人工智能-产生式课件

表示方法概述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方法过程表示混合型知识表示方法面向对象的表示方法表示方法—产生式规则表示法美国数学家Post，1943年提出了一种计算形式体系里所使用的术语。主要是使用类似文法的规则，对符号串做替换运算。这就是最早的一个产生式系统。到了60年代，产生式系统成为认知心理学研究人类心理活动中信息加工过程的基础，由此心理学家认为，人脑对知识的存储就是产生式形式。因此，用它来建立人类认知模型。到目前为止，产生式系统已发展成为人工智能系统中最典型最普遍的一种结构。产生式表示方法是专家系统的第一选择的知识表达方式。表示方法—产生式规则表示法表示形式

事实的表示：可看成是断言一个语言变量的值或是多个语言变量间的关系的陈述句，语言变量的值或语言变量间的关系可以是一个词，不一定是数字。例1：香蕉是黄色的。语言变量——香蕉，值——黄色的例2：小李喜欢小莉。语言变量——小李、小莉， 关系值——喜欢一般用三元组（对象，属性，值）或 （关系，对象1，对象2）例：（Li,Age,25）,(Friend,Li,Chang)表示方法—产生式规则表示法产生式系统的基本特征：

一组规则，即产生式本身。每个规则分左边右边。 如：天上下雨→地上湿

→中国的首都是北京 一般左边表示情况，即什么条件。发生时产生式被调用。通常用匹配方法和式情况。匹配成功时，执行右边规定的动作。…………表示方法—产生式规则表示法产生式系统的基本特征：…………数据库 存放的数据是构成产生式的基本元素，又是产生式作用的对象。这里的数据是广义的常量、变量、多元组谓词、表、图像等。往往事实或断言——知识元一个解释程序 从匹配成功的规则（可能不止一个）中选出一个加以执行。表示方法—产生式规则表示法产生式系统基本结构推理机数据库规则库知识库产生式系统结构图

表示方法—产生式规则表示法产生式系统基本结构工作存储器(数据库)：存放当前已知的数据，包括推理过程中形成的中间结论。数据是广义的，可以是常量、多元数组、谓词、表示结构等。产生式规则：每条产生式规则分为左右两个部分。左部表示激活该产生式规则的条件，右部表示调用该产生式规则后所作的动作。条件是一组复杂的模式，规则之间的控制也不是语句的传递，而且满足条件的规则被激活但不一定立即执行，取决于产生式系统的冲突消解策略。…….表示方法—产生式规则表示法产生式系统基本结构…….规则解释程序匹配器：判断规则条件是否成立。冲突消解器：选择可调用的规则。解释器：执行规则的动作。并且在满足结束条件时终止产生式系统运行。表示方法—产生式规则表示法推理方法： 正向、 反向、 双向， 与或树表示方法—产生式规则表示法正向推理方法： 从已知事实出发，逐步推导出最后结论。其推理过程大致是：用工作存储器中的事实与产生式规则的前提条件进行匹配。按冲突消解策略从匹配的规则中选择一条规则。执行选中规则的动作（依次）。修改工作存储器。用更新后的工作存储器，重复上述工作，直到得出结论或工作存储器不再发生变化为止。表示方法—产生式规则表示法反向推理方法： 首先提出假设，然后验证这些假设的真假性，找到假设成立的所有证据或事实。其推理过程大致是：看假设是否存在于工作存储器中，若在，则假设成立，推理结束。找出结论与此假设匹配的规则。按冲突消解策略从匹配的规则实例中选择一条规则。将选中的规则的前提条件作为新的假设，重复上述工作，直到假设的真假性被验证或不存在激活的规则。表示方法—产生式规则表示法双向推理方法： 即自顶向下、又自底向上作双向推理，直至某个中间界面上两方向结果相符便成功结束。

该方法较正向或反向推理所形成的推理网络小，从而推理效果更高。表示方法—产生式规则表示法推理方法的选择 推理方法的选择取决于推理的目标和搜索空间的形状。如果目标是从一组给定事实出发，找出所有可能的结论，那么，通常使用正向推理。如果目标是证实或否定某一特定结论，那么，通常使用反向推理，否则，从一组初始事实出发盲目地正向推理，可能得出许多和所要证实的结论无关的结论。表示方法—产生式规则表示法特点用产生式系统结构求解问题的过程和人类求解问题时的思维很相像。因而可以用它来模拟人类求解问题的思维过程。可以把产生式系统作为人工智能系统的基本结构单元或基本模型看待。就好像是积木世界中的积木块一样。因而研究产生式系统的基本问题就具有一般意义。表示的格式固定、形式单一、规则间相互独立,所以建立容易；推理方式单纯、知识库与推理机分离，修改方便、容易理解。表示方法—产生式规则表示法优点模块性。 规则与规则之间相互独立灵活性。 知识库易于增加、修改、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、轨迹产生式系统的基本组成组成三要素：一个综合数据库——存放信息一组产生式规则——知识一个控制系统——规则的解释或执行程序（控制策略） （推理引擎）产生式系统的基本过程过程PROFUCTION1，DATA←初始数据库2，untilDATA满足结束条件，do3，{4， 在规则集中选择一条可应用于DATA 的规则R5， DATA←R应用到DATA得到的结果6，}一个简单的例子问题：设字符转换规则

