3、逻辑与知识表示及人工神经网络基础

逻辑与知识表示及人工神经网络基础

1. 非单调推理

非单调推理的研究对逻辑和人工智能产生了重要影响，它源于对常识（实践）推理本质的捕捉。非单调推理产生了许多重要的形式化方法，其中最著名的有McCarthy的限定方法、Reiter的默认理论和Moore的自认知逻辑。

非单调推理用于处理常识或实践推理中的不完全信息。当有新信息出现时，一些结论可能不再成立而需要撤回。例如，当得知Tweety是一只鸟时，我们会得出它能飞的结论；但如果后来发现Tweety是一只企鹅，就会撤回这个结论，这种逻辑应用称为信念修正，显然是非单调的。

研究非单调逻辑系统的一种方法是分析其后果关系所满足的性质。推理关系的一个强性质是单调性，即如果Γ ⊢Ψ ，那么Γ ∪δ ⊢Ψ 。否定为有限失败规则和封闭世界假设（CWA）在推导负文字时会引入非单调性。以预订航班为例，若旅行社数据库中没有从伦敦到阿雷格里港在2012年8月6日的航班信息，就会得出那天没有该航班的结论。但如果后来数据库中添加了新航班，之前的结论就要撤回，不过数据库是完整的这个约定（即CWA）仍然存在。

相关概念	解释
非单调推理	用于处理不完全信息，新信息可能导致结论撤回
单调性	Γ ⊢Ψ 则Γ ∪δ ⊢Ψ
否定为有限失败规则	推导负文字时引入非单调性