人工智能chapter8uncertainty.ppt

1、第8章不确定知识和推理，概述了不确定人工智能用于不精确推理的数学基础；第8.1章，概述了知识的不确定性、随机性和模糊性、自然语言中的不确定性、常识中的不确定性以及知识中的其他不确定性。随机性是一门以牛顿理论为代表的确定性科学，它创造了一种准确描述世界的方法，将整个宇宙看作是一个在一定的、和谐的、有序的运动中的钟状动力系统。客观世界是随机的，客观世界映射到人脑，也就是说，主观世界也应该是随机的。因此，人类在认知过程中表现出来的智力和知识不可避免地伴随着随机性。随机性无处不在，这使得世界更加复杂和丰富多彩。直到20世纪，人们才意识到模糊不是一件坏事。它能以较低的成本传递足够的信息，并能高效地判断和

2、处理复杂的事情。模糊性的客观哲学家罗素在1923年的一篇题为模糊性的论文中明确指出：“认为模糊知识一定是不可靠的，这是一个很大的错误。”随着科学技术的发展，科学家们已经认识到，人为精确的模糊事物不仅会以牺牲方法的复杂性为代价，而且会降低结果的重要性。8.1概述，自然语言中的不确定性语言不确定是很自然的，这是人类思维的基本特征之一。自20世纪40年代以来，计算机自然语言理解和机器翻译的研究已有60多年的历史。人们希望在概念的语言价值的不确定性的研究上取得突破。8.1概述，常识的不确定性属于人工智能领域，很难表达、处理和验证常识。常识知识的相对性目前，人工智能领域有一个共识，即常识的存在是人与机器

3、之间的根本区别之一。8.1概述、其他不确定性的不完全知识、知识的不一致性、8.1概述、不确定性知识的表示、处理和模拟、不确定性知识中规律性的发现和形式化表示、使机器模拟人类知识的客观世界和人类的认知过程、使机器具有不确定性智能，已成为人工智能科学家的一项重要任务。8.1概述，8.2不精确推理，不精确推理方法研究的原因如下：许多原因导致相同结果推理所需的信息不完整，背景知识、信息描述、模糊信息、噪声划分、模糊推理能力、问题解决方案不足，专家系统通过大量的专家知识，获得高水平的问题解决能力。由于专家知识是不确定的，为了实现专家系统的高性能，必须解决这种不确定性。传统的概率统计方法被局限于放弃传统程

4、序解的逻辑完备性，8.2不精确推理，肖特利菲等人在1975年提出的确定性理论，并结合MIX系统的建立。DURA等人，1976年，给出了基于前景的概率方法。同年，德姆普斯特谢弗特提出了证据理论。两年后扎德提出了可能性理论，1983年又提出了模糊逻辑。8.2不精确推理和不确定推理的研究与发展，MIX系统是第一个采用不确定推理逻辑的专家系统，在20世纪70年代非常有名。该系统在提出这种确定性方法时遵循以下原则：(1)它不采用严格的统计理论。使用了接近统计理论的近似方法。(2)用专家经验估计代替统计数据；(3)尽量减少需要专家提供的经验数据，使少量数据尽可能包含多种信息。(4)新方法应适用于证据递增的

5、情况。(5)专家数据的轻微干扰不影响最终的推理结论。确定性理论、MERCIN概述、用户、解释模块、咨询模块、知识获取模块、传染病专家和知识工程师、知识库、动态数据库(推理记录)、患者数据库(原始数据库)、MERCIN系统结构图、MERCIN推理策略、使用逆向推理和深度优先搜索。诊断和治疗过程如下：(1)确定患者是否有细菌感染。(2)识别可能导致感染的生物体。(3)确定具有抑制作用的药物。(4)选择最合适的治疗药物。这四个步骤由目标规则执行。例如：规则037前提： ($和(未知的conttext想法)(相同的conttext gram gram)(相同的conttext变形杆)(相同的contt

6、ext空气动力学)动作：(接近上下文类Enterbacteraceatally 0.8)，可信度是指根据过去的经验判断某一事物或现象真实的程度，或者人们相信某一事物或现象真实的程度。可信度的概念是主观的，很难把握。然而，对于某一特定领域，该领域的专家给出可信度是可行的。8.3.2 CF模型，表达形式：在C-F模型中，知识是通过生产规则来表达的，其一般形式是：如果E那么H (CF(H，E)，其中E是知识的前提；h是知识的结论；CF(H，E)是知识的可信度。1.知识不确定性的表达是：例如，如果发烧和流鼻涕然后感冒(0.8)，这表明当某人确实有“发烧”和“流鼻涕”的症状时，80%确定他感冒了。描述：(1) E可以是单一条件或复合条件。例如，E=(E1或E2)和E3和E4 (2) H可以是一个结论或多个结论。(3) CF是知识的静态强度，CF(H，E)的值为-1，1，这意味着当E为真时，证据支持H。值越大，支持度越大。(4)合作框架(H，E)可以理解为规则的可信度，它是在合作框架模型中定义的。CF (H，E)定义为CF(H，E)=MB(H，E)-M