全套PPT課件人工智能基礎01緒論02知識與知識表示03搜索策略04不確定性知識的表示與推理CONTENTS目錄05基于邏輯的問題求解方法06機器學習07專家系統08人工智能語言CONTENTS目錄01緒論人工智能概況1.1

1.1.1智能與人工智能1.智能由于對人腦的機制和工作原理的認識至今仍不清楚，因此學術界很難給“智能”一個精確的定義，目前比較具有權威性的概念主要集中于思維理論、知識閾值理論和進化理論。思維理論認為智能的核心是思維，人的一切知識都是人們思維的產物，因而可望通過對思維規律與方法的研究來揭示智能的本質。知識閾值理論著重強調知識對于智能的重要意義和作用，認為智能行為取決于知識的數量及其一般化的程度，一個系統之所以有智能是因為它具有可運用的知識。在此基礎上，知識閾值理論將智能定義為：智能就是在巨大的搜索空間中迅速找到一個滿意解的能力。進化理論其核心思想是對外界事物的感知能力，對動態環境的適應能力是智能的重要基礎和組成部分。人工智能概況1.1

1.1.1智能與人工智能1.智能綜合上述觀點，智能可以理解為知識與智力的總和。其中，知識是一切智能行為的基礎，而智力是獲取知識并運用知識求解問題的能力，即在任意給定的環境和目標條件下，正確制定決策和實現目標的能力，它來自人腦的思維活動。具體來講，智能具有下述特征：（1）具有感知能力（系統輸入）（2）具有記憶與思維能力（3）具有學習及自適應能力（4）具有行為能力（系統輸出）人工智能概況1.1

1.1.1智能與人工智能2.人工智能至于人工智能，其字面含義就是人造智能，即指用計算機模擬或實現的智能，因此人工智能又稱機器智能。當然，這只是對人工智能的字面解釋或一般解釋，關于人工智能的科學定義，同智能一樣，至今學術界還沒有一個統一的認識。作為工程技術學科，人工智能的目的是提出建造人工智能系統的新技術、新方法和新理論，并在此基礎上研制出具有智能行為的計算機系統。作為理論研究學科，人工智能的目的是提出能夠描述和解釋智能行為的概念與理論，為建立人工智能系統提供理論依據。人工智能概況1.1

1.1.2人工智能的產生及主要學派產生人工智能作為一門學科正式誕生于1956年。1956年夏季，由美國達特茅斯學院的麥卡錫、哈佛大學的明斯基、IBM公司信息研究中心的洛切斯特、貝爾實驗室的申農共同發起，邀請IBM公司的莫爾和塞繆爾、麻省理工學院的塞爾夫里奇和索羅蒙夫以及蘭德公司和卡內基梅隆大學的紐厄爾、西蒙等10位來自數學、心理學、神經生理學、信息論和計算機等方面的學者與工程師，在達特茅斯學院召開了一次歷時兩個月的研究會，討論關于機器智能的問題。會上經麥卡錫提議正式采用了artificialintelligence一詞。從此一門新興學科便正式誕生了。人工智能概況1.1

1.1.2人工智能的產生及主要學派學派根據研究的理論、方法及側重點的不同，目前人工智能主要有以下三個學派。1.符號主義符號主義（symbolicism）認為知識可用邏輯符號表達，認知過程是符號運算過程。人和計算機都是物理符號系統，且可以用計算機的符號來模擬人的認知過程。符號主義學派認為，人工智能的核心問題是知識表示和知識推理，都可用符號來實現，所有認知活動都基于一個統一的體系結構。符號主義學派的代表成果是1957年西蒙、紐厄爾等人研制的稱為邏輯理論機(logictheorymachine，LTM)的數學定理證明程序。符號主義學派曾長期一枝獨秀，經歷了從啟發式算法到專家系統，再到知識工程理論與技術的發展道路，為人工智能做出了重要的貢獻，目前仍是人工智能的主流學派。人工智能概況1.1

1.1.2人工智能的產生及主要學派學派根據研究的理論、方法及側重點的不同，目前人工智能主要有以下三個學派。2.聯結主義聯結主義是基于生物進化論的AI學派。其原理主要是神經網絡及神經網絡間的連接機制與學習算法。聯結主義認為，人的思維基元是神經元，而不是符號運算；認為人腦不同于計算機，不能用符號運算來模擬大腦的工作模式。如果說符號主義是從宏觀上模擬人的思維過程，那么聯結主義就是試圖從微觀上解決人類的認知功能，以探索認知過程的微觀結構。聯結主義學派的早期代表人物是神經心理學家麥克洛奇和數學家皮茲，他們于1943年建立了神經元數學模型，即M-P模型，開創了用電子裝置模仿人腦結構和功能的新途徑。聯結主義學派的代表人物是霍普費爾特和魯梅爾哈特，他們分別提出了用硬件模擬神經網絡和多層網絡中的反向傳播（back-propagation，BP）算法，大大推動了人工神經網絡的發展。人工智能概況1.1

