人工智能与船海工程：逻辑推理的优势和挑战

逻辑学属于哲学的一个分支，其本质内容是对思维规律进行研究。从狭义方面来讲，逻辑学是研究推理的科学，即给定前提和定理从而推出结论；从广义上来讲，逻辑学是研究思维方式和思维规律的科学。逻辑学的研究方法主要有归纳法和演绎法。归纳法是从观察现实世界出发，通过个别事务的验证和理论研究来产生一般性的结论或者规律。演绎推理又叫逻辑推理，是从一个合乎逻辑的关系或者理论出发，从而证实个别事务真实性，从而对个别事务做出判断。归纳法是从个别到一般，演绎法是从一般到个别。

人工智能最重要的研究内容就是模拟行为和思维，推理是人类最根本的一个思维能力。推理有时并不是建立在完全的确定性基础之上的，尤其是人类的推理，是一种可以从模糊的概念中抽象出大概率结论的方式。人工智能在逻辑推理方面的优势正是对不确定信息的处理。

经典逻辑学的推理前提是事实，所有的推理和判断都建立在事实基础上完成，但是大多数情况，并没有完备的事实来进行推理。经典逻辑推理适用于数学定理的证明，但是在解决其他问题时就会显得乏力了。

在处理不确定信息方面，可以采用数值方法来完成，较为成熟的理论有：贝叶斯法、确定性因数法和D-S证据理论法等。

（1）贝叶斯法

假设某个体有n项特征，现有m个类别，贝叶斯法可以计算出每个类别对应的概率，从而找出最大概率的那个类。(www.xing528.com)

贝叶斯法假设所有特征都彼此独立，虽然这一假设在现实中不太可能成立，但是它可以大大简化计算，而且有研究表明对分类结果的准确性影响不大。

（2）确定性因数法

确定性因数法是对每一个事实语句S赋予一个确定性量度FC，FC（S）在［－1，1］取值。如果已知S为真，则FC（S）＝1，已知S为假，则FC（S）＝－1，如果对S一无所知，则FC＜S为0，中间值表示语句确定或不确定的程度。这种方法的优点是概念清楚，计算复杂度低；但由于它是在一个具体的诊断专家系统中发展起来的，所以应用领域很窄。

（3）D-S证据理论法

D-S证据理论（Dempster-Shafer evidence theory）也称为D-S理论。1967年，哈佛大学Dempster首次提出了该理论［6］，利用上下限概率来解决多值映射问题，随后Dempster的学生G.Shafer对该理论做了进一步优化［7］，引入了信任函数来处理不确定性推理问题的数值方法，并且出版了《证据的数学理论》一书，标志着该理论的正式形成。现阶段，该理论已经应用到信息融合、专家系统、情报分析、法律案件分析、多属性决策分析等。D-S理论后来被其他学者进行了扩展和优化，Zadeh首先对D-S理论提出了质疑［8］，并提出了“Zadeh悖论”。Smets等给出了推理和决策双层结构的可传递信任模型（TBM）［9］，该模型中概率和信任函数相互独立，不确定性完全由信任函数来描述。