概述
知识表示是人工智能研究中最基本的问题之一。
在知识处理中总要问到：如何表示知识，怎样使机器能懂这些知识，能对之进行处理，并能以一种人类能理解的方式将处理结果告诉人们。
在AI系统中，给出一个清晰简洁的有关知识的描述是很困难的。
09
第二章 知识表示 概述
知识的定义（难以给出明确的定义，只能从不同方面加以理解）
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。
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。
09
概述
数据：用一组符号及其组合表示的信息称为数据，是记录信息的符号，是信息的载体和表示。
信息：是对数据的解释，数据在特定场合下的具体含义。
知识：把有关信息关联到一起所形成的信息结构称为知识。
09
概述
知识的种类
以知识的作用范围来划分：
常识性知识，领域性知识
以知识的作用及表示来划分：
事实性知识，规则性知识，控制性知识，元知识
以知识的确定性来划分：
确定性知识，不确定性知识
以人类的思维及认识来划分
逻辑性知识，形象性知识
09
概述
知识的表示
研究用机器表示知识的可行性、有效性的一般方法，是一种数据结构与控制结构的统一体。
知识表示的分类
陈述性知识表示
主要用来描述事实性知识
过程性知识表示
用来描述规则性知识和控制结构知识
09
表示方法（各有特点，并存）
谓词逻辑法
产生式规则表示法
语义网络法
状态空间法
问题归约法 框架表示
面向对象表示
脚本方法表示
过程式表示
09
表示方法 —谓词逻辑法
逻辑是一种重要的知识表示方法。使用逻辑法表示知识，须将以自然语言描述的知识，通过引入谓词、函数加以形式描述，获得有关的逻辑公式，进而以机器内码表示。
用一阶谓词逻辑公式可以表示事物的状态、属性、概念等事实性知识，也可以表示事物间具有确定因果关系的规则性知识。
第2章 知识表示方法
基本概念与本章引言 知识的一般概念：知识是人们在改造客观世界的实践中积累起来的认
识和经验 认识：包括对事物现象、本质、属性、状态、联系等的认识
经验：包括解决问题的微观方法和宏观方法
微观方法：如步骤、操作、规则、过程、技巧等 宏观方法：如战略、战术、计谋、策略等
eg：“if 大雁向南飞，then 冬天就要来临了。”这样一条知识就是
人们经过长期的观察，将“大雁向南飞”与“冬天来临”这两条信息
关联在一起。“雪是白色的”反映雪与颜色的一种关系。
知识表示：是研究用机器表示知识的可行性、有效性的一般方法，是一种数据结构与控制结构的统一体，既考虑知识的存储又考虑知识的
使用。 本章引言：
以知识和符号操作为基础的智能系统，其问题的求解都需要某种
对解答的搜索。在搜索过程开始之前，必须先将问题表示出来。 表示问题的方法，可能涉及状态空间、问题归约、语义网络、框
架或谓词公式，或者把问题表示为一条要证明的定理，或者采用结构化方法等。
对于传统人工智能问题，任何复杂的求解技术都离不开两方面的
内容：1.表示 2.搜索。对于同一问题可以有多种不同的表示方法，这些表示具有不同的表示空间，问题表示的优劣，对求解结果及求解
效率影响甚大。 2.1状态空间表示
状态空间法概念：问题求解是个大课题，它涉及归约，推断，决策、规划、常识推理、定理证明和相关过程等核心概念。在分析了人工智
能研究中运用的问题求解方法之后，就会发现许多问题求解方法是采
用试探搜索方法的。也就是说，这些方法是通过在某个可能的解空间内寻找一个解来求解问题的。这种基于解答空间的问题表示和求解方
法就是状态空间法，它是以状态和算符为基础来表示和求解问题的。 2.1.1问题状态描述
首先对状态和状态空间下个定义：
1.状态（state）：状态是为描述某类不同事物间的差别而引入的一组
最少变量q0，q1，…，qn的有序集合，矢量形式如下：
式中每个元素qi(i=0，1，…，n)为集合的分量，称为状态变量。给
【⼈⼯智能】《⼈⼯智能》课程习题
《⼈⼯智能》课程习题
第⼀章绪论1-1. 什么是⼈⼯智能？试从学科和能⼒两⽅⾯加以说明。
1-2. 在⼈⼯智能的发展过程中，有哪些思想和思潮起了重要作⽤？
1-3. 为什么能够⽤机器（计算机）模仿⼈的智能？
1-4. 现在⼈⼯智能有哪些学派？它们的认知观是什么？
1-5. 你认为应从哪些层次对认知⾏为进⾏研究？
1-6. ⼈⼯智能的主要研究和应⽤领域是什么？其中，哪些是新的研究热点？
第⼆章知识表⽰⽅法2-1状态空间法、问题归约法、谓词逻辑法和语义⽹络法的要点是什么？它们有何本质上的联系及异同点?
2-2设有3个传教⼠和3个野⼈来到河边，打算乘⼀只船从右岸渡到左岸去。该船的负载能⼒为两⼈。在任何时候，如果野⼈⼈数超过传教⼠⼈数，那么野⼈就会把传教⼠吃掉。他们怎样才能⽤这条船安全地把所有⼈都渡过河去?再定义描述过河⽅案的谓词：L-R(x, x1, y, y1,S)：x1个修道⼠和y1个野⼈渡船从河的左岸到河的右岸
条件：Safety(L,x-x1,y-y1,S’)∧Safety(R,3-x+x1,3-y+y1,S’)∧Boat(L,S)
动作：Safety(L,x-x1,y-y1,S’)∧Safety(R,3-x+x1,3-y+y1,S’)∧Boat(R,S’)R-L (x, x1, y, y1,S)：x2个修道⼠和y2个野⼈渡船从河的左岸到河的右岸
条件：Safety(R,3-x-x2,3-y-y2,S’)∧Safety(L,x+x2,y+y2,S’)∧Boat(R,S)
动作：Safety(R,3-x-x2,3-y-y2,S’)∧Safety(L,x+x2,y+y2,S’)∧Boat(L,S’)(2) 过河⽅案
Safety(L,3,3,S0)∧Safety(R,0,0,S0)∧Boat(L,S0)
L-R(3, 1, 3, 1,S0) L-R(3, 0, 3, 2,S0)
Safety(L,2,2,S1)∧Safety(R,1,1,S1)∧Boat(R,S1)
人工智能知识表示的分类
人工智能知识表示主要分为以下几类：
1. 陈述性知识：也称为描述性知识，主要用于了解事物的概念、事实和对象等。它通常以陈述性句子的形式表达，比程序性知识更简单。
2. 程序性知识：也称为命令式知识，是一种知道如何做某事的知识。它包括规则、策略、程序、议程等，可以直接应用于各种任务。
3. 元知识：关于其他类型知识的知识，例如关于如何获取和使用知识的知识。
4. 启发式知识：基于专家经验的知识，通常用于特定领域或学科。这些知识是基于以前的经验和对方法的了解的经验法则，虽然很好用，但不能保证绝对正确。
5. 结构化知识：是解决问题的基础知识，描述了各种概念之间的关系，例如事物的种类、部分和分组等。
此外，还有状态空间法、问题归约法、产生式表示法、框架表示法等多种知识表示方法。这些方法在人工智能领域中都有广泛的应用，可以根据具体需求选择合适的知识表示方法。
