人工智能-基於知識的係統(PDF 21頁)

內容摘要
第1 7章 基於知識的係統
17.1 麵對現實世界
既然我們已經學習了用邏輯來進行表示和推理，並且用一些比較簡單的例子演示了它的使
用，那麼我們要問它是否能被應用到“現實世界”問題中呢？ A I研究已經發現諸如醫療診斷，
稅金谘詢和設備設計等方麵的應用典型地需要大量的隨手可得的主題知識。這些應用強調知識
的重要性促使我們使用基於知識的係統來描述對大量知識庫進行推理的程序。已經描述的方法
能“按比例增大”以使其在實際應用中表現好嗎？與這個問題相關的推理方法的一些理論特性
是什麼？在本章中，要解決其中一些問題，並討論在現實應用中已經證明對實際推理是有用的一些方法。
邏輯推理係統有三個主要的理論特性：合理性、完備性和易處理性。為了確信一個推導的
結論是“真的”，需要合理性。為了確信推論最終將產生真的結論，需要完備性。為了確信推
論是可行的，需要易處理性。關於謂詞演算，歸結反駁是合理的和完備的。歸結反駁能被用來
證明，如果一個合式公式 ω被一合式公式集?邏輯涵蘊，那麼它是完備的；否則，歸結反駁過
程可能永不能終止。因此，我們不能用歸結作為一個完全的決策過程 (decision pro c e d u re)。進
一步講，可以證明沒有其他方法總能告訴我們什麼時候一個合式公式 ω不是由合式公式集合?
邏輯地派生，什麼時候是。因此，我們說謂詞演算是不完全決策的。當然，不完全決策性導致
了謂詞演算固有的不易於處理性。
但是情形變得更糟。即使對那些歸結反駁終止的問題，那個過程也是 N P難題 — 就像對
一階謂詞演算的任何合理和完備推理過程一樣 [ B ? rger 1989]。因此，雖然很多推理問題能被公
式化為歸結反駁問題，但對非常大的問題，該方法是不易處理的，這個事實導致很多人對在大
規模推理問題中使用正式的邏輯方法感到絕望（例如，見 [Schwartz 1987, McDermott 1987]）。
然而，由於人類自己進行複雜推理， 一定有啟發性的和特定的公式允許易處理的計算。
研究人員已經探索了各種方式以使推理更有效。首先，我們能在堅持推理規則的合理性前，
使用那些可能偶爾（我們很少希望）會“證明”一個不正確的公式過程。第二，在堅持完備性
前，使用不能保證找到正確公式證據的過程。這兩種修改可以使推理更有效。第三，我們能使
用一種比完全謂詞演算表達力弱的語言。下麵要討論的一個表達力弱的語言的例子僅僅使用了
H o r n子句。使用H o r n子句的推理典型地講更有效，它們可以滿足很多應用。
17.2 用H o r n子句進行推理
前麵，我把H o r n子句定義為至多有一個正文字的子句。如果有至少一個負文字和一個正文
字，H o r n子句就能被寫為一個蘊含，它的前項是正文字的一個合取，它的後項是單個正文字，
這樣一個子句稱為一個規則。在子句中可以沒有負文字，在這種情況下，我們把它記為一個蘊
含，它的前項為空，後項是一個單一正文字，這樣一個子句被叫做一個事實。或者在子句中可
能沒有正文字，在這種情況下，我們記作後項為空、前項是一個正文字列表的蘊含，這樣的子
句稱為一個目標。H o r n子句形成P R O L O G編程語言的基礎[Colmerauer 1978,Clocksin & Mellish
1987, Sterling & shapiro 1986,Bratko 1990]。在P R O L O G語言中，這些子句用作該語言的語句，
寫成如下格式：
..............................