智能推理是实现智能化的基础,它包括经典的单调推理和非单调推理。《智能推理及其在信念修正中的应用》首先介绍了经典的单调推理中的命题推理系统和谓词推理系统,以及推理的公理化系统和自然推理系统;其次,介绍了单调推理系统下的自动推理算法和可满足性验证算法:然后介绍了非单调推理的主要理论和方法,包括非单调推理逻辑、自知逻辑、缺省逻辑和限定逻辑、信念修正的理论和方法,以及信念修正的实现算法;最后介绍了Petri网用于逻辑推理和信念修正的方法。
《智能推理及其在信念修正中的应用》可供人工智能、逻辑学、智能信息处理、智能控制、计算机科学与技术、软件工程等专业的教师、研究生以及相关领域科研工作者参考。
对于智能的研究可以追溯到图灵。图灵在他的文章《计算机与智能》中提出了“机器思维”的概念,讨论了人类智能机械化的可能性和图灵机的理论模型,为智能的研究确定了目标,指明了方向。他还设计了著名的“图灵测试”,试图让机器模仿人来回答某些问题,通过实验和观察来判断机器是否具备智能。“图灵测试”要求观察者不断提出各种问题,根据回答来辨别哪一个是人,哪一个是机器。人工智能作为计算机学科的一个重要分支,是由麦卡锡(McCarthy)于1956年在达特茅斯举行的会议上正式提出的,并将其研究内容概括为研究人类智能活动的规律、构造具有一定智能行为的人工系统;也就是,研究用人工的方法和技术,模仿、延伸和拓展人的智能,实现机器的智能;其长期目标是实现人类水平的智能。
人工智能通过一段时间的发展,形成符号主义学派、连接主义学派和行为主义学派。符号主义,又称为逻辑主义、心理学派或计算机学派,其原理主要为物理符号系统假设和有限合理性原理,认为人工智能的研究方法应该是功能模拟方法,通过分析人类认知系统所具备的功能和机能,用计算机模拟这些功能,实现人工智能。这种方法目前主要是用数理逻辑方法来建立人工智能的统一理论体系,但遇到了很多暂时无法解决的困难。连接主义,又称为仿生学派或生理学派,其原理主要为神经网络和神经网络之间的连接机制与学习算法,主张人工智能应着重于结构模拟,即模拟人的生理神经网络结构,并认为功能、结构和智能行为是密切相关的;不同结构表现出不同的功能和行为,目前已经提出多种人工神经网络结构和众多的学习算法。行为主义,又称为进化主义或控制论学派,其原理为控制论及感知.动作型控制系统:认为人工智能的研究方法应采用行为模拟方法,也认为功能、结构和智能行为是不可分的;且不同的行为表现出不同的功能和不同的控制结构,其代表作品为六足行走机器人。
人工智能研究的领域有很多方面,总体上分为两个方面:机器智能、智能机器。在机器智能方面,经典的研究领域有问题求解、机器定理证明、专家系统、自然语言理解、神经网络等。在问题求解方面就是下棋程序,在下棋程序中使用的某些技术,如向前看几步的思想、把难问题分成几个比较容易求解的子问题,后来发展成为搜索技术和问题规约技术,这些技术成为人工智能的基本技术。机器定理证明是人工智能研究领域中最经典的研究方向之一,并且在人工智能方法的发展中曾经产生过重要的影响,如谓词逻辑语言演绎过程的形式化有助于更清楚地理解推理过程;还可以把许多非形式化的问题和定理证明问题一样加以形式化,使得机器定理证明的技术在生产和生活中得到应用,如医疗诊断和信息检索等。
前言
第1章 绪论
1.1 逻辑推理的发展历史
1.1.1 逻辑演算
1.1.2 证明论
1.1.3 模型论
1.1.4 递归论
1.1.5 公理化集合论
1.1.6 非单调推理理论
1.1.7 自动推理技术
1.1.8 不确定性推理
1.2 信念修正简介
1.2.1 信念状态的模型
1.2.2 信念变化的基本形式
1.2.3 信念修正理论的应用
