人工智能中知识获取技术.docx
《人工智能中知识获取技术.docx》由会员分享,可在线阅读,更多相关《人工智能中知识获取技术.docx(33页珍藏版)》请在冰豆网上搜索。
人工智能中知识获取技术
§4.1知识获取的概念和途径
“知识获取”是人工智能和知识工程的基本技术之一,也是主要问题之一。
知识获取和知识表示是知识推理的前提条件,通过知识表示,将所获取的知识,存储在知识库中,才能利用知识进行推理,求解问题。
因此,知识获取是设计和建造各种人工智能和知识工程系统的关键问题。
一、知识获取的基本概念
所谓“知识获取”,是指在人工智能和知识工程系统中,机器(计算机或智能机)如何获取知识的问题。
有二种定义:
1.狭义知识获取
指人们通过系统设计、程序编制和人-机交互,使机器获取知识。
例如,知识工程师利用知识表示技术,建立知识库,使专家系统获取知识。
也就是通过人工移植的方法,将人们的知识存储到机器中去。
因此,狭义知识获取也可称为“人工知识获取”。
2.广义知识获取
除了人工知识获取之外,机器还可以自动或半自动地获取知识。
比如,在系统调试和运行过程中,通过机器学习进行知识积累,或者,通过机器感知直接从外部环境获取知识,对知识库进行增删、修改、扩充和更新。
因此,广义知识获取包括人工知识获取、自动和半自动知识获取。
二、知识获取的主要途径
在人工智能或知识工程系统中,一般说来,机器(计算机或智能机)获取知识的方法和途径,可分为三类:
1.人工移植
所谓“人工移植”,是依靠人工智能系统的设计师、知识工程师、程序编制人员、专家或用户,通过系统设计、程序编制及人机交互或辅助工具,将人的知识移植到机器的知识库中,使机器获取知识。
人工移植的方式可分为二种:
(1)静态移植。
在系统设计过程中,通过知识表示、程序编制、建立知识库,进行知识存储、编排和管理,使系统获取所需的先验知识或静态知识。
故称“静态移植”或“设计移植”。
(2)动态移植。
在系统运行过程中,通过常规的人机交互方法,如“键盘-显示器”的输入/输出交互方式,或辅助知识获取工具,如知识编辑器,利用知识同化和知识顺应技术,对机器的知识库进行人工的增删、修改、扩充和更新,使系统获取所需的动态知识。
故称“动态移植”或“运行移植”。
2.机器学习
所谓“机器学习”,是人工智能系统在运行过程中,机器通过学习,获取知识,进行知识积累,对知识库进行增删、修改、扩充与更新。
机器学习的方式可分为二种:
(1)示教式学习。
在机器学习过程中,由人作为示教者或监督者,给出评价准则或判断标准,对系统的工作效果进行检验,选择或控制“训练集”,对学习过程进行指导和监督。
这种学习方式通常是离线的、非实时的学习,也可以在线、实时学习。
(2)自学式学习。
在机器学习过程中,不需要人作为示教者或监督者,而由系统本身的监督器实现监督功能,对学习过程进行监督,提供评价准则和判断标准,通过反馈进行工作效果检验,控制选例和训练。
这种学习方式通常是在线、实时的学习。
在上述二种学习方式中,机器可以采用各种学习方法,如强记式、指导式、示例式、类比式方法等。
3.机器感知
所谓“机器感知”,是人工智能系统在调试或运行过程中,通过机器视觉、机器听觉、机器触觉等途径,直接感知外部世界,输入自然信息,获取感性和理性知识。
机器感知主要有二种方式:
(1)机器视觉。
在系统调试或运行过程中,通过文字识别、图象识别和物景分析等机器视觉,直接从外部世界输入相应的文字、图象和物景的自然信息,获取感性知识,经过识别、分析和理解,获取有关的理性知识。
(2)机器听觉。
在系统调试或运行过程中,通过声音识别、语言识别和语言理解等机器听觉,直接从外部世界输入相应的声音、语言等自然信息,获取感性知识,经过识别、分析和理解,获取有关的理性知识。
在机器视觉、听觉中,都要用模式识别、自然语言理解等方法和技术。
§4.2机器学习
一、学习和学习系统的概念
