人工智能报告分析

1、江苏大学人工智能报告设计题目学生姓名指导老师学院专业班级学号完成时间人工智能报告叶潘鹏赵跃华计算机科学与通信工程学院信息安全1202班31206040532015年10月25日摘要：知识处理是人工智能这一科学领域的关键问题。本文对知识处理的核心问题之一一识的表示进行了全面的综述，目前流行的知识表达方式不下十种，在此只介绍一阶谓词逻辑、产生式、语义网络、框架、混合等目前最常用的知识表示方法。并对其进行了优缺点分析及简单对比。最后对知识表示的发展趋向作出了展望。关键词：知识人工智能(AI)知识表达式一阶谓词逻辑产生式语义网络框架一.知识的概念知识(Knowledge)是人们在改造客观世界的实践中形

2、成的对客观事物(包括自然的和人造的)及其规律的认识，包括对事物的现象、本质、状态、关系、联系和运动等的认识。经过人的思维整理过的信息、数据、形象、意象、价值标准以及社会的其他符号产物，不仅包括科学技术知识-知识中最重要的部分，还包括人文社会科学的知识、商业活动、日常生活和工作中的经验和知识，人们获取、运用和创造知识的知识，以及面临问题做出判断和提出解决方法的知识。知识是把有关的信息关联在一起，形成的关于客观世界某种规律性认识的动态信息结构。知识=事实+规则+概念事实就是指人类对客观世界、客观事物的状态、属性、特征的描述，以及对事物之间关系的描述。规则是指能表达在前提和结论之间的因果关系的一种形

3、式；概念主要指事实的含义、规则、语义、说明等。(1)知识只有相对正确的特性。常言道：实践出真理。只是源于人们生活、学习与工作的实践，知识是人们在信息社会中各种实践经验的汇集、智慧的概括与积累。只是爱源于人们对客观世界运动规律的正确认识，是从感知认识上升成为理性认识的高级思维劳动过程的结晶，故相应于一定的客观环境与条件下，只是无疑是正确的。然而当客观环境与条件发生改变时，知识的正确性就接受检验，必要时就要对原来的认识加以修改和补充，一至全部更新而取而代之例如知道1543年哥白尼学说问世之前，人们一直都以为地球是宇宙的核心；再有：人们都知道一个关于“瞎子摸象”的故事，它通俗地说明了完整的只是形式是

4、一个复杂的智能过程。通常人们获取知识的重要手段是：利用信息，把各种信息提炼、概括并关联在一起，就形成了知识。而利用信息关联构成知识的形式有多种多样。（2）知识的确定与不确定性如前说述，知识有若干信息关联的结构组成，但是，其中有的信息是精确的，有的信息却是不精确的。这样，则由该信息结构形成的知识也有了确定与不确定的特征。2.知识表达及其映像原理智能机器系统如同智能生物一样，在运用知识进行信息交流或只能问题求解时，都需要预先进行知识表示。进而实现知识调用，达到利用知识求解问题的目的。因而只是表示是知识信息处理系统必不可少的关键环节。对智能机器系统而言，只是表示，实际上就是对知识的一种描述或约定。其

5、本质，就是采用某种技术模式，八所要求解决的问题的相关知识，映射为一种便于找到该问题解的数据结构。对知识进行表示的过程，实质上就是把相关只是映射（或称为变换：Transformation；或称为映像：Mapping；或称为编码：Coded）为该数据结构的过程。二.人工智能研究学派人工智能研究者根据研究的基础理论和方法不同，分为符号主义（又叫心理学派）、联结主义（又叫生理学派）、行为主义（又叫控制论学派）。（1）符号主义认为人的认知基元是符号，而且认知过程即符号操作过程，人通过自已的眼睛观察客观事物，用符号的形式表示出来，而计算机也是一个对逻辑符号表示的知识进行演绎的物理符号系统。因此可以用计算机

