高级人工智能 史忠植

• 依物理规律将微分方程转换成定性(代数)方程, 或直接依物理 规律建立定性模拟或给出定性进程描述。 11 史忠植 高级人工智能 • 2012-03-14 最后给出定性解释
定性模型推理
de Kleer研究解决经典物理问题需要哪些知识及如何 建立问题求解系统。他提出的定性模型方法所涉及 的物理系统是由管子、阀门、容器等装置组成, 约束 条件(定性方程)反映在这些装置的连接处, 依定性方 程给出定性解释。 为将代数方程、微分方程定性化, 首先需定义变 量的定性值集合以及相应的定性运算。
2012-03-14 史忠植 高级人工智能 26
定性进程推理
演绎过程 在进程定性推理中，其演绎过程如下： (1) 选进程。 对一组已知的个体来说, 在进程表中依各进程对个 体的说明找出可能出现的那些进程例PI。 (2) 确定激活的 PI。依前提条件、数量条件确定每个 PI的状态。 满足这些条件的为激活的 PI , 激活的 PI 叫进程结构。 (3) 确定量的变化。 个体的变化由相应量的 Ds 值来表示。量的 变化可由进程直接影响，也可由∝Q间接影响。 (4) 确定进程结构变化。量的变化将会引起进程结构的变化,确 定这种变化也叫限制分析, 这样对一个物理过程的描述便由 (1)建 立的 PI 进入了下一个 PI 。 重复(1)－(4) 的步骤便可给出一个物理过程的一串进程描述。
2012-03-14 史忠植 高级人工智能 20
定性进程推理
(3) 单一机制假设。物理进程被看作是产生变化的机制。 这样，任何变化必须解释为某些物理进程的直接或 间接的影响。进程本体论为定性物理理论的因果性 打下了基础。 (4) 组合的定性数学。人们进行复杂系统推理时，使用 部分信息并进行组合。 (5) 清晰的表示及关于模型化假设的推理。明确地表示 某些特定知识的适用条件，并从领域理论中为特定 系统建模成为定性物理的中心任务。

2012-03-08
史忠植 约束推理
7
线性规划问题
解:设 x1 , x 2 , x3 , x 4 , x5 分别是第一个月内电视台 a,电视台 b,每日晨报,星期日报,广播电台进行广告宣传的次数,则 其数学模型为: max 50 x1 + 80 x 2 + 30 x3 + 40 x 4 + 15x5 500 x1 + 1000 x 2 + 100 x3 + 300 x 4 + 80 x5 ≤ 20000, x1 + x 2 ≥ 8, x3 + x 4 ≥ 15, 500 x1 + 1000 x 2 ≤ 12000, s.t. x1 ≤ 16, x 2 ≤ 10, x3 ≤ 24, x 4 ≤ 4,15 ≤ x5 ≤ 25, x1 , x 2 , x3 , x 4 , x5 ≥ 0.
约束推理
• 约束搜索 约束搜索主要研究有限域上的约束满足。对有限域而言， 约束满足问题一般情况下 是 一个 NP 问题。 • 约束语言
2012-03-08
史忠植 约束推理
16
约束搜索
• 回溯法。 • 约束传播。 • 智能回溯与真值维护。 • 可变次序例示。 • 局部修正法。
2012-03-08 史忠植 约束推理 17
2012-03-08 史忠植 约束推理 21
要的。
面向对象约束语言COPS
COPS系统利用面向对象技术，将说明性约束表达与类型层次 结合起来。在形式上吸收了常规语言，主要是面向对象的程序设 计语言的基本形式。内部求解时采用约束推理机制，使说明性约 束表达式与类型层次相结合，实现知识的结构化封装，充分发挥 两者的优点，力图实现一个具有较强表达能力和较高求解效率的 约束满足系统。

