推理关键任务就是判断一个谓词公式是否永真。但判断一个谓词公式永真性比较困难，甚至有些人证实，根本不存在这么算法。,人工智能培训,第67页,东南大学远程教育,人 工 智 能,第12讲,主讲教师：翟玉庆,人工智能培训,第68页,第二章 知识与知识表示,第二节 演绎系统,一、谓词演算,4、谓词演算 谓词及谓词之间关系研究,1）符号集,真值常量：T、F,联结符号：、,运算符：=,量词：、,常量：函数常量、谓词常量,变量：函数变量、谓词变量,注：对于变量，可使用量词。,人工智能培训,第69页,第二章 知识与知识表示,第二节 演绎系统,一、谓词演算,4、谓词演算 谓词及谓词之间关系研究,2）项,A）常量和变量是项,B）若t1,t2,.,tn是项，则f,n,(t1,t2,tn)和F,n,(t1,t2,tn)也是项。,3）原子公式和合式公式,P16,人工智能培训,第70页,第二章 知识与知识表示,第二节 演绎系统,一、谓词演算,5、主要谓词演算,命题演算,一阶谓词演算,二阶谓词演算,其中，最主要是一阶谓词演算。,人工智能培训,第71页,第二章 知识与知识表示,第二节 演绎系统,二、自然演绎系统,给定一个有限或递归公理集，及一个有限推理规则集，组成一个自然演绎系统。,注：1）若在某个确定范围内，任何永真公式均可由一个演绎系统推导出，则称此演绎系统对于该范围来说是完备。,2）对于一阶谓词演算，存在着完备演绎系统，对于二阶谓词演算，不存在着完备演绎系统。,人工智能培训,第72页,第二章 知识与知识表示,第二节 演绎系统,二、自然演绎系统,注：3）在实际应用中，仅推演永真式是不够，任何有意义知识推理系统均需处理非永真公式，它谓词被指派以某种解释，即语义。我们应该使用含有语义演绎系统。,人工智能培训,第73页,第二章 知识与知识表示,第二节 演绎系统,三、与或句演绎系统,1、与或句,只有与符号()、或符号()、谓词(也称原子)和前有非符号谓词(也称负原子，正负原子统称句节)以及看不见全称量词合式公式称为与或句。,2、与或句生成步骤,1）化成前束范式，使全部量词均在合式公式最前面，且每个量词辖域均是整个公式。,2）消去存在量词，只剩下全称量词。,人工智能培训,第74页,第二章 知识与知识表示,第二节 演绎系统,三、与或句演绎系统,3、置换规则,左部只能有一个句节，右部能够是任意与或句。,注：与或句演绎系统能够用于求证某个目标推理，也能够进行反向推理。当用作反向推理时，比较实用。,人工智能培训,第75页,第二章 知识与知识表示,第二节 演绎系统,四、子句演绎系统,1、子句,只有或符号和非符号合式谓词公式称为子句，用或符号连接多个句节而成。,2、子句演绎方法,消解法Robinson,3、消解法基本思想,把已知条件表示成一组子句，把求证目标先表示成子句，后在前面加非符号，把加了非符号目标子句和条件子句组合，若经过消解推出空子句，则目标得以证实。,人工智能培训,第76页,第二章 知识与知识表示,第三节 产生式系统,一、基本概念,1、产生式,在自然界各种知识单元之间存在着大量因果关系。这是前提和结论之间关系，可用产生式（或称规则）来表示。,产生式（规则）：前提和结论之间关系式。,表示形式：前提,结论,2、事实,无需前提条件产生式，可用于表示已知事实。表示形式：事实,人工智能培训,第77页,第二章 知识与知识表示,第三节 产生式系统,一、基本概念,3、产生式系统,将一组产生式放在一起，让它们相互配合、协调作用，一个产生式生成结论可供另一个产生式作为前提使用。以这种方式求得问题处理系统，称为产生式系统。,人工智能培训,第78页,第二章 知识与知识表示,第三节 产生式系统,二、基本特征,1、产生式系统组成,a)一组规则(即产生式本身),每个规则分为左部(LHS),和右部(RHS)。,普通说来，左部表示情形，即什么条件发生时此产生式应该被调用。