第三章知识表达技术.docx

第三章知识表达技术.docx

《第三章知识表达技术.docx》由会员分享，可在线阅读，更多相关《第三章知识表达技术.docx（35页珍藏版）》请在冰豆网上搜索。

第三章知识表达技术

第三章知识表达技术

知识表达（KnowledgeRepresentation），即知识表示或知识的描述，也就是知识的形式化或模型化。

知识及知识的表达是计算机科学中智能程序设计研究的主要领域，也是人工智能和心理学共同关心的基础性问题。

所谓智能程序，就是把现实世界的知识有机地结合到计算机程序中，使程序具有识别、学习、推理和适应环境等能力。

本章主要讨论知识、知识表达的基本概念和几种主要的表示方法。

第一节知识

一、什么是知识

什么是知识？

根据认知心理学的一般解释是：

自有人类以来，人们天天在和自然作斗争，在这个斗争过程中，人们开始只有感性认识，随着这个过程的持续深入，这个认识产生了飞跃，最后由感性认识上升到理性认识，这种对周围事物的感性和理性统称为知识。

对每个人来说，他的知识除了从实践中得来，还有一个重要途径就是向书本学习。

从自然科学的角度来看：

知识是一些事实与概念、规则或规律方法和技术，以及应用这些概念、事实、规则等能力的综合体。

二、知识的层次结构模型

知识的海洋浩瀚无穷，知识的存放是否乱麻一团呢？

不是的，知识在人脑中的存放是一个多层次结构。

它犹如一座高大雄伟的金字塔，我们可以把它称为智能塔。

第一层知识为塔基，属低层次。

它是这个智能塔的基础，是掌握知识、发展知识、培养能力的前提。

它主要由一些事实和概念组成。

所谓事实是指一些客观存在的现象，事物的性质，这些事实的“真”、“伪”要经受客观实际的检验。

例如：

一年有四季；人要穿衣吃饭；月球上没有生物，等等。

所谓概念，指的是通过人的抽象思维和形象思维所得出的结论。

例如：

物理上的力、原子、电子、质子、中子，几何上的点、线、面，等等。

在这些概念中，前面是客观存在的事物，而后面是本不存在的抽象概念。

又如孙悟空、阿童木它们是形象思维的结论。

未来世界中的机器人，则是形象思维和逻辑思维的产物。

第二层知识属较高层次，是建立在第一层知识上的。

它是通过对事实和概念的观察思考、分析、判断、比较、推理等综合出来的客观规律，从而成为指导人们分析问题、思考问题的原则或规则。

因此，第二层知识是由一些规则、定律和定理组成。

例如：

数学、物理、化学中的各种定理和定律等。

它们都是对第一层知识加以分析、判断、比较、总结出它们内在联系所得到的结论。

它们都表示了一定条件与一定结论之间的关系。

又如：

日常生活中的结论“今天下雨，所以地面湿。

”也属于第二层知识。

第二层知识是十分广泛而丰实的，人们学习的过程不应该是对书本知识生吞活剥的死记硬背，而应该是一个研究客观事物，探索总结客观规律的过程，也就是一个不断丰实、更新第一层、第二层知识的过程。

