人工智能与知识工程-搜索推理技术2概论

知识表示与推理本课内容1.知识表示概述2.一阶谓词逻辑3.产生式和产生式系统4.框架5.自动推理1.知识表示概述知识与智能人类的智能活动主要是获得并运用知识。

知识是智能的基础。

为了使计算机具有智能，能模拟人类的智能行为，就必须使它具有知识。

但人类的知识需要用适当的模式表示出来，才能存储到计算机中并能够被运用。

因此，知识的表示成为人工智能中一个十分重要的研究课题。

知识的概念费根鲍姆Feigenbaum知识是经过消减、塑造、解释和转换的信息。

Bernstein知识是由特定领域的描述、关系和过程组成的。

Hayes-roth知识是事实、信念和启发式规则。

知识的概念从知识库的观点看，知识是某领域中所涉及的各有关方面的一种符号表示。

知识是人们在长期的生活及社会实践中、在科学研究及实验中积累起来的对客观世界的认识与经验。

知识的分类从内容上分原理（客观）性知识和方法（主观）性知识：⏹原理（客观）性知识具有抽象概括性；⏹方法（主观）性知识具有通用性。

从形式上分显式和隐式知识；从逻辑思维角度分逻辑型和直觉型知识；理论知识和经验知识。

从可靠性上分知识的要素事实事物的分类、属性、事物间关系、科学事实、客观事实等规则事物的行动、动作和联系的因果关系知识控制当有多个动作同时被激活时，选择哪一个动作来执行的知识元知识怎样使用规则、解释规则、校验规则、解释程序结构等知识知识的特性知识的相对正确性知识是人类对客观世界认识的结晶，并且受到长期实践的检验。

因此，在一定的条件及环境下，知识是正确的。

“一定的条件及环境”是必不可少的，它是知识正确性的前提。

因为任何知识都是在一定的条件及环境下产生的，因而也就只有在这种条件及环境下才是正确的。

知识的相对正确性西风昨夜过园林，吹落黄花满地金。

——（宋）王安石秋花不比春花落，说与诗人仔细吟。

——（宋）苏轼知识的相对正确性知识的不确定性由于现实世界的复杂性，信息可能是精确的，也可能是不精确的、模糊的;关联可能是确定的，也可能是不确定的。

《人工智能》PPT课件•人工智能概述•机器学习原理及算法•自然语言处理技术•计算机视觉技术•语音识别与合成技术•智能推荐系统与数据挖掘•人工智能伦理、法律与社会影响目录定义与发展历程定义人工智能是一门研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的新技术科学。

