知識工程鄧芳Dengfang@第一章概述知識工程與人工智能知識工程的研究領(lǐng)域知識工程新的發(fā)展本學期內(nèi)容和要求知識工程（KE）與人工智能（AI）

人工智能： 研究如何在機器上實現(xiàn)人類智能的學科。

20世紀的三大科學成就：人工智能、空間技術(shù)、原子能技術(shù)21世紀的三大科學前沿：人工智能、空間技術(shù)、生物技術(shù)（1）人工智能是指由計算機實現(xiàn)的人造智能。人工智能就是用人工的方法在機器（計算機）上實現(xiàn)的智能。作為一門學科，人工智能可定義為：人工智能是一門研究如何構(gòu)造智能機器（智能計算機）或智能系統(tǒng)，使它能模擬、延伸、擴展人類智能的學科。（能力）（2）人工智能是一門交叉邊緣學科，與人工智能有關(guān)的學科有：計算機科學、數(shù)學、哲學、語言學、神經(jīng)生理學、神經(jīng)心理學、腦科學、認知科學、邏輯學、控制論等.（學科）不同定義：3

人工智能是一種使計算機能夠思維，使機器具有智力的激動人心的新嘗試（Haugeland,1985）。定義4人工智能是那些與人的思維、決策、問題求解和學習等有關(guān)活動的自動化（Bellman,1978）。定義5人工智能是用計算模型研究智力行為（Charniak和McDermott,1985）。定義6人工智能是研究那些使理解、推理和行為成為可能的計算（Winston,1992）。定義7人工智能是一種能夠執(zhí)行需要人的智能的創(chuàng)造性機器的技術(shù)（Kurzwell,1990）。定義8人工智能研究如何使計算機做事讓人過得更好（Rick和Knight,1991）。定義9人工智能是一門通過計算過程力圖理解和模仿智能行為的學科（Schalkoff,1990）。定義10人工智能是計算機科學中與智能行為的自動化有關(guān)的一個分支（Luger和Stubblefield,1993）。為什么要研究人工智能1、現(xiàn)有計算機系統(tǒng)的局限性。智能低下、缺乏自學習、自適應能力。2、人類智能的局限性。學習能力因人而異、學習速度慢、效率低。3、信息化社會的迫切要求。目標：近期：用機器來模擬和實現(xiàn)人的部分/某些智力功能；遠期：全部甚至可以延伸人的智慧。智能： 有效獲取、傳遞、處理、再生和利用信息，從而在任意給定的環(huán)境下達到預定目的的能力。智能特征：

具有感知能力。通過視覺、聽覺、觸覺、味覺和嗅覺感知外部世界。 具有記憶與思維能力。記憶能存儲由感知器官感知到的外部信息以及有思維所產(chǎn)生的知識。思維用于對記憶的信息進行處理。思維可分為邏輯思維和形象思維。 具有學習能力及自適應能力。 具有行為能力。相關(guān)學說：思維理論/認知科學： 研究人們認識世界規(guī)律和方法的一門學科，在于揭開大腦思維功能的奧秘；知識域值理論： 智能行為取決于知識數(shù)量及一般化的程度；人工智能研究方法

結(jié)構(gòu)派：（神經(jīng)計算、生理學派、連接主義） 網(wǎng)絡連接為主的聯(lián)結(jié)主義； 主要觀點： 智能活動的基元是神經(jīng)細胞； 智能活動過程是神經(jīng)網(wǎng)絡的狀態(tài)演化過程； 智能活動的基礎(chǔ)是神經(jīng)細胞的突觸聯(lián)結(jié)機制； 智能系統(tǒng)的工作模式是模仿人腦模式。

主要特征：1、通過神經(jīng)元之間的并行協(xié)同作用實現(xiàn)信息處理，具有并行性、動態(tài)性、全局性。2、通過神經(jīng)元間分布式的物理聯(lián)接存儲信息。聯(lián)想記憶、容錯性。3、通過神經(jīng)元間連接強度的動態(tài)調(diào)整實現(xiàn)自學習和自適應功能。4、善于模擬人類的形象思維過程。功能派：（符號主義、心理學派、邏輯學派） 符號處理為核心的方法；主要觀點：思維的基元是符號；思維的過程是符號運算；智能的核心是知識，利用知識推理進行問題求解；智能活動的基礎(chǔ)是物理符號系統(tǒng)，人腦電腦都是物理符號系統(tǒng)；知識可用符號表示，可建立基于符號邏輯的智能理論體系。主要特征：1、立足于邏輯運算和符號操作，適合于模擬人的邏輯思維過程。2、知識用顯式的符號表示，容易表達人的心理模型。3、現(xiàn)有的數(shù)字計算機可以方便地實現(xiàn)高速的符號處理。4、能與傳統(tǒng)的符號數(shù)據(jù)庫進行鏈接，易于模塊化。5、以知識為基礎(chǔ)。行為模擬派（行為主義、進化主義、控制論學派）基于感知-行為模型的研究途徑和方法。主要觀點：智能行為的基礎(chǔ)是感知－行動的反應機制；智能系統(tǒng)的智能行為需要在真實世界的復雜境遇中進行學習和訓練，在與周圍環(huán)境的信息交互與適應過程中不斷進化和體現(xiàn)；強調(diào)智能系統(tǒng)與環(huán)境的交互，認為智能取決于感知和行動；智能行為可以不要知識。研究角度： 符號智能：運用知識解決問題； 計算智能：神經(jīng)計算、模糊系統(tǒng)、遺傳算法、進化程序設計； 人工生命：生成或構(gòu)造表現(xiàn)自然生命系統(tǒng)行為特點的仿真系統(tǒng)或模型系統(tǒng)。人工智能發(fā)展