A∧B→C A∧C→D B∧C→G B∧E→F D→E

已知：A，B

求：F一个简单的例子（续1）一、综合数据库

{x}，其中x为字符二、规则集

1，IFA∧BTHENC 2，IFA∧CTHEND 3，IFB∧CTHENG 4，IFB∧ETHENF 5，IFDTHENE一个简单的例子（续2）三、控制策略 顺序排队四、初始条件

{A，B}五、结束条件

F∈{x}求解过程数据库 可触发规则 被触发规则A，B（1）（1）A，B，C（2）（3）（2）A，B，C，D（3）（5）（3）A，B，C，D，G（5）（5）A，B，C，D，G，E（4）（4）A，B，C，D，G，E，F1，IFA∧BTHENC4，IFB∧ETHENF2，IFA∧CTHEND 5，IFDTHENE3，IFB∧CTHENG例1

八数码游戏（1）综合数据库

用二维数组来表示

Sij

：1<=I,j<=3；

Sij{0,1,2,…,8}初始状态目标状态（2）规则集合

r1:ifj>=2thenSij=Sij-1,Sij-1=0(Sij向左)r2:ifi>=2thenSij=Si-1j,Si-1j=0(Sij向上)r3:ifj+1<=3thenSij=Sij+1,Sij+1=0(Sij向右)r4:ifi+1<=3thenSij=Si+1j,Si+1j=0(Sij向下)2831647512384765（3）搜索策略

略例2

传教士与野人问题（M-C问题）例1：传教士与野人问题（M-C问题） 问题：N个传教士，N个野人，一条船，可同时乘坐k个人，要求在任何时刻，在河的两岸，传教士人数不能少于野人的人数。 问：如何过河。 以N=3，k=2为例求解。M-C问题（续1）

左岸右岸

LRLRm30m03c30c03B10B01M-C问题（续2）1，综合数据库 （m,c,b)

其中：0≤m,c≤3,b∈{0,1}

初始状态 （3，3，1）目标状态（结束状态） （0，0，0）2，规则集

IF(m,c,1)THEN(m-1,c,0) IF(m,c,1)THEN(m,c-1,0) IF(m,c,1)THEN(m-1,c-1,0) IF(m,c,1)THEN(m-2,c,0) IF(m,c,1)THEN(m,c-2,0)IF(m,c,0)THEN(m+1,c,1)IF(m,c,0)THEN(m,c+1,1)IF(m,c,0)THEN(m+1,c+1,1)IF(m,c,0)THEN(m+2,c,1)IF(m,c,0)THEN(m,c+2,1)3，控制策略：（略）例3

猴子摘香蕉问题1，综合数据库 （M,B,Box,On,H）

M：猴子的位置

B：香蕉的位置

Box：箱子的位置

On=0：猴子在地板上

On=1：猴子在箱子上

H=0：猴子没有抓到香蕉

H=1：猴子抓到了香蕉初始状态（c,a,b,0,0）结束状态（x1,x2,x3,x4,1）

其中x1～x4为变量。

abc2，规则集

r1:IF(x,y,z,0,0)THEN(w,y,z,0,0)r2:IF(x,y,x,0,0)THEN(z,y,z,0,0)r3:IF(x,y,x,0,0)THEN(x,y,x,1,0)r4:IF(x,y,x,1,0)THEN(x,y,x,0,0)r5:IF(x,x,x,1,0)THEN(x,x,x,1,1)

其中x,y,z,w为变量1.4产生式系统的特点数据驱动知识的无序性控制系统与问题无关表示方法—产生式规则表示法缺点：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。应用实例：用于化工工业测定分子结构的DENDRAL用于诊断脑膜炎和血液病毒感染的MYCIN估计矿藏的PROSPECTORP48(1.2)对量水问题给出产生式系统描述，并给出一个解空间。有两个无刻度标志的水壶，分别可装5升和2升水。设另有一个水缸，可用来向水壶灌水或倒出水，两个水壶之间，水也可以相互倾灌。已知开始时，5升壶为满壶，2升壶为空壶，问如何通过倒水或灌水操作，使能在2升的壶中量出1升的水来。1，综合数据库(x,y)

