知识表示方法

为了给AI系统提供必要的知识，国内外都建设了很多知识库系统，一般来说，AI系统为完成复杂任务（如疾病诊断、人机对话）而构建的一套表示相关知识的符号集合就是知识表示

常见的经典表示方法：

1. 框架（frame）
2. 语义网络（semantic network）
3. 产生式（production network）

框架

通过描述对象（事物）的属性而建立的一种知识表示，用以表示事物的属性、事物之间的类属关系、事物的特征与变异。

基本思想： 将各类事物的状态、属性、发展过程和相互关系存在的规律性（模式或套路）总结出来形成一种表示方式，在认识新事物时，可以类比地套用最相近的模式进行匹配，尽快地获得对新事物的全面认知。

框架表示的基本形式是<slot>-<value>，slot可以称为属性，相对应的value即为属性值，如果一个slot不足以表示复杂的属性，可以继续定义slot以下的框架，称之为侧面（facet）

框架的表示形式反映了人类认识事物的一种方法，即对事物的层级式分类，这种形式有助于推进人们对一个事务不断地深入认识。以下是框架的例子

框架名: 自然灾害
	slot1: 时间
	slot2: 地点
	slot3: 伤亡
		facet3.1: 死亡人数
		facet3.2: 失踪人数
	slot4: 损失
		facet4.1: 直接经济损失
		facet4.2: 间接经济损失

框架名: 大象
	所属类别: 哺乳动物
	拥有部分：象牙
	体型：大型

框架表示的主要特点为:

1. 每个框架都有框架名，框架名可以带参数，用于说明其中的某些属性
2. 每个框架有一组属性，每个属性称为一个slot，用于存放value
3. 每个slot有一定的数据类型，不同slot的类型不同
4. value可以说子框架调用，调用时可以带参数
5. 有些value可以事先确定，有些value则需要在生成实例时再给出
6. 生成value时需要满足一定条件，不同value间有时需要满足一定的约束条件

再举一个例子： ![[Pasted image 20220311210317.png]]

框架名: 立方体斜俯视图
	物体: 立方体
	视角: 斜俯视
	呈现形状: 六角形
	姿态: 平卧

调用框架: 面斜视图

框架名: 面X斜视图(y1,y2,y3,y4)
	物体: 矩形面
	视角: 斜俯视
	呈现形状: 平行四边形
	左上边: y1
	右上边: y2
	左下边: y3
	右下边: y4
	姿态: 直立/平卧

语义网络

语义网络作为一种只是表示形式，自二十世纪五十年代起就有研究者进行探索与改进。后来语义网络的形式又衍生出了知识图谱（knowledge graph） ![[Pasted image 20220311215141.png]]

产生式系统

也称为产生式规则系统，包含了一组描述行为的规则，用以表示知识单元之间大量存在的因果关系，常用于推理。 一个典型的产生式系统包含三个组成部分：

1. 产生式：一组产生式规则，每条规则分为前后件，其中前件是条件，后件是结论或者动作
2. 数据基：一个数据集合，用于存放在推理过程中的已知条件、推导出的中间结果和最终结论
3. 控制系统（推理引擎）：用于控制系统的运行，根据数据基中当前的数据，来选择合适的规则，不同的规则选择方法能构成不同的控制策略。

举个例子： 三个人参与猜帽子游戏，每个人看不到自己帽子的颜色，设帽子分为红白色，其中至少有一顶白色帽子，此时有个人抢答了。请问他是如何获胜的？

通过看别人头上的帽子颜色和别人的回答反应，来给出推断的规则。

Wumpus 怪兽世界

![[Pasted image 20220311220425.png]]

该游戏场景是4x4的，怪物会在周围格子发出臭味，陷阱的周围格子会有微风，玩家需要找到金子。当碰到怪兽/陷阱时就会失败，推理原理与扫雷相似