2012-03-08 史忠植 逻辑基础 9
可靠性和完备性
可靠性(reliable)
一个逻辑是可靠的，如果它的证明保持真假值， 即在任何解释I下，如果I是Ψ 的模型，且ϕ可由Ψ推导 出，则I也是ϕ的一个模型。即，一个逻辑是可靠的， 如果对任何语句集合Ψ和语句ϕ ， Ψ ⊢ϕ蕴涵Ψ ⊨ϕ 。
完备性(complete)
2012-03-08 史忠植 逻辑基础 8
解
释(语义)
语言的解释是在某个论域(domain)中定义非逻辑 符号。语句的语义是在解释下定义出语言L的真假值。 如果I是L的一个解释，且ϕ在I中为真，则记为 I ⊨ϕ ，称作I满足ϕ ，或者I 是ϕ的一个模型。 类似地，给定一个语句Ψ和一个语句ϕ ，如果对 每个解释I ，有I ⊨Ψ 蕴含I ⊨ϕ ，换言之，如果I 是Ψ 的一个模型则I也是ϕ的一个模型，则记为Ψ ⊨ϕ ，我 们称ϕ为Ψ的一个逻辑结果。
2012-03-08
史忠植 逻辑基础
15
逻辑程序设计

消解原理(归结原理) Horn逻辑 Prolog逻辑程序设计语言
2012-03-08
史忠植 逻辑基础
16
归结原理
P,P → Q Q
P , ¬P ∨ Q Q
例： C2 = P∨Q C1 = ¬P∨Q∨R 则C1与C2归结后的结果为：Q∨R 若子句集S能导出空子句⊓(有否证)，则称S 是不可满足的。 反证法： S ⊢ A iff S ∪ ¬A ⊢ ⊓
史忠植 逻辑基础
22
Prolog语言的基本文法
Prolog语言的最基本语言成分是项(term)，一个 项或者是常量，或者是变量，或者是一个结构。 • 常量：是指对象和对象之间的特定关系的名；
整数，如0，22，1586等； 原子，如John，student，likes，sister-of

2013-8-4 史忠植 高级人工智能 16
选择型泛化规则
(5) 爬山泛化树规则 CTX & [L = a] ::> K CTX & [L = b] ::> K … CTX & [L = i] ::> K |< CTX & [L = S] ::> K 其中L是结构描述符，在L的泛化树域中，S表示后继为 a,b,…, i的最低的父节点。
史忠植 高级人工智能
29
变型空间
变型空间方法的初始 G 集是最上面的一个点 （最一般的概念），初 始 S集是最下面的直线 上的点（训练正例）， 初始 H集是整 个规则空间。在搜索过 程中，G 集逐步下移 （进行特化），S 集逐 步上移（进行泛化）， H 逐步缩小。最后 H收 敛为只含一个要求的概 念。
(sm
y)
(l y) g
(x squ)
(x ci r)
(x t ) ri
(sm
squ)
2013-8-4
(l squ) g
(sm
ci r)
(l ci g r)
(sm
t ) ri
(l t ) g ri
33
史忠植 高级人工智能
第三个训练实例(lg cir)
(x y)
(sm
y)
(l y) g
(x squ)
概述
给定关于某个概念的一系列已知的正例和反例，其任 务是从中归纳出一个一般的概念描述。归纳学习能够获得 新的概念，创立新的规则，发现新的理论。
泛化(generalization)用来扩展一假设的语义信息， 以使其能够包含更多的正例，应用于更多的情况。 特化(specialization)是泛化的相反的操作，用于限 制概念描述的应用范围。

