- 相關(guān)推薦
邏輯學(xué)在人工智能中的應用論文
人工智能主要研究用人工方法模擬和擴展人的智能，最終實(shí)現機器智能。人工智能研究與對人的思維研究密切相關(guān)。邏輯學(xué)始終是人工智能研究中的基礎科學(xué)問(wèn)題，它為人工智能研究提供了根本觀(guān)點(diǎn)與方法，而且人工智能只能使用數學(xué)（符號）化的邏輯，所以筆者僅限于研究數理邏輯在人工智能中的應用問(wèn)題。
一、邏輯學(xué)為人工智能學(xué)科的誕生提供理論基
智能和邏輯是同源的，它們從不同的側面研究同一個(gè)問(wèn)題，因而人工智能的誕生與邏輯學(xué)的發(fā)展是密不可分的。
古希臘哲學(xué)家亞里士多德（Aristotle)在《工具論》中提出了形式邏輯和演繹法，創(chuàng )立了邏輯學(xué)。12世紀末13世紀初，西班牙邏輯學(xué)家羅門(mén)?盧樂(lè )(RomenLuee)提出了制造可解決各種問(wèn)題的通用邏輯機，初步揭示了人類(lèi)思維與計算可同一的思想。17世紀，英國哲學(xué)家和自然科學(xué)家培根(F.Bacon)在《新工具》（1620)中提出了歸納法。隨后，德國數學(xué)家和哲學(xué)家萊布尼茲（G.W.Leibniz)改進(jìn)了帕斯卡(B.Padcal)的加法數字計算器，做出了四則運算的手搖計算器，并提出了“通用符號”和“推理計算”的思想，使形式邏輯符號化，可以說(shuō)，這是“機器思維”研究的萌芽。
19世紀，英國數學(xué)家布爾(G.Boole)創(chuàng )立了布爾代數，他在《思維法則》(1847)—書(shū)中，第一次用符號語(yǔ)言描述了思維的基本推理法則，真正使邏輯代數化。布爾系統奠定了現代形式邏輯研究的基礎。德國數學(xué)家弗雷格(GottlobFrege)完善了命題邏輯，并在《算術(shù)基礎》（1884)中創(chuàng )建了一階謂詞演算系統。這種形式系統在創(chuàng )建人工智能的知識表示和推理理論中起到了非常重要的作用。意大利數學(xué)家皮亞諾(G.Peano)在《算術(shù)原理:新的論述方法》（1889)—書(shū)中也對算術(shù)系統進(jìn)行了公理化研究。懷特海(A.N.Whitehead)和羅素（B.A.W.Russel)合著(zhù)的《數學(xué)原理》（1910—1913)，從純形式系統的角度(機械角度）來(lái)處理數學(xué)推理的方法，為數學(xué)推理在計算機上的自動(dòng)化實(shí)現奠定了理論基礎。他們開(kāi)發(fā)的邏輯句法和形式推理規則是自動(dòng)定理證明系統的基礎，也是人工智能的理論基礎。塔斯基(AlfredTaraki)創(chuàng )立了指涉理論，在《真理的語(yǔ)義概念和語(yǔ)義基礎》(1944)中對形式系統語(yǔ)義的深入研究，進(jìn)一步豐富了邏輯語(yǔ)義學(xué)。
20世紀，哥德?tīng)枺↘urtFriedrichG.del)在《論〈數學(xué)原理〉及其相關(guān)系統的形式不可判定命題》(1931)中，對一階謂詞完全性定理與N形式系統的不完全性定理進(jìn)行了證明。這些研究成果揭示了機械的與非機械的思維活動(dòng)的基本性質(zhì)，論證了形式系統的邏輯標準和局限性。在此基礎上，克林（S.C.Kleene)對一般遞歸函數理論作了深入的研究，丘奇(A.Church)建立了e演算理論。在《關(guān)于可計算的數及其對判定問(wèn)題的應用》(1937)—文中,英國數學(xué)家圖靈(A.M.Turing)建立了描述算法的機械性思維過(guò)程，提出了理想計算機模型(即圖靈機）,創(chuàng )立了自動(dòng)機理論，奠定了整個(gè)計算機科學(xué)的理論基礎。這些都為1945年匈牙利數學(xué)家馮?諾依曼（JohnVonNeumann)提出存儲程序的思想和建立通用電子數字計算機的馮?諾依曼型體系結構，以及1946年美國的莫克利(J.W.Mauchly)和�？颂�(J.P.Eckert)成功研制世界上第一臺通用電子數學(xué)計算機ENIAC作出了開(kāi)拓性的貢獻。
以上經(jīng)典數理邏輯的理論成果，為1956年人工智能學(xué)科的誕生奠定了堅實(shí)的邏輯基礎。
二、邏輯學(xué)應用于人工智能學(xué)科的研究