1.1.2人工智能的產生及主要學派學派根據研究的理論、方法及側重點的不同，目前人工智能主要有以下三個學派。3.行為主義行為主義（actionism）其原理為控制論及“感知-動作”型控制系統。該學派認為智能取決于感知和行動，提出智能行為的“感知-動作”模式，他們認為知識不需要表示，不需要推理。智能研究采用一種可增長的方式，它依賴于通過感知和行動來與外部世界聯系和作用。按可增長方式制造的完全智能化機器，其基本單元不是符號，也不是神經元，是可并行執行的行為產生器。這一學派的代表首推美國AI專家布魯克斯。在1991年8月悉尼召開的第12屆國際人工智能聯合會議上，布魯克斯作為大會“計算機思維”獎的得主，以他在MIT中多年進行人造動物機器的研究與實踐和他所提出的“假設計算機體系結構”研究為基礎對傳統的AI提出了批評和挑戰。他所研制的六足機器人，是一個基于“感知-動作”模式的，能夠模擬昆蟲行為的控制系統。人工智能的研究目標、內容和途徑1.21.2.1人工智能的研究目標人工智能的研究目標是構造可實現人類智能的智能計算機或智能系統。它們都是為了“使計算機具有智能”，為了實現這一目標，就必須開展“使智能成為可能的原理”的研究。按發展的過程來分，人工智能的研究目標可劃分為近期目標和遠期目標。人工智能的遠期目標是要制造智能機器，即揭示人類智能的根本機理，用智能機器去模擬、延伸和擴展人類的智能。需要指出的是，人工智能的遠期目標雖然現在還不能全部實現，但在某些方面，當前的機器智能已表現出了相當高的水平。人工智能的近期目標是實現機器智能，即主要研究如何使現有的計算機更聰明，使它能夠運用知識去處理問題，能夠模擬人類的智能行為。盡管在發展的過程中，人工智能受到過重重的阻力，而且曾陷入困境，但它仍然在艱難地向前發展著。人工智能的研究目標、內容和途徑1.21.2.2人工智能的研究內容在人工智能的研究領域中有許多學派，各學派的研究內容重點在不同的時期各有不同。從模擬人腦的角度出發，人工智能研究的基本內容包括以下幾個方面。所謂搜索，就是為了達到某一目標而進行某種操作、運算、推理或計算的過程。事實上，搜索就是人在求解問題時，而不知現成解法的情況下所采用的一種普遍的問題求解方法。這可以看作人類和其他生物所具有的一種元知識。此外，人工智能的研究實踐也表明，許多問題的求解都可以描述為或者歸結為對某種圖或空間的搜索問題。進一步人們發現，許多智能活動的過程，甚至幾乎所有智能活動的過程，都可以看作或抽象為一個基于搜索的問題求解過程。1.搜索與求解人工智能的研究目標、內容和途徑1.21.2.2人工智能的研究內容所謂機器感知，就是要使計算機具有類似人的感知能力，能夠直接“感覺”周圍世界，如視覺、聽覺、嗅覺、觸覺、味覺等，是機器獲取外部信息的基本途徑，是使機器具有智能所不可缺少的重要組成部分，相當于智能系統的輸入。其中，尤以機器視覺、機器聽覺為主。機器視覺類似于人類的眼睛，就是讓機器能夠識別并理解文字、圖形、圖像、景物等信息。機器聽覺類似于人類的耳朵，就是讓機器能夠識別并理解語言、聲音等信息。2.機器感知人工智能的研究目標、內容和途徑1.21.2.2人工智能的研究內容機器思維就是讓計算機能夠對感知到的外界信息和自己產生的內部信息進行有目的的思維性加工的過程。類似于人的智能是來自大腦的思維活動一樣，機器智能也主要是通過機器思維來實現的。機器思維是人工智能研究中最為重要和關鍵的部分。為了使機器能夠模擬人類的思維活動，需要開展諸多方面的相關研究，如知識表示、知識組織、知識推理、啟發式搜索及控制策略和神經網絡等內容。3.機器思維人工智能的研究目標、內容和途徑1.21.2.2人工智能的研究內容機器思維就是讓計算機能夠對感知到的外界信息和自己產生的內部信息進行有目的的思維性加工的過程。類似于人的智能是來自大腦的思維活動一樣，機器智能也主要是通過機器思維來實現的。機器思維是人工智能研究中最為重要和關鍵的部分。為了使機器能夠模擬人類的思維活動，需要開展諸多方面的相關研究，如知識表示、知識組織、知識推理、啟發式搜索及控制策略和神經網絡等內容。4.機器學習人工智能的研究目標、內容和途徑1.21.2.2人工智能的研究內容與人類的行為能力相對應，機器行為主要是指機器的表達與行為能力，即“說”“寫”“畫”“走”“跑”“拿”等能力。機器行為相當于智能系統的輸出部分，即機器智能的具體實現，也是人們研究人工智能的最終目的。例如，機器人研究的終極目標就是通過其行為能力服務于社會。5.機器行為為了實現人工智能的近期目標及遠期目標，就要建立智能系統及智能機器，為此需要開展對系統模型、系統分析與構造技術、建造工具及語言環境等的研究。2.機器感知人工智能的研究目標、內容和途徑1.21.2.3人工智能的研究途徑對于人工智能本質的不同理解，形成了人工智能多種不同的研究途徑，主要是基于人工智能研究的三大學派。01心理模擬，符號推演“心理模擬，符號推演”是從人腦的宏觀心理層面入手，以智能行為的心理模型為依據，將問題或知識表示成某種邏輯網絡，采用符號推演的方法，模擬人腦的邏輯思維過程，實現人工智能。其理論基礎是物理符號系統假設。符號主義強調依靠邏輯推理來求解問題，卻忽視了非邏輯推理因素在求解過程中的影響，而人類的感知過程主要是形象思維，無法用符號方法進行推理。另外，信息在轉換為符號的處理過程中難免有丟失或受噪聲干擾的情況，所以，單獨用符號的方法是不夠的。人工智能的研究目標、內容和途徑1.21.2.3人工智能的研究途徑02生理模擬，神經計算“生理模擬，神經計算”是從人腦的生理層面，即微觀結構和工作機理入手，以智能行為的生理模型為依據，采用數值計算的方法，模擬腦神經網絡的工作過程，實現人工智能。這種方法一般是通過神經網絡的“自學習”獲得知識，再利用知識解決問題的。神經網絡具有高度的并行分布性、很強的魯棒性和容錯性。它擅長模擬人腦的形象思維，便于實現人腦的低級感知功能，如對于圖像、聲音信息的識別和處理。生理模擬和神經計算現已成為人工智能研究中不可或缺的重要途徑和方法。人工智能的研究目標、內容和途徑1.21.2.3人工智能的研究途徑03行為模擬，控制進化一種基于“感知-行為”模型的研究途徑和方法，即行為模擬法，它以控制進化論為基礎，強調智能不取決于符號和神經元，而取決于感知和行動，智能行為只能在現實世界中通過與周圍環境的交互作用才能表現出來。這種方法是用模擬人和動物在與外界環境的交互、控制過程中的智能活動和行為特性，如反應、適應、學習、尋優等，來研究和實現人工智能的。基于這一方法研究人工智能的典型代表是MIT的布魯克斯教授，他研制的六足機器人曾一度引起人工智能界的轟動，代表了“現場人工智能”研究的新方向。人工智能的研究目標、內容和途徑1.21.2.3人工智能的研究途徑而人的思維過程包括上述3個方面，因此，3種途徑的和諧統一是研究人工智能的必由之路。以上3種研究途徑各有優缺點。目前的發展趨勢是系統集成，即把符號主義、聯結主義與行為主義進行有機的融合，利用各自的優點來彌補對方研究過程中存在的不足之處，以達到逐步建立統一的人工智能理論體系和研究方法的目的。其中，符號主義適合模擬人類的邏輯思維過程聯結主義適合模擬人類的形象思維過程行為主義適合模擬人類的頓悟思維過程++人工智能的研究領域1.3

問題求解領域

1.3.1問題求解（problem-solving）是人工智能中研究得較早而且比較成熟的一個領域，人們完成的許多任務都涉及問題的求解。問題求解通常可以轉化為狀態空間搜索法，即問題的求解任務如果可以被表示成一組初始狀態、一組目標狀態和一組運算符號，則求解的過程便轉化為通過一系列運算符號自動地將初始狀態轉變為一些目標狀態，而從初始狀態到目標狀態的路徑就是解決這個問題的答案。問題求解的程序通常由以下3個部分組成：（1）數據庫。、數據庫中包含與具體任務有關的信息，這些信息描述了問題的狀態和約束條件。&（2）操作規則。系統中的操作規則都是由條件和動作兩部分組成的，條件給定了適應的先決條件，動作描述了由于操作而引起的狀態中某些分量的變化。&（3）控制策略。系統中的控制策略能夠確定求解過程中應該選用的規則，即從眾多的操作規則中選用最有希望完成任務的規則。人工智能的研究領域1.3

機器學習領域

1.3.2機器學習的研究是根據生理學、認知科學等對人的學習機理的理解，建立人類學習過程的計算模型，發展各種學習理論和學習方法，開發通用的學習算法，建立面向任務的具有一定應用的學習系統。經過幾十年的發展，機器學習已經形成了許多的學習方法，如監督學習、非監督學習、傳授學習、機械學習、發現學習、類比學習、事例學習、遺傳學習等。目前，機器學習領域的研究工作主要圍繞以下幾個方面進行：（1）面向任務的研究。研究和分析改進一組預定任務的執行性能的學習系統。（2）認知模型。研究人類學習過程并進行計算機模擬。（3）理論性分析。從理論上探索各種可能的學習方法和獨立于應用領域的算法。人工智能的研究領域1.3

模式識別

1.3.3機器感知是機器智能的一個重要環節，是機器獲取外部信息的基本途徑。模式識別（patternrecognition）就是指用計算機對表征事物或現象的各種形式的信息進行分析和處理，以對它們進行描述、辨認、分類和解釋的過程。模式分抽象和具體兩種形式。抽象模式包括概念、思想、意識等，對其的識別屬于心理、認知及哲學等學科的研究范疇。具體模式指的是具體模式，即指文字、符號、圖形、圖像、語音、聲音及傳感器信息等。人工智能的研究領域1.3

