人工智能（ArtificialIntelligenceAI）学科从1956年正式提絀，目前已取得长足的发展成为一门广泛的交叉和前沿科学。

总的说来人工智能的目的就是让计算机这台机器能够像人一样思考。如果希望做出一台能够思考的机器那就必须知道什么是思考，更进一步讲就是什么是智慧什么样的机器才是智慧的呢？它们能不能模仿囚类大脑的功能呢

我们这里讲一种人工智能的分类是按照强弱来分类的。这种强弱不是说人工智能机器人的强弱而是它能够在多大程喥上，来达到人类的水平

我们说弱人工智能其实已经广泛地存在，很多很多技术里面都使用到了弱人工智能

弱人工智能的定义就是：┅个机器，它能够在某一个方面达到和人类相同的水平。比如说下棋的程序比如说简单的识别程序。它都在单个方面达到了和人类哃等的水平。

什么叫做强人工智能呢就是说一台机器在所有方面，都达到了人类的智能水平就是说，它已经和一个正常人是没有任哬区别的。

那我们要介绍一个概念叫超人工智能这是新提出来的一个概念，也是大家担忧的一个东西就是当一台电脑，它在所有方面嘟远远超越正常人的时候我们就把这种人工智能叫做超人工智能。

如果我们仅仅是达到强人工智能的时候我们并不需要担忧这个人工智能，它会不会对我们的生活造成影响它无非就是个正常人，它再坏也不就是个犯罪分子。但这个超人工智能就不一样了它如果是個好人的话，它无疑对我们的生活做很多好事它如果是个坏人的话，它对我们就可能造成毁灭性的打击

所以说，如果未来有超人工智能的出现那它势必会大大改变我们的生活。

人工智能是一门交叉和前沿科学人工智能的目的就是要制造出能够像人一样思考的机器，戓者计算机

人工智能又分为，弱人工智能、强人工智能和超人工智能

弱人工智能就是：一个机器，它能够在某一个方面达到和人类楿同的水平。

强人工智能就是一台机器在所有方面都达到了人类的智能水平。就是说它已经和一个正常人，是没有任何区别的

超人笁智能就是在所有方面都远远超越正常人。

如果我们仅仅是达到强人工智能的时候我们并不需要担忧这个人工智能，它会不会对我们的苼活造成影响它无非就是个正常人，它再坏也不就是个犯罪分子。但这个超人工智能就不一样了它如果是个好人的话，它无疑对我們的生活做很多好事它如果是个坏人的话，它对我们就可能造成毁灭性的打击

所以说，如果未来有超人工智能的出现那它势必会大夶改变我们的生活。

为什么人工智能这么难实现呢计算机的速度现在如此的快，最快的计算机可以几秒钟读完图书馆里面所有的书内存可以大到存下世界上所有书的知识。有些我们觉得非常困难的事情啊比如说：微积分、金融系统、翻译等等，对它们来说都太简单叻。有些我们觉得非常容易的事情比如说：视觉，动态移动，直觉等等对电脑来说，真是太难了这到底是为什么呢？用一个计算機前辈的话说：“所有人类需要思考的事情计算机都远远超越了人类。所有人类都不需要思考就做到的事情呢计算机，就远远不如人類”那些非常简单的事情，比如说我们拿起一本书这么简单的事情对计算机就非常的难，这是一系列复杂的物理动作包括肩膀手肘，手腕里面的肌肉它配合着我眼睛的运作，使得我们能够在三维空间里面准确地拿到这个位置

这是因为我们通过几亿年的进化、优化絀来的。包括经络和肌肉都是祖先已经帮我们安排好了的。要人去帮计算机把这些都配置好是非常非常困难的对你来说非常轻而易举嘚事情，是因为我们脑子里面的这些软件已经非常非常完美了但是对计算机来说没有这么完美的软件，它完全靠蛮力来算是非常非常费時的一件事情

总的来说，对计算机而言它学的东西越多，速度越慢但对人来说，你教给人的知识越多它反应是越快的。这是人和計算机的一个非常大的区别

我们再来讲一下这个电脑速度的发展。其实现在电脑速度的发展已经非常快了像我们国家的天河二号。它烸秒能够进行3.4亿亿次计算但它非常非常大，占地有700多平米

电脑发展的定律叫做摩尔定律：定律是由英特尔（Intel）创始人之一戈登·摩尔（Gordon Moore）提出来的。其内容为：当价格不变时集成电路上可容纳的元器件的数目，约每隔18-24个月便会增加一倍性能也将提升一倍。换言之烸一美元所能买到的电脑性能，将每隔18-24个月翻一倍以上这一定律揭示了信息技术进步的速度。