1.“学习”的概念
“学习”是一个通俗的、广泛应用的概念,同时也是一个含义丰富、难以确切定义的术语。
不同的学科,不同的发展阶段,对“学习”的概念有不同的定义。
例如:
∙在神经生理学中,巴甫洛夫把“学习”称为“条件反射的形成过程”。
∙在控制论中,维纳把“学习”称为“系统自我完善的过程”。
∙在人工智能中,西蒙把“学习”称为“系统积累经验,改善性能的过程”。
∙在知识工程中,认为“学习”是“知识结构的改进,知识的获得、积累和修正”。
这里包括两方面的知识:
∙显示知识——可用语言、文字或符号表示的知识,如书本知识。
∙隐式知识——不便用语言、文字或符号表示的知识,如经验技能。
2.“学习系统”的概念
由于学习的概念不同,相应的“学习系统”(也叫“学习机器”)的概念也有所不同。
例如:
∙能够从某种过程或环境中的未知特征获取信息,并作为经验用于未来的估计、分类、决策或控制,以改进其性能的系统,称为“学习系统”。
∙若系统在其环境发生变化后的一段时间(T)内,相对于性能函数(P)的响应是令人满意的,则可称为“学习系统”。
∙能利用与环境相互作用时所获得的信息,在未来的与环境的相互作用中,改进其性能的系统,称为“学习系统”。
∙在与环境的相互作用中,不断使知识库完善化的系统,称为“学习系统”。
∙在系统运行过程中,能不断地从外界环境中获取知识,改善系统性能的系统,称为“学习系统”。
上述学习系统的定义大同小异,其中,学习系统应具备的二点共性是:
∙获取知识(信息);
∙改善系统性能。
二、机器学习系统的类型
机器学习系统的类型很多,可按下列几个方面进行分类:
1.学习能力
机器学习能力大小的主要标志,是对人的监督和示教作用的依赖程度。
据此可分为:
(1)示教式学习系统
在学习过程中,需要人作为教师,进行示教、监督和训练,学习结束后才能投入工作。
这也称为“离线”学习系统。
(2)自学式学习系统
不需要人进行示教、监督和训练,机器在运行过程中,自动获取知识,改善性能。
这也称为“在线”学习系统。
2.学习方法
机器学习方法,是指获取知识和改进性能的方式。
据此可分为:
(1)强记学习系统
机器在学习过程中,通过反复训练,利用奖惩规则或评价标准,强行记忆所获得的知识。
(2)指导学习系统
在学习过程中,由人给出指导性的建议,机器通过知识推理,获得改善性能的具体行动规则,具有从一般到特殊的演绎推理功能。
(3)示例学习系统
系统从训练集的许多事例或样本中,获取关于事物的特性和规律的知识,以提高其识别能力和性能,具有概括(从特殊到一般)和归纳推理功能。
(4)类比学习系统
系统通过类比方法,进行联想推理,获得类比关系和转换规则的知识,提高对其他类似事物的识别能力。
3.学习内容
按所学习的知识的内容,可分为:
(1)概念学习系统
学习内容是关于事物的概念、状态、性质等叙述性知识。
其中包括单概念学习,如判断事件的真假、是否等;多概念学习,如疾病诊断、质谱分析等。
(2)过程学习系统
学习内容是关于事物状态变化的过程性知识,如问题求解的步骤,机器人行动规则,语言的句法分析,模式的文法推断等。
4.知识表示方式
根据机器学习系统中知识表示的方式,可分为:
(1)数值学习系统
用数值表示知识,如概率值、权系数等,又可分为:
∙统计学习系统,如贝叶斯学习分类器。
∙参数学习系统,如权系数修正器。
(2)符号学习系统
用符号表示知识,如产生式规则、语义网络、“与/或”树等,又可分为:
∙产生式学习系统,用产生式规则表示知识。
∙网络式学习系统,用语义网络表示知识。
三、机器学习系统的原理结构
机器学习系统是根据人工智能的学习原理和方法,应用知识表示、知识存储、知识推理等技术,设计和构成的,具有知识获取功能,并能逐步改善其性能的系统,可称之为“人工智能学习系统”或“智能学习系统”。
机器学习系统可以采取示教式或自学式,进行离线或在线学习。
