人工智能知识表示解读.docx
《人工智能知识表示解读.docx》由会员分享，可在线阅读，更多相关《人工智能知识表示解读.docx（19页珍藏版）》请在冰点文库上搜索。
人工智能知识表示解读
人工智能——产生式表示法
“产生式”由美国数学家波斯特（E.POST）在1934年首先提出，它根据串代替规则提出了一种称为波斯特机的计算模型，模型中的每条规则称为产生式。
1972年纽厄尔和西蒙在研究人类知识模型中开发了基于规则的产生式系统。
1. 产生式的基本形式
或IFPTHENQ
常用结构
示例
原因à结果
天下雨，地上湿
条件à结论
如果把冰加热到0。
以上，冰就会融化为水
前提à操作
若能找到一根合适的杠杆，就能撬起那座大山
事实à进展
夜来风雨声，花落知多少
情况à行为
刚才开机了，意味着发出了捕获目标图像的信号
表1产生式表示的常用结构及示例
2. 产生式系统
把一组产生式放在一起，让它们互相配合，协同作用，一个产生式生成的结论可以供另一个产生式作为已知事实使用，以求得问题的解决，这样的系统称为产生式系统。
图1产生式系统
图2产生式求解系统问题的一般步骤
3. 动物识别系统产生式推理链
设动物识别知识库中已包含识别虎、金钱豹、斑马、长颈鹿、企鹅、鸵鸟、海鸥等7中动物15条规则。
R1：
IF某动物是哺乳动物AND是食肉动物AND是黄褐色AND身上有斑点THEN该动物是金钱豹
R2：
IF某动物是哺乳动物AND是食肉动物AND是黄褐色AND身上有黑色条纹THEN该动物是老虎
R3：
IF某动物是有蹄类动物AND有长脖子AND有长腿AND身上有暗斑点THEN该动物是长颈鹿
R4：
IF某动物是有蹄类动物AND身上有黑色条纹THEN该动物是斑马
R5：
IF该动物是鸟AND有长脖子AND有长腿AND不会飞AND有黑白两色THEN该动物是鸵鸟
R6：
IF某动物是鸟AND会游泳AND不会飞AND有黑白两色THEN该动物是企鹅
R7：
IF某动物是鸟AND会游泳AND善于飞THEN该动物是海鸥
R8：
IF动物是哺乳动物AND嚼反动物THEN该动物是有蹄类动物
R9：
IF某动物有毛发THEN该动物是哺乳动物
R10：
IF某动物有奶THEN该动物是哺乳动物
R11：
IF某动物有羽毛THEN该动物是鸟
R12：
IF某动物会飞AND会下蛋THEN该动物是鸟
R13：
IF某动物吃肉THEN该动物是食肉动物
R14：
IF某动物有犬齿AND有爪子AND眼盯前方THEN该动物是食肉动物
R15：
IF某动物是哺乳动物AND有蹄子THEN该动物是有蹄类动物
图3动物识别系统的推理链
已知有斑点、长脖子、长腿、有奶、有蹄子
正向推理：
R10-->R8-->R3
反向推理：
假设R1到R7的某个结论成立，逐个与现有事实匹配
正反向混合推理：
正向推理，有斑点-->豹子或长颈鹿；根据其他事实反向推理
优点
缺点
自然性
效率不高，组合爆炸
模块性
不能表达具有结构性的知识
有效性
清晰性
表1产生式表示法的特点
4. 产生式表示法的适用范围
1）由许多相对独立的知识元组成的领域知识，彼此间关系不密切，不存在结构关系
2）具有经验型及不确定性的知识，而且相关领域对这些知识没有严格、统一的理论
3）领域问题的求解过程可被表示为一系列相对独立的操作，而且每个操作可被表示为一条或多条产生式规则
人工智能——面向对象表示法
1. 面向对象基本概念
1）对象：
客观世界中的任何事物
2）类：
一组相似对象的抽象
3）封装：
对象之间除了互递消息之外，不再有其它的联系
∙对象的状态只能由它的私有操作来改变
∙当一个对象要改变另一个对象时，它只能向该对象发送消息，该对象接受消息后就根据消息的模式找出相应的操作，并执行操作改变自己的状态
4）继承：
父类所具有的数据和操作可被子类继承
5）面向对象的基本特征：
模块性、继承性、封装性、多态性、易维护性、便于进行增量设计
2. 表示知识的方法
一个智能求解系统可用具有层次结构的四元组模型：
，其中
S依据系统反映的主题（Subject）来命名，称为主题层
ID是对象标识符，又称为对象名，反映当前对象及其所属类别
DS是数据结构，又称属性层，描述了当前对象的内部状态及静态属性。
MS是采用的方法集，表明了系统内部所具有的策略支持和服务操作集合，称之为操作层或服务层
MI为消息接口，称之为连接层，用于接收外部对象发送的信息，并可配备消息模式集及给定的参数表来传递相关信息
例：
导弹跟踪系统在Tk时刻飞行观测的对象表示
图1导弹跟踪拦截系统示意图
对象：
导弹飞行观测数据类
ID：
Tk时刻观测数据
DS：
方位，…
速度，…
加速度，…
MS：
GPS测量
特征跟踪
卡尔曼滤波
模板匹配；…
MI：
观测命令，…
读数，...