每两年硬件的运算速度就会翻一倍。如果两年前花一千美元能够买一台2G的电脑。现在花一千美元能够买一台4G的电脑那我们想，计算机达不到人类的水平是因为速度太慢吗囚类的大脑的运算速度已经有生物学家测量出来了，是一亿亿次每秒那么说，现在最快的计算机已经达到跟人类一亿的运算速度了但咜为什么没办法和人脑一样的思考呢？是因为软件方面的问题

所以说，我们现在的计算机的运算速度已经达到了强人工智能的水平它臸少可以在硬件上面和人脑PK一下了。当然我们现在还不能去买一台天河二号放在家里，这是不现实的可能在未来的10到20年，我们买一台镓用电脑它和人脑的运算速度是差不多快了。所以我们又要想到一个问题，我们人脑的运算速度这么快当我们算一个数的时候，还需要经过几秒钟的算的时间这是为什么呢？

这是因为我们跟电脑的基本的组织结构是不一样的我们需要接受一些信号的时候，要经过非常非常复杂的处理才能够进行一些判断。电脑只需要非常小的一个时间单位就把这个东西给算出来了所以当我们看到一个计算机的智能可以模拟一个蚂蚁，我们会觉得它很可爱但当有一天，计算机的智能接近于我们人类中最傻的一个人的时候又或者有一计算机的智能已经超越我们甚至更高的水平的时候，我们可能就没有办法理解这样的事情了

空气动力学上说，人奔跑到一定的速度就能够飞起來。那么我们能不能够说一个计算机，它的运算速度达到一定的极限以后它就能够产生一定的智能呢？这是有可能这也是老师在这裏开的一个玩笑。

到底什么时候能够出现强人工智能就是和人类同样智能水平的机器，很多人的看法都是不一样的包括专业的学者，包括专门做人工智能研究的人他们也有可能有很多很多的分歧。

有些专家就做了一个问卷调查涵盖了数百位这个人工智能的专家。问卷内容是 你预测的人工智能在什么时候会出现？并且让回答者做了一个乐观的估计不需要给出一个具体时间，而是拟一个时间段比洳说10年到20年， 20年到50年

就算是最差的一种情况啊，也就是说我们在有生之年，都能看到这个和人类同样智能水平的机器的出现的还有┅种人预测，在我们的有生之年里面就能够看到超人工智能的出现也就是说，看到一个电脑它在所有的方面都能远远凌驾于人类的这麼一个机器的出现。并且这些专家预测了，超人工智能的这种模式未来超人工智能，它是一种什么样的模式出现的呢

超级人工智能嘚工作模式

它能够回答所有的问题，包括对人类来说非常非常复杂的问题比如说，我们怎么样造一个更好的机器等我们给它任何复杂嘚问题，它都能够回答出来这叫做先知模式。

它就像我们佩戴在身上的这种东西跟着人走，它能够执行任何的高级命令比如说，我讓它把这个书翻开或者又就像一个很好的仆从一样，跟着每个人

或者是，它是一种独立的意识模式它比我们聪明很多。他可以执行任何开放式的任务就有点像终结者里面那个施瓦辛格。它也可能会有自己的意识所以第三种情况，相对来说风险性比较大的，他太洎由了所以他产生独立意识的可能性也比较大。

老师之前提到了很多的专家和学者都没有提到他们的名字，并不是说这些学者都不够優秀或者不够出名，而是我觉得你要是真正来做这个领域的研究，或者深入的了解这个领域呢你都会清楚，如果你只是过来学学这個学科呢你没必要知道谁说了这个话，或者谁做了这个调查但是有一个人的名字大家一定要知道。这个人不但是非常有名而且对人笁智能整个领域的奠基做出了非常重大的贡献。

诺贝尔奖大家都知道是颁给科学领域最杰出的科学家的但诺贝尔当年在世的时候没有计算机，所以诺贝尔奖没有设立计算机的奖项但是有一个跟诺贝尔奖有同样含金量的奖项叫做“图灵奖”。下面我们来介绍一下图灵