邏輯方法是人工智能研究中的主要形式化工具,邏輯學(xué)的研究成果不但為人工智能學(xué)科的誕生奠定了理論基礎,而且它們還作為重要的成分被應用于人工智能系統中。
(一）經(jīng)典邏輯的應用
人工智能誕生后的20年間是邏輯推理占統治地位的時(shí)期。這期間主要研究的是一些可以確切定義并具有良性的確定性難題,經(jīng)典數理邏輯和啟發(fā)式搜索在其中發(fā)揮了關(guān)鍵的作用。但是，同數學(xué)方法一樣,在邏輯方法中也存在著(zhù)算法危機。例如，1930年，海伯倫證明了一階謂詞演算是半可判定的，海伯倫定理奠定了推理算法的理論基礎。1965年,魯賓遜(J.A.Robinson)以此為基礎，提出了一階謂詞邏輯的消解原理,大大簡(jiǎn)化了海伯倫定理的判定步驟,使推理算法達到了可實(shí)用的程度。但對復雜的數學(xué)定理,則必須弓I人數學(xué)專(zhuān)家的啟發(fā)式經(jīng)驗知識,否則就會(huì )導致嚴重的“組合爆炸”。
1956年,紐厄爾（A.Newell)、西蒙（H.A.Simon)等人編制的“邏輯理論機”數學(xué)定理證明程序（LT)，使機器邁出了邏輯推理的第一步。1963年，經(jīng)過(guò)改進(jìn)的LT程序可以證明《數學(xué)原理》第2章中的全部52條定理。在此基礎之上，紐厄爾（A.Newell)和西蒙(H.A.Simon)編制了通用問(wèn)題求解程序（GPS),開(kāi)拓了人工智能“問(wèn)題求解”的一大領(lǐng)域。GPS可解決不定積分、三角函數、代數方程、猴子與香蕉問(wèn)題、河內塔問(wèn)題、傳教士問(wèn)題、人羊過(guò)河問(wèn)題等11類(lèi)不同類(lèi)型的問(wèn)題。雖然這使啟發(fā)式程序有了較大的普遍應用性，但由于海量知識庫的難以建立及其與快速搜索之間存在的矛盾,GPS并不能解決所有的問(wèn)題。
經(jīng)典數理邏輯只是數學(xué)化的形式邏輯，它排除了一切形式的不確定性、矛盾和演化,只研究確定性問(wèn)題’所以只能滿(mǎn)足人工智能的部分需要。當人工智能模擬人在經(jīng)驗科學(xué)中的思維或日常思維時(shí)，經(jīng)典邏輯就不適用了，因而必須尋求不同于經(jīng)典邏輯的方法來(lái)解決。
(二）非經(jīng)典邏輯的應用
1.不確定性的推理研究人工智能要進(jìn)行人腦的智能模擬,它的難點(diǎn)不在于人腦所進(jìn)行的各種必然性推理，而是最能體現人的智能特征的能動(dòng)性、創(chuàng )造性等不確定性的思維。因此，必須著(zhù)重研究人的思維中最能體現其能動(dòng)性特征的各種不確定性推理。
人工智能發(fā)展了用數值的方法表示和處理不確定的信息，即給系統中每個(gè)語(yǔ)句或公式賦一個(gè)數值，用來(lái)表示語(yǔ)句的不確定性或確定性U]。比較具有代表性的有：1976年杜達(R.D.Duda)提出的主觀(guān)貝葉斯模型，1975年肖特里夫（E.H.Shortliffe)提出的確定性模型，1978年查德（L.A.Zadeh)提出的可能性模型，1981年巴內特(J.A.Barnett)引人專(zhuān)家系統的證據理論模型，1984年邦迪（A.Bundy)提出的發(fā)生率計算模型，以及假設推理、定性推理和證據空間理論等經(jīng)驗性模型。
對歸納推理、類(lèi)比推理等不確定性推理的研究，在專(zhuān)家系統中都有廣泛的應用，可實(shí)現機器內學(xué)習，達到“機器創(chuàng )造”的目的。歸納邏輯是關(guān)于或然性推理的邏輯。1921年，凱恩斯（J.M.Keynes)把概率理論與歸納邏輯結合起來(lái),建立了第一個(gè)概率邏輯系統，標志著(zhù)現代歸納邏輯的產(chǎn)生。在人工智能中，可把歸納看成是從個(gè)別到一般的推理。借助這種歸納方法,計算機不僅可以自動(dòng)獲得新概念以“增長(cháng)”知識,而且也能夠證實(shí)已有的理論并發(fā)現新的理論。在一個(gè)專(zhuān)家系統或決策系統中,其內部貯存的經(jīng)驗知識的數量是有限的,而運用類(lèi)比的方法,計算機就可以通過(guò)新、老問(wèn)題的相似性,從相應的知識庫中調用有關(guān)知識來(lái)處理新問(wèn)題。文斯通（Winston)提出的類(lèi)比理論、根特內（Gentner)的結構映射理論(SM)、霍羅亞克（Holyoak)和山迦爾德（Thagamd)的類(lèi)比約束映射機(AC-ME)都是類(lèi)比推理較成熟的理論模型和實(shí)驗性系統。