右部表示动作，即此产生式被调用后所做事情。,在核实左部情形时，通常采取匹配方法，即查看当前数据基中是否存在规则左部所指示情形。若存在，则认为匹配成功，不然认为匹配不成功。,人工智能培训,第79页,第二章 知识与知识表示,第三节 产生式系统,二、基本特征,1、产生式系统组成,a)一组规则(即产生式本身),匹配成功时，执行右部要求动作。这种动作普通是对数据基中数据作某种处理。,人工智能培训,第80页,第二章 知识与知识表示,第三节 产生式系统,二、基本特征,1、产生式系统组成,b)数据基,每个产生式系统都有一个数据基，其中存放数据既是组成产生式基本元素，又是产生式作用对象。,注：数据基不一样于数据库。数据基中数据是广义，能够是常量、变量、多元组、谓词、表结构、图象等等。其意义往往指一个事实或断言，可看成一个知识元。,人工智能培训,第81页,第二章 知识与知识表示,第三节 产生式系统,二、基本特征,1、产生式系统组成,c)一个解释程序,负责整个产生式系统运行，包含规则左部和数据基匹配、从匹配成功规则（可能不止一个）中选出一个加以执行、解释执行规则右部动作，并掌握时机结束产生式系统运行等等。,注：其中每一步均可有不一样含义。,人工智能培训,第82页,第二章 知识与知识表示,第三节 产生式系统,二、基本特征,2、产生式系统特点,a)相对固定格式,任何产生式均由LHS和RHS组成，左部匹配，右部动作。,匹配提供信息只有两种：成功或失败。,匹配过程中不允许产生副作用。规则匹配失败时，对数据基无影响。,匹配普通无递归，无复杂计算。右部动作普通是最基本，无复杂控制。,人工智能培训,第83页,第二章 知识与知识表示,第三节 产生式系统,二、基本特征,2、产生式系统特点,b)知识模块化,在每个详细产生式系统所适用专门领域知识被分成许多知识元，存于数据基中。而每个规则指明了相关知识元之间关系及其使用方法。,规则本身也可看成是知识元，这种知识元不一样于通常数据基中存放知识元，因为它是指示怎样使用数据基中存放知识元，所以，也称为元知识，即关于知识知识。由此可见，元知识也是模块化。,人工智能培训,第84页,第二章 知识与知识表示,第三节 产生式系统,二、基本特征,2、产生式系统特点,b)知识模块化,另外，还有怎样使用这些规则知识，包含规则匹配次序、匹配冲突处理等解释系统中所包含功效。这种相关元知识知识称为高阶元知识。它们也可模块化并写成规则形式。不过，只有少数系统能做到，而大部分系统是将高阶元知识不明确地写成规则形式，不以任何明确形式显示出来，规则使用方法隐含在系统本身定义中。这是模块化不彻底表现，可扩展性差。,人工智能培训,第85页,第二章 知识与知识表示,第三节 产生式系统,二、基本特征,2、产生式系统特点,b)知识模块化,注：知识模块化使得知识基（包含数据基和规则基）补充和修改变得非常轻易。但要注意任何修改和扩充必须保持知识基无矛盾性和一致性。这种一致性检验最好由系统自动执行，最少检验到一定程度。因为从理论上，在一些情形下彻底一致性检验是不现实。,人工智能培训,第86页,第二章 知识与知识表示,第三节 产生式系统,二、基本特征,2、产生式系统特点,c)相互影响间接性,产生式系统普通是“数据驱动”，看不见控制流。,一个产生式调用对其它产生式影响不是直接传送过去，而是经过修改数据基来间接实现（当其它产生式左部与数据基匹配时，发觉数据基内容已变，从而，各产生式执行效果也就跟着发生改变）。,人工智能培训,第87页,第二章 知识与知识表示,第三节 产生式系统,二、基本特征,2、产生式系统特点,c)相互影响间接性,注：这个特点有利于知识模块性，但使产生式系统效率受到影响。,人工智能培训,第88页,第二章 知识与知识表示,第三节 产生式系统,二、基本特征,2、产生式系统特点,d)机器可读性,包含机器识别产生式、语法检验和某种程度上语义检验。