孕育期（1956年以前）古希臘的Aristotle（亞里士多德）（前384-322），給出了形式邏輯的基本規(guī)律。英國的哲學家、自然科學家Bacon（培根）（1561-1626），系統(tǒng)地給出了歸納法?！爸R就是力量”德國數(shù)學家、哲學家Leibnitz（布萊尼茨）（1646-1716）。提出了關(guān)于數(shù)理邏輯的思想，把形式邏輯符號化，從而能對人的思維進行運算和推理。做出了能做四則運算的手搖計算機英國數(shù)學家、邏輯學家Boole（布爾）（1815-1864）實現(xiàn)了布萊尼茨的思維符號化和數(shù)學化的思想，提出了一種嶄新的代數(shù)系統(tǒng)——布爾代數(shù)。美籍奧地利數(shù)理邏輯學家Godel（哥德爾）（1906-1978），證明了一階謂詞的完備性定；英國數(shù)學家Turing(圖靈)（1912-1954）,1936年提出了一種理想計算機的數(shù)學模型（圖靈機），1950年提出了圖靈試驗，發(fā)表了“計算機與智能”的論文。圖靈獎。美國數(shù)學家Mauchly，1946發(fā)明了電子數(shù)字計算機ENIAC美國神經(jīng)生理學家McCulloch，建立了第一個神經(jīng)網(wǎng)絡數(shù)學模型。美國數(shù)學家Shannon（香農(nóng)）,1948年發(fā)表了《通訊的數(shù)學理論》，代表了“信息論”的誕生。形成期（1956---1969）起源于美國1956年的一次夏季討論會（達特茅斯會議）1956年提出了“ArtificialIntelligence（人工智能）”創(chuàng)始人中有：McCarthy,Minsky,Rochester,Shannon,Moore,Samuel,Selfridge,Solomonff,Simon,Newell等數(shù)學家、信息學家、心理學家、神經(jīng)生理學家、計算機科學家。McCarthy（麥卡錫）——人工智能之父。

M-P模型、感知器模型等物理符號系統(tǒng)主要研究的問題：GPS、游戲、翻譯等

一個笑話（英-俄-英翻譯）：

Thespiritiswillingbutthefleshisweek.

（心有余而力不足）

Thevodkaisstrongbutmeatisrotten.

（伏特加酒雖然很濃，但肉是腐爛的）結(jié)論： 必須理解才能翻譯，而理解需要知識發(fā)展期（1970---80年代）知識工程時代 1970年，知識工程的提出。 專家系統(tǒng)知識工程知識工程席卷全球各國發(fā)展計劃：美國星球大戰(zhàn)計劃英國ALVEY計劃法國UNIKA計劃日本五代機計劃中國“863”計劃第四階段（80年代中～90年代初） 新的神經(jīng)元網(wǎng)絡時代（BP網(wǎng)（算法），解決了多層網(wǎng)的學習問題、Hopfield網(wǎng)）第五階段（90年代初～現(xiàn)在）數(shù)據(jù)與網(wǎng)絡時代網(wǎng)絡給AI帶來無限的機會知識發(fā)現(xiàn)與數(shù)據(jù)挖掘AI走向?qū)嵱没R工程的產(chǎn)生 人工智能在初期一般思維規(guī)律出發(fā)模擬人的智能遇到困難； 1977年，費根鮑姆在第五界國際人工智能聯(lián)合會議上提出知識工程的概念。

他認為：知識工程是AI的原理和方法，恰當運用專家知識的獲取、表達和推理過程的構(gòu)成和解釋，是設計基于知識的系統(tǒng)的重要技術(shù)問題。愛德華?費根鮑姆

（EdwardA.Feigenbaum） 知識工程的提出者 大型人工智能系統(tǒng)的開拓者定義：

知識工程是研究知識信息處理的學科，提供開發(fā)智能系統(tǒng)的技術(shù)，是人工智能、數(shù)據(jù)庫技術(shù)、數(shù)理邏輯、認知科學、心理學等學科交叉發(fā)展的結(jié)果。