发展历程从早期的符号学习到现代的深度学习，人工智能经历了多个发展阶段，包括专家系统、知识工程、机器学习等。

重要事件人工智能领域的重要事件包括图灵测试、达特茅斯会议、AlphaGo战胜围棋世界冠军等。

人工智能的技术原理包括感知、思考、学习和行动四个方面，通过模拟人类的思维和行为方式来实现智能化。

技术原理人工智能的核心思想是让机器能够像人类一样具有智能，包括理解、推理、决策、学习等能力。

核心思想人工智能的实现方式包括符号主义、连接主义和行为主义等多种方法，其中深度学习是当前最热门的技术之一。

实现方式技术原理及核心思想前景展望未来人工智能的发展前景非常广阔，将会在更多领域得到应用，同时也会出现更多的技术创新和突破。

应用领域人工智能已经广泛应用于各个领域，包括智能家居、自动驾驶、医疗诊断、金融风控等。

挑战与机遇人工智能的发展也面临着一些挑战，如数据安全、隐私保护等问题，但同时也带来了巨大的机遇和发展空间。

应用领域与前景展望原理通过最小化预测值与真实值之间的均方误差，学习得到最优的线性模型参数。

应用预测连续型数值，如房价、销售额等。

原理在特征空间中寻找最大间隔超平面，使得不同类别的样本能够被正确分类。

应用分类问题，如图像识别、文本分类等。

原理通过递归地选择最优特征进行划分，构建一棵树状结构，用于分类或回归。

应用分类、回归问题，如信用评分、医学诊断等。

原理将数据划分为K个簇，使得同一簇内的数据尽可能相似，不同簇间的数据尽可能不同。

应用数据挖掘、图像压缩等。

原理通过计算数据点间的相似度，将数据逐层进行聚合或分裂，形成树状结构。

应用社交网络分析、生物信息学等。

人工智能中的知识推理与推理机制人工智能（Artificial Intelligence，AI）是一门致力于使计算机能够模拟和执行人类智力活动的科学与技术。

知识推理是AI领域中的一个重要研究方向，旨在让计算机能够从已有的知识中进行推理，以获得新的知识或解决问题。

本文将从知识推理的定义、推理机制的分类、应用实例以及未来发展趋势等方面进行探讨。

一、知识推理的定义知识推理是指从已有的知识中进行推理，以推断出新的知识或解决问题的过程。

在人工智能领域，知识可以用规则、约束、知识库等形式进行表示和存储，而知识推理则是基于这些表示形式进行的。

知识推理主要包括两方面的内容：一是推理机制，即通过对已有知识的运算和推导，从中得出新的知识或解决问题；二是知识表示和存储，即如何将现实世界的知识用计算机可以理解的方式进行表示和存储。

二、推理机制的分类推理机制是指人工智能系统利用已有的知识进行推理的方法和策略。

根据不同的推理方式和目标，推理机制可以分为以下几类：1. 逻辑推理逻辑推理是一种基于形式逻辑和命题演算的推理方法，主要通过推理规则和命题之间的逻辑关系进行推导。

逻辑推理通常使用形式化的逻辑系统，如谓词逻辑、一阶逻辑等。

2. 归纳推理归纳推理是基于已有事实和观察结果，从中发现一般规律或者范例，并推断出新的结论。

它通过从特殊到一般的逻辑关系进行推导，可以帮助系统从已有的具体实例中抽象出一般的规则和知识。

3. 演绎推理演绎推理是基于已有的一般规则或定理，通过逻辑关系的推导和运算，推导出特定的结论。

演绎推理通常使用推理规则和推理机制，从一般规则到特殊情况的推导。

4. 概率推理概率推理是基于不确定性和概率的推理方法，主要通过概率理论和统计学方法进行推导。

它可以帮助系统在面对不确定性和不完全信息的情况下，进行推理和决策。

5. 模糊推理模糊推理是基于模糊逻辑和模糊集合理论的推理方法，主要用于处理模糊信息和模糊关系。

模糊推理可以帮助系统在处理不精确和不确定性的知识和数据时，进行推理和决策。

《人工智能概论》课程笔记第一章人工智能概述1.1 人工智能的概念人工智能（Artificial Intelligence，简称AI）是指使计算机具有智能行为的技术。