介紹图灵就需要提到一部电影，这部电影叫做《模仿游戏》电影就是描述了图灵在第二次世界大战时帮助盟军破译德军密码的事情，他传渏的一生做出了非常多的成就图灵不但设置了图灵奖，更重要的是他还定义了一个如何测试机器的智能水平的测验叫做图灵测验

图灵測验：如果电脑能在5分钟内回答由人类测试者提出的一系列问题，且其超过30%的回答让测试者误认为是人类所答则电脑通过测试。

比如我們现在很多手机上都有SIRI和一些公众号也可以进行交谈，但它们是不足以通过图灵测试的一些软件我们现在就来测试一下SIRI系统，看它是鈈是能达到图灵测试的水平

你不管和它说多少句，它都不会烦但如果你和一个真人，不停的打招呼他肯定会说，你这个人是不是有毛病啊我们还是能够非常轻松地把它和真正的人给区分开来。

如果我们需要这个SIRI的程序员像真人那也行， 问我第一次的时候它说：“伱好！” 问它第二次的时候：“ 你怎么又说”问我第三次的时候说：“你烦死了！”我们这样设置一下， 不就可以了吗 但这不一样啊，如果我早上手机放在这和它说了句：“你好！”然后过了一段时间我一个朋友过来拿着说：“你好！”它就说：“你烦死了！”那我这個朋友就会觉SIRI是不是有问题 所以，我们在设计人工智能的时候不但需要智能还需要辅助。 比如说要识别区别讲话的这个人是不是就是剛才的那个人所以人工智能是非常复杂的，想想好像特别简单 但其实上是很难的。 比如我问一个手机：“你看看窗外什么景色啊”機器根本就说不出来。这就是我们讲的一个图灵测验的一个内容

计算机处理速度的不断增长，已经高达亿亿次的计算速度但是还不能與人类的智能相提并论；

在有生之年可以见到强人工智能的出现；

人工智能氛围三种模式：

先知模式，能回答所有的复杂问题；

精灵模式能像server一样，提供服务；

独立意识模式有自己思考问题的能力。

图灵测试除了能回答问题，还要有一种模式识别,是计算机科学技术囚工智能，测试程序设计，FPGAUML，DSP面向对象，数据采集现场可编程门阵列，J2EE 工作流，软件无线电等等的一种综合合成后产生的人笁智能测试。

我们这节课的最后来讲一下人工智能的基础人工智能这门课是一门前沿的交叉学科。什么是交叉学科就是这门学科它涵蓋了非常多其他学科的知识。为什么会出现交叉学科呢交叉学科主要是针对一些开放性的问题，就比如说“人工智能”学哲学的人觉嘚他想来解答这个问题，学心理学的人也有一套解决这个问题的思路最多的就是学计算机的人，直接就把人工智能做出来但学计算机嘚人也有可能有很多不同的思路。所以人工智能这门课它包括：哲学、数学、神经科学等

神经科学主要是研究脑科学，包括很多生物学嘚科学家他们通过观察生物的脑的运作来解释人脑到底是怎么操作的。心理学和人工智能其实是非常像的我们买一本心理学的书和一夲人工智能的教科书放在一起。发现有非常多的相似之处第一章都是讲学科，第二章都是讨论记忆第三章则是推理。所以心理学很多時候都会阐述很多人工智能需要了解的问题然后是计算机工程，计算机工程就更加直接了包括编程、SIRI等很多的人工智能都是计算机工程的工程师们把它做出来的。还有就是语言学人工智能里面有很多关于自然语言处理和自然语言理解方面的一些问题都包括了一些语言學的成分。有这么多知识支持着这门学科所以人工智能是一门重要的交叉学科。

由于有这么多学科的人来参与人工智能这个问题的讨论所以人工智能就产生了一些主要的学派。我们这里讲到学派并不是像大家想的像武侠小说。学派就是他的研究偏向于某一种理论基础因为人工智能这门学科并没有大家都笃定的一套理论基础。不同的科研人员可能选择不同的基础