显示，…
存数，…
处理，…
其他，…
表1导弹飞行观测数据
3. 表示实现
Class<类名>[:
<起类名>]
[<类变量表>]
Structure
<对象的静态结构描述>
Method
<关于对象的操作定义>
Restraint
<限制条件>
END
Agent概述
1. Agent定义
Agent的概念——1977年CarlHewitt“ViewingControlStructuresasPatternsofPassingMessages”
Agent一词最早见于M.Minsky于1986年出版的《SocietyofMind》
广义的Agent包括人类、物理世界的机器人和信息世界的软件机器人。
狭义的Agent专指信息世界中的软件机器人或称软件Agent。
Wooldrige《IntelligentAgents:
TheoryandPractice》：
1）弱定义
Agent用来最一般地说明一个软硬件系统，具有四个特性：
（1）自治性。
在无人或其他系统的直接干预下可自主操作，并能控制其行为和内部状态。
（2）社会性。
能够通过某种通信语言与其他Agent（也可能是人）进行交互。
（3）反应性。
感知所处的环境，对环境的变化做出实时的反应，并可通过行为改变环境。
（4）能动性。
不仅仅简单地对环境做出反应，而且可以主动地表现出目标驱动的行为。
2）强定义
Agent除具备弱定义中所有特性外，还应具备一些人类才具有的特性，如知识、信念、义务、意图等。
2. Agent类型
（一）常用划分
1）简单反应式Agent
图1简单反应式Agent结构框图
2）内置状态反应式Agent
图2内置状态的反应式Agent结构框图
3）目标驱动的Agent
图3目标驱动的Agent结构框图
4）效用驱动的Agent
图4效用驱动的Agent结构框图
（二）按问题求解能力划分
反应型Agent ：
能响应环境的变化或来自其他Agent的消息。
慎思型Agent（意图型Agent）：
能够针对意图和信念进行推理，建立行为计划，并执行这些计划。
社会性Agent：
除具有意图Agent的能力外，还具有关于其他主体的明确模型。
3. Agent的环境
1）环境的属性
图5环境的属性
可知性：
Agent传感设备使它可以了解环境的全部状态。
对于完全可知的环境，Agent无需保存内置状态信息。
确定性：
下一步环境的状态可以由当前状态和Agent选择的动作来完全决定。
阶段性：
在一个按时间划分为一个个不相关的阶段的环境里，Agent的执行过程也将划分为一个个阶段。
静态和动态：
如果环境在Agent进行推理的时候就发生改变，就说该环境对于Agent来说是动态的，否则就是静态的。
连续性：
如果系统中只有有限的、区别明显的、清晰定义的知觉对象和动作，就说环境是离散的。
2）环境程序（环境模拟器）
procedure RUN-ENVIRONMENT（state，UPDATE-FN，Agents，termination）
inputs：
state，theinitialstateoftheenvironment
UPDATE-FN，functiontomodifytheenvironment
Agents，asetofAgents
termination，apredicatetotestwhenwearedone
repeat
foreach Agent in Agents do
PERCEPT[Agent]GET_PERCEPT（Agent,state）
end
foreach Agent in Agents do
ACTION[Agent]PROGRAM[Agent]（PERCEPT[Agent]）
end
stateUPDATE-FN（actions,Agents,state）
until termination（state）
BDIAgent模型结构
1. BDI的概念
主体的信念-愿望-意图（Belief-Desire-Intention，BDI）概念的哲学观点源自Bratman。
∙信念——Agent具有的关于环境信息、其他Agent信息和自身信息的集合。
信念不同于知识，知识是为真的信念。
∙愿望——Agent希望达到的状态或者希望保持的状态，分别称作实现型愿望和维护型愿望。
可能有机会实现，也可能永远不去实现。
∙意图——承诺的愿望。
最明显的性质是它将导致行为。
主要作用：
（1）意图驱动手段目的推理
（2）意图约束未来的慎思过程（或目标的选择）（3）意图持续地控制着主体的行为（4）意图影响未来实际推理所基于的信念。
2. BDIAgent模型的一般结构
图1BDIAgent的一般结构
设Bel为所有可能信念的集合，Des为所有可能愿望的集合，Int为所有可能意图的集合。
在任意时刻，一个BDIAgent的状态表示为