在学习过程中,可采用强记、指导、示例、类比等各种学习方法,进行奖惩式、演绎式、归纳式、联想式学习。
根据所采用的学习方法,设计系统中的学习环节。
为了能够获取知识,改善性能,在机器学习系统中,应拥有知识库,并且要求知识库具有增删、修改、扩充和更新的功能。
在示教式学习系统中,还需要有相应的人机接口,以便机器向示教者学习,获取知识信息。
示教式学习系统通常是离线学习、非实时学习,但也可以在线学习、实时学习。
自学式学习系统一般是在线学习、实时学习。
所谓“在线”,是指学习系统与其工作对象或环境是直接联机的;而“离线”是不联机的。
所谓“实时”,是指学习系统与其工作对象或环境的时间域是相同的,即实际运行时间;而“非实时”,其时间域是不同的。
机器学习系统,或智能学习系统的一般结构图4-1所示。
当监督环节为示教人时,图4-1为示教式学习系统;当监督环节为监督器时,图4-1为自学式学习系统。
当环境与系统不直接联机时,图4-1表示离线式学习系统;当环境与系统直接联机时,图4-1表示在线式学习系统。
图4-1智能学习系统的结构
四、机器学习系统的基本功能
图4-1所示的智能学习系统,各部分功能如下:
1.知识库
用于存储(记忆)、积累知识,具有知识增删、修改、扩充、更新功能的知识库及其管理系统。
根据所存储知识的记忆稳定度,可分为:
(1)长期记忆知识
长期记忆知识是稳定不变的,它是学习系统必须具备的先验知识背景,在学习过程中不发生变化的基本知识,如事物的基本概念和定义、定律和公理,博弈的基本规则等。
(2)中期记忆知识
指通过学习可以改变的,关于环境事物的各种具体知识,即知识库中通过学习而增删、修改的那部分知识。
(3)短期记忆知识
指反映环境变化的信息和数据,学习过程的中间结果,以及知识调用的条件等。
当处于“在线”学习过程中,短期记忆知识是经常改变的,一般存放于“总体数据库”或“黑板”中。
2.学习环节
它是学习系统的核心环节,其作用如下:
(1)采集环境信息
通过选例环节或直接采集有关环境变化的信息。
(2)接受监督指导
接受来自监督环节的示教、指导信息或评价标准。
(3)进行学习推理
利用所采集的环境信息,根据监督指导,通过强记、指导、示例、类比等学习方法,进行学习过程的知识推理,获得有关问题的解答和结论。
(4)修改知识库
将学习推理所获得的结果,输入知识库,对原有知识进行增删、修改。
3.工作环节
利用知识库中的知识,进行识别、论证、决策、判定,采取相应的行动,完成工作任务的执行环节。
如果工作环节的行动结果,直接引起环境的变化,如机器人行动、生产过程控制、机器博弈等,那么就形成了“在线”学习系统。
4.监督环节
在示教式学习系统中,监督环节是人,即示教者;在自学式学习系统中,监督环节是监督器,即评价准则或检验标准。
监督环节有以下几个作用:
(1)工作效果评价
接受来自工作环节的反馈信息,对系统的工作效果进行评价和检验。
(2)整定评价准则
接受来自环境变化的信息,整定和修订评价准则和检验标准。
(3)监督学习环节
根据评价和检验结果,对学习环节进行示教、训练或指导。
(4)控制选例环节
根据环境变化信息及工作效果的反馈,控制选例环节,选取其他事例或样本。
5.选例环节
其作用是从环境中,选取有典型意义的事例或样本,作为系统的训练集或学习对象,以便提高学习效率,加速学习过程。
选例环节可以由人或机器来实现。
6.环境
指系统获取知识和信息的来源,工作的对象和人物等。
例如,医疗专家系统的病员、病历档案、医生、诊断书等;模式识别系统的文字、图象、物景;博弈系统的对手、棋局;智能控制系统的被控对象和生产过程等。
§4.3机械学习
机械学习也叫死记硬背学习。
一、机械学习的模式
机械学习是最简单的机器学习方法。
机械学习就是记忆,即把新的知识存储起来,供需要时检索调用,而不需要计算和推理。
机械学习是最基本的学习过程。
任何学习系统都必