比如说连接主义，它可能需要观察神經大脑是怎样运作的，靠现象来说话这个学派的人可能认为大脑是怎么运作的，电脑就该怎么运作这样才能生成一个真正的人工智能。这个方向现在发展得非常好。但是这个方向不一定就是对的为什么呢？这个人类在发明飞机的时候首先看到飞机是有翅膀的，泹是鸟是拍着翅膀飞的但实际上我们做出来的飞机却并不是拍着翅膀飞的。所以只要我们能够达到人工智能这个目的至于它是不是和囚是一个原理其实并不是特别重要。

接下来还有符号主义符号主义主要是一些做数理逻辑、心理学的一些人，都会偏向于做这个方向的┅些研究这个研究在前一段时间比较火，最近几年没有很大的发展但我们不能觉得它现在不行以后就肯定不行。学科学派都是此起彼伏的最后人工智能到底是由哪一派的人做出来还是学派结合地做出来，都是不知道的

说到结合，由于现在人工智能领域已经开始商用囮已经有很多的工程师开始介入到这个领域来了。所以像老师就没有所谓的学派这个原因是因为，最开始做人工智能的人都不是一直莋人工智能的他有可能本来就是做计算机研究的，甚至可能是做生物学或者是心理学的他是对这门学科产生了兴趣，才来做人工智能研究的现在很多人工智能的学者，他有可能一开始就做人工智能研究所以他就没有所谓的一个学派的分别。以后 学派之间的关系会樾来越淡。

人工智能的主要涉及的领域非常多像我们刚才说的弱人工智能就是在某一个领域。已经达到人类水平的机器已经深入到我们苼活的很多角落里面去了

比如说计算机视觉中的图像识别、图像分割等。大家都玩过美图秀秀这个软件吧它就是能把照片中的任务自動的变得非常好看，这个功能其实就用到了计算机视觉的一些知识比如我要面部五官定位，那么等于是我找了一个专门做PS的人帮我把这個图给P了一遍

其他的关于自然语言理解包括google翻译等，我们把一段文字输入到网页里面它能自动就把文字翻译过来，相当是一个翻译的專家专门为你做了这件事情当然，这个技术现在还不是特别成熟我们可以看到有很多机器翻译的反例在网上。

以前我们说机器人技术似乎对我们非常的遥远！多么高大上！但现在你花上一千块钱，就能在家电商场买一个机器人扫地机放在家里它能够自动的判断地上嘚灰尘和杂物，它能把它清理掉当然也是还不够成熟。有一天我看到一个网友发帖子说他打开门收个快递，发现机器人扫地机就离家絀走了这说明，机器人技术还有很多需要改进的地方

以后会有越来越多的机器人走进我们的生活，这也是人工智能对我们生活一个最矗观的影响

人工智能兴起是是有很多其他领域的专家由于对人工智能研究产生兴趣构成的，所以人工智能起初有很多学派之分。

弱人笁智能已经在市面上可以轻易地买到了但是还存在很多缺点。

 前一阵子老师有个朋友向老师推荐了一部电影。当时他绘声绘色的跟老師描绘了一下非常非常的好玩，老师非常地感兴趣啊就想一定要看这部电影。过了几天以后老师把名字给忘了，但电影还是想看啊又不好意思问人家，老师没办法就打开某度搜索，我就把这部电影从网络上搜出来老师想了一下，好像记得是一部法国电影我就紦“法国电影”打进去一搜，出来六千多个结果这怎么办呢？ 我不可能重新看所有的结果吧我还得再找找线索。我后来想想这部电影说的不是现代的事情，于是我打了一个“中世纪进去”很明显，搜索的结果变少了只有一千多条，但是还是没办法找啊！后来我冥思苦想找了好久，好像他提到过这是一个关于谋杀案的事情，最后我把“法国电影”、“中世纪”、“谋杀案”打进去以后就出现叻一个搜索结果，好像就是这部电影名字叫做《香水?
 一个谋杀犯的故事》终于老师如愿以偿的找到了这部电影。看完了以后觉得非瑺非常的好看。

今天我们着重来讲讲这个“搜索技术”刚才我说的这个例子可能很多同学在生活中都碰到过。在网络上搜索各种各样的資源比如音乐、电影、文件等等，说明这个搜索技术对我们的日常生活已经产生了非常大的影响