2.不完全信息的推理研究知識是人類(lèi)智能的基礎，因而也是人工智能研究的一個(gè)核心問(wèn)題。人腦與機器智能的差別就在于人腦能夠運用不精確的、非定量的、模糊的知識信息進(jìn)行思維活動(dòng)。常識知識和專(zhuān)家知識都是經(jīng)驗性知識，都具有不完全性和不精確性，而現在的計算機是建立在精確科學(xué)和二值邏輯的基礎上的。因此,在處理常識表示和常識推理時(shí),經(jīng)典邏輯就顯得無(wú)能為力。
常識推理是一種非單調邏輯,即人們基于不完全的信息推出某些結論，當人們得到更完全的信息后，可以改變甚至收回原來(lái)的結論。非單調邏輯可處理信息不充分情況下的推理。人工智能若要在日常應用領(lǐng)域實(shí)現良好的推理特性，就必須從日常推理中抽象出一個(gè)較為完善的非單調系統。20世紀80年代，賴(lài)特（R.Reiter)的缺省邏輯、麥卡錫(JohnMcCarthy)的限定邏輯、麥克德莫特（D.McDe-mott)和多伊爾(J.Doyle)建立的NML非單調邏輯推理系統、摩爾(R.C.Moore)的自認知邏輯都是具有開(kāi)創(chuàng )性的非單調邏輯系統。常識推理也是一種可能出錯的不精確的推理，是在容許有錯誤的知識的情況下進(jìn)行的推理，即容錯推理。
弗協(xié)調邏輯是由普里斯特（Priest)、達?科斯塔(N.C.A.daCosta)等人在對悖論的研究中發(fā)展起來(lái)的,是關(guān)于從矛盾中不能推出一切的理論。弗協(xié)調邏輯限制或者否定了經(jīng)典邏輯中矛盾律的作用，能夠容納矛盾，但又認為從矛盾不能推出一切,不允許矛盾任意擴散,以免導致系統成為“不足道的”。在人工智能領(lǐng)域的研究中，由于計算機處理的信息范圍日益擴大，系統的知識庫需要包含從與領(lǐng)域有關(guān)的常識性知識到原理知識、經(jīng)驗性知識、元知識等多層次的知識,知識庫規模的增大會(huì )導致各種不協(xié)調的情況,弗協(xié)調邏輯則可為解決這類(lèi)問(wèn)題提供強有力的工具。
此外,多值邏輯和模糊邏輯也已經(jīng)被引人到人工智能中來(lái)處理模糊性和不完全性信息的推理。多值邏輯是具有多個(gè)命題真值的邏輯,它是對傳統的二值邏輯的重大突破。多值邏輯的三個(gè)典型系統是克林(S.C.Kleene)、盧卡西維茲(J.Lukasiewicz)和波克萬(wàn)（D.Bochvar)的三值邏輯系統。它們可以作為人類(lèi)程序行為的邏輯基礎,這種程序行為是智能的，它可以用系統化的方式來(lái)收集關(guān)于環(huán)境的知識。模糊邏輯是研究模糊概念、模糊命題和模糊推理的邏輯理論W，其真值域是0到1上的連續區間，可以應用到人工智能專(zhuān)家系統、自動(dòng)控制、智能決策等眾多領(lǐng)域。它的研究始于20世紀20年代盧卡西維茲(J.Lukasiewicz)的研究。1972年，扎德（L.A.Zadeh)提出了模糊推理的關(guān)系合成原則，現有的絕大多數模糊推理方法都是關(guān)系合成規則的變形或擴充。
三、結語(yǔ)
目前,關(guān)于非單調邏輯、類(lèi)比邏輯、多值邏輯和模糊邏輯等非經(jīng)典邏輯的研究才剛剛起步,許多制約人工智能發(fā)展的因素仍有待于解決，因而在人工智能某些方面的研究進(jìn)展還比較緩慢,這些技術(shù)上的突破，還有賴(lài)于邏輯學(xué)研究上的突破。正如皮亞杰所認為的那樣,關(guān)于智能的科學(xué)最終要依賴(lài)邏輯學(xué)。在對人工智能的研究中，我們只有重視邏輯學(xué)，努力學(xué)習與運用并不斷深人挖掘其基本內容，拓寬其研究領(lǐng)域,才能更好地促進(jìn)人工智能學(xué)科的發(fā)展。
【邏輯學(xué)在人工智能中的應用論文】相關(guān)文章：
多媒體在幼兒教學(xué)中的應用論文12-13
攝影在平面設計中的應用論文12-15
生活中電子技術(shù)的應用論文12-12
水利工程在農業(yè)環(huán)保中的應用論文12-14
新材料在建筑施工中的應用論文12-12