2013-8-4 史忠植 高级人工智能 18
10.4.3 RAO逻辑框架
目标：以一种自然的方式描述多主体系 统中关于别的主体的状态的推理过程。 系统的分类：由于多主体系统太复杂， 建立一种通用的推理模式的想法是不 现实的，有必要对系统分类以便区别 对待。 常识的获得：和单个主体情形一样，常 识问题是阻碍推理的大难题。
2013-8-4 史忠植 高级人工智能 4
分布式人工智能系统的主要优点
1) 2) 3) 4) 提高问题求解能力。 提高问题求解效率。 扩大应用范围。 降低软件的复杂性。
2013-8-4
史忠植 高级人工智能
5
10.2 分布式问题求解
特点： 数据、知识、控制均分布在系统的各节 点上，既无全局控制，也无全局数据和 知识存储。
2013-8-4 史忠植 高级人工智能 17
BDI解释器
BDI-Interpreter initialize-state(); do options := option-generator(event-queue, B, G, I); selected-options := deliberate(options, B, G, I); update-intentions(selected-options, I); execute(I); get-new-external-events(); drop-successful-attitudes(B,G,I); drop-impossible-attitudes(B,G,I); until quit
2013-8-4 史忠植 高级人工智能 38
主体间的消息传递
目标G
Agent i
消息M
意图I 言语行为 消息M
Agent i

统的有效控制，提高了生产效率和安全性。
史忠植对人工智能发展的贡献
推动人工智能技术进步
培养优秀人才
史忠植教授在人工智能领域的研究成 果不仅提高了技术水平，还为该领域 的发展提供了新的思路和方法。
史忠植教授在人工智能领域培养了一 大批优秀人才，这些人才在国内外学 术界和工业界都取得了杰出成就。
促进人工智能应用普及
史忠植教授的研究成果在实际应用中 取得了显著效果，推动了人工智能技 术的普及和应用。
史忠植对智能科学的推动与影响
引领智能科学研究方向
史忠植教授的研究成果为智能科学的发展指明了方向，引领了该领域的研究潮流。
促进智能科学与多学科交叉融合
史忠植教授的研究成果将智能科学与计算机科学、控制科学、心理学等学科进行了深度融 合，推动了多学科交叉研究的进展。
自主智能系统
具备自主感知、决策、执行和学习能力，能 够独立完成复杂任务的系统。
智能机器人
结合传感器、控制器和执行器等硬件设备， 实现人机交互和自主行动的机器人系统。
04
史忠植的贡献与影响
史忠植的主要研究成果
01
提出基于知识的智能系统框架
史忠植教授在人工智能领域最早提出基于知识的智能系统框架，将知识
专家系统
利用专家知识和推理规则进行问题求 解的系统，能够提供专业领域的咨询 和服务。
知识工程
研究如何获取、表示、存储、检索和 应用知识的科学，是人工智能领域的 重要分支。
人工神经网络与深度学习
人工神经网络
模拟生物神经网络结构和功能的计算模型，通过训练不断优化网络参数，实现复杂的数据处理和模式识别。
获取、推理、学习和问题求解等智能活动统一于一体，为后续的智能系

12.11.2020
史忠植 高级人工智能
18
选择型泛化规则
(7) 将合取转换为析取规则 F1 & F2 ::> K |< F1 F2 ::> K 其中F1,F2为任意描述。
12.11.2020
史忠植 高级人工智能
19
选择型泛化规则
(8) 扩充量词范围规则 x,F[x] ::> k |< x, F[x] ::> k (I1)x,F[x] ::> K |< (I2)x, F[x]::> K 其中I1,I2是量词的域（整数集合）， 且I1 I2
15
选择型泛化规则
(3) 扩大引用范围规则
CTX & [L = R1] ::> K |< CTX \& [L = R_2] ::> K 其中R1 R2 DOM(L), DOM(L) 为L的域，L是一个项， Ri是L取值的一个集合。
(4) 闭区间规则
CTX & [L = a] ::> K
CTX & [L = b] ::> K
12.11.2020
史忠植 高级人工智能
17
选择型泛化规则
(6) 将常量转换为变量规则
F[F[x]
其中F[x]是依赖于变量x的描述符，a,b, …, i是常量。
对于描述F[x], 若x的某些值(a,b, … , i)使F[x]成立，
则可得到假设：对于x的所有值，F[x]成立。
第六章 归纳学习
中科院计算所
12.11.2020
史忠植 高级人工智能
1
内容提要
6.1 归纳学习的逻辑基础 6.2 偏置变换 6.3 变型空间方法 6.4 AQ归纳学习算法 6.5 产生与测试方法 6.6 决策树学习 6.7 归纳学习的计算理论 6.8 支持下向量机

