第三章自動(dòng)推理人工智能概論目錄不確定性推理歸結(jié)原理自動(dòng)推理的基本概念人工智能相關(guān)概念自動(dòng)推理的基本概念推理從初始證據(jù)出發(fā)，按某種策略不斷運(yùn)用知識(shí)庫(kù)中的已知知識(shí)，逐步推出結(jié)論的過(guò)程稱為推理。人工智能基礎(chǔ)推理的方式及分類(lèi)按推出結(jié)論的途徑劃分演繹推理：是從全稱判斷推導(dǎo)出單稱判斷的過(guò)程，即由一般性知識(shí)推出適用于某一具體情況的結(jié)論。歸納推理：是從一類(lèi)事物的大量特殊事例出發(fā)，推出該類(lèi)事物的一般性結(jié)論。默認(rèn)推理：是在知識(shí)不完全的情況下假設(shè)某些條件已經(jīng)具備所進(jìn)行的推理。自動(dòng)推理的基本概念人工智能基礎(chǔ)推理的方式及分類(lèi)按推理時(shí)所用知識(shí)的確定性劃分確定性推理：確定性推理是指推理時(shí)所用的知識(shí)與證據(jù)都是確定的，推出的結(jié)論也是確定的，其真值為真或者為假，沒(méi)有第三種情況。不確定性推理：指推理時(shí)所用的知識(shí)與證據(jù)不都是確定的，推出的結(jié)論也是不確定的。自動(dòng)推理的基本概念人工智能基礎(chǔ)推理的方式及分類(lèi)按推理過(guò)程中推出的結(jié)論是否接近最終目標(biāo)劃分單調(diào)推理：指在推理過(guò)程中隨著推理向前推進(jìn)及新知識(shí)的加入，推出的結(jié)論越來(lái)越接近最終目標(biāo)。非單調(diào)推理：指在推理過(guò)程中由于新知識(shí)的加入，不僅沒(méi)有加強(qiáng)已推出的結(jié)論，反而要否定它，使推理退回到前面的某一步，然后重新開(kāi)始。自動(dòng)推理的基本概念人工智能基礎(chǔ)推理的方式及分類(lèi)按推理中是否運(yùn)用與推理有關(guān)的啟發(fā)式知識(shí)劃分啟發(fā)式推理：推理過(guò)程中運(yùn)用與推理有關(guān)的啟發(fā)式知識(shí)。非啟發(fā)式推理：推理過(guò)程中沒(méi)有運(yùn)用與推理有關(guān)的啟發(fā)式知識(shí)。、推理方向推理方向用來(lái)確定推理的控制方式，即推理過(guò)程是從初始證據(jù)開(kāi)始到目標(biāo)，還是從目標(biāo)開(kāi)始到初始證據(jù)，可分為正向推理、逆向推理、混合推理及雙向推理4種。正向推理自動(dòng)推理的基本概念正向推理是以已知事實(shí)作為出發(fā)點(diǎn)的一種推理。正向推理的基本思想是：從用戶提供的初始已知事實(shí)出發(fā)，在知識(shí)庫(kù)中找出當(dāng)前可適用的知識(shí)，構(gòu)成可適用知識(shí)集，然后按某種沖突消解策略從知識(shí)集中選出一條知識(shí)進(jìn)行推理，并將推出的新事實(shí)加入數(shù)據(jù)庫(kù)作為下一步推理的已知事實(shí)，此后再在知識(shí)庫(kù)中選取可適用知識(shí)進(jìn)行推理。如此重復(fù)這一過(guò)程，直到求得問(wèn)題的解或者知識(shí)庫(kù)中再無(wú)可適用的知識(shí)為止。、推理方向逆向推理自動(dòng)推理的基本概念正向推理是以某個(gè)假設(shè)目標(biāo)作為出發(fā)點(diǎn)的一種推理。逆向推理的基本思想是：首先根據(jù)問(wèn)題求解的要求選定一個(gè)假設(shè)目標(biāo)，然后尋找支持該假設(shè)的證據(jù)，若所需的證據(jù)都能找到，則說(shuō)明原假設(shè)是成立的；若無(wú)論如何都找不到所需要的證據(jù)，則說(shuō)明原假設(shè)是不成立的，為此需要另作新的假設(shè)。、推理方向混合推理自動(dòng)推理的基本概念既有正向又有逆向的推理稱為混合推理?；旌贤评矸譃閮煞N情況：一種是先進(jìn)行正向推理，幫助選擇某個(gè)目標(biāo)，即從已知事實(shí)演繹出部分結(jié)果，再用逆向推理證實(shí)該目標(biāo)或提高其可信度；另一種情況是先假設(shè)一個(gè)目標(biāo)進(jìn)行逆向推理，再利用逆向推理中得到的信息進(jìn)行正向推理，以推出更多的結(jié)論。、推理方向雙向推理自動(dòng)推理的基本概念雙向推理是指正向推理與逆向推理同時(shí)進(jìn)行，并且在推理過(guò)程中的某一步驟上“碰頭”的一種推理。其基本思想是：一方面根據(jù)已知事實(shí)進(jìn)行正向推理，但并不推到最終目標(biāo)；另一方面從某假設(shè)目標(biāo)出發(fā)進(jìn)行逆向推理，但并不推至原始事實(shí)，而是讓它們?cè)谥型鞠嘤?，即由正向推理所得到的中間結(jié)論恰好是逆向推理此時(shí)所要求的證據(jù)，這時(shí)推理就可結(jié)束，逆向推理時(shí)所做的假設(shè)就是推理的最終結(jié)論。沖突消解策略目前已有多種沖突消解策略，其基本思想都是對(duì)知識(shí)進(jìn)行排序。常用的有以下幾種。按已知事實(shí)的新鮮性排序若一條規(guī)則被應(yīng)用后生成了多個(gè)結(jié)論，則既可以認(rèn)為這些結(jié)論有相同的新鮮性，也可以認(rèn)為排在前面（或后面）的結(jié)論有較大的新鮮性，根據(jù)情況決定。按條件個(gè)數(shù)排序如果有多條產(chǎn)生式規(guī)則生成的結(jié)論相同，則優(yōu)先應(yīng)用條件少的產(chǎn)生式規(guī)則，可以減少匹配時(shí)花費(fèi)的時(shí)間。自動(dòng)推理的基本概念按規(guī)則的針對(duì)性排序優(yōu)先選用針對(duì)性較強(qiáng)的產(chǎn)生式規(guī)則。按匹配度排序在不確定性推理中，需要計(jì)算已知事實(shí)與知識(shí)的匹配度，當(dāng)其匹配度達(dá)到某個(gè)預(yù)先規(guī)定的值時(shí)，就認(rèn)為它們是可匹配的。魯賓遜歸結(jié)原理歸結(jié)原理魯賓遜歸結(jié)原理（Robinsonresolutionprinciple）又稱為消解原理，是魯賓遜提出的一種證明子句集不可滿足性，從而實(shí)現(xiàn)定理證明的理論及方法。其基本方法是：檢查子句集S中是否包含空子句，若包含，則S不可滿足；若不包含，就在子句集中選擇合適的子句進(jìn)行歸結(jié)，一旦通過(guò)歸結(jié)得到空子句，就說(shuō)明子句集S是不可滿足的。歸結(jié)原理命題邏輯中的歸結(jié)原理

