人工智能导论

孔德川

目录

  • 第一周
    • ● 第一讲  什么是人工智能
    • ● 第二讲  人类的智能
    • ● 第三讲  人类的智能是如何产生的?
  • 第二周
    • ● 第四讲  人工智能起源
    • ● 第五讲  图灵:人工智能之父
  • 第三周
    • ● 第六讲 达特茅斯会议
    • ● 第七讲  人工智能的发展历程
  • 第四周
    • ● 第八讲  让人惊讶的AI
    • ● 第九讲  人工智能的风险
  • 第五周
    • ● 第十讲  基于知识的人工智能
    • ● 第十一讲  基于学习的人工智能
  • 第六周
    • ● 第十二讲  机器学习基本流程
    • ● 第十三讲  机器学习的方法和策略
  • 第七周
    • ● 第十四讲  人工神经网络
    • ● 第十五讲  深度学习
  • 第八周
    • ● 第十六讲  人工智能典型应用1
    • ● 第十七讲  人工智能典型应用2
  • 第九周
    • ● 第十八讲  人工智能典型应用3
    • ● 第十九讲  人工智能典型应用4
  • 第十周
    • ● 第二十讲  人工智能典型应用5
    • ● 第二十一讲  人工智能典型应用6
  • 第十一周
    • ● 第二十二讲  人工智能典型应用7
    • ● 第二十三讲  人工智能典型应用8
  • 第十二周
    • ● 第二十四讲  人工智能典型应用9
    • ● 第二十五讲  人工智能典型应用10
  • 第十三周
    • ● 第二十六讲  人工智能典型应用11
    • ● 第二十七讲  人工智能典型应用12
  • 第一章 绪论
    • ● 1.1人工智能的概念
    • ● 1.2人工智能发展简史
    • ● 1.3人工智能发展现状和趋势
    • ● 1.4课程定位及要求
  • 第二章 知识表示
    • ● 2.1知识表示概述
    • ● 2.2一阶谓词逻辑知识表示
    • ● 2.3产生式知识表示
    • ● 2.4框架知识表示
    • ● 专家讲座:知识表示与推理
  • 第三章 自动推理与专家系统
    • ● 3.1引言
    • ● 3.2确定性推理
    • ● 3.3不确定性推理
    • ● 3.4专家系统简介
  • 第四章 知识图谱
    • ● 4.1知识图谱概念和历史
    • ● 4.2经典的知识图谱
    • ● 4.3知识图谱的应用
  • 第五章 搜索技术
    • ● 5.1引言
    • ● 5.2状态空间图模型
    • ● 5.3盲目搜索方法
    • ● 5.4启发式搜索方法
    • ● 5.5博弈搜索
  • 第六章 群智能算法
    • ● 6.1引言
    • ● 6.2遗传算法
    • ● 6.3蚁群算法
  • 第七章  机器学习
    • ● 7.1 引言
    • ● 7.2 监督学习
    • ● 7.3 无监督学习
    • ● 7.4 弱监督学习
    • ● 7.5 强化学习
  • 第八章  人工神经网络与深度学习
    • ● 8.1 引言
    • ● 8.2 感知器算法
    • ● 8.3 前馈神经网络与BP算法
    • ● 8.4 卷积神经网络
2.4框架知识表示

什么是“框架”

• 比如我们要描述关于“上课”的知识。我们上过许多课,在这些课中,我们可抽象出许多上课的要素:

– 首先是上课的时间、地点、班级、科目、教师。

– 然后还能想到,上课还涉及到讲台、课桌、投影仪、音响设备。

– 还有可能涉及到教学活动,比如回答问题、交作业等等。

• 最终这些知识相互关联,形成对上课的“整体认识”,这就是框架。

52

什么是“框架”

• 有了关于上课的框架,我们可以写一张表,如:

• 当我们面临一门新的课程时候,我们就可以直接调用这个框架,将新课程的要素填充到框架中,就形成对新课程的认知。

XXX课程

课程属性:时间:

                教室

                科目

                 教师

设备要求:话筒

                 投影

                 计算机

教学活动:提问

                 交作业

53

框架的概念

• 可以看出,框架理论是一种结构化的知识表示方法,可以描述关于实体、概念、事件的属性。

• 框架理论使用层次化结构表达知识:

– 框架(frame)的顶层是固定的,表示固定的概念、对象或事件。

– 每个框架由若干槽(slot)组成,其中可填入具体值,以描述具体事物特征。

– 每个槽可有若干侧面(faces),对槽补充说明。

– 约束条件:对每个槽、侧面的属性值做约束说明

– 框架间关联:当前框架与知识库中其他框架的关联,如“自行车”框架是属于“交通工具”框架的。

54

框架的结构

• 我们把框架的结构一般化,如下图: <框架名> 槽名1: 侧面名 11: 值111,值112 约束条件… 侧面名 12: 值121,值122 侧面名 13: 值131,值132 侧面名 14: … 槽名2: 侧面名 21: 值211,值212 侧面名 22: … 侧面名 23: … 槽名3: 侧面名 31: 值311,值312 侧面名 32: … 侧面名 33: … … … … 关联框架: <框架名1, 关系>,<框架名2,关系> …

55

例2.7 建立教师框架

• 下面我们通过一些例子来说明框架表示知识的过程。

• 比如我们要建立关于教师的框架

• 首先设计描述教师的属性,如姓名、年龄、单位等

• 然后设计各个属性的约束条件

• 然后设计教师与其他框架之间的关联,

• 最后可以得到如下框架:

56

例2.7 建立教师框架

• 最后可以得到如下框架:
      <教师> 姓名: 王兵 字符串
                  年龄: 34 数字
                   性别: 男 男/女
                  工作单位: 计算机系 字符串
                   职称 讲师 助教/讲师/副教授/教授
                  学历 博士 本科/硕士/博士
                  关联框架: <教职工,属于>

57

例2.8 建立框架库

• 一个完整的框架库,往往包含许多框架,框架之间存在从属关系,如下面的自然灾害框架库:

58

典型的框架知识库:FrameNet

• FrameNet(https://framenet.icsi.berkeley.edu/fndrupal)

• 是目前最著名的语义知识框架库,由加州大学伯克利分校主持构建,旨在建立通用的语义知识库。目前该框架库中包括了1200多个语义框架,设计13000多个语义单元,并提供超过200万个标注框架的例句,广泛应用于信息提取,机器翻译,事件识别,情感分析等应用。

59

小结

• 至此,我们介绍了框架的基本概念和例子。

• 回顾一下本章的主题:知识表示。我们首先介绍了一阶谓词逻辑的知识表示形式,针对一阶谓词中的问题,进行扩展,我们得到了基于产生式的知识表示形式。

• 进一步,针对产生式的关联性弱的问题,我们介绍了基于框架的知识表示。

• 上述三种方法,从形式上来说,都依赖于人工编写知识,而且多是条目性、规则性的,因此统称为基于规则的知识表示方法。

• 在人工智能研究的早期,这种人工建立的规则知识库配合自动推理方法,在求解许多问题上取得了卓越的成绩。知识库与推理机,也成为当时研究的主流问题。下一章,我们将介绍几种经典的推理方法。