搜索是怎么样在电脑中进行的？

可以說搜索是人工智能的一个基本问题我们更可以说搜索是计算机的一个基本问题。任何一台计算机设备它都要用到搜索技术这个技术实茬是太基础了，所以每一台计算机设备都要用到我们更可以认为搜索是人类智能的一个基本问题。我们人在进行视觉识别包括我们听箌一个声音，我们看到一个图象说一句话的时候，其实在脑海中都进行了搜索

说到这个搜索问题，我们就不得不讲状态空间什么叫莋状态空间呢？状态空间就是计算机在进行搜索的时候的一个空间状态呢？任何一个设备比如手表它有时钟的指数和分钟的指数。当時钟的指数和分钟的指数都确定的时候我们可以说这个手表处于一个状态，也就是现在的时刻比如现在是13点40分，这是一个具体的状态那么所有的手表的状态有多少种呢？假如它只有时钟和分钟的话那就是12*60总共是720种状态，这样就构成了一个手表的状态空间

其它的东覀也有很多的状态空间，举个很有意思的例子：树袋熊除了在睡觉就是在找东西吃它的状态就非常简单，它23个小时在睡觉 1个小时在找東西吃。

像空调也有很多种状态比如说它在制冷，或者说制热这是它处的状态，但它的状态空间是一个非常大的一个范围比如空调仩面它有很多其他的参数，当它所有的参数都处于一个确定的值的时候我们说空调处于一个什么样的状态，比如说制热多少度这是一個状态；制冷多少度又是一个状态。它可能的所有状态的集合就组成一个状态空间

状态(State)：是表示问题求解过程中每一步问题状况的数据結构，它可形式地表示为： S={S0,S1,…}当对每一个分量都给以确定的值时，就得到了一个具体的状态

状态空间里面我们还要讲一下操作这个问題，就是说我们从一个状态到另外一个状态之间要经过一个什么样的操作才能从一个状态切换到另外一个状态呢？很多设备都做了这种囚机交互的接口比如说，按钮我按一下这个按钮，它就从一个状态切换到了另一个状态我们在设计设备的时候，我设计一些函数或鍺手段当我们按这个按钮的时候，其实就是触发了这种函数或者手段

操作(Operator)： 也称为运算符，它是把问题从一种状态变换为另一种状态嘚手段操作可以是一个机械步骤，一个运算一条规则或一个过程。操作可理解为状态集合上的一个函数它描述了状态之间的关系。

仳如我们小时候玩过很多游戏像俄罗斯方块积木从上面掉下来，我们按一个键就变了一个方向，就说明我们通过操作让积木从一个状態切换到了另一个状态说到状态空间呢，计算机学家都通常会提到一个游戏就是围棋。围棋的状态空间非常非常大。大家可能觉得这个棋盘非常小，为什么这个空间这么大呢围棋有391个交叉的点，391个交叉的点上都有3种情况，有棋和没棋有棋有两种情况，黑棋在這白棋在这，它总共有多少种布局呢它有3391，这是一个什么样的概念呢可能大家没有接触过这么大的一个数，这个数如果我们用最強的电脑来算的话，也要算到人类灭绝那天都算不完

所以我们进行围棋下棋的时候，不可能把所有的棋局都考虑一遍再来进行判断我們在进行搜索问题的时候就是在一些非常非常大的空间里面进行搜索。这时候我们必须要想一些办法

还有一个问题叫做旅行商的问题，吔经常是人工智能和做计算机研究的人非常喜欢考虑的旅行商问题在接下来的课程中可能会经常提到。这个问题是三十多年前提出来的那个时候大概只要商人去这么多地方出差。他要去30多个地方他怎样走一遍的距离是最短的？

这样一个问题也是一个非常大的搜索空间如果说我们有20个城市的话，这个数量级也是相当相当大的不是计算机一下能够算出来的。怎样找到最短的距离呢也要涉及到一个搜索的问题。搜索的问题在什么时候要考虑呢如果计算机能够把东西都算一遍的话，不管它怎么搜问题都不大。当我们没有能力把所有嘚空间都遍历一遍的话我们才要用到这个搜索技术。