以知識為研究對象的學科，研究知識信息處理，研究機器對知識的應用來進行問題求解的學科。 是一門對知識的表示、推理、處理與獲得等一系列問題綜合起來，并付諸實際工程應用的科學。 是設計和實現(xiàn)知識庫系統(tǒng)及知識庫應用系統(tǒng)的理論、方法和技術(shù)，是研究知識獲取、知識表示、知識管理和知識利用的一門學科。研究目標： 研究知識的基礎(chǔ)上，開發(fā)智能系統(tǒng)。 有效地掌握、存取、傳播和應用知識，提高認識自然和改造自然的能力。一般認為： 知識工程以知識為處理對象，借用工程化的思想，對如何運用人工智能的原理、方法和技術(shù)為設計、構(gòu)造和維護知識型系統(tǒng)的一門學科，是人工智能的一個應用分支。 知識工程的興起是人工智能發(fā)展的產(chǎn)物； 知識工程是人工智能的一個重要分支； 知識工程的發(fā)展將進一步將人工智能推廣到更廣泛的應用。知識系統(tǒng)應用的好處：生產(chǎn)率： 更快制定決策；生產(chǎn)率提高；解決復雜問題； 可靠性。。。知識保存；質(zhì)量提高；培訓；工作方式多樣性等；IBM的“深藍”與卡斯帕羅夫96年2月第一次比賽結(jié)果：

“深藍”：勝、負、平、平、負、負97年5月第二次比賽結(jié)果：

“深藍”：負、勝、平、平、平、勝“深藍”以3.5：2.5的總比分戰(zhàn)勝卡斯帕羅夫“深藍”的技術(shù)指標：32個CPU每個CPU有16個協(xié)處理器每個CPU有256M內(nèi)存每個CPU的處理速度為200萬步/秒IBM超級電腦“沃森”擊敗人類2012年2月16日，在美國智力競猜節(jié)目《危險邊緣》（Jeopardy）第三場比賽中，沃森取得77147美元的成績，以三倍的巨大分數(shù)優(yōu)勢力壓另兩位參賽選手肯·詹寧斯和布拉德·魯特，奪得這場人機大戰(zhàn)的冠軍。

4年前，IBM的研發(fā)團隊計劃研發(fā)一種能夠理解人類語言，并能利用已知信息給出最佳答案的電腦，這種計算機系統(tǒng)不僅要能聽懂不同口音的發(fā)音，還需要能理解包括俚語和雙關(guān)語等語言在內(nèi)的復雜表述，并剔除一些錯誤信息，而最后IBM制造出了現(xiàn)在這臺以創(chuàng)辦人沃森名字命名的超級電腦。

“沃森”數(shù)據(jù)庫中包括辭海和《世界圖書百科全書》等數(shù)百萬份資料，而構(gòu)成“沃森”的是90臺Power7服務器，占地面積接近一個房間，每臺服務器中擁有4個8核Power7處理器，使得其能在3秒鐘之內(nèi)檢索數(shù)億頁的材料并給出答案。

數(shù)碼難題、游戲搜索技術(shù)、解決問題定理證明、規(guī)劃語言理解、知識表示知識工程、認知科學專家系統(tǒng)的開發(fā)和應用基于知識的系統(tǒng)、知識庫系統(tǒng)，Agent與多Agent知識庫系統(tǒng)理論、大規(guī)模知識庫系統(tǒng)研究20世紀50年代后半期20世紀60年前后半期20世紀60年代后半期20世紀70年代前半期20世紀70年代后半期－80年代后半期20世紀90年代后半期21世紀提出人工智能GPS，歸結(jié)原理產(chǎn)生式系統(tǒng)、語義網(wǎng)絡、框架理論等知識工程的提出很多成功的專家系統(tǒng)專家系統(tǒng)結(jié)合傳統(tǒng)系統(tǒng)解決實際結(jié)構(gòu)化問題高性能知識庫、基于網(wǎng)絡的知識自動獲取、企業(yè)知識管理和知識共享研究范例研究概論從人工智能到知識工程發(fā)展(1)1965至1974年——實驗性系統(tǒng)時期

DENDRAL系統(tǒng)標志著“專家系統(tǒng)”的誕生

(2)1975至1980年——MYCIN時期

MYCIN專家系統(tǒng)是規(guī)范性計算機專家系統(tǒng)的代表

(3)1980年以來——知識工程的“產(chǎn)品”在產(chǎn)業(yè)部門開始應用的時期知識工程研究領(lǐng)域傳統(tǒng)領(lǐng)域： 基本的知識表示和處理方法； 專家系統(tǒng)； 決策支持； 機器學習； 自然語言理解； 博弈 。。。。。。研究方面：基本理論方法研究；