史忠植 高级人工智能 2
逻辑的历史
• Aristotle——逻辑学 • Leibnitz——数理逻辑 • Gottlob Frege (1848-1925)——一阶谓词演 算系统,《符号论》 • 20世纪30年代，数理逻辑广泛发展
2013-8-4
史忠植 高级人工智能
3
重要的形式工具──逻辑
在本世纪30年代以后，数学方法广泛渗透与运 用于数理逻辑，使得数理逻辑成为数学领域中与代 数、几何等并列的学科之一。现代数理逻辑可以分 为逻辑运算、证明论、公理集合论、递归论和模型 论。
逻辑系统
一个逻辑系统是定义语言和它的含义的方法。 逻辑系统中的一个逻辑理论是该逻辑的语言的一 个语句集合，它包括： • 逻辑符号集合：在所有该逻辑的逻辑理论中均出现的符号； • 非逻辑符号集合：不同的逻辑理论中出现的不同的符号； • 语句规则：定义什么样的符号串是有意义的； • 证明：什么样的符号串是一个合理的证明； • 语义规则：定义符号串的语义。
逻辑简介逻辑程序设计非单调逻辑缺省逻辑限定逻辑真值维护系统情景演算逻辑的历史逻辑系统命题逻辑谓词逻辑11逻辑的历史aristotle逻辑学leibnitz数理逻辑gottlobfrege18481925一阶谓词演算系统符号论20世纪30年代数理逻辑广泛发展12逻辑系统一个逻辑系统是定义语言和它的含义的方法
史忠植 高级人工智能
2013-8-4
4
关于知识的表示与推理
智能行为的基础是知识，尤其是所谓的常识性知识。 人类的智能行为对于知识的依赖主要表现在对于知识的 利用，即利用已经具有的知识进行分析、猜测、判断、 预测等等。人类利用知识可以预测未来，由已知的情况 推测未知的情况、由发生的事件预测还未发生的事件等 等。但是，当人们希望计算机具有智能行为时，除了告 诉计算机如何像人一样地利用知识以外（对于知识进行 推理），一个更为基础和先行的工作是如何使计算机具 有知识（对于知识进行表示），即在计算机上如何表达 人类的知识。

默默耕耘数十载自主创新结硕果——记中国科学院计算技术研究所主任研究员史忠植史忠植中国科学院计算技术研究所主任研究员，IEEE高级会员、AAAI和ACM会员、国际信息处理联合会(IFIP)人工智能技术委员会(TC12)委员、IFIP 人工智能学会机器学习和数据挖掘工作组主席、中国人工智能学会副理事长、博士生导师。