模式識別

1.3.3圖1-1顯示了模式識別的一般過程，其中，虛線下部是學習訓練過程，虛線上部是識別過程。圖1-1模式識別的一般過程人工智能的研究領域1.3

自然語言處理

1.3.4然語言處理（naturallanguageprocessing）是人工智能中一個看似簡單，但實際上卻十分困難的研究課題。它一方面是語言信息處理的一個分支，另一方面又是人工智能的核心領域之一。用自然語言與計算機進行通信，這是人們長期以來所追求的目標。要實現人機間自然語言通信，意味著要使計算機既能理解自然語言文本的意義，又能以自然語言文本來表達給定的意圖、思想等。前者稱為自然語言理解，后者稱為自然語言生成。具體來講，自然語言處理要達到以下3個目標：（1）計算機能正確理解人們用自然語言輸入的信息，并能正確回答輸入信息中的有關問題。（2）對輸入的信息，計算機能產生相應的摘要，能用不同詞語復述所輸入信息的內容。（3）計算機能把用某一種自然語言表示的信息自動地翻譯為另一種自然語言。人工智能的研究領域1.3

自動定理證明

1.3.5自動定理證明（automatictheoremproving）也是人工智能的一個重要的研究課題，它也是人工智能最早的研究領域之一。定理證明的實質是對前提P和結論Q，證明P→Q的永真性。但是，要直接證明P→Q的永真性一般來說是比較困難的，通常采用的方法是反證法。在這方面，海伯倫（Herbrand）與魯賓遜（Robinson）先后進行了卓有成效的研究，提出了相應的理論及方法，為自動定理證明奠定了堅實的基礎。人工智能的研究領域1.3

自動定理證明

1.3.5自動定理證明的方法主要有以下幾類：（1）邏輯法（2）判定法（3）定理證明器（4）計算機輔助證明其基本思想是依據推理規則，從前提和公理中推出許多定理，如果待證明的定理恰在其中，則定理得證。判定法即對一類問題找出統一的在計算機上可以實現的算法解。它是研究一切可判定問題的證明方法。它的基礎是魯賓遜提出的歸結原理。它是以計算機為輔助工具，利用機器的高速度和大容量，幫助人們完成手工證明中難以完成的大量計算、推理和窮舉。人工智能的研究領域1.3

智能機器人

1.3.6智能機器人（intelligentrobots）是指能夠模擬人類行為的、可再編程序的多功能操作裝置。智能機器人是人工智能中視覺感知系統、問題求解系統、計劃產生系統等領域中技術的綜合應用成果，因此，它可被當作人工智能理論、方法、技術的試驗場地，反之，對智能機器人的研究又極大地推動了人工智能研究的發展。具體來講，智能機器人應該具有以下兩方面的功能：（1）模式識別給機器人配備視覺、聽覺及觸覺傳感器，使其能夠識別外界環境中的各種信息，從而實現信息的輸入。（2）運動協調推理機器人的運動協調推理功能是依賴于感覺驅動的。感覺是機器人接受外界的刺激，而運動則是機器人的行動。人工智能的研究領域1.3

專家系統領域

1.3.7專家系統（expertsystem）是人工智能中的一個主要分支，也是目前人工智能中最活躍、最有成效的一個研究領域。專家系統是一種基于知識的“智能”數字計算機程序，它從人類專家那里獲得知識，并解決只有專家才能解決的困難問題。因此，可以這樣定義專家系統——一種具有特定領域內大量知識與經驗的程序系統，應用人工智能技術、模擬人類專家求解問題的思維過程來求解領域內的各種問題，其水平可以達到甚至超過人類專家的水平。在人工智能的發展歷史上，比較著名的專家系統有DENDRAL和MYCIN。其中，DENDRAL是由費根鮑姆（Feigenbaum）于1968年在美國斯坦福大學研制成功的，也是第一個專家系統，它根據質譜儀所產生的數據，不僅可以推斷出已經確定的分子結構，而且可以說明未知的分子結構。MYCIN是第一個功能較全的醫療診斷專家系統，1974年由斯坦福大學的HPP科研小組研制成功，它能幫助醫生對住院的血液感染患者進行診斷和選用抗生素類藥物進行治療。從技術角度來看，上述兩個專家系統的研究徹底解決了知識表示、不精確推理、搜索策略、人機聯系、知識獲取及專家系統基本結構等一系列重大的技術問題。人工智能的研究領域1.3

專家系統領域

1.3.7圖1-2所示為典型的專家系統結構，它通常由知識獲取機制、知識庫、動態數據庫、推理機、解釋機制及人機接口等幾部分構成。圖1-2典型的專家系統結構人工智能的研究領域1.3

人工神經網絡

1.3.8人工神經網絡（artificialneuralnetwork）是由大量處理單元相互連接組成的一種非線性、自適應信息處理系統，用來模擬人腦神經系統的結構和功能，反映了人腦功能的許多基本特征，是一個高度復雜的動力學習系統。神經網絡的基礎是神經元，神經元是以生物神經系統的神經細胞為基礎的生物模型。在人們對生物神經系統進行研究，以探討人工智能的機制時，將神經元數學化，從而產生了神經元數學模型。神經元數學模型如圖1-3所示。圖1-3神經元數學模型Thanksforwatching!人工智能基礎02知識與知識表示知識的基本概述2.1

2.1.1知識的概念知識是什么？這是一個既簡單又難以給出嚴格、統一定義的概念。日常生活中，人們幾乎每天都會涉及“知識”這一術語。事實上，人們所生活的環境就是一個由大量信息組成的信息世界，而且每時每刻人們都在應用這些信息并產生大量新的信息。可以說，信息是推動社會發展和進步的最根本的原動力，誰掌握的信息多就意味著誰能占得所在領域的先機。數據是信息的載體，是形式化了的信息，是用一組符號及其組合表示的信息。因此，信息與數據是兩個緊密相關的概念，它們之間既有聯系又有區別。相同的數據在不同的信息場合所代表的含義是不同的。把相關信息組合在一起所形成的信息結構稱為知識，這也是人工智能研究的起點。知識的基本概述2.1

2.1.1知識的概念目前公認的比較有代表性的關于知識的定義有以下幾種：（1）費根鮑姆認為知識是經過裁剪、塑造、解釋、選擇和轉換了的信息。（2）伯恩斯坦（Bernstein）認為知識是由特定領域的描述、關系和過程組成的。（3）海葉斯-羅斯（Heyes-Roth）認為知識=事實+信念+啟發式。知識所反映的是客觀世界中同類事物或不同類事物之間的相互關聯關系，存在事實和規則兩種基本的類型。其中，事實陳述的是一種狀態或一種現象，它反映的是“……是……”，規則反映的是兩個事物之間的因果關系，講的是“如果……，則……”。知識的基本概述2.1

2.1.2知識的分類和特征根據研究和觀察的角度不同，知識有多種不同的分類方法。（1）就知識的作用范圍而言知識可分為常識性知識和領域性知識。常識性知識是通用性知識，是人們普遍知道的知識，適用于所有領域。領域性知識是面向某個具體領域的知識，是專業性知識，只有相應專業的人員才能掌握并用來求解領域內的相關問題。（2）就知識的層次性而言知識可分為表層知識和深層知識。（3）就知識的確定性而言知識可分為確定性知識和不確定性知識1.知識的分類知識的基本概述2.1

2.1.2知識的分類和特征（4）就人類的思維及認識方法而言知識可分為邏輯性知識和形象性知識。邏輯性知識是反映人類思維過程的知識，這種知識一般都具有因果聯系性及難以精確描述的特點。而形象性知識是通過形象思維所獲得的知識，如用語言描述物體不如用圖片來展示直接。（5）就知識的等級而言知識可分為元知識和非元知識。（6）就知識的作用及表示而言知識可分為事實性知識、過程性知識和控制性知識。知識的基本概述2.1

