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。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。