1、人工智能中的常识推理与粒计算框架

人工智能中的常识推理与粒计算框架

1. 研究动机

人工智能（AI）致力于智能机器，特别是智能计算机程序的研究与开发，其核心目标之一是探索基于计算机的高级知识表示和推理方法，以构建高效的知识系统。在知识系统中，常识推理的处理至关重要。然而，传统的经典逻辑并不适合描述常识推理，因为基于逻辑的方法存在诸多难题，其中最著名的就是“框架问题”。

为解决这一问题，我们提出了一种基于认知情境演算的新方法。该方法融合了情境演算和认知逻辑的理念，并结合了基于粗糙集理论的粒计算，旨在形式化常识推理。此方法以非经典逻辑而非经典逻辑为基础，用于推理和知识表示。

1.1 非经典逻辑的必要性

在知识表示和推理中，信息往往是不完整和不一致的。部分性和过度完整性是导致认知状态不完整或不一致的主要原因，进而引发对世界的不确定和模糊解释。经典逻辑假设句子要么为真，要么为假，且每个句子在任何时候都有唯一的真值，这与实际知识表示中的信息不完整性不符。因此，我们需要非经典逻辑来处理不一致和不完整的信息。

非经典逻辑可分为两类：
- 与经典逻辑竞争的逻辑 ：如直觉逻辑和多值逻辑，它们否定了经典逻辑的某些原则。例如，多值逻辑允许句子有多个真值，Kleene的三值逻辑不将排中律（A ∨¬A）作为公理，因此能够处理信息的程度和模糊性。
- 扩展经典逻辑的逻辑 ：如模态逻辑，通过引入模态运算符来扩展经典逻辑，用于形式化必然性和可能性的概念。

1.2 框架问题及其挑战

框架问题最早由J. McCarthy和P. Hayes提出，后由Dennett重新定