人工智能论文
发布时间:2015-05-17 14:42:01
发布时间:2015-05-17 14:42:01
基于人工智能中知识表示方法
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——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、知识和知识的表示
1、 知识的概念
知识是人类世界特有的概念,他是人类对客观世界的一种比较准确、全面的认识和理解的结晶。
(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。
例如,在我国中南地区,根据天上出现彩虹的方向及其位置,可以预示天气的变化。有谚语曰:“东边日(晴天),西边雨。”但是,这只是一种常识性经验,并不能完全肯定或否定。
再如:家有一头秀发,一时两鬓如霜。我们则认为家一定是年轻人,乙就是老年人嘛?不能完全肯定,因为相反的事例是很多的。比如,当年的白毛女就不是老人,而现在六十多岁的演员有一头黑发也不足为奇。
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。如图1。
图1 只是表达及其映射原理
如图,其目标是要对复杂的智能性问题实现机器求解,但机器直接对原始问题求解难度很大,可采用知识表达的映射原理,把原始问题映射为它的一种同构或同态问题,然后在对同构或同态问题求出它的解答,则相对容易而方便。
顺便指出:同构解答与原始问题有相同的形式解,然而对于同态问题,如果得到原始解,只需对同台解答再施行反运算即可。在自然科学实际应用研究中,利用映射(称之为变换)原理迂回求解的思想,是一种非常有效而广为使用的重要手段。
目前比较常见的知识表达方法主要有:常用的知识表示方法:一阶谓词逻辑表示法,产生式表示法,框架表示法,语义网络表示法,脚本表示法,过程表示法,面向对象表示法,神经网络表示法。如图2
图2 只是表达法的基本框架
二、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(zhangsan):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:¬、∨、∧、→、↔
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:
定义谓词:
LIKE(liming,programming)COMPUTER(liming) ∧
谓词逻辑是一种传统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式为:
(1)确定性知识的表示:
产生式形式: P→Q或者IF P THEN Q 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:
IF CLEAR(B) AND HANDEMPTYTHEN Pickup(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B。
(2)不确定知识的表示:
产生式形式:P→Q (置信度)或者IF P THEN Q(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、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。
三、各知识表达式的比较与展望
以上若知识表达方法,绝大多数在应用中得到了很好的应用。但实际工作中,如果要建立一个人工智能系统、专家系统时,还是要根据具体情况,提出一个混合性的知识表达方式。每一种知识表示方法各有特点,而且适用的领域也不同:
(1)谓词逻辑方法只适用于确定性、陈述性、静态性知识,而对动态的、变化性、模糊性知识则很难表示。
(2)产生式规则方法推理方法太单一,如果前提条件太多,或规则条数太多,则推理的速度将慢得惊人。
(3)语义网络方法表达的知识面比较窄。
(4)框架方法表示的知识横向关系不太明确。(纵向从属继承关系很明确)
因此,对于复杂的、深层次的知识,应根据需要表示知识的特征,来决定用二种或三种方法联合表示,例如:
(1)逻辑与框架:框架里的槽值可以对应于谓词项。
(2)语义网络与框架:结点对应与框架,结点的参数就是框架的槽值。
(3)产生式与框架:框架的槽值对应于一条产生式规则。与神经网络结合。
参考文献:
[1] .蔡之华;模糊Petri网及知识表示 [J];计算机应用与软件;1994年03期
[2] .张科杰,袁国华,彭颖红;知识表示及其在机械工程设计中的应用探讨[J];机械设计;2004年06期。
[3] .刘晓霞。新的知识表示方法——概念图[J]。航空计算技术。1997(4)。
[4] .王永庆 人工智能原理与方法[M]。西安交通大学出版社。1998。