人工智能导论(3)——确定性推理(Certainty Reasoning)

人工智能
2025 03-06 09:00:29
分享

文章目录

一、概述

确定性推理是人工智能经典三大基本技术(知识表示、推理、搜索策略)之一。

推理是人类求解问题的主要思维方法,智能系统的推理过程实际上是一个思维过程。

为方便记忆和回顾,根据个人学习,总结人工智能基础知识和思维导图形成系列。

二、重点内容 三、思维导图

人工智能导论(3)——确定性推理

四、重点知识笔记 1. 推理基本知识 1.1 推理的基本概念

推理是按照某种策略从已有事实和知识推出结论的过程。

医疗诊断专家系统为病人诊治疾病就是一次推理过程

推理的基本任务是从一种判断推出另一种判断。

1.2 推理的分类

人类的思维方式有多种,相应的有多种推理方式。推理从不同的角度有不同的分类方式

1.2.1 按推出新判断的途径分类

1) 演绎推理:从一般到个别的推理。

演绎推理中最常用的形式是三段论法。

三段论由三个判断组成:

2) 归纳推理:从个别到一般的推理

从足够多的个别实例归纳出一般性结论。

归纳推理是人类思维活动中最基本、最常用的一种推理形式。

3) 默认推理(缺省推理):知识不完全的情况下,假设某些条件已经具备

已知:A,B,C,D成立,可以得出结论成立。

默认推理:A,B,C成立,得出结论。(在没有证据证明D不成立时,默认假设D成立)

1.2.2 按所用知识确定性分类 1.2.3 按推理过程中的单调性

人类的推理过程通常都是非单调的。

非单调推理示例:

1.2.4 按推理过程是否运用启发性知识分类 1.3 推理的控制策略 1.3.1 推理方向 正反向混合推理根据初始事实进行正向推理,帮助提出假设反向推理进一步寻找支持假设的证据反复1-2步骤

正向推理易实现、目的性不强,效率低。

逆向推理目的性强,起始假设目标的选择具有盲目性。

正反向混合推理集中了正向推理和反向推理的优点,但其控制策略相对复杂。

1.3.2 搜索策略

从知识库寻找可用规则的策略。

常用的有:

启发式搜索 1.3.3 冲突解决策略

已知事实与知识库中规则匹配的三种情况:

多种匹配成功需要进行冲突消解。

常用冲突解决策略:

2. 自然演绎推理 2.1 基本概念

从一组已知为真的事实出发,直接运用经典逻辑中的推理规则推出结论的过程

2.2 推理规则

最基本规则是三段论推理:

优缺点同谓词逻辑

3. 归纳演绎推理

归纳演绎推理是基于谓词演算、归结原理的。

归结原理的思想为反证法:

P⇒Q,当且仅当P∧¬Q⇔F。即Q为P的逻辑结论,当且仅当P∧¬Q是不可满足的。

具体步骤为:

子句集、化简方法及归结原理知识如下:

3.1 子句集及谓词公式化简 3.1.1 基本定义

如果P,一定Q,记作P⇒Q,即P为Q的前提。

对于定义域D,P与Q的值都相同,则称P和Q时等值的,记作P⇔Q。

3.1.2 谓词公式的化简

步骤如下:

消去连接词“→”和“↔” 减少否定符号的辖域(把否定符号移到紧靠谓词的位置上) 变量标准化(使不同量词约束的变量有不同的名字) 消去存在量词(消去∃) 若存在量词位于一个或多个全称量词的辖域内 化为前束范式(所有量词都移到公式的左边) 化为Skolem标准形 略去全称量词 消去合取词 子句变量标准化(子句中不出现重名变量) 3.2 鲁滨逊归结原理

归结就是不断对子句求合取的过程。

3.3 归结演绎推理的归结策略

归结演绎推理实际上是从子句集中不断寻找可进行归结的子句对,并通过对这些子句对的归结,最终得出一个空子句的过程。

个人总结,部分内容进行了简单的处理和归纳,如有谬误,希望大家指出,持续修订更新中。

修订历史版本见:

The End
领先的前沿科技信息平台,通过AI驱动的内容推荐与交互式数据实验室,为科技从业者提供实时行业洞察、深度技术解析及全球创新趋势追踪。