人工智能知识的搜索与推理，你看懂几条？

知识的搜索与推理是人工智能研究的一个核心问题，对这一问题的研究曾经十分活跃,而且至今仍不乏高层次的研究课题。正如知识表示一样,知识的搜索与推理也有众多的方法,同一问题可能采用不同的搜索策略,而其中有的比较有效,有的不大适合具体问题。

表示问题是为了进一步解决问题,从问题表示到问题的解决,有个求解的过程,也就是搜索过程。在这一过程中,采用适当的搜索技术,包括各种规则、过程和算法等推理技术,力求找到问题的解答。下面讨论一些早期的搜索技术或用于解决比较简单问题的搜索原理。

搜索策略

1.图搜索策略

首先研究图搜索(GRAPHSEARCH)的一般策略,它给出图搜索过程的一般步骤,并可从中看出无信息搜索和启发式搜索的区别。

可把图搜索控制策略看成一种在图中寻找路径的方法，初始节点和目标节点分别代表初始数据库和满足终止条件的目标数据库。求得把一个数据库变换为另一数据库的规则序列问题就等价于求得图中的一条路径问题。

2.盲目搜索

不需要重新安排OPEN表的搜索叫做无信息搜索或盲目搜索,它包括宽度优先搜索、深度优先搜索和等代价搜索等,盲目搜索只适用于求解比较简单的问题。

3.启发式搜索

盲目搜索的效率低,耗费过多的计算空间与时间，如果能够找到一种方法用于排列待扩展节点的顺序,即选择最有希望的节点加以扩展,那么搜索效率将会大为提高。在许多情况下,能够通过检测来确定合理的顺序，优先考虑这类检测的搜索为启发式搜索( heuristic search)或有信息搜索( informed search)。

产生式系统

4.消解原理

消解原理( resolution principle)是一种可用于一定的子句公式的重要推理规则。子句定义为由文字的析取组成的公式(一个原子公式和原子公式的否定都叫做文字)。当消解可使用时,消解过程被应用于母体子句对,以产生一个导出子句。

例如,如果存在某个公理E₁∨E₂和另一公理E₂∨E₃,那么E₁∨E₃在逻辑上成立，这就是消解。

5.规则演绎系统

对于许多比较复杂的系统和问题,如果采用前面讨论过的搜索推理方法,那么很难甚至无法使问题获得解决。需要应用一些更先进的推理技术和系统(如规则演绎系统、产生式系统、系统组织技术、不确定性推理和非单调推理等),求解这种比较复杂的问题,而对于那些发展特别快的高级求解技术,如 agent、计算智能、专家系统、机器学习和自动规划系统等。

产生式系统

6.产生式系统

产生式系统( production system)由波斯特(Post)于1943年提出的产生式规则( production rule)而得名。人们用这种规则对符号串进行置换运算。1965年美国的组厄尔和西蒙利用这个原理建立了一个人类的认知模型。同时,斯坦福大学利用产生式系统结构设计出第一个专家系统 DENDRAL。

产生式系统用来描述若干个不同的以一个基本概念为基础的系统。这个基本概念就是产生式规则或产生式条件和操作对的概念。在产生式系统中,论域的知识分为两部分:用事实表示静态知识,如事物、事件和它们之间的关系;用产生式规则表示推理过程和行为。由于这类系统的知识库主要用于存储规则,因此又把此类系统称为基于规则的系统(rule-based system)。

7.非单调推理

建立在谓词逻辑基础上的传统系统是单调的,这意味着,已知为真的命题数目将随时间而严格增加。那是由于新的命题可加人系统,新的定理可被证明,但这种加入和被证明绝不会导致前面已知为真或已被证明的命题变成无效。

这种系统具有以下优点:

(1)当加入一个新命题时,不必检查新命题与原有知识之间的不相容性。

(2)对每一个已被证明了的命题,不必保留一个命题表。它的证明以该命题表中的命题为根据,因为不存在那些命题会被取消的危险。