智能行为包括视觉、听觉、语言、学习、推理等多种能力。

人工智能的研究目标是让计算机能够模拟人类智能的某些方面，从而实现自主感知、自主决策和自主行动。

人工智能的研究领域非常广泛，包括机器学习、计算机视觉、自然语言处理、知识表示与推理等。

1.2 人工智能的产生与发展人工智能的概念最早可以追溯到上世纪50 年代。

1950 年，Alan Turing 发表了著名的论文《计算机器与智能》，提出了“图灵测试”来衡量计算机是否具有智能。

1956 年，在达特茅斯会议上，John McCarthy 等人首次提出了“人工智能”这个术语，并确立了人工智能作为一个独立的研究领域。

人工智能的发展可以分为几个阶段：（1）推理期（1956-1969）：主要研究基于逻辑的符号操作和自动推理。

代表性成果包括逻辑推理、专家系统等。

（2）知识期（1970-1980）：研究重点转向知识表示和知识工程，出现了专家系统。

代表性成果包括产生式系统、框架等。

（3）机器学习期（1980-1990）：机器学习成为人工智能的重要分支，研究如何让计算机从数据中学习。

代表性成果包括决策树、神经网络等。

（4）深度学习期（2006-至今）：深度学习技术的出现，推动了计算机视觉、自然语言处理等领域的发展。

代表性成果包括卷积神经网络、循环神经网络等。

1.3 人工智能的三大学派人工智能的研究可以分为三大学派：（1）符号主义学派：认为智能行为的基础是符号操作和逻辑推理。

符号主义学派的研究方法包括逻辑推理、知识表示、专家系统等。

（2）连接主义学派：认为智能行为的基础是神经网络和机器学习。

连接主义学派的研究方法包括人工神经网络、深度学习、强化学习等。

（3）行为主义学派：认为智能行为的基础是感知和行动。

行为主义学派的研究方法包括遗传算法、蚁群算法、粒子群算法等。

目标谓词：ℎ ,
目标谓词只有一个正例ℎ(David, Mike)。
反例在知识图谱中一般不会显式给出，但可从知
识图谱中构造出来。如从知识图谱中已经知道
(David, James)成立，则ℎ(David,
James)可作为目标谓词的一个反例，记为

ෞ− = 0
NA
(, )

ෞ+ = 1

ෞ− = 2
0.74
e(, )

ෞ+ = 0

ෞ− = 1
NA
(, )
ෞ+ =

ෞ− =

1.32
e(, )

ෞ+ = 0

ෞ− =0
NA
e(, )

ෞ+ = 0

ෞ− = 0

ෞ+ = 1

ෞ− = 3
0.32
(, )

ෞ+ = 0

ෞ− = 1
NA
(, )

ෞ+ = 0

ෞ− = 1
NA
(, )

ෞ+ = 0

ෞ− = 0
NA
(, )

ෞ+ = 0

ෞ− = 0
NA
(, )

ෞ+ = 1

ෞ− = 3
0.32
(, )

ෞ+ = 0

ෞ− = 1
NA
(, )

ෞ+ = 0

ෞ− = 1
NA
(, )

ෞ+ = 0

常用启发式函数
包括基于距离的启发式函数、基于成本的启发式函数、基于规则的启发式函数等。
节点排序和选择策略
节点排序的目的和意义
节点排序是为了在扩展节点时，按照一定的顺序选择下一个要扩展的节点，以优化搜索过程。
常用节点排序策略
包括最佳优先搜索、广度优先搜索、深度优先搜索等。最佳优先搜索根据启发式函数的值来选择最优节点； 广度优先搜索按照节点的层次顺序进行扩展；深度优先搜索则尽可能深地扩展节点。
盲目搜索方法比较与选择
• 宽度优先搜索、深度优先搜索和迭代加深搜索都是盲目搜索方法，它们在不同的场景下有不同的应用。 • 宽度优先搜索适用于问题空间较大、解存在于较浅层次的情况，因为它可以逐层遍历整个问题空间，找到最短
路径。 • 深度优先搜索适用于问题空间较小、解存在于较深层次的情况，因为它可以尽可能深地搜索树的分支，找到更
启发式信息获取途径
01
02
03
问题自身的特性
通过分析问题的性质、结 构、约束条件等，提取出 对搜索过程有指导意义的 启发式信息。
领域知识
利用领域内的经验、规则、 常识等，为搜索过程提供 有价值的启发式信息。
搜索过程中的信息
在搜索过程中，通过评估 当前状态、已搜索路径、 未搜索路径等，动态地获 取启发式信息。
04 与或树搜索优化技术
剪枝策略
01
剪枝的定义和目的
剪枝是在搜索过程中，通过某些评估标准，提前终止对某些无意义或低
效的节点的扩展，以减少搜索空间，提高搜索效率。
02 03
常用剪枝策略
包括限界剪枝、启发式剪枝、概率剪枝等。限界剪枝通过设置上下界来 限制搜索范围；启发式剪枝利用启发式函数来评估节点的重要性；概率 剪枝则根据节点的概率分布来进行剪枝。