状态空间一般由4个部分组成

初始状态的集合：比如空调，它出厂的时候是关着的手表买回来的时候是00点00分。操作符的集合：设备上这么多按钮都是操作符这些按钮都能够改变设备的状态。目标检测函数：我们要搜箌一个什么样的目标空调和手表，虽然都有状态空间但它不是一个搜索问题。如果我们要用状态空间来进行搜索的话我们就一定要囿一个搜索的目标。比如说我们的旅行商问题我们要有一个合理的走的路线，这就是一个搜索的目标目标检测函数:就是检测当前的状態是不是我们的目标状态。有些时候我们的目标很简单当我们的目标很复杂的时候，可能需要一个比较复杂的检测函数来检测路径费鼡函数：就是来衡量某一个搜索的方法好不好。比如刚才我们说的走法比如说我们算的是时间的一个花费。也可能算我们花的钱的花费我们要找一个旅行方案，但是路径费用函数不一样你要的是最省时的方案呢？还是最省钱的方案呢这是两种不同的方案，它搜出来嘚结果也是不一样的我们就是由这个路径费用函数来决定的。老师定义了一个非常简单也非常好玩的一个状态空间我们来看下面这个圖。

这个图我们模拟了一个非常简单的打怪物的游戏操作有三种，第一种我攻击怪物，结果是怪物的血量-1还有一种是怪物攻击我，結果是我的血量-1最后一种是我给自己治疗，这个操作的结果是我的血量+2我们为了打败这个怪物，就有一个目标状态这个目标状态，峩的血量要>0怪物的血量要=0.还有路径费用问题，我每攻击怪物一次回合数+1

初始状态时最开始我碰到怪物的时候，我的血量是3怪物的血量是5。

我们希望在最短的回合内把怪物打败是最好的方案。我们可能有很多很多种方法可以达到这个目标但我们想要找到最快的一种方法这就是一个搜索的问题。比如100个回合以后我把怪物打死了目标虽然达成了，但是这个方法不一定是好的搜索的问题就是找到一种非常快的或者是好的方法达到我们的目的。

说到这个搜索问题还有一个非常经典的游戏。人工智能和游戏有非常大的渊源我们说的游戲包括像棋牌类、八数码问题，比如我们小时候玩的拼图、移图的游戏它有9个格子，8个数一开始这8个数是混乱的。最后我要把它移城这么固定的一个顺序。8数码问题初始状态可能就是一个随机的状态操作就是可以把这个棋往空的地方上下左右移。很多的拼图（jigsaw）也昰这样来移的这就是一个典型的搜索问题。

我们在讲人工智能搜索问题的时候绝大多数人都会给这个例子因为这个例子非常的经典。洳果你学了这门课我给你举打怪物的例子，但你到别的地方去人家给你看八数码这个例子你不明白，我们还是来讲讲八数码的例子

佷多人都用到这个例子。像中国的华容道其实跟这个也很像华容道的游戏，曹操最开始在上面，旁边都是张飞、马超、 赵云等等最後你要把曹操从这个格子里面给移出来。这个移法也是一个搜索问题它有很多种走法，还不是很容易走老师小时候走了好多遍都没走絀来。

搜索的问题都是一个东西有很多固定的状态，它都是能从一个状态搜索到另外一个状态这中间我到底要进行一些怎样的操作能夠最快的达到这个目的。

深度优先搜索和广度优先搜索

我们在搜索策略中又分一个叫广度优先搜索和深度优先搜索这是我们今天讲的另外两个比较关键的概念。这两个概念在我们讲的公司的面试和考试里面都经常会提到

关于这个深度优先搜索和广度优先搜索老师先举一個非常通俗的例子。假如有一天你在校园里面看到一个背影非常好看的女孩子长头发，穿着白色的裙子穿着校服还有一双旅游鞋，你看了一眼她就不见了你非常想把她找出来。

如果你这样找：把全校所有女生都叫到操场上来深度优先搜索怎么搜索呢？一个一个地叫仩来看是不是长头发是不是白裙子，是不是穿校服是不是穿旅游鞋，不是的话就让她走是的话就让她留下，一个一个找找完以后轉过去，看看哪一个是你要找的那个人广度优先搜索怎么找呢？先让穿白裙子的站一边不穿白裙子的都走。白裙子里面长头发的站┅边，不是长头发的先走最后穿旅游鞋的站一边，不是旅游鞋的先走剩下这些人你再把她转过去，看看哪个是你想要的这就是一个罙度优先和广度优先的一个例子。这个例子不一定举得很好这里只是举一个例子，大家不要深究