歸結(jié)原理謂詞邏輯中的歸結(jié)原理在謂詞邏輯中，因?yàn)樽泳渲泻凶冊(cè)?，所以不能像命題邏輯那樣直接消去互補(bǔ)文字，而需要先用最一般合一對(duì)變?cè)M(jìn)行代換，然后才能進(jìn)行歸結(jié)。

歸結(jié)原理

歸結(jié)反演

歸結(jié)原理歸結(jié)原理除了可用于定理證明外，還可用于求取問(wèn)題的答案，其思想與定理證明類(lèi)似。應(yīng)用歸結(jié)原理求解問(wèn)題

不確定性推理通常用于處理模糊、不完整或不準(zhǔn)確的信息，例如自然語(yǔ)言文本、模糊邏輯或模糊推理、專家系統(tǒng)中的不完整知識(shí)等。它可以通過(guò)一些方法來(lái)描述不確定因素，如貝葉斯網(wǎng)絡(luò)、模糊邏輯、隱馬爾可夫模型等。不確定性推理的基本思想是基于已知信息計(jì)算目標(biāo)事件發(fā)生的概率，然后根據(jù)計(jì)算結(jié)果來(lái)推導(dǎo)出結(jié)論。在不確定性推理中，所有可能的結(jié)論都可能是正確的，因此推理的結(jié)果是不確定的。不確定性推理需要一定的適用條件和方法來(lái)保證其結(jié)果的準(zhǔn)確性和可靠性。不確定性推理不確定性推理是一種基于概率的推理方法，它用于處理存在隨機(jī)或不確定因素的信息。不同于確定性推理，不確定性推理不是根據(jù)確定性規(guī)則來(lái)推導(dǎo)結(jié)論的，而是依賴于概率理論，通過(guò)計(jì)算一個(gè)事件發(fā)生的概率來(lái)推導(dǎo)結(jié)論的。（1）知識(shí)不確定性的表示在專家系統(tǒng)中知識(shí)的不確定性一般是由領(lǐng)域?qū)＜医o出的，通常是一個(gè)數(shù)值，它表示相應(yīng)知識(shí)的不確定性程度，稱為知識(shí)的靜態(tài)強(qiáng)度。靜態(tài)強(qiáng)度可以是相應(yīng)知識(shí)在應(yīng)用中成功的概率，也可以是該條知識(shí)的可信程度或其他，其值的大小范圍因其意義與使用方法的不同而不同。（2）證據(jù)不確定性的表示證據(jù)的不確定性通常也用一個(gè)數(shù)值表示。它代表相應(yīng)證據(jù)的不確定性程度，被稱為動(dòng)態(tài)強(qiáng)度。對(duì)于初始證據(jù)，其值由用戶給出；對(duì)于用前面推理所得結(jié)論作為當(dāng)前推理的證據(jù)，其值由推理中不確定性的傳遞算法計(jì)算得到。（3）不確定性的度量在確定一種度量標(biāo)準(zhǔn)及其范圍時(shí)，應(yīng)注意以下幾點(diǎn)。①度量要能充分表達(dá)相應(yīng)知識(shí)及證據(jù)不確定性的程度。②度量范圍的指定應(yīng)便于領(lǐng)域?qū)＜壹坝脩魧?duì)不確定性的估計(jì)。③度量要便于對(duì)不確定性的傳遞進(jìn)行計(jì)算，而且對(duì)結(jié)論計(jì)算出的不確定性度量不能超出度量規(guī)定的范圍。④度量的確定應(yīng)當(dāng)是直觀的，同時(shí)應(yīng)有相應(yīng)的理論依據(jù)。不確定性推理不確定性的表示與度量在不確定性推理中，不確定性一般分為兩類(lèi)：一是知識(shí)的不確定性；二是證據(jù)的不確定性。它們都要求有相應(yīng)的表示方法和度量標(biāo)準(zhǔn)。