1964年毕业于中国科技大学计算机专业，1968年毕业于中国科学院研究生院。

1980年9月至1983年4月作为访问学者赴美国学习研究。

1989年8月至1990年5月作为访问教授赴荷兰、挪威讲学研究。

2004年赴澳大利亚合作研究。

2005年在澳大利亚南澳大学开设数据挖掘课程。

他担任《Web Semantics》、《Informatics》、《计算机学报》、《计算机研究与发展》等杂志的编委。

几十年来，史忠植一直在智能科学、知识工程、分布智能、机器学习、神经计算、认知科学等领域兢兢业业，忘我工作，为我国智能软件的发展探索出一条自主创新之路。

专家系统工具OKPS人工智能自1956年诞生以来，已走过了五十个年头，对未知领域探索的热情，一直激励着人们不断深入研究, 并取得了许多令人鼓舞的进展。

其中，专家系统可以说是人工智能应用最成功的领域之一。

我国在20世纪80年代中期，专家系统遍地开花，取得了许多可喜成果，然而，其在实际应用中成效并不理想。

史忠植根据当时应用中发生的问题，提出了一种综合型的面向对象的知识表示方法，该方法将产生式系统、框架、语义网络三种主要知识表示方法的特点融合在一起。

史忠植带领着他的科研团队，在此基础上研制开发出专家系统工具OKPS（Object-oriented Knowledge Processing System）。

经过20多年的研究和推广应用，OKPS已经成为一种重要的通用专家系统工具。

目前，OKPS已在许多单位应用，受到用户的广泛好评。

特别是在建立具有我国自主知识产权的渔情分析专家系统中，构建了一个以东海渔区（25°—34°N，130°E以西海区）为示范海区，以卫星遥感渔业分析技术、海洋渔业服务地理信息系统技术和渔情分析专家系统技术为支撑的海洋渔业遥感信息与资源评估服务系统，OKPS在其中发挥了关键作用。

高级人工智能 史忠植
4
人工生命
定义3
在人工生命中的所有存在或将会存在的事 物中，我们至少可以说这一领域从总体来 说，代表了一种尝试，就是加重了生物学 中合成理论的分量。
2020/10/11
高级人工智能 史忠植
5
人工生命
定义4
人工生命模型有足够强大的功能来获取复 杂系统中更多的认知。这种方式较之自然 系统更容易被操纵、重复和精确控制实验 。
Synthesis of Living Systems ）Reed College, Portland,
Oregon, USA .1-6 August 2000
"Looking Backward, Looking Forward" 6th International Conference on Artificial Life 4th International Conference on Artificial Life 3rd International Conference on Artificial Life 2nd International Conference on Artificial Life 1st International Conference on Artificial Life, 1987
2020/10/11
高级ificial Life (MIT Press) Adaptive Behavior (MIT Press) Artificial Life and Robotics (Springer Verlag) Advances in Complex Systems (formerly Journal of Complex Systems) (Editions Hermes) Biological Cybernetics (Springer Verlag) Complexity (Wiley) Cybernetics & Systems Analysis (Plenum) Evolution (Society for the Study of Evolution) Evolution of Communication (John Benjamins Publishing Co.) Evolutionary Computation (MIT Press)

编号：8106高级人工智能ADVANCED ARTIFICIAL INTELLIGENCE类型：AB 学时/学分：60/3, 机时：20预修课程数理逻辑、人工智能原理教学目的和要求(1) 了解人工智能前沿研究领域(2) 了解人工智能最新研究成果(3) 掌握基本思想和关键技术(4) 培养人工智能研究能力内容提要和简要目录本课讲授和讨论人工智能前沿研究领域的主要思想和关键技术。

