本文概述
- 1.逻辑表示
- 2.语义网络表示
- 3.框架表示
- 4.生产规则
- 逻辑表示
- 语义网络表示
- 框架表示
- 生产规则
文章图片
1.逻辑表示【知识表示的人工智能技术】逻辑表示是一种具有一些具体规则的语言,它处理命题并且在表示上没有歧义。逻辑表示意味着根据各种条件得出结论。此表示法规定了一些重要的通信规则。它由精确定义的语法和语义组成,这些语法和语义支持声音推断。可以使用语法和语义将每个句子翻译成逻辑。
句法:
- 语法是决定我们如何在逻辑中构造合法句子的规则。
- 它确定了我们可以在知识表示中使用的符号。
- 如何写这些符号。
- 语义是我们可以根据逻辑解释句子的规则。
- 语义还涉及为每个句子分配含义。
- 命题逻辑
- 谓词逻辑
- 逻辑表示使我们能够进行逻辑推理。
- 逻辑表示是编程语言的基础。
- 逻辑表示形式有一些限制,使用起来很困难。
- 逻辑表示技术可能不是很自然,并且推理可能不是那么有效。
此表示形式主要包括两种关系:
- IS-A关系(继承)
- 关系种类
声明:
- 杰瑞是猫。
- 杰里是哺乳动物
- 杰里(Jerry)由普里亚(Priya)拥有。
- 杰里是棕色的。
- 所有哺乳动物都是动物。
文章图片
在上图中,我们以节点和弧的形式表示了不同类型的知识。每个对象通过某种关系与另一个对象连接。
语义表示的缺点:
- 语义网络在运行时会花费更多的计算时间,因为我们需要遍历完整的网络树来回答一些问题。在最坏的情况下,遍历整个树后,我们可能发现该网络中不存在该解决方案。
- 语义网络尝试对类似于人的内存(其中有1015个神经元和链接)进行建模以存储信息,但是在实践中,不可能建立如此庞大的语义网络。
- 这些类型的表示形式是不足够的,因为它们没有任何等效的量词,例如对于全部,对于某些,没有等。
- 语义网络没有链接名称的任何标准定义。
- 这些网络不是智能的,并且取决于系统的创建者。
- 语义网络是知识的自然表示。
- 语义网络以透明的方式传达含义。
- 这些网络简单易懂。
构面:插槽的各个方面称为“构面”。构面是框架的功能,使我们能够对框架施加约束。示例:当需要任何特定时隙的数据时,将调用IF-NEEDED事实。帧可以包含任意数量的插槽,并且插槽可以包含任意数量的构面,并且刻面可以具有任意数量的值。框架在人工智能中也称为缝隙滤波器知识表示。
框架是从语义网络派生而来的,后来又演变成现代的类和对象。单个帧没有太大用处。框架系统由一组相互连接的框架组成。在框架中,有关对象或事件的知识可以一起存储在知识库中。框架是一种技术,广泛用于各种应用程序中,包括自然语言处理和机器视觉。
范例:1
让我们以一本书的框架为例
插槽 | 筛选器 |
---|---|
Title | 人工智能 |
Genre | 计算机科学 |
Author | 彼得·诺维格 |
Edition | 第三版 |
Year | 1996 |
Page | 1152 |
假设我们接受一个实体,彼得。彼得是一名工程师,他的年龄是25岁,他住在伦敦的城市,而这个国家是英国。因此,以下是此框架的表示形式:
插槽 | 过滤 |
---|---|
Name | 彼得 |
Profession | 医生 |
Age | 25 |
Marital status | 单 |
Weight | 78 |
- 框架知识表示通过对相关数据进行分组来简化编程。
- 帧表示具有相当的灵活性,并且被AI中的许多应用程序使用。
- 为新属性和关系添加插槽非常容易。
- 包含默认数据并搜索缺失值很容易。
- 框架表示易于理解和可视化。
- 在框架系统中,推理机制不容易处理。
- 推理机制不能通过帧表示来顺利进行。
- 框架表示具有非常通用的方法。
- 生产规则集
- 工作记忆
- 认识行动周期
工作存储器包含对问题解决的当前状态的描述,并且规则可以将知识写入工作存储器。这种知识匹配,并可能激发其他规则。
如果有新情况(状态)生成,则将同时触发多个生产规则,这称为冲突集。在这种情况下,代理需要从这些集合中选择一条规则,这称为冲突解决。
例:
- 如果(在公共汽车站且公共汽车到达)然后采取行动(下车)
- 如果(在公共汽车上且已付费且空座位上)然后采取行动(坐下)。
- 如果(在公共汽车上且未付费)则采取行动(支付费用)。
- 如果(公共汽车到达目的地)则采取行动(从公共汽车下车)。
- 生产规则以自然语言表达。
- 生产规则是高度模块化的,因此我们可以轻松地删除,添加或修改单个规则。
- 生产规则系统不具有任何学习功能,因为它不存储问题的结果以供将来使用。
- 在程序执行期间,许多规则可能处于活动状态,因此基于规则的生产系统效率很低。
推荐阅读
- 人工智能中的知识表示
- 人工智能中的基于知识的代理
- 人工智能的alpha-beta剪枝算法
- 人工智能中的Mini-Max极大极小算法
- 人工智能中的对抗性搜索
- 人工智能中的均值-末端分析
- 人工智能中的爬山算法
- 人工智能的智能搜索算法
- 人工智能的不知情搜索算法