AI 人工智能基础
AI 人工智能基础
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式。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:
推理是从逻辑知识得出逻辑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，" 推理是一种从现有数据推断事实的方法。"这是理性思考的总过程，以找到有效的结论。
在人工智能中，推理是必不可少的，这样机器也可以像人的大脑一样理性地思考，并可以像人一样工作。
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: 归纳推理和演绎推理是命题逻辑的形式。
1、演绎推理:
演绎推理是从与逻辑相关的已知信息中推断出新信息。这是有效推理的形式，这意味着当前提为真时，论点的结论就必须为真。
演绎推理是人工智能中的命题逻辑，它需要各种规则和事实。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。
大多数演绎推理从一般前提到具体结论，如下例所示。
示例:
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:
归纳推理是一种通过归纳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，并得出一般的陈述或结论。
归纳推理是一种命题逻辑，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，因此前提前提的真实性并不能保证结论的真实性。
示例:
前提: 所有
结论: 因此，我们可以期望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形式，它始于单个或多个观察值，然后试图找到最可能的解释或结论。
归纳推理是一种逻辑推理演绎推理的扩展，但在演绎推理中，前提不保证结论。
示例:
含义: 如果下雨，Cri地面是湿的
公理: strong的地面是湿的。
结论正在下雨。
4、常识推理
常识推理是一种非正式的推理形式，可以通过经验来获得。
常识推理模拟了人类对发生在每个事件上的事件进行假设的能力。
它依靠良好的判断力而不是确切的逻辑，并根据启发式知识和启发式规则进行操作。
示例:
一个人一次只能在一个地方。
如果我将手放在火中，则它将燃烧。
以上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，即使将一些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以导出的介词集。
要解决单调问题，我们只能从可用事实中得出有效结论，并且不会受到新结论的影响。事实。
单调推理对实时系统没有用，因为在实时情况下，事实会发生变化，因此我们不能使用单调推理。
单调推理在常规系统中使用推理系统，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示例。
示例:
地球围绕太阳旋转。
这是一个真实的事实，即使我们在知识库中添加诸如"月亮绕地球旋转"或"地球不圆"之类的句子，也无法更改。
单调推理的优势:
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，那么它将始终有效。
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情况。
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据中得出结论，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，如果我们向知识库中添加更多信息，某些结论可能会失效。
如果某些逻辑将被称为非单调通过向我们的知识库中添加更多的知识可以使结论无效。
非单调推理处理的模型不完整且不确定。
"人类对日常生活中各种事物的感知"非单调推理的一般示例。
示例: 假设知识库包含以下知识:
鸟可以飞
企鹅不能飞
Pitty是一只鸟
因此从以上句子中，我们可以得出结论: Pitty会飞。
但是，如果我们在知识库中添加另外一个句子"Pitty是企鹅"，其结论是"Pitty无法飞行"，因此它使上述结论无效。
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可以做假设。
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。