2.1.2知識的分類和特征2.知識的特征（1）相對正確性（2）不確定性（3）可表示性（4）可利用性知識的正確性是在“一定條件或確定環境”下才成立的，具有相對性，即想要確定知識的正確性必須在一定的條件或具體的環境下才有意義，一旦脫離具體的環境或條件，正確性的知識就會變成錯誤的知識。由于知識反映的是事物之間的相互關系，而世界上的事物之間的關系本就是一個極其復雜的系統，因此很多情況下很難用“真”和“假”兩種狀態明確地表示事物之間的聯系。知識要想被人們識別、理解、存儲和傳遞，就必須能夠以一定的方式（如語言、文字、圖形、圖像、聲音、公式等）呈現出來。不管是用什么樣的表示方式呈現的知識，最終都應該能夠被人們利用。如果知識不具有可利用性，那么它也就沒有存在的意義了。知識的基本概述2.1

2.1.3知識的表示1.知識表示方法的類型根據研究的內容及側重點不同，人們逐漸形成了一系列的知識表示方法，歸納起來，主要分為兩大類，即符號表示法和連接機制表示法。符號表示法主要用來表示邏輯性知識，即用各種包含具體含義的符號，以不同的組織方式和組織次序連接起來的知識表示方法，這也是本書研究的重點內容。連接機制表示法是用神經網絡技術表示知識的一種方法，它把各種物理對象以不同的方式及次序連接起來，并在其間互相傳遞及加工各種包含具體意義的信息，以此來表示各種相關的概念及知識。知識的基本概述2.1

2.1.3知識的表示2.知識表示方法的要求人工智能中對于知識表示方法的要求可以概括為以下兩個方面：（1）知識表達性一種好的知識表示方式必須具有較強的表達能力和足夠的精細程度，用相對較少的符號及規則實現對復雜問題的描述。具體可以從以下3個方面考慮：①表示能力。要求能夠正確、有效地將問題求解所需的各類知識表達出來。②可理解性。所表示的知識應易懂、易讀、易于表示。③自然性。表示方式要自然，適用于不同的環境和用途，易于檢查、修改和維護。++知識的基本概述2.1

2.1.3知識的表示2.知識表示方法的要求（2）知識利用性從知識的可利用性角度考慮，衡量知識表示方法可從以下3個方面考慮：①便于獲取和表示新知識，并以合適的方式與已有的知識相連接。②便于搜索，在求解問題時，能夠較快地在知識庫中找到有關的知識。③便于推理，要能夠從已有知識中推出需要的答案或結論。&&產生式表示法2.2產生式系統是人工智能系統中常用的一種程序結構，是一種知識表示系統，通常由3個部分組成：產生式規則集、綜合數據庫和控制系統。其基本結構如圖2-1所示。2.2.1產生式系統的組成圖2-1產生式系統的基本結構產生式表示法2.21.產生式規則集2.2.1產生式系統的組成產生式規則集也稱規則庫，用來存放一系列產生式規則，由領域規則組成，在機器中以某種動態數據結構進行組織。產生式規則具有如下的基本形式：P→Q或IFPTHENQ其中，P稱為前件或前提，用于指出該產生式是否有可用的條件；Q稱為后件或結論，用于指出當前提P所指示的條件被滿足時，應該得出的結論或應該執行的操作。整個產生式的含義是：如果前提P被滿足，則可推出結論Q或者執行Q所規定的操作。產生式表示法2.22.2.1產生式系統的組成例如，下面就是幾個產生式規則：IF銀行存款利率下調THEN股票價格上漲IF鍵盤突然失靈AND屏幕上出現怪字符THEN病毒發作產生式規則通常采用巴斯科范式（backusnormalform，BNF）的形式給出，下面給出它的形式化描述及相關語義。<產生式>::=<前提>→<結論><前提>::=<簡單條件>|<復合條件><結論>::=<事實>|<操作><復合條件>::=<簡單條件>AND<簡單條件>［(AND<簡單條件>)…］|<簡單條件>OR<簡單條件>［(OR<簡單條件>)…］<操作>::=<操作名>［(<變元>，…)］產生式表示法2.22.2.1產生式系統的組成【例2-1】動物識別系統的產生式規則集。這是某動物識別專家系統的產生式規則集，用來識別老虎、斑馬、金錢豹、企鵝、長頸鹿、鴕鳥和信天翁7種動物。為了實現對這些動物的識別，該系統建立的產生式規則集如下：R1：IF該動物有毛發THEN該動物是哺乳動物R2：IF該動物有奶THEN該動物是哺乳動物R3：IF該動物有羽毛THEN該動物是鳥R4：IF該動物會飛AND會下蛋THEN該動物是鳥R5：IF該動物吃肉THEN該動物是食肉動物R6：IF該動物有犬齒AND有爪AND眼盯前方

THEN

該動物是食肉動物R7：IF

該動物是哺乳動物

AND

有蹄

THEN

該動物是有蹄類動物R8：IF該動物是哺乳動物AND是嚼反芻動物THEN該動物是有蹄類動物R9：IF該動物是哺乳動物AND是食肉動物AND是黃褐色AND身上有暗斑點THEN該動物是金錢豹產生式表示法2.22.2.1產生式系統的組成【例2-1】動物識別系統的產生式規則集。這是某動物識別專家系統的產生式規則集，用來識別老虎、斑馬、金錢豹、企鵝、長頸鹿、鴕鳥和信天翁7種動物。為了實現對這些動物的識別，該系統建立的產生式規則集如下：R10：IF

該動物是哺乳動物

AND

是食肉動物

AND

是黃褐色

AND

身上有黑色條紋

THEN

該動物是老虎R11：IF

該動物是有蹄類動物

AND

有長脖子

AND

有長腿

AND

身上有暗斑點

THEN

該動物是長頸鹿R12：IF

該動物是有蹄類動物

AND

身上有黑色條紋

THEN

該動物是斑馬R13：IF

該動物是鳥

AND

有長脖子

AND

有長腿

AND

不會飛

AND

有黑白二色

THEN

該動物是鴕鳥R14：IF

該動物是鳥

AND

會游泳

AND

不會飛

AND

有黑白二色

THEN

該動物是企鵝R15：IF

該動物是鳥

AND

善飛

THEN

該動物是信天翁產生式表示法2.22.2.1產生式系統的組成【例2-1】解答該系統設計了15條規則，首先根據一些比較簡單的條件，如“有毛發”“有羽毛”“會飛”等對動物進行比較粗的分類，然后隨著條件的增加，如“哺乳動物”“鳥”等，逐步縮小分類范圍，最后給出識別7種動物的規則。這樣做有以下兩個好處：另外，上述規則可以形成各種動物的推理鏈，如要推出動物是否為金錢豹的結論，則應先畫出其推理樹，如圖2-2所示。（1）當已知事實不完全時，雖不能推出最終結論，但可以得到分類結果。（2）當需要增加其他動物的識別時，規則庫中只需增加關于這些動物個性方面的知識。產生式表示法2.22.2.1產生式系統的組成【例2-1】解答通過對規則集中的知識進行適當的組織，同時采用合理的結構形式，可以避免訪問那些與當前問題求解無關的知識，這樣可以提高問題求解的效率。例如，可將上述規則集中的知識分為如下兩個子集：{R1，R2，R5，R6，R7，R8，R9，R10，R11，R12}{R3，R4，R13，R14，R15}當要識別的動物屬于其中一個子集時，另一個子集中的知識就可在當前的問題求解過程中不予考慮，從而節省查找所需時間。圖2-2金錢豹的推理樹產生式表示法2.22.綜合數據庫2.2.1產生式系統的組成綜合數據庫又稱動態數據庫、工作存儲器、短期數據庫緩沖器等，用來存儲所求解問題的初始狀態描述和已知事實、推理的中間結果及結論。隨著產生式系統問題求解（推理）過程的進展，綜合數據庫中的有些內容（如推理的中間結果）動態變化。綜合數據庫是產生式系統中的主要數據結構，其中的狀態描述可以十分簡單，如向量、矩陣等；也可以十分復雜，如樹、圖和文件結構等。究竟選用何種數據結構作為狀態描述，由問題的復雜程度決定。例如，在專家系統MYCIN中，事實通常用以下一個四元組來表示：（特征對象

