人工智能中的推理

在先前的主题中，我们学习了人工智能中知识表示的各种方法。现在，我们将学习使用不同的逻辑方案根据这些知识进行推理的各种方法。

推理：

推理是从逻辑上得出结论并根据可用的知识，事实和信念做出预测的心理过程。或者我们可以说，“推理是从现有数据推断事实的一种方式。”寻找合理的结论是理性思考的一般过程。

在人工智能中，推理至关重要，因此机器也可以像人的大脑一样理性地思考，并且可以像人一样运转。

推理类型

在人工智能中，推理可以分为以下几类：

• 演绎推理
• 归纳推理
• 归纳推理
• 常识推理
• 单调推理
• 非单调推理

注意：归纳和演绎推理是命题逻辑的形式。

1.演绎推理：

演绎推理从逻辑上相关的已知信息中推论出新信息。这是有效推理的形式，这意味着当前提为真时，论点的结论必须为真。

演绎推理是人工智能中的命题逻辑的一种，它需要各种规则和事实。它有时被称为自上而下的推理，与归纳推理相矛盾。

在演绎推理中，前提的真实性保证了结论的真实性。

演绎推理主要从一般前提开始到具体结论，可以通过以下示例进行解释。

例：

前提1：所有人都吃蔬菜

前提2：Suresh是人类。

结论：Suresh吃蔬菜。

演绎推理的一般过程如下：

2.归纳推理：

归纳推理是通过概括过程使用有限的事实集得出结论的推理形式。它从一系列特定的事实或数据开始，直至得出一般性陈述或结论。

归纳推理是命题逻辑的一种，也称为因果推理或自下而上的推理。

在归纳推理中，我们使用历史数据或各种前提来生成通用规则，前提支持结论。

在归纳推理中，前提为结论提供了可能的支持，因此前提的真实性不能保证结论的真实性。

例：

前提：我们在动物园看到的所有鸽子都是白色的。

结论：因此，我们可以预期所有鸽子都是白色的。

3.归纳推理：

归纳推理是一种逻辑推理的形式，它始于单个或多个观察，然后试图找到最可能的解释或结论。

归纳推理是演绎推理的延伸，但是在归纳推理中，前提并不能保证结论。

例：

含义：如果下雨，板球场是湿的

公理：板球地面是湿的。

结论下雨了。

4.常识推理

常识推理是一种非正式的推理形式，可以通过经验获得。

常识推理模拟了人类对每天发生的事件做出假设的能力。

它依赖于良好的判断力而不是确切的逻辑，并且基于启发式知识和启发式规则进行操作。

例：

• 一个人可以一次在一个地方。
• 如果我将手放在火中，那么它将燃烧。

上面的两个陈述是常识推理的示例，人脑可以轻松理解和假设。

5.单调推理：

在单调推理中，一旦得出结论，即使将其他信息添加到知识库中的现有信息中，结论也将保持不变。在单调推理中，添加知识不会减少可派生的介词集。

要解决单调问题，我们只能从可用事实中得出有效结论，而不会受到新事实的影响。

单调推理对实时系统没有用，因为实时情况下事实会发生变化，因此我们不能使用单调推理。

在常规推理系统中使用单调推理，而基于逻辑的系统是单调的。

任何定理证明都是单调推理的一个例子。

例：

• 地球围绕太阳旋转。

这是真实的事实，即使我们在知识库中添加“月亮绕地球旋转”或“地球不圆”之类的句子，也无法更改。

单调推理的优点：

• 在单调推理中，每个旧的证明将始终有效。
• 如果我们从可用事实中推断出一些事实，那么它将永远有效。

单调推理的缺点：

• 我们不能使用单调推理来表示现实世界的场景。
• 假设知识不能用单调推理来表示，这意味着事实应该是真实的。
• 由于我们只能从旧的证明中得出结论，因此无法添加来自现实世界的新知识。

6.非单调推理

在非单调推理中，如果我们在知识库中添加更多信息，则某些结论可能无效。

如果通过在我们的知识库中添加更多知识可以使某些结论无效，则逻辑将被称为非单调的。

非单调推理处理不完整和不确定的模型。

“人们对日常生活中各种事物的看法”是非单调推理的一般示例。

示例：假设知识库包含以下知识：

• 鸟儿会飞
• 企鹅不能飞
• 皮蒂是一只鸟

因此，从以上句子中，我们可以得出结论，皮蒂可以飞翔。

但是，如果我们在知识库中添加另外一个句子“ Pitty是企鹅”，得出的结论是“ Pitty无法飞行”，则上述结论无效。

非单调推理的优点：

• 对于机器人导航等现实系统，我们可以使用非单调推理。
• 在非单调推理中，我们可以选择概率事实或进行假设。

非单调推理的缺点：

• 在非单调推理中，通过添加新句子可以使旧事实无效。
• 它不能用于定理证明 。