知識的本質(zhì)、知識的表示、推理、獲取和學習方法等；

實用技術(shù)的開發(fā)，系統(tǒng)開發(fā)及商品化研究：

實用知識表示方法、獲取、推理技術(shù)，知識庫結(jié)構(gòu)系統(tǒng)，知識庫管理技術(shù)，調(diào)試與評估技術(shù)等；系統(tǒng)工具的研究：

給系統(tǒng)開發(fā)提供良好的環(huán)境工具，以提高系統(tǒng)研制的質(zhì)量和縮短系統(tǒng)研制周期。acquiringknowledge(知識獲?。皌hetransfer&transformationofpotentialproblem-solvingexpertisefromsomeknowledgesourcetoaprogram”representingknowledge（知識表示）logical,conceptualschemeofhowknowledgeisstored&associatedinhumanbraincontrollingreasoning（知識應用）howknowledgeisaccessed&applied知識獲取知識獲取有三種方式：非自動知識獲取、知識抽取、機器學習知識。非自動知識獲取由知識工程師通過閱讀有關(guān)文獻或與領(lǐng)域?qū)＜医涣鳎@取原始知識并進行分析、歸納、整理，形成用自然語言表述的知識條目輸入到數(shù)據(jù)庫中。知識抽取是對蘊含于文本文獻中的知識進行識別、理解、篩選、格式化，把文獻的每個知識點抽取出來，以一定形式存人知識庫中。機器學習知識通過機器的視覺、聽覺等途徑，直接感知外部世界，輸入自然信息，獲取感性和理性知識，或者根據(jù)系統(tǒng)運行經(jīng)驗從已有的知識或?qū)嵗醒堇[、歸納出新知識，補充到知識庫中。知識表示謂詞邏輯表示產(chǎn)生式表示法框架表示法腳本表示法過程表示法語義網(wǎng)表示法Petri網(wǎng)表示法面向?qū)ο蟊硎痉?/p>

不同的知識類型使用不同的表示方法

知識利用包括知識搜索以及知識推理。知識搜索確定在什么情況下需要什么樣的知識，搜索到的知識是否滿足當前的需求。找到了適當?shù)闹R后，進行推理，得到結(jié)果。知識工程新的發(fā)展：知識經(jīng)濟、網(wǎng)絡經(jīng)濟數(shù)據(jù)挖掘和知識發(fā)現(xiàn)網(wǎng)絡計算模式下的知識處理----如何從Web上發(fā)現(xiàn)、挖掘與獲取、傳輸、存儲、管理、利用知識知識工程新的變化：（陸汝鈐）（1）處理對象從規(guī)范化的、相對好處理的知識進一步深入到非規(guī)范化的、相對難處理的知識；外延上網(wǎng)上的知識具有海量性、分布性、開放性、共享性、異構(gòu)性、多媒體性等特點；內(nèi)涵上非規(guī)范知識，內(nèi)涵不夠清楚（模糊知識），或結(jié)構(gòu)殘缺不全（不完全知識），或含內(nèi)在矛盾（不協(xié)調(diào)知識），或含無用雜質(zhì)（代噪聲知識），或內(nèi)涵不穩(wěn)定（時變知識），或依賴于情景和條件（啟發(fā)式知識）（2)處理規(guī)模和方式從封閉式擴大為開放式，從小手工作坊式的知識工程擴大為能進行海量知識處理的大規(guī)模工程。提出IT產(chǎn)業(yè)中：硬件、軟件、知件三足鼎立。知件就是獨立的、計算機可操作的、商品化的、可被某一類軟件調(diào)用的知識模塊。對知件開發(fā)過程施以科學化和工程化的管理，就是知件工程。知識產(chǎn)業(yè)的核心是知件產(chǎn)業(yè)。（傳統(tǒng)意義上的）軟件知件技術(shù)內(nèi)容既含領(lǐng)域知識，也含軟件技術(shù)只含領(lǐng)域知識生命周期主要取決于用戶需求的變化主要取決于知識積累和發(fā)展種類劃分系統(tǒng)軟件、應用軟件。。。應用知件開發(fā)人員以專業(yè)的軟件工程師為主以各行各業(yè)的領(lǐng)域?qū)＜覟橹髦R產(chǎn)權(quán)軟件著作權(quán)知識專利權(quán)網(wǎng)絡計算環(huán)境下的知識工程（知識處理）

網(wǎng)絡計算模式下的知識獲取機制的研究（建模環(huán)境、建模方法、建模機制，…..）；網(wǎng)絡計算模式下的知識管理機制的研究；網(wǎng)絡計算模式下的知識源的再配置機制的研究；數(shù)據(jù)挖掘（DM）、知識挖掘（KM）和知識發(fā)現(xiàn)（KD