人工智能中的推理

本文概述

• 推理
• 推理类型

在先前的主题中，我们学习了人工智能中知识表示的各种方法。现在，我们将学习使用不同的逻辑方案根据这些知识进行推理的各种方法。

推理

推理是从逻辑上得出结论并根据可用的知识，事实和信念做出预测的心理过程。或者我们可以说：“推理是从现有数据推断事实的一种方式。”寻求有效结论是理性思考的一般过程。

在人工智能中，推理至关重要，因此机器还可以像人的大脑一样理性地思考，并可以像人一样运转。

推理类型

在人工智能中，推理可以分为以下几类：

• 演绎推理
• 归纳推理
• 归纳推理
• 常识推理
• 单调推理
• 非单调推理

注意：归纳和演绎推理是命题逻辑的形式。

1.演绎推理：

演绎推理从逻辑上相关的已知信息中推论出新信息。这是有效推理的形式，这意味着当前提为真时，论点的结论必须为真。

演绎推理是人工智能中的命题逻辑的一种，它需要各种规则和事实。它有时被称为自上而下的推理，与归纳推理相矛盾。

在演绎推理中，前提的真实性保证了结论的真实性。

演绎推理主要从一般前提到具体结论，可以通过下面的例子进行解释。

例：

前提1：所有人都吃蔬菜

前提2：Suresh是人类。

结论：Suresh吃蔬菜。

演绎推理的一般过程如下：

2.归纳推理：

归纳推理是通过概括过程使用有限的事实集得出结论的一种推理形式。它从一系列特定的事实或数据开始，直至得出一般性陈述或结论。

归纳推理是命题逻辑的一种，也称为因果推理或自下而上的推理。

在归纳推理中，我们使用历史数据或各种前提来生成通用规则，前提支持结论。

在归纳推理中，前提为结论提供了可能的支持，因此前提的真实性不能保证结论的真实性。

例：

前提：我们在动物园看到的所有鸽子都是白色的。

结论：因此，我们可以预期所有鸽子都是白色的。

3.归纳推理：

归纳推理是一种逻辑推理的形式，它始于单个或多个观察，然后试图找到最可能的解释或结论。

归纳推理是演绎推理的扩展，但是在归纳推理中，前提并不能保证结论。

例：

暗示：如果下雨，板球场是湿的

公理：板球地面是湿的。

结论下雨了。

4.常识推理

常识推理是一种非正式的推理形式，可以通过经验获得。

常识推理模拟了人类对每天发生的事件做出假设的能力。

它依赖于良好的判断力而不是确切的逻辑，并且基于启发式知识和启发式规则进行操作。

例：

1. 一个人可以一次在一个地方。
2. 如果我将手放在火中，那么它将燃烧。

以上两个陈述是人脑可以轻松理解和假定的常识推理示例。

5.单调推理：

在单调推理中，一旦得出结论，即使将一些其他信息添加到知识库中的现有信息中，结论也将保持不变。在单调推理中，添加知识不会减少可派生的介词集。

要解决单调问题，我们只能从可用事实中得出有效结论，而不会受到新事实的影响。

单调推理对实时系统没有用，因为实时情况下事实会发生变化，因此我们不能使用单调推理。

在传统的推理系统中使用单调推理，而基于逻辑的系统是单调的。

任何定理证明都是单调推理的一个例子。

例：

• 地球围绕太阳旋转。

这是事实，即使在知识库中添加“月亮绕地球旋转”或“地球不圆”之类的知识，也无法更改。

单调推理的优点：

• 在单调推理中，每个旧的证明将始终保持有效。
• 如果我们从可用事实中推断出一些事实，那么它将永远有效。

单调推理的缺点：

• 我们不能使用单调推理来代表现实世界场景。
• 假设知识不能用单调推理来表示，这意味着事实应该是真实的。
• 由于我们只能从旧的证据中得出结论，因此无法添加来自现实世界的新知识。

6.非单调推理

在非单调推理中，如果我们在知识库中添加更多信息，则某些结论可能无效。

如果通过在我们的知识库中添加更多知识可以使某些结论无效，那么逻辑将被称为非单调的。

非单调推理处理不完整和不确定的模型。

“人们对日常生活中各种事物的看法”是非单调推理的一般示例。

示例：假设知识库包含以下知识：

• 鸟儿会飞
• 企鹅不能飞
• 皮蒂是一只鸟

因此，从以上句子中，我们可以得出结论，皮蒂可以飞翔。

但是，如果我们在知识库中添加另一句“ Pitty是企鹅”，得出的结论是“ Pitty无法飞行”，则上述结论无效。

非单调推理的优点：

• 对于机器人导航等现实系统，我们可以使用非单调推理。
• 在非单调推理中，我们可以选择概率事实或可以做假设。

非单调推理的缺点：

• 在非单调推理中，可以通过添加新句子来使旧事实无效。
• 它不能用于定理证明。