6、自身所具有的符号处理推算能力来模拟人的智能行为。它的主要特征是知识可用符号表示，立足于逻辑运算和符号操作，适合于模拟人的逻辑思维过程，解决需要进行逻辑推理的复杂问题。（2）联结主义又称仿生学，人脑是由大约1011个神经细胞组成，所以认为人的思维基元是神经元，而不是符号处理过程，主张采用模拟人的生理神经网络结构的研究方法。这种方法的特征是实现联想功能，对于带有噪声、缺损、变形的信息进行有效的处理，适合于模拟人类的形象思维过程，求解问题时，可以比较快地求得一个近似解。(3)行为主义认为智能取决于感知和行动，不需要知识、不需要表示、不需要推理。认为人的智能行为是在与现实世界的环境交互作用下表现出来的

7、，这种观点的核心是用控制取代知识表示，从而获得概念、模型以及显式表示的知识。这一观点还没有形成完善的理论体系。三.常用知识表示法2.1 一阶谓词逻辑表示法：一阶谓词逻辑表示法是目前应用最广的方法之一，在AI系统上已经得到了应用。它是通过分析命题内容和谓词逻辑，尽可能正确地表述它的各种意境的过程。知识的谓词逻辑表示符合人的思维习惯，可读性好，逻辑关系表达简便。使用谓词逻辑既便于表达概念、状态、属性等事实性知识，又能方便地采用谓词公式的表达形式，进行各种智能行为的过程性描述与演绎推理。一阶谓词的一般形式为P(x1,x2,，xn)其中P是谓词名，xi为个体常量、变元，或函数。例如：STUDENT(z

8、hangsan)zhangsan是学生STUDENT(x)x是学生Greater(x,5):x>5TEACHER(father(Wanghong)：王宏的父亲是教师。在一阶谓词表示法中连接词是非常重要的其中：连接词：？、V、八、一、?量词：？、？(?x)P(x)为真、为假的定义(?x)P(x)为真、为假的定义结合具体事例可以看到一阶谓词逻辑在知识表示法中的优越性：李明是计算机系的学生，但他不喜欢编程。定义谓词：COMPUTER(x):是计算机系的学生LIKE(x,y):x喜欢y谓词公式为：LIKE(liming,programming)YOMPUTER(liming)A谓词逻辑是一种传统

9、经典也是最基本的形式化方法。谓词逻辑知识表示：规范性严，逻辑性强，自然性好，推理过程严密，易于实现。这些优良特性使得谓词逻辑最早用于人工智能机器定理证明，并获得了成功。但是必须看到，谓词逻辑属于标准的二值(T与F)逻辑，难以直接进行不确定性问题的处理。对于复杂系统的求解问题，容易陷入冗长演绎推理中，常常不可避免地带来求解效率低，甚至产生“组合爆炸”问题。因此，针对谓词逻辑，尚待人们不断加以改进，以便寻求自然性好而效率更高的技术方法。2.2 产生式表示法目前，产生式表示方法是专家系统的第一选择的知识表达方式。是美国数学家Post在1943年提出了一种计算形式体系里所使用的术语。产生式表示的基本形

10、式为：(1)确定性知识的表示：产生式形式：P-Q或者IFPTHENQ它的含义：如果前提P满足，则可以推出结论Q或执行Q操作。例如：IFCLEAR(B)ANDHANDEMPTYTHENPickup(B)如果积木B上是空的，且机械手空，则机械手从桌面上抓起积木Bo(2)不确定知识的表示：产生式形式：P-Q(置信度)或者IFPTHENQ(置信度)在不确定推理中，当已知事实与前提P不能精确匹配时，只要按照“置信度”的要求达到一定的相似度，就认为已知事实与前提条件相匹配，再按照一定的算法将这种可能性(不确定性)传递到结论Q产生式表示法其优点在于模块性。规则与规则之间相互独立灵活性。知识库易于增加、修改、

11、删除自然性。方便地表示专家的启发性知识与经验透明性。易于保留动作所产生的变化、轨迹，但仍有不少缺点：知识库维护难。效率低。为了模块一致性理解难。由于规则一致性彼此之间不能调用。2.3 语义网络表达式语义网络是人工智能常用的知识表示法之一。是一种使用概念及其语义关系来表达知识的有向图。它作为人类联想记忆的一个显示心理学模型，是由J.R.Quillian于1968年在他的博士论文中首先提出，并用于自然语言处理。语义网络结构共使用了三种图形符号：框、带箭头及文字标识的线条和文字标识线。分别称为：（1）节（结）点；弧（又叫做边或支路）；指针。（2）节点（Node）:也称为结点。用圆形、椭圆、菱形或长方

