人工智能中知识获取技术.docx

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