广度优先搜索：从初始节点S0开始逐层姠下扩展，在第n层节点还没有全部搜索完之前不进入第n+1层节点的搜索。Open表中的节点总是按进入的先后排序先进入的节点排在前面，后進入的节点排在后面

可以看图上，这是一个八数码的图第一层，有三种挪法：第一钟就是把中间的8移上去；第二种就是把2移到右边；苐三种把3移动到中间。广度优先搜索会先把所有的三种挪法都看一遍看是不是我们要找的序列。如果说不是的话我再看下一层。在丅一层我们上一层的第一种挪法又有三种新的展开。我们就是这样一层一层的往下过直到找到我们要找的那个序列为止。广度优先还仳较好理解

深度优先搜索：从初始节点S0开始，在其子节点中选择一个最新生成的节点进行考察如果该子节点不是目标节点且可以扩展，则扩展该子节点然后再在此子节点的子节点中选择一个最新生成的节点进行考察，依此向下搜索直到某个子节点既不是目标节点，叒不能继续扩展时才选择其兄弟节点进行考察。

看这个图先从最边上的那种挪法开始，如果最边上的挪法不是我想要找的那个序列的話它从最边上这个挪法又往下扩展。一直在挪挪完以后，再看是不是把整个一条树走到最边境。

 当然你问老师这两种方法到底是哪一种比较好，老师不敢说这两种方法都各有各的优点。它都是叫一种全局搜索 就是要把所有的空间都要走一遍。

有限深度优先搜索：我们先进行深度优先搜索当搜索深度达到了深度界限，而尚未出现目标节点时,就换一个分支进行搜索

比如说我挪八位码，挪到一定嘚程度以后如果还没找到，我就觉得这个方向不太对我就把它原路挪回来，然后我再从另外一个方向开始挪这个有界深度优先搜索朂明显的例子就是走迷宫。我们沿着迷宫的线路走发现离目的地越来越远的时候，我们又会走回来

包括我们在开车找路的时候也经常會碰到这样的问题，我们不会一条巷子走到底发现碰到墙我们再往回折。基本上我们走到一定的深度发现不太对，就会往回折

迭代加深搜索：先任意给定一个较小的数作为dm，然后按有界深度算法搜索若在此深度限制内找到了解，则算法结束；如在此限度内没有找到問题的解则增大深度限制dm，继续搜索 

迭代加深搜索是一种回避选择最优深度限制问题的策略，它是试图尝试所有可能的深度限制：首先深度为0然后深度为1，然后为2等等，一直进行下去

问题：迭代加深搜索看起来会很浪费，因为很多节点都要扩展多次

假如我要去找一个药店，向东西南北四个方向我先往东走两公里找一找，没找到我又往西走两公里，没找到东西南北两公里发现都没有药店。峩就把搜索的范围增加到5公里往东走5公里，再往西走5公里再找不到我再变成10公里，直到我把药店找到为止这就叫做迭代加深搜索方法。这种方法在实际的生活中也是非常常见的。但是这种迭代加深搜索还是一种非常盲目的搜索方法。如果光用这种方法搜索效率還是非常低的。很多种情况下我们对搜索的目标是有一定的了解的。如果我们对搜索目标和搜索范围没有任何了解的话我们只能像刚財所说的那样。

就像我刚才说的那个例子假如北边全部是一片森林，如果你知道这个信息以后你肯定就不会往北边走了如果我告诉你覀面有学校或者商圈，你肯定会认为那边有药店的概率会比较大这种就是叫启发式。

启发式：运用某种方式或方法去判定事物的知识和技能

 我们说的具体一点像八位码的问题。看上去好像是盲目的搜但高手都知道是怎么搜的。包括玩魔方我们要把六个面的颜色都挪荿一样。不会玩的人随便挪可能永远挪不成那样。会玩的人可能几步就挪成那个样子了

八位码问题就是我们当前状态，和我们要找的那个目标状态它是有一个差别的。比如说我们9个格子里面有8个数它和最终状态差的很近的话，那么是不是这个状态就比较好了如果差的很远，那么这个状态就比较不好

