人工智能可以看作是对人类智能现象的模拟。人的智能，具有抽象、总结、记忆知识的能力。在第二章中，我们介绍的知识表示方法，就是对人类智能这种能力的模拟。关于知识表示方法的研究贯穿了 AI 研究历史，可以说是 AI 研究的基础。
• 但是，仅让计算机具有表示和存储知识的能力是远远不够的，要想模拟智能现象，还需要研究如何让计算机使用知识，即让计算机学会“思考”。
• 那什么是思考呢？或者说，人类智能思考表现出来是什么样子的呢？

推理与人工智能
对此，学者们普遍认为逻辑和推理是智能思维的一种重要表现形式，研究如何使计算机能够进行“逻辑思维”，就成为人工智能研究的重点之一。
在达特茅斯会议上，西蒙和纽厄尔带来的“逻辑理论家” 程序，可以自动证明《数学原理》重的几十个定理。

此后定理证明成为人工智能的重要分支，引领了符号主义和逻辑智能的发展。
因此，在本章中，我们沿着自动推理的研究脉络，依次来介绍确定性推理、不确定性推理的典型方法。

什么是推理？
• 首先呢，我们既然讲推理，就先定义一下推理。所谓推理，就是从初始证据出发，按照某种策略，不断运用知识库中已有的知识，逐步匹配，直到推出结论的过程。
• 根据以前介绍的内容，我们不难发现，所谓“初始证据”，就是“事实集”，而知识库则是使用一阶谓词或者产生式等方式表示的知识。因此，自动推理的核心问题，就是如何在以上条件下，以什么养的推理策略来将推理过程自动化。
• 回到 AI 的核心思想：我们要实现对人类智能的模拟。因此我们首先来看人是如何推理的。

推理的类型
• 从类型角度出发，逻辑推理有两种主要类型：归纳和演绎。
• 归纳是从特殊到一般，是从若干事例中总结出普遍规律的过程；如数学中的归纳证明法，生活中的规律总结等。
• 演绎是从一般到特殊，是用已知规律推断或预测个别事例的过程；如三段论：
–大前提：运动员的身体都很强壮；
–小前提：小张是一个运动员；
–结论： 小张的身体很强壮。

推理的方向
 除了推理类型，在完成一个证明时，我么还要考虑推理的方向。即，正向推理、反向推理。
 正向推理：从已知的事实命题出发，采用逻辑推理规则，与知识库中的知识匹配，产生新的事实，直至结论出现在事实集中。正向推理，每前进一步总能得到“新的知识”。如果我们要证明的知识恰
好被推出，则证明完成。

与正向推理相反的，就是反向推理。反向推理以某个假设目标作为出发点，来展开推理。
• 其基本思路是：首先选定一个假设目标，然后寻找使该目标成立的证据事实，如果所需的证据事实都能找到，则目标成立。否则，向前推进一步，将当前所需的证据事实作为新的假设，继续推理。

推理的确定性
• 推理的第三个特征，也是最复杂的，是推理的确定性。
– 确定性推理：推理时，所有知识和证据都是确定非真即假的，没有第三种情况；则此时推理结论也是确定结论，非真即假。
– 如数学定理证明，通常都是确定性证明。
– 不确定性：反之，推理用到的知识和证据存在不确定，此时推出的结论也是不确定的，通常是成立的可能性。
– 如天气预报中的“明天降水概率”，就是个不确定的推理结论。