主要内容有非单调逻辑、自动推理、机器学习、分布式人工智能、人工思维、人工生命、大规模并行人工智能等。

简要目录第一章绪论1.1 人工智能的认知问题1.2 思维的层次模型1.3 符号智能1.4 人工智能的发展概况1.5 人工智能的研究方法1.5.1 认知学派1.5.2 逻辑学派1.5.3 行为学派1.6 自动推理1.7 机器学习1.8 分布式人工智能1.9 人工思维模型1.10 知识系统第二章人工智能逻辑2.1 逻辑-----重要的形式工具2.1.1 逻辑程序设计2.1.2 关于知识的表示与推理2.2 非单调逻辑2.3 默认逻辑2.4 限定逻辑2.5 自认知逻辑2.5.1 Moore系统${\cal L}_{B}$2.5.2 $\cal O \cal L$ 逻辑2.5.3 标准型定理2.5.4 $\diamondsuit-$ 记号以及稳定扩张的一种判定过程2.6 真值维护系统2.7 情景演算的逻辑基础2.7.1 刻划情景演算的多类逻辑$\bf LR$2.7.2 $\bf LR$中的基本动作理论2.7.3 多类逻辑$\bf LR$的改进第三章约束推理3.1 概述3.2 回溯法3.3 约束传播3.4 约束传播在树搜索中的作用3.5 智能回溯与真值维护3.6 变量例示次序与赋值次序3.7 局部修正搜索法3.8 基于图的回跳法3.9 基于影响的回跳法3.10 约束关系运算的处理3.10.1 恒等关系的单元共享策略3.10.2 区间传播3.10.3 不等式图3.10.4 不等式推理3.11 约束推理系统COPS第四章定性推理4.1 概述4.2 定性推理的基本方法4.3 定性模型推理4.4 定性进程推理4.5 定性仿真推理4.5.1 定性状态转换4.5.2 QSIM算法4.6 代数方法4.7 几何空间定性推理4.7.1 空间逻辑4.7.2 空间时间关系描述4.7.3 空间和时间逻辑的应用4.7.4 Randell算法第五章基于范例推理5.1 概述5.2 基于范例学习的一般过程5.3 范例的表示5.3.1 语义记忆单元5.3.2 记忆网5.4 基于记忆网的范例检索5.4.1 检索问题5.4.2 语义记忆单元和范例检索5.4.3 检索信息集与源范例的对应5.4.4 单概念的范例检索算法AS5.4.5 多概念的范例检索算法AM5.5 相似性关系5.5.1 语义相似性5.5.2 结构相似性5.5.3 目标特征5.5.4 个体相似性5.5.5 相似性计算5.5.6 优选过程5.5.7 约束满足理论5.6 范例复用5.6.1 类比映射5.6.2 类比转换5.7 范例保存5.8 基于范例的规划设计程序5.9 范例库维护5.10 基于范例推理的洪水预报系统FOREZ 第六章归纳学习6.1 概述6.2 归纳学习的逻辑基础6.2.1 归纳学习的一般模式6.2.2 概念获取的条件6.2.3 问题背景知识6.2.4 选择型和构造型泛化规则6.3 偏置变换6.4 变型空间方法6.4.1 消除候选元素算法6.4.2 两种改进算法6.5 AQ归纳学习算法6.6 产生与测试方法6.7 决策树学习6.7.1 CLS学习算法6.7.2 ID3学习算法6.7.3 ID4学习算法6.7.4 ID5学习算法6.8 归纳学习的计算理论6.8.1 Gold学习理论6.8.2 模型推理系统6.8.3 Valiant 学习理论第七章类比学习7.1 什么是类比学习7.2 类比的形式定义7.3 基于抽象的有用类比推理7.4 转换类比7.4.1 手段--目的分析的问题求解模型 7.4.2 类比求解问题计算模型7.4.3 问题求解状态变换7.4.4 转换类比学习系统7.4.5 类比学习的泛化规则7.5 派生类比7.6 因果关系型类比学习7.6.1 类比匹配技术与相似性度量概述 7.6.2 知识表示7.6.3 类比匹配7.6.4 抽取问题的特征7.6.5 相似度的计算方法7.6.6 最佳对应关系匹配7.7 联想类比学习7.7.1 联想类比7.7.2 联想类比条件7.8 约束满足类比7.8.1 三类约束7.8.2 约束满足理论7.8.3 ACME 第八章解释学习8.1 概述8.2 解释学习模型8.3 解释泛化学习方法8.3.1 基本原理8.3.2 解释与泛化交替进行8.4 全局取代解释泛化方法8.5 解释特化学习方法8.6 解释泛化的逻辑程序8.6.1 工作原理8.6.2 元解释器8.6.3 实验例子8.7 基于知识块的SOAR系统8.8 可操作性标准8.8.1 PRODIGY 的效用问题8.8.2 SOAR系统的可操作性8.8.3 MRS-EBG的可操作性8.8.4 META-LEX的处理方法8.9 不完全领域知识下的解释学习8.9.1 不完全领域知识8.9.2 逆归结方法8.9.3 基于深层知识方法第九章知识发现和数据开采9.1 概述9.2 数据驱动知识发现------BACON 9.3 模型躯动知识发现------COPER 9.4 理论驱动式发现方法9.4.1 知识表示9.4.2 学习实现9.4.3 学习发现9.5 概念聚类9.5.1 概念内聚9.5.2 聚类方法9.6 数据开采9.7 数据开采的数学工具------粗糙集 9.7.1 粗糙集理论9.7.2 粗糙分类9.7.3 渔网算法9.8 广义粗糙集9.9 基于粗糙集的数据约简9.10 以数据仓库为基础的数据开采9.10.1 数据仓库9.10.2 联想规则发现算法9.11 知识发现工具KDT9.11.1 系统结构9.11.2 知识发现算法第十章分布式人工智能10.1 概述10.2 分布式问题求解10.2.1 分布式问题求解系统分类10.2.2 分布式问题求解过程10.3 主体10.4 主体理论10.4.1 理性主体10.4.2 BDI主体模型10.4.3 RAO逻辑框架10.4.4 关于对别人进行推理的一个模式---换位推理 10.4.5 动作理论10.4.6 次协调机制的引进10.5 主体结构10.5.1 反应主体10.5.2 认知主体10.5.3 复合式主体10.6 主体通信10.6.1 KQML10.6.2 主体通信语言SACL10.6.3 SACL语法结构10.6.4 SACL保留关键字10.7 主体的协调与协作10.7.1 计算生态学10.7.2 基于对策论的协调与协作10.7.3 协商10.8 多主体处理环境MAPE10.8.1 主体的逻辑结构10.8.2 主体虚拟层10.8.3 主体逻辑层10.8.4 主体概念层10.8.5 多主体系统的总体结构10.8.6 主体创建10.8.7 多主体系统构建第十一章进化计算11.1 概述11.2 进化系统理论的形式模型11.3 达尔文进化算法11.4 分类器系统11.5 桶链算法11.6 遗传算法11.6.1 遗传算法的主要步骤11.6.2 表示模式11.6.3 杂交操作11.6.4 变异操作11.6.5 反转操作11.7 并行遗传算法11.8 分类器系统 Boole11.9 规则发现系统11.10 进化策略11.11 进化程序设计第十二章人工生命12.1 引言12.2 研究人工生命的原因12.3 人工生命的探索12.4 人工生命模型12.5 人工生命的研究方法和战略12.6 计算机生命12.7 细胞自动机12.8 形态形成理论12.9 混沌理论四、教材1. 史忠植：高级人工智能, 科学出版社，1998五、参考书六、教学方式课堂讲授和讨论七、考查方式课程设计 40%闭卷考试 60%撰写人：史忠植。

