逻辑学在人工智能中的应用

《逻辑学在人工智能中的应用》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、一、归纳推理和类比推理在人工智能中的应用人类智能的本质特征和最高表现是创造。在人类创造的过程中，演绎推理的作用固然不可忽视，但归纳推理和类比推理在其中所起的作用似乎更为重要，因为它们构成了人类创造的契机。因此，计算机要成功地模拟人的智能，真正体现出人类智能的品质，就必须能够借助于归纳推理和类比推理这两种方法，实现机器内学习，以达到“机器创造”的目的。　　1、通过归纳的学习正如人们运用归纳推理的情况一样，当外部环境给计算机提供的信息过于特殊和细节化时，计算机便必须学会对所给的信息加以概括和总结，把环境提供的特殊的、个别的实例变换成较为概括的、高水平的、可以有效使用的知识块。计算机这种归

2、纳能力的获得对于整个人工智能系统具有重大意义。这是因为，借助于归纳的方法，计算机不仅可以自动获得新概念以增长知识，而且，在可能的情况下，它还能够证实已有的理论并发现新的理论。然而，由于归纳推理本身的缺陷以及人类归纳机制的模糊性等问题的存在，使得虽然有许多哲学家、心理学家、逻辑学家和一些人工智能专家早已涉足计算机通过归纳的学习这一领域并对之进行过艰辛的探索和研究，但这种通过归纳的学习在人工智能领域中的应用至今却仍然未能有重大突破。在这方面，许多学者都作过有意义的探索和研究，如瑞典哲学家PeterCardenfor（《思维科学》，1988年第1期，第15页。）曾提出，在模拟人类进行归纳的

3、人工智能系统中，需要对机械化归纳推理的知识表示形式问题作更多的探索。他提出了一种超越逻辑和语言的知识表示方式“概念空间”来帮助人们识别事物的可推测性质以避免某些关于归纳的老问题；乌哥夫提出用“倾向性”(bias)概念（《机器学习》，摩根考夫曼出版社，1986年版，第107页。）来解释学习者为什么会形成不同归纳概括；范莱（《人工智能》杂志，1986年1月号。）则强调要通过安排好一课一课的次序来学习，正如我们学习数学一样，这样就能够获得归纳学习中的额外的信息或线索。但是，计算机如何实现从个别到一般或从部分到整体或从过去到未来这一飞跃却是长期困扰着众多人工智能学者的问题。因为人类在归纳过程

4、中所实现的“这一飞跃”是自然而然地来到的。计算机要在既无常识，又无经验（直觉就更无从谈起）的情况下，单纯依靠人们输入其内部的、有限的知识来完成这一飞跃过程，着实是存在着许多困难的。退一步说，即使计算机能够完成这一飞跃，所得结论的有效性程度仍然是令人担忧的，因为计算机甚至不能识别一些常识性的错误。归纳已被称之为“哲学丑闻”。为了使之不至于成为人工智能领域中的“丑闻”，逻辑学家和人工智能学者对于归纳推理的深入研究迫在眉睫。　　2、通过类比的学习类比推理是人类理解、学习甚至发现新的概念、理论，并能利用过去成功的经验来解决新问题的重要的逻辑手段。由于它能以最小的能量消耗获取最大的信息，因而在

5、某种程度上，我们可以把它看作比归纳更为重要的认知技能。随着人工智能科学研究的不断深入，其研究重点最终势必会转到类比推理上来。类比推理在计算机系统中的实现具有重要意义。我们知道，一个专家系统或决策系统内部所贮存的经验知识的数量总是有一定限度的，而在系统中，这种经验知识的多少及优劣又往往起着决定性的作用。在这种情况下，如果计算机能够运用类比的方法进行内学习，那么该系统就能够象某一领域的专家能够成功地将过去的经验最大限度地转换为解决新问题的知识一样，借助于知识新、老问题中的相似性并从别的知识库中调用有关知识来处理新问题。这无疑在很大程度上提高计算机解决问题的能力，扩展专家系统的适用范围。一

6、句话，使得计算机的操作技能得到改善。然而，由于类比推理的复杂性，逻辑学界及人工智能工作者等关于类比的研究才刚刚展开，许多问题，诸如“相似性究竟是什么？”“机器如何识别相似性？”“如何从相似的知识库中调用相关的知识以及如何运用它们去完成想要执行的任务”等等都是令人困惑的问题。到目前为止，计算机通过类比的学习还停留在非常原始的阶段上，它大致只能进行三个方面的应用：(A)几何图形的类比：这是人类在幼年时期就能完成的智能活动，而它在计算机中的应用也颇为复杂。必须通过对所给的源图中的各个子图的位置关系及源图的下一个图转换的规则等的详尽描述，才能使计算机构造出正确的终图。可以说，这类问题的解决完

7、全取决于描述的粗细程度。(B)概念类比：对于这类问题，计算机目前的处理方法还是以直接传递为主，即将类比前项中的概念机械地迁移到类比后项中去。至于哪些属性是可以传递的，哪些不能传递，传递过程是否需要加以修改等还是正在研究中的问题。(C)问题求解：计算机运用类比进行问题求解，这一功能具有很强的实用价值。但一些难以解决的问题是，如何使机器能尽可能多地储存知识以扩展它类比的范围以及如何才能使计算机进行有效的相似判断而不致于犯机械类比的错误。在这两个方面，目前研究进