，其中
。
P表示当前感知的集合。
主要成分
含义
形式化定义
当前信念集
表示Agent所具有的关于其当前环境的信息
信念求精函数
（brf）
根据Agent的感知输入和Agent的当前信念确定新的信念集
愿望产生函数
（options）
依据Agent关于其环境和目前意图的当前信念确定Agent可能的愿望
当前愿望集
表示Agent可用的行为的可能过程
筛选函数
（filter）
代表Agent的慎思过程，该函数基于Agent的当前信念、愿望和意图确定Agent的新意图
当前意图集
表示Agent的当前主要任务——承诺试图求解的事件状态
行为选择函数
（execute）
基于当前意图确定要执行的行为
表1BDIAgent7个主要成分
Agent决策函数action：
伪代码定义：
fuctionaction（p:
P）:
A;
begin
B:
=brf（B,p）;
D:
=options（B,I）;
I:
=filter（B,D,I）;
returnexecute（I）;
end;
3. 典型的BDIAgent结构
1） IRMA （Bratman1988）
图2IRMA的结构
2） PRS （GeorgeffandLankey）
PRS（ProcessReasoningSystem）过程推理系统，是在动态环境下推理和执行任务的一个系统。
是在NASA的SpaceShuttle项目中的一个反应控制系统内开发的，以Rao和Georgeff提出的一个完备理论背景为基础。
图3PRS的结构
3） COSY （BurmeisterandSundermeyer1992）
图4COSY主体结构
∙知识库中含有信念
∙意图构件中表示了愿望（即战略意图）
∙所选定的脚本和协议化了主体的意图（即战术意图）
∙RDRC组件负责推理，响应环境变化，确定如何更好地获取目标和实现意图，部分任务需要在交互过程中处理决策。
图5RDRC的结构
4） GRATE （Jennings1993）
GRATE中第一次将联合意图和联合责任的概念引入到BDI结构中，从而使BDI主体的研究进入到多主体时代。
图6GRATE的功能结构
局部问题求解的结果或环境的变化将引起事件发生，“事件监控器”负责监控事件的发生。
事件预示需要一个新的活动和由此产生一个新的目标。
新的目标输入到“手段-目的分析器”中。
“手段-目的分析器”查阅“方法库”发现合适的计划以完成该目标。
这些计划表明该目标是否能局部完成、协作完成或从二者之间做出选择。
a） 局部完成一个目标，通过“相容性检测器”检测目标和满足目标的手段与已存在的意图是否一致，如果发现不一致性，由“不一致消除器”修改已存在的承诺，或改变目标以消除冲突。
a） 协作完成一个目标，则必须建立社会行为。
第一阶段：
识别能够完成该目标的主体集合，形成协作小组，产生概要联合意图。
第二阶段：
完善方案概要（即产生社会计划），并将要完成的行为分配到能够承担这些任务的主体中（即职责分配）。
计划的选择、产生和职责分配的结果都将传送到群组中的每一个成员，并最终要求他们完成局部的手段-目的的推理，以使基本行为适合于他们已存在的承诺同时满足相关行为之间的联系。
每当一个新的个体或一个联合行为被提出，“一致性检查器”检查是否个体意图与联合意图相一致。
图7GRATE的实现结构
领域级问题作为任务提出，协作控制层将任务作为处理的基本单位。
模块
功能
态势评估模块
监控事件、手段-目的分析、相容性检查器
不一致消除器、一致性检测
协作模块
识别可能的参与者
自模型
规划库、意图、联合意图和愿望
相识者模型
其他主体的能力
表2GRATE实现结构模块及对应的功能
读书的好处
1、行万里路，读万卷书。
2、书山有路勤为径，学海无涯苦作舟。
3、读书破万卷，下笔如有神。
4、我所学到的任何有价值的知识都是由自学中得来的。
——达尔文
5、少壮不努力，老大徒悲伤。
6、黑发不知勤学早，白首方悔读书迟。
——颜真卿
7、宝剑锋从磨砺出，梅花香自苦寒来。
8、读书要三到：
心到、眼到、口到
9、玉不琢、不成器，人不学、不知义。
10、一日无书，百事荒废。
——陈寿
11、书是人类进步的阶梯。
12、一日不读口生，一日不写手生。
13、我扑在书上，就像饥饿的人扑在面包上。
——高尔基
14、书到用时方恨少、事非经过不知难。
——陆游
15、读一本好书，就如同和一个高尚的人在交谈——歌德
16、读一切好书，就是和许多高尚的人谈话。
——笛卡儿
17、学习永远不晚。
——高尔基
18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。
——刘向
19、学而不思则惘，思而不学则殆。
——孔子
20、读书给人以快乐、给人以光彩、给人以才干。
——培根
升级会员 