高级人工智能 史忠植
20
概念的边界
知识的粒度性是造成使用已有知识不能精确地表示 某些概念的原因。这就产生了所谓的关于不精确的 “边界”思想。著名哲学家Frege认为“概念必须 有明确的边界。没有明确边界的概念，将对应于一 个在周围没有明确界线的区域”。粗糙集理论中的 模糊性就是一种基于边界的概念，即一个不精确的 概念具有模糊的不可被明确划分的边界。为刻画模 糊性，每个不精确概念由一对称为上近似与下近似 的精确概念来表示，它们可用隶属函数定义
2019/11/29
高级人工智能 史忠植
6
粗糙集的研究
1991年波兰Pawlak教授的第一本关于粗 糙集的专著《Rough Sets：Theoretical Aspects of Reasoning about Data 》和 1992年R.Slowinski主编的关于粗糙集应用 及其与相关方法比较研究的论文集的出版， 推动了国际上对粗糙集理论与应用的深入研 究。1992年在波兰Kiekrz召开了第1届国际 粗糙集讨论会。从此每年召开一次与粗糙集 理论为主题的国际研讨会。
基本粗糙集理论认为知识就是人类和其他物种所固有的分类能力。例如， 在现实世界中关于环境的知识主要表明了生物根据其生存观来对各种各 样的情形进行分类区别的能力。每种生物根据其传感器信号形成复杂的 分类模式，就是这种生物的基本机制。分类是推理、学习与决策中的关 键问题。因此，粗糙集理论假定知识是一种对对象进行分类的能力。这 里的“对象”是指我们所能言及的任何事物，比如实物、状态、抽象概 念、过程和时刻等等。即知识必须与具体或抽象世界的特定部分相关的 各种分类模式联系在一起，这种特定部分称之为所讨论的全域或论域 (universe)。对于全域及知识的特性并没有任何特别假设。事实上，知 识构成了某一感兴趣领域中各种分类模式的一个族集(family)，这个族 集提供了关于现实的显事实，以及能够从这些显事实中推导出隐事实的 推理能力。