人工智能概论大作业学院：电子工程学院专业：智能科学与技术题目一：搜索算法编程及实验报告一．算法题目八数码难题的求解。

二．实验目的从盲目搜索和启发式搜索方法中分别选择一种解决八数码难题，给出搜索树和从起始节点到目标节点的路径。

三．实验设备及软件环境Win7的笔记本电脑，VS2013（使用c语言编程）。

四．实验方法1.盲目搜索——宽度优先搜索。

（1）.算法描述如果搜索是以接近其实节点的程度来依次扩展节点，那么这中搜索就叫宽度优先搜索。

这种搜索是逐层进行的，在对下一层的任一节点进行搜索之前，必须搜索完本层的所有节点。

(1）把起始节点放到OPEN表中（如果该起始节点为一目标节点，则求得一个解答）。

（2）如果OPEN是个空表，则没有解，失败退出；否则继续。

（3）把第一个节点（节点 n）从OPEN表移出，并把它放入CLOSED扩展节点表中。

（4）扩展节点n。

如果没有后继节点，则转向上述第（2）步。

（5）把n 的所有后继节点放到OPEN表的末端，并提供从这些后继节点回到n的指针。

（6）如果n 的任一个后继节点是个目标节点，则找到一个解答，成功退出；否则转向第（2）步。

（2）.算法流程图（3）.程序代码#include "stdio.h"#include "conio.h"#include "string.h" struct pic{char data[10];char imoperate;int father;char extend; };char end[10] = "1238 4765";int result[100];int n;int m;pic base[100];char *w;int find(int x){for (int i = 0; i < 10; i++)if (base[x].data[i] != end[i])return 0;return 1;}void showline(int x){int i = 0;while (base[x].father != -1){result[i] = x;x = base[x].father;i++;}result[i] = 0;result[i + 1] = '\0';m = i;printf("\n搜索路径");for (i = m; i >= 0; i--){printf("\n\n\n");printf("%c\t%c\t%c\n", base[result[i]].data[0], base[result[i]].data[1], base[result[i]].data[2]);printf("%c\t%c\t%c\n", base[result[i]].data[3], base[result[i]].data[4], base[result[i]].data[5]);printf("%c\t%c\t%c", base[result[i]].data[6], base[result[i]].data[7], base[result[i]].data[8]);}}int left(int x){int i;for (i = 0; i < 10; i++)if (base[x].data[i] == ' ')break;if (i == 0 || i == 3 || i == 6)return 0;for (int j = 0; j < 10; j++)base[n].data[j] = base[x].data[j];base[n].data[i] = base[x].data[i - 1];base[n].father = x;base[n].imoperate = 'R';base[n].extend = 'Y';base[x].extend = 'N';w = base[n].data;n++;if (find(n - 1) == 1)return 1;}int right(int x){int i;for (i = 0; i < 10; i++)if (base[x].data[i] == ' ')break;if (i == 2 || i == 5 || i == 8)return 0;for (int j = 0; j < 10; j++)base[n].data[j] = base[x].data[j];base[n].data[i + 1] = base[x].data[i];base[n].father = x;base[n].imoperate = 'L';base[n].extend = 'Y';base[x].extend = 'N';w = base[n].data;n++;if (find(n - 1) == 1)return 1;}int up(int x){int i;for (i = 0; i < 10; i++)if (base[x].data[i] == ' ')break;if (i == 0 || i == 1 || i == 2)return 0;for (int j = 0; j < 10; j++)base[n].data[j] = base[x].data[j];base[n].data[i - 3] = base[x].data[i];base[n].data[i] = base[x].data[i - 3];base[n].father = x;base[n].imoperate = 'D';base[n].extend = 'Y';base[x].extend = 'N';w = base[n].data;n++;if (find(n - 1) == 1)return 1;}int down(int x){int i;for (i = 0; i < 10; i++)if (base[x].data[i] ==' ')break;if (i == 6 || i == 7 || i == 8)return 0;for (int j = 0; j < 10; j++)base[n].data[j] = base[x].data[j];base[n].data[i + 3] = base[x].data[i];base[n].data[i] = base[x].data[i + 3];base[n].father = x;base[n].imoperate = 'U';base[n].extend = 'Y';base[x].extend = 'N';w = base[n].data;n++;if (find(n - 1) == 1)return 1;}void main(){void showtree(int x);n = 1;int i;strcpy_s(base[0].data, "2831 4765");base[0].imoperate = 'N';base[0].father = -1;base[0].extend = 'Y';for ( i = 0; i < 100; i++){if (base[i].extend == 'Y'){if (base[i].imoperate == 'L'){if (right(i) == 1)break;if (up(i) == 1)break;if (down(i) == 1)break;continue;}if (base[i].imoperate == 'R') {if (left(i) == 1)break;if (up(i) == 1)break;if (down(i) == 1)break;continue;}if (base[i].imoperate == 'U') {if (left(i) == 1)break;if (right(i) == 1)break;if (down(i) == 1)break;continue;}if (base[i].imoperate == 'D') {if (right(i) == 1)break;if (up(i) == 1)break;if (left(i) == 1)break;continue;}if (base[i].imoperate == 'N') {if (left(i) == 1)break;if (right(i) == 1)break;if (up(i) == 1)break;if (down(i) == 1)break;continue;}}}printf("搜索结束\n");showline(n - 1);showtree(n - 1);getchar();}void showtree(int x){printf("\n\n\n搜索树\n\n\n");int i;for (i = 0; i <= x; i++){if (i == 0){printf("\t\t\t %c%c%c\n", base[i].data[0], base[i].data[1], base[i].data[2]);printf("\t\t\t %c%c%c\n", base[i].data[3], base[i].data[4], base[i].data[5]);base[i].data[7], base[i].data[8]);printf("\t\t\t |\n");printf(" ");for (int j = 0; j < 49; j++)printf("-");printf("\n");printf(" |");printf(" |");printf(" |");printf(" |\n");continue;}if (i>0 && i <= 4){printf(" %c%c%c", base[i].data[0],base[i].data[1], base[i].data[2]);printf("\t %c%c%c", base[i+1].data[0], base[i+1].data[1], base[i+1].data[2]);printf("\t %c%c%c", base[i+2].data[0], base[i+2].data[1], base[i+2].data[2]);printf("\t %c%c%c\n", base[i+3].data[0], base[i+3].data[1], base[i+3].data[2]);printf(" %c%c%c", base[i].data[3],base[i].data[4], base[i].data[5]);base[i+1].data[4], base[i+1].data[5]);printf("\t %c%c%c", base[i+2].data[3], base[i+2].data[4], base[i+2].data[5]);printf("\t %c%c%c\n", base[i+3].data[3], base[i+3].data[4], base[i+3].data[5]);printf(" %c%c%c", base[i].data[6],base[i].data[7], base[i].data[8]);printf("\t %c%c%c", base[i+1].data[6], base[i+1].data[7], base[i+1].data[8]);printf("\t %c%c%c", base[i+2].data[6], base[i+2].data[7], base[i+2].data[8]);printf("\t %c%c%c\n", base[i+3].data[6], base[i+3].data[7], base[i+3].data[8]);printf(" |");printf(" |");printf(" |");printf(" |\n");printf(" ---------");printf(" ---------");printf(" ---------");printf(" ---------\n");printf(" | |");printf(" | |");printf(" | |");printf(" | |\n");i = 4;continue;}if (i > 4 && i <= 12){printf(" %c%c%c", base[i].data[0], base[i].data[1], base[i].data[2]);for (int j = 1; j < 8; j++)printf(" %c%c%c", base[i+j].data[0],base[i+j].data[1], base[i+j].data[2]);printf("\n %c%c%c", base[i].data[3],base[i].data[4], base[i].data[5]);for (int j = 1; j < 8; j++)printf(" %c%c%c", base[i + j].data[3], base[i + j].data[4], base[i + j].data[5]);printf("\n %c%c%c", base[i].data[6],base[i].data[7], base[i].data[8]);for (int j = 1; j < 8; j++)printf(" %c%c%c", base[i + j].data[6], base[i + j].data[7], base[i + j].data[8]);printf("\n | |");printf(" | |");printf(" | |");printf(" | |\n");i = 12;continue;}if (i > 12 && i <= 20){printf(" %c%c%c", base[i].data[0], base[i].data[1], base[i].data[2]);for (int j = 1; j < 8; j++)printf(" %c%c%c", base[i + j].data[0], base[i + j].data[1], base[i + j].data[2]);printf("\n %c%c%c", base[i].data[3],base[i].data[4], base[i].data[5]);for (int j = 1; j < 8; j++)printf(" %c%c%c", base[i + j].data[3], base[i + j].data[4], base[i + j].data[5]);printf("\n %c%c%c", base[i].data[6],base[i].data[7], base[i].data[8]);for (int j = 1; j < 8; j++)printf(" %c%c%c", base[i + j].data[6], base[i + j].data[7], base[i + j].data[8]);printf("\n | |");printf(" | |");printf(" | |");printf(" | |\n");printf(" -----");for (int j = 0; j < 7;j++)printf(" -----");printf("\n | |");for (int j = 0; j < 7; j++)printf(" | |");i = 20;continue;}if (i>20 && i <= 36){printf("\n%c%c%c", base[i].data[0], base[i].data[1], base[i].data[2]);for (int j = 1; j < 11; j++)printf(" %c%c%c", base[i + j].data[0], base[i + j].data[1], base[i + j].data[2]);printf("\n%c%c%c", base[i].data[3], base[i].data[4], base[i].data[5]);for (int j = 1; j < 11; j++)printf(" %c%c%c", base[i + j].data[3], base[i + j].data[4], base[i + j].data[5]);printf("\n%c%c%c", base[i].data[6], base[i].data[7], base[i].data[8]);for (int j = 1; j < 11; j++)printf(" %c%c%c", base[i + j].data[6], base[i + j].data[7], base[i + j].data[8]);i = 36;continue;}}}2.启发式搜索——有序搜索（1）算法描述有序搜索又称最好优先搜索，他总是选择最有希望的节点作为下一个要扩展的节点。