12、形的框图来表示，用来表示事物的名称、概念、属性、情况、动作、状态等。（3）弧（Arc）:这是一种有向弧，又称之为支路（Branch）。节点之间用带箭头及文字标识的有向线条来联结，用以表示事物之间的结构，即语义关系。（4）指针（Pointer）:也叫指示器。是在节点或者弧线的旁边，另外附加必要的线条及文字标识，用来对节点、弧线和语义关系作出相宜的补充、解释与说明。语义网络是一种结构化知识表示方法，具有表达直观，方法灵活，容易掌握和理解的特点。概括起来，主要优点在于采用语义关系的有向图来连接，语义、语法、词语应用兼顾，具有描述生动，表达自然，易于理解等。虽然语义网络知识表示和推理具有较大的灵活性和

13、多样性，但是没有公认严密的形式表达体系，却不可避免地带来了非一致性和程序设计与处理上的复杂性，这也是语义网络知识表示尚待深入研究解决的一个课题。2.4 .框架表式式框架表示法诞生于1975年，这也是一种结构化的知识表示方法，并已在多种系统中得到成功的应用。框架理论是由人工智能科学创始人之一，美国著名的人工智能学者M.L.Minsky（明斯基）提出来的。自然界各种事物都可用框架（Frame）组织构成。每个被定义的框架对象分别代表着不同的特殊知识结构，从而可在大脑或计算机中表示、存储并予以认识、理解和处理。框架是一种被用来描述某个对象（诸如一个事物、一个事件或一个概念）属性知识的数据结构。下面是一

14、个关于“大学教师”的框架设计模式。n框架名：大学教师n姓名：单位（姓，名）n年龄：单位（岁）n性别：范围（男，女）缺省：男）n学历：范围（学士，硕士，博士）n职称：范围（教授，副教授，讲师，助教）缺省：讲师）n部门：范围（学院（或系、处）n住址：住址框架n工资：工资框架n参加工作时间：单位（年，月）n健康状况：范围（健康，一般，较差）n其它：范围（个人家庭框架，个人经济状况框架）上述框架共有十一个槽，分别描述了关于“大学教师”的十一个方面的知识及其属性。在每个槽里都指定了一些说明性的信息，表明了相关槽的值的填写要有某些限制。框架表示法支持上层框架概念抽象和下层框架信息继承共享的思想，不仅减少了

15、框架信息和属性知识表达的冗余，而且保证了上、下层框架知识表达的一致性。主要缺点：框架表示法过于死板，难以描述诸如机器人纠纷等类问题的动态交互过程生动性。四.人工智能的新算法粒子群聚类为了突破传统聚类方法的瓶颈，一些研究者尝试将粒子群智能算法用于聚类分析，通过将聚类视为一种优化问题，利用PSO算法的全局寻优能力来得到一个对数据集的近似最优划分。2002年Omran等人7提出了一种基于粒子群优化的无指导图像分类算法。这是最早提出的基于PSO的聚类算法，以后的粒子群聚类算法大都遵循其基本思想。在他们的算法中，簇的个数由用户预先给定，粒子群中的每个粒子包含一个表示簇中心的数据向量，代表一种候选的划分，整个粒子群则代表了对数据集的多种划分。算法首先将一组随机的簇中心赋值给各个粒子，对于每个粒子，按照最小距离原则对图像像素进行划分操作，随后根据给定的粒子适应度函数，按照PSO算法的步骤找到一个最优粒子，根据最优粒子的位置从而得到一个对数据集的近似最优划分。他们将该算法应用在对合成图像、人脑的核磁共振图像以及Tahoe湖的（美国）地球资源（探测）卫星图像的聚类分析中。结果显示，基于PSO的方法能得到较小的簇内距离和较大的簇间距离。应用在由两种画笔生成的合成图像中，结果表明基于PSO的方法不会陷入局部最