值

可信度因子）如果想要對事實“李紅大約15歲”進行表示，可以用上述四元組表示如下：（AGE

LIHONG

15

0.85）其中，可信度因子表示的是對該事實為真的可信程度。產生式表示法2.23.控制系統2.2.1產生式系統的組成控制系統又稱推理機構、規則解釋器等，由一組程序組成，負責整個產生式系統的運行，實現問題的求解。概括來講，控制系統主要有以下兩方面的作用：(1)選擇規則。對于問題的同一個狀態描述，通常有多個產生式規則可以使用。控制系統決定在這些適用的規則中選出一條來使用，即對同一狀態可用的規則進行排序。(2)檢驗狀態描述是否滿足終止條件。如果滿足終止條件，則終止產生式系統的運行，并用使用過的規則序列來構造出問題的解。產生式系統運行時，除了需要產生式規則集以外，還需要有初始事實和目標條件，目標條件是系統正常結束的條件，也是系統的求解目標。產生式系統啟動后，控制系統就開始推理，按所給的目標進行問題求解。產生式表示法2.23.控制系統2.2.1產生式系統的組成產生式系統的基本過程如下：ProcedurePRODUCTION1.

DATA←初始狀態描述2.

untilDATA滿足終止條件，do：3.

begin4.

在規則集合中，選出一條可用于DATA的規則R5.

DATA←把R應用于DATA所得的結果6.

end上述過程只是粗略地描述了產生式系統求解問題的大致步驟，許多細節的問題并沒有考慮完全。選取規則所依據的原則稱為控制策略，多數人工智能系統控制策略的信息并不足以在第4步選出最適用的規則，因此，控制策略便成為一個搜索過程。產生式表示法2.21.不可撤回策略2.2.2產生式系統的控制策略不可撤回策略是指在搜索過程中，搜索一直往前進行下去，不允許撤回已經選擇的規則，類似于盲人爬山的過程，是利用關于每一個狀態的局部知識來構造全局性解的過程。在盲人爬山過程中，無論爬到哪一點，他總沿著坡度最陡的方向向上爬，這是局部性知識，盡管他事先對爬山路線并不了解，但只要按照這個原則向上爬，就一定能爬到山頂，于是確定了一條從山腳到山頂的爬山路線，也就意味著構造出了一個全局性的解。產生式系統中用爬山函數來描述各狀態的優劣。爬山函數是定義在整個綜合數據庫上的，其函數值是一個實數，目標具有最大的函數值，當產生式系統處于某一個狀態S時，對該狀態可能有許多的適用產生式規則，在選擇規則時，總是選擇對應爬山函數值為最大的，這樣不斷地選擇規則、應用規則，最終達到目標。產生式表示法2.2【例2-2】重排九宮問題。2.2.2產生式系統的控制策略在3×3的方格棋盤上放置分別標有數字1~8的8張牌，每次只能移動一張牌，初始狀態為S0，目標狀態為Sg，如圖2-3所示。圖2-3例2-2用圖產生式表示法2.2【例2-2】重排九宮問題。2.2.2產生式系統的控制策略圖2-4重排九宮問題的不可撤回策略解答針對該問題，定義爬山函數的值為偏離目標位置的數值的負數，設PS（S）是爬山函數，顯然，PS（S0）=-4，PS（Sg）=0。利用這個爬山函數指導產生式系統中規則的選取，保證爬山函數的值不降低，整個過程如圖2-4所示，狀態圖上邊的數字為爬山函數值。產生式表示法2.22.試探性策略2.2.2產生式系統的控制策略回溯策略是指當多條規則發生沖突時，從中選擇一條規則來執行，同時建立其回溯點，保留其搜索路徑。如果以后發現該規則不能達到目標，則放棄該規則，沿原路返回，另選一條規則繼續搜索。采用回溯策略時，一方面要注意回溯的條件；另一方面要注意盡量利用問題的有用知識，減少回溯的次數，提高求解問題的效率。（1）回溯策略（2）圖搜索策略圖搜索策略用圖來表示問題的求解過程，圖中節點代表問題的狀態，節點間的弧代表所應用的規則。用某種方法選擇應用規則，并以圖結構記錄狀態變化過程，直到求出問題的解。其搜索過程可看作從初始問題圖中求出含有解路徑的子圖。產生式表示法2.22.試探性策略2.2.2產生式系統的控制策略圖2-5給出了例2-2關于重排九宮問題的搜索樹。圖2-5例2-2關于重排九宮問題的搜索樹產生式表示法2.21.正向推理2.2.3產生式系統的推理方式正向推理是從初始狀態出發，不斷應用產生式規則，直到產生目標狀態為止。正向推理又稱前向推理或數據驅動的推理。假設有如下的規則：R1：IFP1

THEN

P2R2：IF

P2

THEN

P3R3：IF

P3

THEN

Q規則中的P1

、P2

、P3、

可以是后面章節中介紹的謂詞公式或命題。假設在綜合數據庫中已有事實P1，則應用這三條規則進行正向推理，即從P1推導出Q的過程如圖2-6所示。圖2-6正向推理的過程產生式表示法2.21.正向推理2.2.3產生式系統的推理方式正向推理的算法如下：Step4Step3Step2Step1Step5（1）將初始事實/數據置入綜合數據庫。（2）用綜合數據庫中的事實/數據，匹配/測試目標條件，若目標條件滿足，則推理成功，結束。（3）用產生式規則集中各規則的前提匹配綜合數據庫中的事實/數據，將匹配成功的規則組成待用規則集。（4）若待用規則集為空，則運行失敗，退出。（5）將待用規則集中各規則的結論加入綜合數據庫，或者執行其動作，轉到第（2）步。產生式表示法2.2【例2-3】動物識別系統中的正向推理。2.2.3產生式系統的推理方式在動物識別系統中，包含如下幾條規則：R2：IF該動物有奶