1.3 自动推理理论和信念修正之间的关系
1.3.1 自动推理理论是实现信念修正的一种途径
1.3.2 信念修正可以实现非单调推理
参考文献
第2章 单调逻辑
2.1 命题演算逻辑系统
2.1.1 命题演算的基本概念
2.1.2 命题逻辑的合式公式及范式
2.2 谓词逻辑
2.2.1 谓词演算中的基本概念
2.2.2 谓词逻辑的合式公式
2.2.3 谓词形式系统的语义
2.3 逻辑演算的形式系统
2.3.1 公理系统
2.3.2 自然推理系统
参考文献
第3章 自动推理与可满足性验证
3.1 斯科伦标准形
3.2 埃尔布朗域和埃尔布朗定理
3.2.1 埃尔布朗域
3.2.2 语义树
3.3 DP算法
3.4 置换与合
3.5 归结原理
3.5.1 命题逻辑的归结
3.5.2 谓词逻辑的归结
3.5.3 归结原理的完备性及过程控制策略
3.6 可满足性问题的非完全算法
3.7 二元可满足性问题和霍恩可满足性问题的快速算法
3.7.1 二元可满足性问题的快速算法
3.7.2 霍恩可满足性问题的快速算法
3.8 极大可满足问题的算法
3.8.1 贪心算法
3.8.2 局部搜索算法
3.8.3 模拟退火算法
参考文献
第4章 非单调推理
4.1 非单调逻辑产生的背景
4.1.1 非单调推理产生的基础
4.1.2 常识推理促使了非单调推理的产生
4.2 非单调逻辑
4.3 缺省逻辑
4.3.1 基本定义
4.3.2 封闭缺省理论的性质
4.3.3 封闭正规缺省理论
4.3.4 封闭正规缺省理论的证明论
4.4 限定逻辑
4.4.1 限定的定义
4.4.2 优先序限定
4.5 自认知逻辑
4.5.1 自知逻辑的语法
4.5.2 自知逻辑的语义
参考文献
第5章 信念修正理论
5.1 信念修正的定义
5.2 信念修正的AGM理论
5.2.1 约减和修正的合理公设
5.2.2 选择约减
5.2.3 安全约减
5.3 认知牢固度的方法
5.4 信念基的方法
5.5 迭代信念修正理论
5.5.1 基于条件函数的迭代修正
5.5.2 具有记忆的迭代修正
5.5.3 基于有限偏序牢固度秩的迭代修正
5.6 信念修正的应用
参考文献
第6章 单调推理技术在信念修正中的应用
6.1 基于核的信念基修正
6.1.1 核约减和修正
6.1.2 极小割集
6.1.3 计算核的算法
6.1.4 计算极大协调子集的算法
6.1.5 核和极大协调子集之间的关系
6.2 基于模型的修正和基于语法的修正
6.2.1 基于模型的方法
6.2.2 基于语法的方法
6.3 信念修正的转换系统
6.3.1 求极大协调子集的转换系统
6.3.2 求极小不协调子集的转换系统
6.4 基于归结的有限子句集上的信念修正实现算法
6.4.1 极大协调子集的方法
6.4.2 子句集上求所有极小不协调子集的方法
6.4.3 典型的信念修正方法的实现
6.5 信念修正的近似算法
6.5.1 修正的近似算法
6.5.2 具有完整性约束的信念修正方法
6.5.3 有限信念基上的修正和约减过程
参考文献
第7章 非单调推理技术在信念修正中的应用
7.1 信念修正和缺省推理
7.2 限定推理与信念修正
参考文献
第8章 信念修正的Petri网方法
8.1 Petri与逻辑推理
8.1.1 Petri网的基本概念
8.1.2 霍恩子句的Petri网描述
8.1.3 一般子句化为Petri网
8.2 Petri网与归结原理
8.2.1 霍恩基子句集的网删除归结原理
8.2.2 一般基子句集的网删除归结原理
8.3 基于Petri网的修正方法
8.3.1 命题规则知识库的Petri网描述
8.3.2 知识库更新的代数方法
8.3.3 扩充逻辑程序的知识库更新
参考文献