第三层知识我们把它称为能力知识，或称为控制性知识，或为指导性知识，它是智能塔的高层次。

这一层知识的多寡反映了一个独立工作能力的强弱，解决实际问题水平的高低，在一定程度上还决定一个人的创造能力。

它是应用前两层知识去解决实际问题、探索科学奥秘、产生新知识的知识。

由于有了第三层知识，第一、二层知识才能极大地丰富起来。

例如：

几何上应用已知条件和定理去解决实际问题的技巧，日常生活中分析问题的方法等等都属于这一层知识。

此外，还有第四层知识。

我们把回忆、联想、分析、综合、比较、抽象、概括统称为第四层知识，它充分反映了人类的心理特征。

研究第四层知识属于心理的范畴。

大脑是产生第四层知识的物质基础。

这一层知识目前比较难于用计算机实现。

从人工智能的角度来看，层次较低的知识易于用机器来实现。

层次愈高，用机器实现也愈困难。

因此研究和发展更高层次的知识是智能研究的主要课题。

但必须指出，智能塔中的知识不是静止的、孤立的，而是相互关联的，层与层之间的知识也不是孤立的。

因此，研究知识表达、知识库、智能塔的结构，始终是专家系统及知识库系统中的基础性课题。

第二节知识表达技术的基本概念

一、知识表达技术

为了使机器具有智能或设计智能机器，关键在于使机器能够拥有和运用知识。

首先要研究在机器如何表达知识，即研究知识的形成化或矩形化方法。

知识表达技术是研究在机器中表示知识的方法、可行性、有效性及一些通用的原则，以便于使用、修改、删除和更换。

所谓知识的表示方法，就是用来描述和组织知识的规则符号、形式语言和网络图等。

近年来，知识表达技术引起了广泛的注意，已成为人工智能研究领域中最活跃的部分之一。

目前有人正着手研究通用的知识表达语言，然而知识表示的完整理论还没有形成。

这一方面是由于人工智能本身正处于发展过程。

另一方面是由于人们对于自己头脑中的知识的形成及其结构等机制还没有弄得很清楚。

因此。

知识的表达还是按照各人的理解从不同的角度进行探索。

二、知识的类型

回顾知识表达技术的发展。

七十年代人们对知识表示形成了两种不同的看法，从而引起了争论。

首先，由Winogred等人（1975）认为知识是陈述性的，即知识是一些已知的客观事物（KnowledgeWhat）。

另一些人。

如麻省理工学院的M.Minsky等（1972）认为知识是过程性的，是客观存在的一些规律。

（KnowingHow）

上述两种说法各有利弊。

1975年，Wrnogrod总结了两派之争，提出了折中的观点，即加进了附加过程的概念，使提出了知识是控制性的，从而使知识的表达前进了一步。

总而言之，知识的类型可以分为三种类型：

1．叙述型知识：

叙述关于系统状态、环境和条件，问题的概念、定义和事实的知识。

例如：

北京、上海、飞机、火车、时间、费用。

2.过程型知识：

有关系统状态变化、问题求解过程的操作、演算和行动的知识。

例如：

乘飞机、坐火车。

3.控制型知识：

关于如何选择相应的操作、演算和行动的比较、判断、管理和决策的知识。

例如：

乘飞机较快、较贵。

乘火车较慢、较便宜。

三、知识模型变换

根据控制论中，关于“同构”和“同态”的概念，可以对知识模型进行变换和简化，以便更明确地、更简洁地表达知识，易于问题求解。

通过同构或同态变换，将原始问题化为可求解的同构或同态问题。

图2－2－1同构与同态变换

同构变换可以使问题更加明确、便于求解。

（例如：

日常生活中的打比方就是一个同构的变换）。

同构问题的解答等价于原始问题的解答。

同态变换可以使问题更加简化、易于求解。

原始问题有解，则同态问题有解；同态问题无解，则原始问题无解，它们之间是蕴含关系。

实际上，各种知识模型都是真实问题有关知识的同构或同态模型。

例：

方格棋盘分割法。

1.原始问题：

在2n×2n方格棋盘中，去掉对顶角上2个小方格后，问能否将它分割为若干1×2的小长方块。

显然求解此问题是比较困难的，因为对n的数值未加限制，随着n的增大，其分割方式有种可能性，会出现“组合爆炸”。

2.同构问题：

将棋盘中的小方格相间的着色，化为其同构问题，由此可见，无论n为何值，对角顶上的2个方格始终为同色方格。

去掉它以后，显然黑、白二种方格数目差为，若以2的小长方块由黑白各一小格组成，显然分割下去，会多出两个小黑格来，即无法分割。

3同态问题：

为了使问题更加明确，引入序对（小黑格数，小白格数），用以表示每次使分割的棋盘的状态，使其化为同态问题。

初始状态：

<,>

目标状态：

<0,0>

显然经过次分割后，状态变为<2,0>，达不到<0,0>，则问题无解。

因此，同态问题无解，蕴含着原始问题无解。

四、设计知识表示的基本原则：

在计算机中表示知识是为了使用，因此能否有效和准确地使用这些知识，能否有效地对知识进行检查、修改、增删，并经过修改过程中对已有知识的内容及结构不产生或少产生干扰；能否在工作过程中使系统不断地获得新的知识，通过知识的不断增加，使系统解决问题的能力不断提高，这些都是目前考虑知识表达技术的主要原则。