,语法检验包含无矛盾性检验和冗余检验。,语义检验包括知识详细领域，如通常数据库中一致性检验。,可读性另一含义是对产生式作出解释，是对产生式系统为处理某一问题所给答案解释，即，对推理过程作出解释。,人工智能培训,第89页,第二章 知识与知识表示,第三节 产生式系统,二、基本特征,2、产生式系统特点,注：产生式系统对一些领域应用是很有效，如医疗诊疗，而对另一些领域不那么适用，如数学。其关键在于知识能否模块化。,人工智能培训,第90页,东南大学远程教育,人 工 智 能,第13讲,主讲教师：翟玉庆,人工智能培训,第91页,第二章 知识与知识表示,第三节 产生式系统,三、产生式知识元形式,1、常量字符串,是知识元最简单形式。,匹配有准确匹配、不完全匹配(只要求LHS中知识元是当前数据基中某个知识元子串即可)。,匹配成功后，RHS动作是把数据基内该知识元中所含子串换成在RHS中出现子串。,注：这种产生式系统称为置换系统。,人工智能培训,第92页,第二章 知识与知识表示,第三节 产生式系统,三、产生式知识元形式,2、变量,若产生式左部均只有一个符号，则这些符号也称为变量。,注：引进变量一个效果是把命题化为谓词，引进变量后，可结构由谓词组成产生式系统，它表示能力要强得多。,人工智能培训,第93页,第二章 知识与知识表示,第三节 产生式系统,三、产生式知识元形式,3、元组,在许多教授系统中，经常以（对象,属性,值）三元组形式作为产生式系统知识元。,4、树和图,人工智能培训,第94页,第二章 知识与知识表示,第三节 产生式系统,三、产生式知识元形式,注：1)知识元可包括复杂计算，如exist(x,D),2)普通地，变量作用域仅限于它所在产生式。若在匹配过程中，某规则中一个变量被约束为某个值，则同一规则中全部同名变量必须约束为同一个值，但对其它规则中同名变量无任何影响。同时，不论是规则匹配失败或成功地结束，被约束变量均要恢复原状，即只起一个形式参数作用。不过也有例外，如在许多语法置换系统中，同一字符串中几个同名变量可被置换为不一样子串。另一例外是作用域放大。,人工智能培训,第95页,第二章 知识与知识表示,第三节 产生式系统,四、推理方向,1、最基本推理方式,a)向前推理：数据驱动推理。,b),向后推理：目标驱动推理。,人工智能培训,第96页,第二章 知识与知识表示,第三节 产生式系统,四、推理方向,2、向前推理基本原理,每个产生式左部有一组条件，右部有一组动作。每当数据基当前状态符合某一产生式左部全部条件时，对应产生式被激发，并执行其右部动作。这些动作普通要修改数据基内容，动作执行完成，数据基状态可能已经发生改变。此时，再找一个产生式，如此循环重复。,S1,S2,S3,执行,产生式,Pa,执行,产生式,Pb,.,人工智能培训,第97页,第二章 知识与知识表示,第三节 产生式系统,四、推理方向,2、向前推理基本原理,注：1)在大部分向前推理产生式系统中，每个条件用一个谓词来表示，产生式左部是一串谓词，产生式右部也是一串谓词。产生式左部与当前数据基匹配成功含义是：对产生式左部全部谓词中出现变量能够实施一个统一置换，使得置换后谓词均是当前数据基中某个谓词样品。执行产生式右部动作含义是：把左部匹配成功时实施那个变量置换传输到右部来，使右部谓词中出现变量按同一方式实施置换。,人工智能培训,第98页,第二章 知识与知识表示,第三节 产生式系统,四、推理方向,2、向前推理基本原理,注：2)向前推理可形成一片森林。,3)对于产生式激发还应加一个条件：当执行一个产生式右部动作不能改变数据基状态时，即使产生式左部能与数据基匹配，也不应该激发该产生式。即，当产生式右部不能为数据基增添新谓词时，就不应激发此产生式，不然会产生许多无用空转，可能使产生式系统运行不能停顿。