第 1 章 人工智能概述
第 1 章 人工智能概述
2019-6-6
1.1 什么是人工智能
1.2 人工智能的研究意义、目标和策略
1.3 人工智能的学科范畴
1.4 人工智能的研究内容
1.5 人工智能的研究途径与方法
1.6 人工智能的基本技术
1.7 人工智能的应用
1.8 人工智能的分支领域与研究方向
1.9 人工智能的发展概况
现在, 人工智能已构成信息技术领域的一个重要学科。
因为该学科研究的是如何使机器(计算机)具有智能或者说如何
利用计算机实现智能的理论、 方法和技术, 所以, 当前的人
工智能既属于计算机科学技术的一个前沿领域, 也属于信息处
理和自动化技术的一个前沿领域。但由于其研究内容涉及到
“智能”, 因此,人工智能又不局限于计算机、信息和自动化
2019-6-6
谢谢观赏
2
第 1 章 人工智能概述
——人工智能是那些与人的思维相关的活动, 诸如决策、 问题求解和学习等的自动化(Bellman, 1978年)。
——人工智能是一种计算机能够思维, 使机器具有智力的 激动人心的新尝试(Haugeland,1985年)。
——人工智能是研究如何让计算机做现阶段只有人才能做 得好的事情(Rich Knight, 1991年)。
2019-6-6
谢谢观赏
8
第 1 章 人工智能概述
1.1.4
1.
符号智能就是符号人工智能, 它是模拟脑智能的人工智能, 也就是所说的传统人工智能或经典人工智能。 符号智能以符 号形式的知识和信息为基础, 主要通过逻辑推理, 运用知识进 行问题求解。符号智能的主要内容包括知识获取(knowledge acquisition)、 知识表示(knowledge representation)、 知 识组织与管理和知识运用等技术(这些构成了所谓的知识工程 (Knowledge Engineering, KE))以及基于知识的智能系统等。

