人工智能逻辑

维基百科,自由的百科全书


人工智能逻辑是指用逻辑方法(如数理逻辑)和逻辑成果研究智能主体(intelligent agent)如何处理知识的理论。人工智能逻辑的研究对象与人工智能研究的对象不同,人工智能逻辑不研究智能主体如何从外部获得知识。[1]
人工智能逻辑的产生来源于人们在计算机中实现(implementation)知识处理的探索。为此必须建立实现知识处理的形式理论。至少在基础研究或者在理论重建的层面上,利用现代逻辑的种种方法和成果来建立上述形式理论成为必要。
处理知识又称知识处理,内容主要包括知识表示、知识反思、知识修正、知识推理。知识推理除了传统意义上的演绎推理归纳推理类比推理,还包括常识推理(commonsense reasoning)。常识推理是人类日常生活中获取新知识的最重要手段之一,具有非单调性和信息不完备性。人工智能逻辑即重点在研究常识推理的形式化及刻画。
经过多年发展人工智能逻辑发展了许多种类,比较完善的有缺省逻辑(default logic)、非单调模态逻辑、限定逻辑等!此外,还有一些讨论相似问题,并且在形式上与上述逻辑密切相关的逻辑,如正常条件句逻辑、相信修正逻辑、认知逻辑。还有一些讨论类似问题,但在形式上与上述逻辑的关系更为松散的理论。例如逻辑编程理论、相信修正理论。上述分类并不十分严格,例如逻辑编程理论可以嵌入非单调模态逻辑。由此也可看出人工智能逻辑是一类严格意义上的逻辑(应用逻辑)和一类不严格意义上的逻辑(逻辑的应用)的混合。[2] 最早研究人工智能逻辑的是约翰·麦卡锡John McCarthy),他提出采用逻辑方法来形式化人工智能需要解决的问题[3]

参考资料[编辑]

  1. ^ 李小五著《人工智能逻辑讲义》前言,中山大学出版社,2005年9月。
  2. ^ 李小五著《人工智能逻辑讲义》,中山大学出版社,2005年9月。
  3. ^ 斯坦福哲学百科-Logic and Artificial Intelligence-First published Wed Aug 27, 2003. [2016-04-09]. (原始内容存档于2006-08-30).