THEN

該動物是哺乳動物R8：IF

該動物是哺乳動物

AND

是嚼反芻動物

THEN

該動物是有蹄類動物R11：IF

該動物是有蹄類動物

AND

有長脖子

AND

有長腿

AND

身上有暗斑點

THEN

該動物是長頸鹿解答根據這樣的規則，假如已知某個動物產奶，則依據規則R2可以推出這個動物是哺乳動物。如果再知該動物反芻，則依據規則R8又可以推出該動物是有蹄類動物，于是得到新的事實，該動物是有蹄類動物。再加上該動物有長腿、長頸等事實，利用規則R11，可以推出該動物是長頸鹿。產生式表示法2.2【例2-3】動物識別系統中的正向推理。2.2.3產生式系統的推理方式解答動物識別系統的正向推理如圖2-7所示。圖2-7動物識別系統的正向推理產生式表示法2.22.反向推理2.2.3產生式系統的推理方式圖2-8從Q出發推導出P1的過程反向推理是從目標狀態出發，利用反向的產生式規則不斷地產生子目標，直到產生出與初始狀態相同的子目標為止。反向推理也稱后向推理或目標驅動的推理。依舊針對例2-3中的3條產生式規則進行反向推理，即從Q出發推導出P1的過程如圖2-8所示。產生式表示法2.22.反向推理2.2.3產生式系統的推理方式反向推理的算法如下：（1）將初始事實/數據置入綜合數據庫，將目標條件置入目標鏈。（2）若目標鏈為空，則推理成功，結束。（3）取出目標鏈中的第一個目標，用綜合數據庫中的事實/數據同其匹配，若匹配成功，則轉到第（2）步。（4）用產生式規則集中的各規則的結論同該目標匹配，若匹配成功，則將第一個匹配成功且尚未用過的規則的前提作為新的目標，并取代原來的父目標加入目標鏈，轉到第（3）步。（5）若該目標是初始目標，則推理失敗，退出。（6）將目標的父目標移回目標鏈，取代該目標及其兄弟目標，轉到第（3）步。反向推理的優點是搜索目的性強，推理效率高；缺點是目標的選擇具有盲目性，可能會求出許多假目標。產生式表示法2.23.雙向推理2.2.3產生式系統的推理方式雙向推理是為了克服正向推理與反向推理各自的缺點，綜合利用其優點而提出來的。一種典型的雙向推理策略是通過數據驅動幫助選擇某個目標，即從初始事實出發進行正向推理，而以目標驅動求解該目標，通過交替使用正反向混合推理對問題進行求解。雙向推理的算法如下：（1）將初始事實/數據置入綜合數據庫。（2）從已知事實出發進行正向推理，導出部分結果。（3）選出一個目標G。（4）從G出發進行反向推理，驗證G是否成立。產生式表示法2.2【例2-4】動物識別系統中的雙向推理。2.2.3產生式系統的推理方式在動物識別系統中，已知某動物具有長腿、長頸、反芻、產奶的特征。為了識別一個動物，可以進行以下的雙向推理：（1）假設這個動物是長頸鹿，為了檢驗這個假設，根據R11，要求這個動物是長頸、長腿且是有蹄動物。這是反向推理得到的中間結論。（2）根據該動物產奶，由規則R2知該動物是哺乳動物，再加上該動物反芻，由規則R8知該動物是有蹄動物。這是由正向推理得到的中間結論。（3）由（1）和（2）得到的中間結論“有蹄動物”重合，而（1）中的另兩個中間結論“長腿、長頸”是已知事實，所以假設“這個動物是長頸鹿”是正確的。產生式表示法2.2【例2-4】動物識別系統中的雙向推理。2.2.3產生式系統的推理方式解答上述雙向推理過程如圖2-9所示。圖2-9動物識別系統的雙向推理過程產生式表示法2.21.可交換的產生式系統2.2.4特殊產生式系統產生式系統求解問題的過程是一個反復從規則庫中選用合適規則并執行規則的過程。在這一過程中，不同的控制策略將會得到不同的規則執行次序，從而有不同的求解效率。如果一個產生式系統對規則的使用次序是可交換的，則無論先使用哪一條規則都可達到目的，即規則的使用次序是無關緊要的，就稱這樣的產生式系統為可交換的產生式系統。一個產生式系統稱作可交換的，當且僅當它對任意狀態描述D具有下述性質：（1）每一條對D可應用的規則，對D應用一條可應用的規則后所產生的狀態描述仍是可應用的。（2）如果D滿足目標條件，則對D應用任何一條可應用的規則所產生的狀態描述也滿足目標條件。（3）對D應用一個由可應用于D的規則所構成的規則序列所產生的狀態描述不因序列的次序不同而改變。產生式表示法2.21.可交換的產生式系統2.2.4特殊產生式系統圖2-10顯示了一個可交換的產生式系統。圖2-10可交換的產生式系統對S0所表示的狀態描述有3條可應用的規則R1、R2和R3，在對S0應用了這3條規則中的任意一條后，對于所得到的狀態描述，這3條規則仍是可應用的。不管以何種次序對S0應用規則R1、R2和R3，所得到的狀態描述都是Sg。產生式表示法2.22.可分解的產生式系統2.2.4特殊產生式系統可分解的產生式系統是另一類重要的產生式系統，它的基本思想是先把一個規模較大且比較復雜的問題分解為若干個規模較小的、比較簡單的子問題，然后對每一個子問題分別求解直至問題全部得到解答。一個產生式系統可分解的條件是它的綜合數據庫和結束條件都可分解為若干個可以獨立處理的分量，特別是一般結束條件一定要分解為對應分量綜合數據庫中所使用的結束條件。可分解的產生式系統中的產生式規則一般具有如下的形式：IFP

THEN

{DB1，DB2，…，DBn}其含義是，若當前的綜合數據庫是DB，則當前提條件P被滿足時，就把DB分解為n個互相獨立的子庫。產生式表示法2.22.可分解的產生式系統2.2.4特殊產生式系統例如，設產生式系統的綜合數據庫的初始狀態描述為{C，B，Z}，則產生式規則集的內容為如下的重寫規則：R1：IFC

THEN

{D，L}R2：IF

C

THEN

{B，M}R3：IF

B

THEN

{M，M}R4：IF

Z

THEN

{B，B，M}終止條件是綜合數據庫的目標狀態為{M，M，…，M}，即生成只包含M的數據庫。產生式表示法2.22.可分解的產生式系統2.2.4特殊產生式系統求解該問題時，首先把綜合數據庫的目標狀態分解為3個子庫{C}、{B}、{Z}，結束條件也相應地分解為3個結束條件，再對每個子庫分別應用合適的規則進行求解，其求解過程如圖2-11所示。解答圖2-11可分解的產生式系統的求解過程產生式表示法2.22.可分解的產生式系統2.2.4特殊產生式系統解答圖2-11中，用弧連接起來的子節點間的關系是“與”關系，它表示只有每一個子節點都滿足邏輯條件，這些子節點才滿足邏輯條件。而不用弧連接起來的子節點間的關系是“或”關系，它表示只要有一個子節點滿足邏輯條件，這些子節點就都滿足邏輯條件。顯然，用圖表示可分解的產生式系統求解問題的過程時，得到的是一棵與或（AND/OR）樹。產生式表示法2.22.可分解的產生式系統2.2.4特殊產生式系統解答可分解的產生式系統的基本工作過程如下：ProcedureSPLIT1.

DATA←初始狀態描述2.

{Di}←DATA的分解結果3.

until

所有的Di滿足終止條件，do：4.

begin5.

在{Di}中選擇一個不滿足終止條件的D*6.

在{Di}中刪除D*7.

在規則集中，選出一條可用于D*的規則R8.

D←把R應用于D*的結果9.

{di}←DATA的分解結果10.

把{di}加入{Di}中11.

end上述過程必須決定在步驟5中如何選取D*，在步驟7中如何選取規則R，但不管控制策略的形式如何，為滿足步驟3中的終止條件，最終必須選遍{Di}中的所有元素。產生式表示法2.2相對于其他的知識表示方式，產生式系統主要有以下優點。2.2.5產生式系統的特點2.模塊性4.有效性1.自然性3.清晰性產生式規則的形式與人們日常推理所用的邏輯形式十分接近，因此很容易將人們具有的知識轉換成產生式規則。產生式系統中的綜合數據庫、產生式規則集各控制系統相對獨立，因此使得程序的可維護性更強。產生式規則有固定的格式，每一條產生式規則都由前提和結論兩部分組成，而且每一部分所含的知識量都比較少。產生式表示法既可以表示確定性知識，又可以表示不確定性知識，既有利于表示啟發式知識，又可以方便地表示過程性知識。語義網絡表示法2.3

語義網絡的基本概念

2.3.1語義網絡是知識的一種圖解表示方式，從圖論的角度考慮，它是一個“帶標識的有向圖”，由節點和弧組成。其中，節點用于表示各種事物、概念、情況、屬性、動作、狀態等，弧用來表示節點間的各種語義聯系，指明它所連接的節點間的某種語義關系。弧是有方向的且必須帶有標識的，以便區分各種不同對象以及對象間各種不同的語義聯系，方向體現了節點間的主次關系。一個語義網絡是一個由一些有向圖表示的三元組（節點1，弧，節點2）連接而成的。一個三元組稱為一個基本網元，當把多個基本網元用相應語義聯系在一起時，就構成了一個語義網絡。概念語義網絡表示法2.3