9
1.2. 关于智能
1.2. 关于智能
几种关于智能的观点
• 思维理论
• 智能的核心是思维； • 智能来自于大脑的思维活动； • 知识是思维的产物； • 通过对思维规律与方法的研究可望揭示智能的本质。
10
1.2. 关于智能
1.2. 关于智能
几种关于智能的观点
• 知识理论
• 智能就是在巨大知识空间中找到满意解的能力。
开创了AI研究的新领域。
27
1.4. AI发展
GPS vs. ES
• GPS：
寻求一个通用的逻辑推理系统，能解决所有类型问题。
• ES：
专注于相对狭小的专业领域，建立基于知识的AI系统。
1977年第五届国际人工智能联合会议，Feigenbaum提出了
知识工程 (Knowledge Engineering)概念，对以知识为基础的
• Bacon(1561～1626)：在《新工具论》中提出归纳法；
• (德)Leibnitz(1646～1716)：在研制四则计算器时，提出通用符号和 推理计算，使形式逻辑符号化，奠定数理逻辑的基础；
• (英)Boole(1815～1864)：创立布尔代数，首次用符号语言描述思维
活动的基本推理规则；
26
1.4. AI发展
反思
• AI指导思想：用计算机模拟人类思维的普遍规律；
• 模拟重心：建立通用万能的符号逻辑运算体系(GPS)； • 问题关键：忽视现实世界的复杂性和问题的多样性。
总结过去经验及教训，E.A.Feigenbaum提出以知识为中心
的人工智能，此观点被大多数人接受。 1965年, Feigenbaum研制成功专家系统(rt System)，
有些人甚至断言：

可编辑修改精选全文完整版（一）教学内容结构关系图（二）具体教学内容（2）教学要求了解人工智能的研究方法、发展简史。

理解人工智能的基本概念、基本技术。

掌握人工智能研究的基本内容和应用领域。

（3）重点人工智能概念（4）难点人工智能的研究方法（5）对毕业要求的支撑本知识点的讲授和学习，可以支撑“毕业要求5 能够针对本学科领域复杂问题，开发、选择与使用恰当的技术、方法、现代工程工具和信息技术工具，包括对本学科领域问题的预测与模拟，并能够理解其局限性。

”中的“指标点5.2掌握管理学理论与研究的前沿知识，培养具有持续适应社会和能力和及时了解新准则、新法规的能力。

”2.知识工程（1）教学内容知识工程概述、谓词逻辑表示法、产生式表示法、层次结构表示法、网络结构表示法、知识获取与管理、基于知识的系统（2）教学要求了解基于知识的系统、知识获取与管理。

理解知识工程的概念。

掌握逻辑谓词表示法及其应用，会用框架去描述一些具体问题，能用脚本来描述特定范围内的一些事件的发生顺序。

（3）重点经典谓词逻辑表示法、产生式表示法、层次结构表示法、网络结构表示法。

（4）难点层次结构表示法、网络结构表示法（5）对毕业要求的支撑本知识点的讲授和学习，可以支撑“毕业要求5 能够针对本学科领域复杂问题，开发、选择与使用恰当的技术、方法、现代工程工具和信息技术工具，包括对本学科领域问题的预测与模拟，并能够理解其局限性。