2021/8/26
24
三角表
INROOM (ROBOT , R1) CONNECTS (D1, R1, R2 )
GOTHRU (d, r1, r2 )
INROOM (BOX 1, R2 )
CONNECTS (D1, R1, R2 ) CONNECTS(x, y, z) CONNECTS(x, z, y)
▪ 初始世界模型：
INROOM (ROBOT , R1)
INROOM (BOX 1, R2 )
CONNECTS (D1, R1, R2 )
CONNECTS (D1, R2, R3)
BOX ...
(
BOX
1
)
(x, y, z)[CONNECTS(x, y, z) CONNECTS(x, z, y)]
第八章 解释学习
史忠植 中科院计算所
2021/8/26
1
内容
8.1 概述 8.2 解释学习模型 8.3 解释泛化学习方法 8.4 全局取代解释泛化方法 8.5 解释特化学习方法 8.6 解释泛化的逻辑程序 8.7 基于知识块的SOAR系统 8.8 可操作性标准 8.9 不完全领域知识下的解释学习
2021/8/26
作为前件，以定点的目标概念为后件，
略去解释结构的中间部件，生成泛化的
产生式规则。
2021/8/26
21
8.4 全局取代解释泛化方法
1986年DeJong和Mooney提出全局取代解释泛化 方法。在EBG方法中，通过实例解释结构的目 标概念回归，忽略析取实现泛化。
2021/8/26
22
STRIPS的例子
▪ 可操作标准：概念定义必须要用描述实例中的谓词，或 者选自领域知识易于评测的谓词。

42

相似度测量：
属性相似度的测量：
| E1 (Valuej ) q1 j E2 (Valuek ) q2k |
对象相似度的测量：
Sim
( E , E ) |
1 2
P i 1 1i1
m1 i 1 1i
m
P

m
j 1 2 j1 m2 j 1 2 j
P
P
|
缺少灵活性，没有匹配的原范例时无法工作。
2018/11/15
高级人工智能---史忠植
6
类比学习模型中的主要问题
• 知识表示和检索：
快速检索选择源范例。 有利于整个类比过程的实现。 易于修改。
• 灵活性，不应孤立存在：
把理论和类比策略结合起来。 多个类比的结合。
• 有效性验证。
2018/11/15
高级人工智能---史忠植
39
获取：
1) 2) 3) 4)
5) 6)
对问题求解器求得的解和T-空间中各次尝试转换进 行比较。 找出某个最接近实际解的中间状态（Dr值最小）。 假设某个新的T-操作符是从这个状态到实际解的转 换，并使其可用。 若加入新操作符后，有许多类比求解不成功，导致 产生了更多的新的T-操作符，则应用观察学习技术， 若例子形成很相似的例子集，则可以根据例子集的 特征来重新构造T-操作符。 将新的T-操作符加入可用T-操作符集。 在差别表中编序新T-操作符的入口。
2018/11/15
高级人工智能---史忠植
18
• 直接抽象方法的主要缺点：
1) 难以处理存储和检索所有可能解的组合问题， 搜索宏操作的开销可能变得比直接用MEA方法 还要大。 2) 忽略路径限制条件，造成新问题的新条件中 使当前宏操作失效，使求解过程浪费。 3) 没有考虑如何修改解序列。