目前常用的解決方法是，設(shè)計(jì)一個(gè)算法用來(lái)計(jì)算匹配雙方相似的程度；另外再指定一個(gè)相似的“限度”，用來(lái)衡量匹配雙方相似的程度是否落在指定的限度內(nèi)。如果落在指定的限度內(nèi)，就稱它們是可匹配的，相應(yīng)知識(shí)可應(yīng)用；否則就稱它們是不可匹配的，相應(yīng)知識(shí)不可應(yīng)用。上述用來(lái)計(jì)算匹配雙方相似程度的算法稱為不確定性匹配算法，指定的相似的限度稱為閾值。不確定性推理不確定性匹配算法及閾值“怎么才算匹配成功?”（1）在每一步推理中，如何把證據(jù)及知識(shí)的不確定性傳遞給結(jié)論。（2）在多步推理中，如何把初始證據(jù)的不確定性傳遞給最終結(jié)論。不確定性推理不確定性的傳遞算法不確定性推理的根本目的是根據(jù)用戶提供的初始證據(jù)，通過(guò)運(yùn)用不確定性知識(shí)，最終推出不確定性的結(jié)論，并推算出結(jié)論的不確定性程度。長(zhǎng)期以來(lái)，概率論的有關(guān)理論和方法都被用作度量不確定性的重要手段，因?yàn)樗粌H有完善的理論，還為不確定性的合成與傳遞提供了現(xiàn)成的公式，因而它被最早用于不確定性知識(shí)的表示與處理，像這樣純粹用概率模型來(lái)表示和處理不確定性的方法被稱為純概率方法或概率方法。純概率方法雖然有嚴(yán)密的理論依據(jù)，但它通常要求給出事件的先驗(yàn)概率和條件概率，而這些數(shù)據(jù)又不易獲得，因此其應(yīng)用受到了限制。為了解決這個(gè)問(wèn)題，人們?cè)诟怕世碚摰幕A(chǔ)上發(fā)展起來(lái)了一些新的方法及理論，主要有可信度方法、證據(jù)理論、貝葉斯方法等。不確定性推理結(jié)論不確定性的合成推理中有時(shí)會(huì)出現(xiàn)這樣一種情況：用不同知識(shí)進(jìn)行推理得到了相同的結(jié)論，但不確定性的程度卻不相同。此時(shí)，需要用合適的算法對(duì)它們進(jìn)行合成。在不同的不確定性推理方法中所采用的合成方法各不相同。

不確定性推理可信度方法可信度是對(duì)信任的一種度量，是指人們根據(jù)以往的經(jīng)驗(yàn)對(duì)某個(gè)事物或現(xiàn)象為真的程度的一個(gè)判斷。C-F模型是基于可信度表示的不確定性推理的基本方法，其他可信度方法都是在此基礎(chǔ)上發(fā)展起來(lái)的。證據(jù)不確定性的表示證據(jù)不確定性的表示是指對(duì)于來(lái)自不同信息源的證據(jù)或信息的不確定性進(jìn)行合理的表示和建模的過(guò)程。在C-F模型中，證據(jù)的不確定性也是用可信度因子表示的。證據(jù)可信度值的來(lái)源分兩種情況：對(duì)于初始證據(jù)，其可信度的值由提供證據(jù)的用戶給出；對(duì)于用先前推出的結(jié)論作為當(dāng)前推理的證據(jù)，其可信度的值在推出該結(jié)論時(shí)通過(guò)不確定性傳遞算法計(jì)算得到。不確定性推理

證據(jù)理論不確定性推理

貝葉斯方法不確定性推理

小結(jié)介紹了推理的基本概念、歸結(jié)原理、不確定性推理。魯賓遜歸結(jié)原理是機(jī)器定理證明的基礎(chǔ)，是一種證明子句集不可滿足性，從而實(shí)現(xiàn)定理證明的理論及方法。它的基本方法是：將要證明的定理表示為謂詞公式，并轉(zhuǎn)化為子句集，然后進(jìn)