《人工智能》知识表示与推理(二).pptVIP

 主讲：夏幼明 逻辑Agent是基于知识的智能体，它采用推理过程来得到关于新世界的表示，并且用这些新表示推导下一步做什么。 逻辑Agent能够将常识和当前的感知结合起来，从而在选择行动之前推导出当前状态的隐藏部分。 逻辑Agent具有很好的灵活性，能够接受以明确描述目标的形式来表示的新任务，通过被告知或者主动学习环境的新知识从而快速获得能力，并可以通过更新相关知识来适应环境的变化。 逻辑Agent的核心构件是知识库（KB），它是一个语句的集合，这些语句表示了关于世界的某些断言，它的核心动作是推理——即从已有的语句中推导出新的语句，这也意味着推理过程不能虚构事实。 Function KB-Agent(percept) returns an action Static:KB, a knowledge base t, a couter, initially 0, indicating time Tell(KB, Make-Percept-Sentence(percept,t)) action := Ask(KB, Make-Action-Query(t)) Tell(KB, Make-Action-Sentence(action, t)) t := t+1 return action 转换问题：把现实世界转换成这个世界的准确恰当的符号表示。 表示和推理问题：用符号表示信息并且让Agent使用这种表示进行处理和推理。 前一个问题导出视觉、语音理解、学习等方面的工作。 后一个问题导出知识表示、自动推理、自动规划等问题。这些问题已做了大量工作，但无论从哪方面来说都还没有解决，如常识推理。 由多个房间组成，用通道连接起来的洞穴。在洞穴的某处隐藏着一只wumpus恶兽，它会吃掉进入它房间的任何人。智能体可以射杀wumpus，但是智能体只有一支箭。某些房间内有陷阱，任何除wumpus之外的人漫游到这些房间将被陷阱吞噬，房间中存在发现一堆金子的可能性。 ——Michael Genesereth最先提出 环境：4×4的房间网格，每次从[4,1]出发，面向右方。金子和wumpus的位置按均匀分布随机选择除了起始方格以外的方格。除了起始方格以外的任一方格都可能是一个陷阱，概率为0.2 执行器：智能体可以向前移动，左转90度或右转90度，如果它进入一个有陷阱或者wumpus的方格，将悲惨死去，如果智能体前方有一堵墙，那么向前移动无效。行动Grab可以用于捡起智能体所处方格内的一个物体。行动Shoot可以用于向智能体所正对的方向射出一支箭。在没有击中wumpus或者墙之前箭继续向前运动。智能体只有一支箭。 传感器：有五个传感器，每个提供一些单一信息 在wumpus所在之处以及直接相邻（非对角）的方格内，智能体能感知到臭气 在与陷阱直接相邻的方格内，智能体能感知到微风 在金子所处的方格内，智能体能感知到闪闪金光 当智能体撞到墙时，它感知到撞击 当wumpus被杀死时，它发出洞穴内的任何地方都可感知到的悲惨嚎叫 性能度量：拾到金子+1000，掉入陷阱或被wumpus吞噬-1000，每采用一个行动得-1，而用掉箭-10 用基于逻辑的方法构造Agent，做出决策就是演绎过程。（纯逻辑推理或理论推理）直接导致信念。 用于决策的特定的模型称为实用推理，实用推理是直接通过推理得到动作——描述出做什么动作的过程。 人类实用推理可由至少两个不同的行为组成： 决定想要达到什么状态；（慎思过程） 决定如何实现这些状态。（目的－手段推理） 我们所讲的意图指的是思维状态，特别是指未来的意图，即Agent有意图实现将来的某一状态。意图的特性： 预动性：意图将导致行动。 持续性：坚持意图并努力实现，但当产生意图的原因消失时也应该放弃意图。 一旦采纳了一个意图，这个意图具有的每个事实会约束将来的实用推理。 意图与未来的信念有密切关系。 手段－目的推理是使用已有的手段（即可以采取的动作）决定如何实现目标（即意图）的过程。 基于逻辑的方法优美并且（逻辑）语义清晰。 考虑到它理论的复杂性，关于复杂、动态的物理环境的表示和推理问题仍然是没有解决的基本问题。 不能满足构造运行在有时间约束环境中Agent的需要。 ④ 面向Agent的知识表示与推理 逻辑Agent——两关键问题 面向Agent的知识表示与推理 ④ 面向Agent的知识表示与推理 逻辑Agent例子——wumpus(恶魔)世界 面向Agent的知识表示与推理 臭气 陷阱 微风 金子 Agent 1 2 4 3 4 3 2 1 环境？ 执行器？ 传感器？ 性能度量？ ④ 面向Agent的知识表示与推理 逻辑Agent例子——wumpus(恶魔)世界 面向Agent的知识表示与推理 臭气 陷阱 微风 金子 Ag