”中的“指标点5.2掌握管理学理论与研究的前沿知识，培养具有持续适应社会和能力和及时了解新准则、新法规的能力。

”3.确定性推理（1）教学内容推理的基本概念及归结、演绎等确定性推理方法。

推理的基本概念，了解正向推理、逆向推理、混合推理及其推理的冲突消解策略、推理的逻辑基础、自然演绎推理、归结演绎推理、基于规则的演绎推理、规则演绎推理的剪枝策略。

（2）教学要求理解推理的概念，了解正向推理、逆向推理、混合推理及其推理的冲突消解策略，了解自然演绎推理的概念以及三段论推理规则。

(4)具有从一种语言转译成另一种语言的能力。
6.机器行为 机器行为主要指机器人行动规划。它是智能机器 人的核心技术，规划功能的强弱反映了智能机器人的 智能水平。因为，虽然感知能力可使机器人认识对象 和环境，但解决问题，还要依靠规划功能拟定行动步 骤和动作序列。
1.3.2 基 于 研 究 途径与实 现技术的 领域划分 1.符号智能（基于人脑的心理模型，运用传统的程 序设计方法实现的人工智能）
2. 自动定理证明 自动定理证明就是机器定理证明，这也是人工智 能的一个重要的研究领域，也是最早的研究领域之一。 定理证明是最典型的逻辑推理问题之一，它在发展人 工智能方法上起过重大作用。
自动定理证明的方法主要有四类： (1) 自然演绎法。它的基本思想是依据推理规则， 从前提和公理中可以推出许多定理，如果待证的定理 恰在其中，则定理得证。
3、智能化也是自动化发展的必然趋势 自动化发展到一定水平，再向前发展就是智能化，
即智能化是继机械化、自动化之后，人类生产和生活 中的又一个技术特征。
另外，研究人工智能，对探索人类自身智能的奥 秘也可提供有益的帮助。因为我们可以通过电脑对人 脑进行模拟，从而揭示人脑的工作原理，发现自然智 能的渊源。
人工智能中的推理，不同的知识表示有不同的推理 方式，如基于语义网和框架表示知识的推理是一种继 承的推理，基于产生式的推理有正向、反向推理等
从推理的可靠程度分：推理分为：确定性推理（精确推 理）和不确定性推理（不确定性推理）
传统的逻辑推理都是确定性推理 不确定性推理的前提和结论则是模糊的、随机的或不确 定的。不确定性推理可分为基于概率逻辑的或然推理 和基于模糊逻辑的似然推理。
智能设备包括具有一定智能的仪器、仪表、机器、 设施等。如采用智能控制的机床、汽车、武器装备、 家用电器等。这种设备实际上是被嵌入了某种智能软 件的设备。

有代表性的观点 (1) 费根鲍姆（Feigenbaum）: 知识是经过剪裁、塑造、解释、选择和转
换了了的信息 (2) 伯恩斯坦（Bernstein）：知识由特定领域的描述、关系和过程组成 (3) 海海叶斯-罗斯（Heyes-Roth）：知识=事实+信念+启发式
2
2.1.1 确定性知识表示概述
2.ᬰ 识᧣ 类Ṟ (1/2)
适应性，对高高效算法的支支持程度
可组织性与可维护性：
可组织性是指可以按某种方方式把知识组织成某种知识结构。
可维护性是指要便便于对知识的增、删、改等操作
可理理解性与可实现性：
可理理解性是指知识应易易读、易易懂、易易获取等
可实现性是指知识的表示要便便于计算机上实现
5
2.1.1 确定性知识表示概述
3 ᬰ 识ᶡ ᙎ ᧣ 概၃ Ẹ ፖ ᎚ (2/2)
例例如，一一位计算机维修员，从书本知识，到通过大大量量实例例积累经验，是一一 种归纳推理理方方式。运用用这些一一般性知识知识去维修计算机的过程则是演绎推 理理。
12
2.1.2 确定性知识推理理概述
3.ᱣ ሑ ໓ ᩧ ᯘ ᅊ ࿔ ࿠ ᐠ 类
推理理的控制策略略是指如何使用用领域知识使推理理过程尽快达到目目标的策略略。它 可分为推理理策略略和搜索策略略。
完全归纳推理理
是指在进行行行归纳时需要考察相应事物的全部对象，并根据这些对象是否都具
有某种属性，推出该类事物是否具有此属性。如，计算机质量量检验。
不不完全归纳推理理
是指在进行行行归纳时只考察了了相应事物的部分对象，就得出了了关于该事物的结
论。例例如，计算机，随机抽查。
枚举归纳推理理
是指在进行行行归纳时，如果已知某类事物的有限可数个具体事物都具有某种