21、人工智能中的知识推理与表示

人工智能中的知识推理与表示

一、正向推理的问题

正向推理在知识推理过程中存在一些问题：
1. 数据相关性 ：知识库中存储的大量数据可能与最终结论无关，这会导致推理过程中处理了许多不必要的信息，增加了推理的复杂度和时间成本。
2. 假设不清晰 ：正向推理所执行的假设有时并不明确，这使得推理的方向和目标不够清晰，可能会导致推理结果的不确定性。
3. 结论歧义 ：正向推理可能会得出不同的结论，从而导致歧义。这是因为在推理过程中，可能存在多种规则和路径可供选择，不同的选择可能会导致不同的结果。
4. 效率问题 ：正向推理适用于具有单一起点和多个可能终点的问题。然而，当用于具有多个起点和单一终点的问题时，它是一种低效的算法。因为在这种情况下，正向推理需要从多个起点开始进行推理，可能会产生大量的不必要的推理步骤。

二、反向推理

2.1 反向推理的定义与原理

反向推理，也称为反向演绎或反向推理，它从目标开始，反向遍历规则，以找到支持该目标的已知事实。它是一种基于假言推理规则的自上而下的方法，并使用深度优先搜索策略进行证明。在反向推理中，目标被分解为子目标，以证明事实为真。它是一种目标驱动的方法，因为目标列表决定了选择和使用哪些规则。反向推理算法的过程类似于人类解决问题中的假设检验，唯一的区别是反向推理算法专注于所需的规则。

2.2 反向推理的应用领域

反向推理算法被应用于博弈论、自动定理证明工具、推理引擎、证明助手以及各种其他人工智能