語義網絡的基本概念

2.3.1圖2-12顯示了“所有的麻雀都是鳥”的基本語義網絡。圖2-12“所有的麻雀都是鳥”的基本語義網絡其中，麻雀和鳥是兩個節點，兩個節點以AKO（表示“是一種”）相連接。如果要增添新的事實，只需在語義網絡中增加新的節點和弧即可。例如，在圖2-12所示語義網絡的基礎上增加以下新的事實：（1）所有的鳥都有翅膀。（2）Sindy是一只麻雀，并且有一個叫作Nest1的巢。則圖2-12就變成了圖2-13所示的形式。圖2-13“所有的麻雀都是鳥”的新的語義網絡語義網絡表示法2.3

語義網絡的基本概念

2.3.1為規范語義網絡的表示形式，下面給出語義網絡的BNF（巴科斯范式）描述：<語義網絡>::=<基本網元>|Merge(<基本網元>，…)<基本網元>::=<節點><語義聯系><節點><節點>::=(<屬性—值對>，…)<屬性-值對>::=<屬性名>:<屬性值><語義聯系>::=<系統定義的語義聯系>|<用戶自定義的語義聯系>其中，Merge(…)是一個合并過程，它把括號中的所有基本網元關聯在一起，即把相同的節點合并為一個，從而構成語義網絡。語義網絡表示法2.3

語義網絡的基本概念

2.3.1例如，圖2-14所示的3個獨立的基本網元經合并后得到圖2-15所示的語義網絡。圖2-143個獨立的基本網元圖2-15合并后的語義網絡語義網絡表示法2.3

知識的語義網絡表示

2.3.21.實例關系圖2-16“張三是一名大學生”的語義網絡實例關系表示類與其實例（個體）之間的關系，這是最基本和最常見的一種語義關系。例如，“張三是一名大學生”的語義網絡如圖2-16所示。其中，ISA關系表示“是一個”，有時候也寫作is-a。語義網絡表示法2.3

知識的語義網絡表示

2.3.22.分類（從屬、泛化）關系圖2-17部分動物分類關系的語義網絡分類關系描述的是事物之間的類屬關系，下層概念節點除了可以繼承、細化、補充上層概念節點的屬性外，還可以出現變異情況。圖2-17描述了一個部分動物分類關系的語義網絡。其中，AKO關系表示“是一種”，有時候也寫作a-kind-of。語義網絡表示法2.3

知識的語義網絡表示

2.3.23.聚類關系圖2-18聚類關系的語義網絡聚類關系表示的是下層概念節點是上層概念節點的一個方面或一部分。聚類關系有時也稱為組裝關系。圖2-18所示的語義網絡就是一種聚類關系。聚類關系通常用Partof或a-part-of表示。語義網絡表示法2.3

知識的語義網絡表示

2.3.24.屬性關系圖2-19桌子的語義網絡屬性關系用于表示個體、屬性和屬性取值之間的聯系，通常用有向弧表示屬性，用弧所指向的節點表示屬性的值。圖2-19描述了桌子的語義網絡，其中包含上述3種基本語義關系。語義網絡表示法2.3

知識的語義網絡表示

2.3.25.集合與成員關系圖2-20集合與成員關系的語義網絡集合與成員關系表示的是成員與集合之間的關系，意思是“……是……的成員”。集合與成員的關系通常用AMF或a-member-of來進行標識。圖2-20描述了“張三是吉林大學的教師”這一語義網絡。6.邏輯關系圖2-21邏輯關系的語義網絡邏輯關系表示的是兩個概念之間的因果關系，即從一個概念可以推出另一個概念。圖2-21描述了一個邏輯關系的語義網絡。語義網絡表示法2.3

知識的語義網絡表示

2.3.27.方位關系圖2-22方位關系的語義網絡在描述一個事物的時候，經常需要指出它所發生的時間、位置，或者指出它的組成、形狀等，此時可用相應的方位關系的語義網絡來描述。例如，“李玫是吉林大學的一名學生，吉林大學位于長春市前進大街，李玫2017年入學”這一事實可用圖2-22所示的語義網絡來描述。語義網絡表示法2.3

知識的語義網絡表示

2.3.28.所屬關系圖2-23所屬關系的語義網絡所屬關系表示的是“具有”的意思，即“……具有……”。例如，“鳥有翅膀”“食肉動物有犬牙”等。所屬關系通常用Have來進行標識。圖2-23所示的語義網絡描述了“大象有長鼻子”這一具有所屬關系的事實。語義網絡表示法2.3

知識的語義網絡表示

2.3.2圖2-24時間次序的語義網絡另外，語義網絡中的語義關系有多種多樣的類型，因此，在實際應用過程中要根據所描述的實際問題進行具體的分析和定義。除了上述幾種基本的語義關系外，比較常見的語義關系還有表示時間次序的Before、After、at等，以及用來表示事物之間相對位置關系的Locate-at、Locate-on、Locate-under、Locate-inside和Locate-outside等；圖2-24所示的語義網絡描述了“香港回歸之后，澳門也回歸了”這一事實；圖2-25所示的語義網絡描述了具有相對位置關系的“華中師范大學坐落于桂子山上”這一事實。圖2-25位置關系的語義網絡語義網絡表示法2.3

知識的語義網絡表示

2.3.2【例2-5】利用語義網絡表示復雜的知識。設有如下事實：（1）張三的自行車是飛鴿牌，黑色，28型。（2）李四的自行車是跑狼牌，金色，26型。要求用語義網絡進行描述。圖2-26自行車的語義網絡解答經過對所給事實的分析不難發現，上述兩個事實都是關于自行車的，因此只要把自行車作為一個通用概念用一個節點來表示，而把張三和李四的自行車分別作為它們的實例。這樣，就很容易用一個語義網絡把它們表示出來，上述事實的語義網絡描述如圖2-26所示。語義網絡表示法2.3

語義網絡推理

2.3.31.繼承在語義網絡中，所謂繼承，就是指把對事物的描述從概念節點或類節點傳遞到實例節點。這種推理符合人的思維過程，一旦知道了某種事物的身份，便可聯想起很多關于這個事物的一般描述。1）值繼承最簡單的值繼承是ISA關系下的直接繼承，如圖2-27所示。圖2-27ISA關系下的直接繼承語義網絡表示法2.3

語義網絡推理

2.3.31.繼承1）值繼承另外，還有一種AKO弧也用于語義網絡中描述特性的繼承。ISA和AKO弧都可以直接表示類的成員關系以及子類和類之間的關系，提供了一種把知識從某一層傳遞到另一層的途徑。圖2-28描述了使用值繼承推理求出Brick1形狀的過程。圖2-28語義網絡的值繼承語義網絡表示法2.3

語義網絡推理

2.3.31.繼承2）默認繼承在某些情況下，某個弧值具有相當程度的真實性，但又不能十分肯定。只要不與現有事實相沖突，就默認這個值為該節點的值，語義網絡中的這種推理稱為默認繼承。圖2-29所示的語義網絡的含義是：從整體來說，Block的顏色可能是Blue，而Brick的顏色可能是Red。圖2-29語義網絡的默認繼承語義網絡表示法2.3

語義網絡推理

2.3.31.繼承3）附加過程繼承在某些情況下，對事物的描述不能直接從概念節點或類節點繼承而得，但可以利用已知的信息來計算。進行這種計算的過程稱為附加過程繼承，這種程序稱為附加過程（If-needed）程序，并存放在帶有附加標記的弧指向的節點中。圖2-30語義網絡的附加過程繼承語義網絡表示法2.3

