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。
知识表⽰知识表⽰（Knowledge Representation）是长期以来⼈⼯智能研究中的⼀个重要问题。
在智能信息系统研究中，知识表⽰则是其核⼼部分之⼀。
本章介绍六种常⽤的知识表⽰⽅法及其在信息系统中的应⽤。
2.1 知识表⽰⽅法在⼈⼯智能中，知识表⽰就是要把问题求解中所需要的对象、前提条件、算法等知识构造为计算机可处理的数据结构以及解释这种结构的某些过程。
这种数据结构与解释过程的结合，将导致智能的⾏为。
智能活动主要是⼀个获得并应⽤知识的过程，⽽知识必须有适当的表⽰⽅法才便于在计算机中有效地存储、检索、使⽤和修改。
在⼈⼯智能领域⾥已经发展了许多种知识表⽰⽅法，常⽤的有：产⽣式规则、谓词逻辑、语义⽹络和框架。
从其表⽰特性来考察可归纳为两类：说明型（declarative）表⽰和过程型（procedural）表⽰。
（1）说明型表⽰说明型表⽰中，知识是⼀些已知的客观事实，实现知识表⽰时，把与事实相关的知识与利⽤这些知识的过程明确区分开来，并重点表⽰与事实相关的知识。
例如，谓词逻辑，将知识表⽰成⼀个静态的事实集合，这些事实是关于专业领域的元素或实体的知识，如问题的概念及定义，系统的状态、环境和条件。
它们具有很有限的如何使⽤知识的动态信息。
这种⽅法的优点是：具有透明性，知识以显⽰的准确的⽅法存储，容易修改；实现有效存储，每个事实只存储⼀次，可以不同⽅法使⽤多次；具有灵活性，这是指知识表⽰⽅法可以独⽴于推理⽅法；这种表⽰容许显式的、直接的、类似于数学⽅式的推理。
（2）过程型表⽰过程型表⽰中，知识是客观存在的⼀些规律和⽅法，实现知识表⽰时，对事实型知识和利⽤这些知识的⽅法不作区分，使⼆者融为⼀体，例如产⽣式规则⽅法。
该类⽅法常⽤于表⽰关于系统状态变化、问题求解过程的操作、演算和⾏为的知识。
这种⽅法的好处是：能⾃然地表达如何处理问题的过程；易于表达不适合⽤说明型⽅法表达的知识，例如有关缺省推理和概率推理的知识；容易表达有效处理问题的启发式知识；知识与控制相结全，使得知识的相互作⽤性较好。
常用的知识表示方法知识表示方法是人工智能中一个非常重要的领域，其主要目的是设计一种计算机程序，使其能够利用已有的知识去推理、学习和解决新问题。
在现代人工智能系统中，有许多常用的知识表示方法，包括逻辑表示、产生式表示、框架表示、语义网络表示、神经网络表示、本体表示等等。
下面将分别对这些知识表示方法展开详细的描述。
1. 逻辑表示逻辑表示是指使用逻辑语句来描述知识的方式。
这种表示方法最早应用于人工智能领域，它使用命题逻辑、谓词逻辑、模态逻辑等形式化逻辑体系来表达知识。
逻辑表示法的优点是表达简单直观，易于推理，而且能够容易地与其它知识表示方法相结合。
该方法的主要缺点是计算复杂度较高，不适用于大规模的知识表示。
2. 产生式表示产生式表示法是一种基于规则的知识表示方法，它通过一系列的规则来描述问题解决过程。
规则通常由条件和结果两部分组成，当条件满足时，就会执行规则，得到相应的输出结果。
产生式表示法的优点是表达简单易懂，适合大规模知识的表示和处理。
该方法的主要缺点是规则的编写和管理比较困难，而且可能出现死循环等问题。
3. 框架表示框架表示法是一种以对象为中心的知识表示方法，它通过描述事物的属性、关系、功能等方面来构建一个框架模型，从而达到表示知识的目的。
框架表示法的优点是具有良好的结构、易于维护和扩展。
该方法的主要缺点是无法处理复杂的关系和不确定性，而且不适用于处理嵌套结构。
4. 语义网络表示语义网络表示法是一种以图形为基础的知识表示方法，它通过节点和边的组合来描述概念、关系和属性等知识。
语义网络表示法的优点是视觉化表达直观，易于理解和调试，适用于复杂的知识系统。
该方法的主要缺点是不适用于大量数据的处理，因为图形结构比较复杂，计算开销较大。
5. 基于案例的表示基于案例的表示法是一种通过描述已有的实例来表达知识的方法，它将具体的案例作为基本单位，通过比较和分析不同案例之间的相似性和差异性来实现知识的表示和推理。