此外，还必须考虑表示形式是否符合心理学特点，是否便于系统地开发和运行，是否能使人们直接地理解知识。

第三节知识的状态空间表示法

一、状态空间表示法的概念

状态空间表示法是知识表达的基本方法。

所谓“状态”是用来表示系统状态，事实对叙述性知识的一组变量或数组。

如：

所谓操作是用于表示应其状态变化的过程性知识的一组关系或函数。

状态空间,即利用状态变量和操作符号,表示系统或问题的有关知识的符号体系,通常可用“三元组”表示:

其中:

为初始状态为目标状态

为状态的操作

二、状态空间法举例:

例：

钱币翻转问题：

设有钱币，国徽为正面，麦穗为反面，现有钱币，设初始状态为（反、正、反）允许每次翻转一个钱币（只翻一个且必翻一个），连翻三次，问题是否可达到目标状态（正、正、正）或（反、反、反）？

为了用状态空间方法表示上述问题，引入状态变量，且设正面为0，反面为1，可三个钱币可能出现的状态有：

Q1=（0,0,0）Q2=（0,0,1）Q3=（0,1,0）Q4=（0,1,1）

Q5=（1,0,0）Q6=（1,0,1）Q7=（1,1,0）Q8=（1,1,1）

引入三元操作例子F={f1,f2,f3}且

f1=把q1翻一下f2=把q2翻一下f3=把q3翻一下,

因此，上述问题的状态空间三元组表示如下：

<{Q6},{f1,f2,f3},{Q1,Q2}>

相应的状态空间图为：

通过状态分析可知：

从Q6不可能经三次翻转达Q1。

从Q6经三次翻转可达Q8，且共有七种：

其七种操作为：

（f1、f2、f1）（f1、f1、f2）（f2、f1、f1）（f2、f2、f2）（f2、f3、f3）（f3、f2、f3）（f2、f3、f2）

但如果对翻转的次数不限制，且不超过三次，可均可达到要求。

思考题：

设有三根火柴，允许每次倒置三根相邻的火柴，问能否出现三根都朝下的状态？

第三节“与/或”图表示法

一、“与/或”图表示法的概念

与/或图是一种超图（AND-ORGraph），通常为树的形式也称与/或树。

他基于人们求解问题时的两种思维方法。

与/或图的主要思想是采用问题分解法求解的。

当我们遇到一个非常复杂的问题时，设法将此问题分解成若干个子问题，而后对每个子问题求解，把求解的结果综合起来，就得到了该问题求解。

整个过程如图所示，这里的综合可理解为广义的过程（或称操作或称转子）。

例如，欲计算，可将求该值分为求和求的值，最后把两者加起来，这里“加”就是综合。

又如：

对这一问题，其综合的含义较为复杂，要考虑到个人的实际情况做出结论。

1、分解问题：

“与”树

与图或与树，用来描述问题的分解法。

即将一个复杂的问题分解为一组简单的小问题，将总问题分解为子问题。

若所有子问题都解决了，可总问题也就解决了，这时与的逻辑关系。

而子问题又分解为子子问题。

如此类推，直到子问题不能分解为止，这样就形成了问题分解的树图，称为与图。

2、同构同态变换：

或树

或图用来描述同构同态变换。

即将较难得问题变换为较易的等值或等效问题。

若一个难问题可以等价的变换为几个容易问题，则任何一个容易问题解决了，也就解决了原有的难问题。

如此下去，可形成变换的或树。

在实际问题求解过程中，常常是用分解和变换的方法，因而可用与和或树相结合的图-------与或树的表达方法。

根据图论知识，图2-4-5所示的与或图是一棵树，读此不难找到树中的与结点和或结点，也不难论述树中各结点可解的与否条件。

为了讨论问题方便，我们规定终端结点式可解的。

根据前面讨论，不难给出与或图中结点可解与否的定义。

一个结点是可解的，如果：

1.它是终端结点（本源问题）

2.它是非终端结点，而他的后继是与结点且后继都可解。

3.它是非终端结点，而它的后继是或结点且后继中至少有一个可解的。

一个结点是不可解的，如果：

1.它是一个非终端结点，但它没有后继结点（表示非本源问题又不能对它进行变化）

2.它是一非终端结点，而它的后继结点是与结点，且后继中至少有一个是不可解的。

3.它是一个非终端结点，而