其中：0≤x≤5,0≤y≤2初始状态（5，0）目标状态（结束状态） （n，1）

0≤n≤52，规则集[当前状态为：(x,y)]1.IFx<5THEN(5,y)2.IFy<2THEN(x,2)3.IFx>0THEN(x-d,y)(d<=x)4.IFy>0THEN(x,y-d)(d<=y)5.IFx>0THEN(0,y)6.IFy>0THEN(x,0)7.IF(x+y>=5)(y>0)THEN(5,y-(5-x))8.IF(x+y>=2)(x>0)THEN(x-(2-y),2)IF(x+y<=5)(y>0)THEN(x+y,0)IF(x+y<=2)(x>0)THEN(0,x+y)2，规则集[当前状态为：(x,y)]1.IFx<5THEN(5,y)2.IFy<2THEN(x,2)3.IFx>0THEN(x-d,y)(d<=x)4.IFy>0THEN(x,y-d)(d<=y)5.IFx>0THEN(0,y)6.IFy>0THEN(x,0)7.IF(x+y>=5)(y>0)THEN(5,y-(5-x))8.IF(x+y>=2)(x>0)THEN(x-(2-y),2)IF(x+y<=5)(y>0)THEN(x+y,0)10.IF(x+y<=2)(x>0)THEN(0,x+y)3,搜索策略（略）解空间：应用的规则（5，0）规则8（3，2）规则6（3，0）规则8（1，2）规则6（1，0）规则10（0，1）P49(1.4)对三枚钱币问题给出产生式系统描述及状态空间图。设有三枚钱币，其排列处在“正、正、反”的状态，现在允许每次翻动其中任意一个钱币，问在只许操作三次的情况下，如何翻动钱币使其变成“正、正、正”状态。1，综合数据库(x,y,z)

其中：x∈{0,1}y∈{0,1}z∈{0,1}初始状态（1，1,0）目标状态（结束状态） （1，1,1）

2，规则集[当前状态为：(x,y,z)]1.IF(x,y,z)

THEN(~x,y,z)

2.IF(x,y,z)

THEN(x,~y,z)

3.IF(x,y,z)

THEN(x,y,~z)

2，规则集[当前状态为：(x,y,z)]1.IF(x,y,z)

THEN(~x,y,z)

2.IF(x,y,z)

THEN(x,~y,z)

3.IF(x,y,z)

THEN(x,y,~z)

3,搜索策略（略）(1,1,0)(1,1,1)(1,0,0)32(0,1,0)1(1,0,1)3(0,0,0)1(0,1,1)3(0,0,1)1(1,1,1)2(1,1,1)1学科前沿讲座人工智能——皇帝的新脑还是人类的终结

一、关于人工智能

一、关于人工智能从数值计算文字、图像等多媒体信息处理初步实现了Leibniz提出的“将人的思维机器化”的思想让机器拥有人的心智——成为计算机专家梦寐以求的理想！1956年，M.L.Minsky，C.Shanon，J.McCarthy(人工智能之父)等在美国达德茅斯大学召开第一届人工智能学术会议。 会上首次使用“人工智能”这一术语。 标志着人工智能学科的诞生。一、关于人工智能1950年，W.格雷.瓦尔特，可以自己充电的“乌龟”1960年，K.M.柯尔，模拟了一个精神病疗法专家电脑下棋方面，97年的“深蓝”(DeepBlue)，03年的“小深”(DeepJunior)一、关于人工智能医生：我可以为你效劳吗病人：我不知道医生：请告诉我一些情形病人：不医生：请你说得仔细些病人：今天我厌烦得很医生：你知道这是什么原因病人：是的我老了医生：请继续讲病人：仿佛任何事情都激不起我的兴致医生：请更多地告诉我你的这种感觉病人：我也有些知道为何我会这样感觉医生：是吗病人：我似乎在想有一个家医生：什么东西使你有这样的想法病人：它是一种挑战医生：为什么那对你是重要的二、电脑能否实现人的智能？机器体力电脑计算速度和准确性人脑思维是否电脑能代替人脑实现智能？一旦能够实现，这种被认为是特权的智能行为将受到挑战。

二、电脑能否实现人的智能？二、电脑能否实现人的智能？

二、电脑能否实现人的智能？人真实地回答问题并试图说服质问者，他确实是人；电脑被编好“说谎”的程序，试图说服质问者它是人。三、目前人工智能两个代表性的观点：三、目前人工智能两个代表性的观点：爱因斯坦曾经将其比喻为“与上帝的对话”三、目前人工智能两个代表性的观点：

三、目前人工智能两个代表性的观点：四、对人工智能领域