另一个引起广泛关注的方案是语义网[34]，它非常直观、自然，在当今社会，也经常被重新定义——事实上，如果让你去发明一个知识表述方案，我认为你很有可能做出类似的产品。图7展示了一个简单的语义网，它代表了有关我的一些知识(我的出生日期、居住地、性别和下一代)以及一些世界性常识(比如：女人首先是人，大教堂既是一座建筑又是一个礼拜场所等)。
图7 一个简单的语义网，包含我的个人信息、子女信息和居住信息
在以知识为基础的人工智能兴起时，似乎每一个人都有自己的知识表述方案，而且跟其他人的不兼容。
虽然专家系统事实上的知识表述方式是基于规则的，但在知识表述方面，研究人员仍然有不少困扰。其中之一就是规则太简单，无法获取复杂环境下的相关知识。比如MYCIN系统的规则就不适用于会随时间变化的环境，也不适用于多个用户(不管是人类还是人工智能)的环境，或者实际状态存在各种不确定性的环境。另一个问题是，用于专家系统获取知识的各种方案似乎都有些武断，研究人员希望能了解专家系统中的知识实际上意味着什么，并确保系统进行的推理是可靠的。简而言之，他们想为基于知识的专家系统提供合适的数学基础。人工智能研究人员德鲁·麦克德莫特(DrewMcDermott)在1978年撰写的一篇文章中总结了这些问题，并称之为“无意指不表达”[35]，“对一个系统而言，正确性固然是重中之重，”他写道，“让人能理解它，也是十分关键的。”
20世纪70年代末就开始出现相关的解决方案，即使用逻辑作为知识表述的统一方案。为了理解逻辑在基于知识的系统中所扮演的角色，我们有必要了解一些逻辑的知识，以及它如何作用于系统。逻辑学的发展是为了理解推理，特别是区分好的(完备的)推理和坏的(不完备的)推理。让我们看一些推理方面的例子，包括完备和不完备的。
凡人终有一死；
艾玛是凡人；
所以，艾玛终有一死。
这就是典型的三段论逻辑推理的模式，我想你会同意这里的逻辑推理是完全合乎情理的：如果所有的人类都是凡人，终有一死，而艾玛是人类之一，所以她也是凡人，也终有一死。
我们继续看下一个例子：
所有的教授颜值都高；
迈克尔是一名教授；
所以迈克尔是位帅哥。
很显然，教授们倒是很乐意相信这个结论。然而，从逻辑的角度来看，这个推论也是没有什么错误的：事实上，从推论本身来看，它完全正确。如果真的所有教授颜值都很高的话，迈克尔是一名教授，那么得出他是帅哥的结论就完全合乎情理。逻辑并不关心你一开始的陈述是否真实(即前提是否真实)，只关心你使用的模式和得出的结论是否合理。当然，那是在承认这个前提的基础上。
接下来我们看一个不完备的推理：
所有学生都努力学习；
索菲是一名学生；
所以索菲很有钱。
这个推理就是错误的，因为仅仅依靠前两个前提就得出索菲有钱的结论是不合理的。索菲有可能很富有，但这不是重点，重点在于你不能从给定的前提得出这个结论。
所以，逻辑是有关推理模式的，上述的例子所示的三段论也许是最简单有用的逻辑推理案例。逻辑告诉我们怎样正确地从前提中得出结论，这个过程被称为演绎。
三段论是古希腊哲学家亚里士多德(Aristotle)提出的，1000多年以来，三段论为逻辑分析提供了主要框架。然而，它能展示的逻辑推理形式十分有限，不适合许多复杂形式的论证。从很早开始，数学家就对理解推理的通用原理有着浓厚兴趣，因为数学的根本性问题都是有关推理的：数学家的工作就是从现有的知识中获取新的知识，换句话说，就是进行推理和演绎。到了19世纪，数学家们普遍对他们的工作原理感到困惑。他们想知道，到底什么是真实的？我们怎样证明数学论证是合理的推论呢？我们怎么确定1 + 1 = 2是正确的？
哦豁，小伙伴们如果觉得倾城文选不错，记得收藏网址 或推荐给朋友哦~拜托啦 (>.<)
传送门： 人工智能全传 人工智能全传 电子书 人工智能全传下载