,人工智能培训,第99页,第二章 知识与知识表示,第三节 产生式系统,四、推理方向,2、向前推理基本原理,注：4)在普通情况下，运行产生式系统应有一个目标。每执行一次向前推理，就要将当前数据基状态与目标状态比较一下，若已到达目标，则停顿运行。,5)有时，无目标向前推理也是需要。这往往是为了推出所需要全部结果。,人工智能培训,第100页,第二章 知识与知识表示,第三节 产生式系统,四、推理方向,3、向后推理,a),基本原理,设目标状态为S1,则首先查看数据基当前状态是否已是S1。若是，则无须做任何工作，问题已处理，不然，查看有没有这么规则R1，可把状态S2转换为S1。若有，则查看当前数据基状态是否是S2，若是，则只要执行R1，即可到达状态S1，问题也可处理。若当前数据基状态不是S2，则深入查看有没有这么规则R2，可把状态S3转换为S2，若有，则查看当前数据基状态是否是S3,，如此重复，得到一条向后推理链。,人工智能培训,第101页,第二章 知识与知识表示,第三节 产生式系统,四、推理方向,3、向后推理,a),基本原理,S1,S3,S2,.,执行,产生式,R1,执行,产生式,R2,人工智能培训,第102页,东南大学远程教育,人 工 智 能,第14讲,主讲教师：翟玉庆,人工智能培训,第103页,第二章 知识与知识表示,第三节 产生式系统,四、推理方向,3、向后推理,b)实现方式,对于这类产生式系统，推理目标也可取一个谓词形态，称为目标谓词。,推理步骤是：以目标谓词为树根，首先查看当前数据基中是否有这么谓词存在，它们与目标谓词存在,最广通代,。若有,n个这么谓词，则从树根生出n枝“或枝”，每枝或叉终点是上述数据基谓词经过最广通代之后一个样品；然后，再查看有没有这么规则，它们右部谓词与目标谓词之间存在最广通代，若有m,个这么规则，,人工智能培训,第104页,第二章 知识与知识表示,第三节 产生式系统,四、推理方向,3、向后推理,b)实现方式,(推理步骤)：则从树根再生出,m枝“或叉”，每枝或叉终点是上述规则右部谓词经过最广通代之后样品。若和某个右部谓词相对应左部有k个谓词，则从对应或叉终点又生出k枝“与叉”，每枝与叉终点对应于一个左部谓词，其中全部变元均已按照右部谓词所作最广通代作了对应置换。,在上述过程中，或叉起点称为或结点，其终点称为与结点；与叉起点称为与结点，其终点称为或结点。,人工智能培训,第105页,第二章 知识与知识表示,第三节 产生式系统,四、推理方向,3、向后推理,b)实现方式,(推理步骤)：由上可知：或结点和与结点互为因果。按此方法不停进行下去，可使与叉和或叉，与结点和或结点循环轮回，生成一棵树，称为与或树。它能够是有穷，也可是无穷。,若从一个或结点生出全部或叉中，有一枝或叉终点是当前数据基中某个谓词一个样品，则称此或结点成功，它子与结点(即上述谓词样品)自然也成功，而且是与或树一个叶结点。若从一个或结点不能生出任何或叉，则称此或结点失败，它也与或树一个叶结点。,人工智能培训,第106页,第二章 知识与知识表示,第三节 产生式系统,四、推理方向,3、向后推理,b)实现方式,(推理步骤)：若一个或结点全部子与结点皆失败，则该父或结点也失败。若一个与结点成功，则它父或结点也成功。若一个父与结点全部子或结点皆成功，则该父与结点也成功。,若因为一些叶结点成功，使得根结点(它一定是或节点)成功，则整个推理成功。若到某个时刻，因为一些叶结点失败而使得推理不再能进行，则整个推理失败，不然，与或树有可能无穷地生长下去。,人工智能培训,第107页,第二章 知识与知识表示,第三节 产生式系统,四、推理方向,3、向后推理,c)最广通代定义,定义1通代 若有一组谓词W=,1,2,n,，又有一个代换，使,1,=,2,=,n,，则称为谓词组,W通代。,定义2广通代 若1和2均是谓词组W通代，另有一个代换3，使得：W13=W2