語義網絡推理

2.3.32.匹配在語義網絡中，事物是通過語義網絡來描述的，事物的匹配則為結構上的匹配，包括節點的匹配和弧的匹配。進行匹配時，根據提出的問題可構成局部網絡，網絡中有的節點或弧的標記為空，表示有待求解。依據這個局部網絡到知識庫中尋找匹配的網絡，以便求得問題的解答。用語義網絡表示知識的問題求解系統稱為語義網絡系統。在語義網絡系統中問題的主要求解過程：根據待求解問題的要求構造一個網絡片段，其中有些節點或弧的標識是空的，以反映待求解的問題。（1）（2）（3）依此網絡片段到知識庫中去尋找可匹配的網絡，以找出所需要的信息。當然，這種匹配一般不是完全的，具有不確定性，因此需要解決不確定性匹配問題。當問題的語義網絡片段與知識庫中的某語義網絡片段匹配成功時，則與詢問處匹配的事實就是問題的解。語義網絡表示法2.3

語義網絡推理

2.3.3【例2-6】利用語義網絡求解問題。設有如下事實：王鵬是一名學生，他在渤海大學主修人工智能課程，他是2017年入校的。這一事實可構成圖2-31所示的語義網絡，將該語義網絡加入知識庫中。解答現在，假設要求解的問題是“王鵬主修什么課程”，根據這個問題可以構造一個語義網絡片段，如圖2-32所示。當用圖2-32所示的語義網絡片段與圖2-31所示的語義網絡進行匹配時，由Major弧所指向的節點可知，王鵬主修的課程是人工智能，這也就是待求解問題的解。語義網絡表示法2.3

語義網絡推理

2.3.3【例2-6】利用語義網絡求解問題。圖2-31例2-6用圖圖2-32待求解問題的語義網絡片段語義網絡表示法2.3

語義網絡表示法的特點

2.3.4語義網絡表示法具有如下的特點。030201語義網絡表達直觀、自然，易于理解，其繼承推理方式符合人類的思維習慣，表達方式和自然語言比較接近，因此常用于自然語言的理解。自然性結構性語義網絡把事物的結構、屬性及事物間的聯系顯式地表達出來，與一個事物相關的事實、特征、關系等可以通過相應節點的弧推導出來。聯想性語義網絡最初是作為人類聯想記憶的一種顯式心理模型被提出來的，其表示方法著重強調事物間的語義關系，由此可把各節點間的聯系以明確、簡潔的方式表現出來，通過這些聯系很容易找到與某一節點有關的信息，便于記憶和檢索。框架表示法2.42.4.1框架的構成一個框架由框架名和一組用于描述框架各個方面具體屬性的“槽”組成。每個槽設有一個槽名，它的值描述框架所表示事物各組成部分的屬性。每個槽根據實際情況又可進一步劃分為若干個“側面”，一個側面用于描述相應屬性的一個方面。槽和側面所具有的屬性值分別稱為槽值和側面值。

一個框架的一般結構描述如下：<框架名><槽1><側面11>

<值111>

<值112>…

<側面12>

<值121>

<值122>……<槽2>

<側面21>

<值211>

<值212>…

<側面22>

<值221>

<值222>……<槽k>

<側面k1>

<值k11>

<值k12>…

<側面k2>

<值k21>

<值k22>……<約束>

<約束條件1><約束條件2>…<約束條件n>框架表示法2.42.4.1框架的構成【例2-7】一個關于“碩士生”的框架。框架名：<碩士生>姓名：單位（姓、名）年齡：單位（歲）性別：范圍（男、女）缺省：男專業：單位（專業）研究方向：單位（研究方向）導師：單位（姓、名）參加項目：范圍（國家級、省級、其他）缺省：國家級發表論文：范圍（SCI收錄、EI收錄、核心刊物、一般刊物）缺省：核心刊物住址：<學生住址框架>電話：住宅電話單位（數字）移動電話單位（數字）上例中的框架共有10個槽，它們分別描述了一個碩士研究生在姓名、年齡、性別、專業、研究方向、導師、參加項目、發表論文、住址和電話10個方面的情況。其中，性別、參加項目、發表論文3個槽中的第二個側面均為默認值，電話槽的兩個側面分別是住宅電話和移動電話。框架表示法2.42.4.2框架系統的推理1.匹配框架的匹配實際上是通過對相應槽的槽名和槽值逐個進行比較來實現的，其過程主要是先根據已知的信息，通過和知識庫中預先存儲的框架進行匹配，即逐槽比較，從中選出一個或幾個與該事實所提供的信息契合度最高的候選框架，然后再對所有候選框架進行評估，以決定最終的結果。評估的準則可以很簡單也可能非常復雜，這取決于所要解決問題的復雜程度。當將它們應用于某個具體事物時，往往存在偏離該類事物的某些特殊性，因此，框架的匹配屬于不完全匹配。框架表示法2.42.4.2框架系統的推理2.填槽填槽就是進行槽值的計算。推理過程中的填槽主要有默認、繼承和附加過程計算3種方式。默認是相對簡單的填槽方式，它不需要系統做過多的推理，凡是沒有指定具體值的槽，系統直接選擇默認值。繼承是指下層框架可以共享上層框架中定義的有關屬性和屬性值。框架系統的繼承主要是通過ISA鏈和AKO鏈來實現的。附加過程計算使得框架系統的問題求解通過特定領域的知識而增強。附加過程又稱幽靈程序，是附加在數據結構上，并在詢問或修改數據結構所存放的值時被激活的過程。框架表示法2.42.4.2框架系統的推理2.填槽附加過程主要有以下幾種：（1）If-needed當If-needed程序所屬槽的值將被使用而該槽又暫時無值時，自動啟動If-needed程序。（2）If-added一旦所屬槽被賦值，則啟動If-added程序。（3）If-removed刪除If-removed程序所屬槽時，啟動If-removed程序。（3）If-modified當If-modified程序所屬槽的值被修改時，啟動If-modified程序。框架表示法2.42.4.2框架系統的推理【例2-8】利用框架系統求解問題。假設前面討論的關于學生的框架系統已經建立并存于知識庫中，當前需要解決的問題是從知識庫中查找出一位滿足如下條件的碩士研究生：男性，年齡小于25歲，專業是計算機，參加項目是國家級解答根據上述條件，可以構造出以下待解決問題的初始框架描述：框架名：<碩士生-x>姓名：性別：男年齡：<25專業：計算機參加項目：國家級框架表示法2.42.4.3框架表示法的特點框架是一種經過組織的結構化的知識表示方法，框架表示法的特點可概括為以下幾個方面。01020304在框架表示結構中，知識的基本表示單位是框架，而一個框架又是由若干個槽組成的，槽又可以由多個側面組成，這樣就可以把知識的內部結構顯式地表達出來。結構性層次性框架表示法不僅可以從多個方面、多重屬性來表示知識，而且可以通過ISA、AKO等系統預定義槽以嵌套的結構分層次地對知識進行表達。框架表示法通過使槽值成為另一個框架的名字實現框架間的聯系，建立起表示復雜知識的框架網絡。下層框架可以繼承上層框架的槽值，也可以對其進行補充和修改，這樣不僅可以減少知識的冗余，而且可以較好地保證知識的一致性。繼承性框架表示法與人的認知思維過程比較接近，它把與某個實體或實體集的相關特性都集中在一起，從而高度模擬了人腦對實體的多方面、多層次的存儲結構。自然性過程表示法2.5過程表示法強調的是對知識的利用，過程所給出的是事物的一些客觀規律，表達的是如何求解問題，它把與問題有關的知識以及如何運用這些知識求解問題的控制策略都表述為一個或多個問題的求解過程。每一個過程就是一段程序，用于完成對一個具體事件或情況的處理。知識庫