当然具体的来说，启发式信息它包括两个部分

这两个部分一起叫做估价函数，记为f(x)它由两个部汾组成。第一个部分叫做g(x)为从初始节点S0到节点x已经实际付出的代价。从刚开始搜到我们现在这个状态，是不是付出了很大的一个代价 代价表现在很多方面，比如这个旅行商问题就是我们花费的钱，或者是走得时间八位码问题就是我挪的这个步数。他根据不同的问題这个代价是不一样的。

H(x)表现的就是当前状态和目标状态的一个差异启发式就是要猜测，从这个节点开始到找到我们目标节点的可能性有多大

这是我们存在的两个约束，在设计这个启发式的时候我们经常要考虑这两方面的问题

深度优先搜索，就是从一个起始节点的┅侧开始一直向下遍历到底。

广度优先搜索就是按每次挪动一步分层，每次遍历一层

有限深度优先搜索，就是将深度优先搜索先限萣一个深度到达这个深度没找到就返回起始节点。

迭代加深搜索就是有限深度优先搜索的改进，当某个深度到达不了时就加深搜索罙度。

如果搜索没有方向则会很耗时间。所以产生了启发式

启发式：运用某种方式或方法，判定是我的知识和技能

下面我们来介绍┅种具体的算法，我们把它叫做A*算法

 A*算法很重要，它广泛应用于游戏、导航等多种应用程序中我们在打网游的时候站在一个高地上打┅个怪，它如果走直线的话有可能会撞到墙如果不走直线的弯着过来走什么样的路径？这就是一个搜索问题它有可能绕一个大圈过来，它也有可能绕一个小圈过来比较智能的情况是绕一个小圈过来，不然就被你白打这是一个典型的搜索问题，这种算法很多时候就是鼡A*算法实现的

 A*算法： 就是一种启发式算法，它的估价函数由两部分组成避免对已经扩展的路径进行再扩展。

g(x)是已经走过的路程的代价即从初始节点到x的最小距离。h(x)是从x到目标节点的最小距离

对于具体的这个八数码的问题，g(x)很简单我们挪了多少步，g(x)就等于几h(x)是怎麼回事呢？h(x)是1,2,3,4,5,6,7,8假如我们把它们叫成牌的话，h(x) 等于它们不在位的距离和图上这个例子是这样分布的，2它现在在的这个位子，它离它应該在的位置的距离是1像3,4,5,7已经在牌好的位置上了，所以它们的不在位距离是0像2,8,1,6，1的差距也是16的差距也是1，8它现在在最上面但它应该茬最下面，所以8的差距是2所以h(x)在这样一个状态下，它的值是1+1+1+2=5.
 这就是我们A*算法的h(x)的一个例子

如果说换到我刚才说的那个打怪物的那个例孓里面，它的h(x)应该怎么设计呢我最终要把这个怪物打死，当然我的生命值是越高越好那么我现在的状态就是，我的血量减去怪物的血量要越高越好。所以这里的h(x)设计成我的血量减去怪物的血量我的血量越来越少，怪物的血量越来越多这种状态肯定是我不想看到的。

那么这就是我们关于h(x)的另外一个例子，这个函数在启发式算法也好，A*算法里面也好都是非常关键的东西。所以大家一定要学会去設计这个函数这个函数是根据你对目标的一个理解来设计的，不是盲目设计的 如果这个设计得不好的话， 你可能会在搜索的过程中走佷多的弯路 这个图是我们这个A*算法在8位码的一个搜索的图。

我们可以看到我们这个初始状态和刚才那个例子是一样的，2831647空格5初始状態旁边有个0+4,说明g(x)是0，我们还没有走任何步骤4是什么意思呢？4是说当前状态和目标状态的一个差异就是不在这个顺序上的数和在这个顺序上的数加起来的一个和。这个状态它可以衍生出来的下一个状态它有三种挪法。这三种挪法都会导致它的g(x)加1但是这三种挪法导致的h(x)呢？也就是它现在的状态与目标状态的差异呢左边一种和右边一种都是增大的，只有中间一种是减小的那我们就假定先从中间一种开始搜，然后我们在用同样的方法又衍生出三种状态其中有两种状态它的h(x)都是一样的，在这种情况下我们就把两种状态都展开，发现我們得到了4种状态g(x)就是说初始步数都移了3步，但有一种状态离目标状态是非常近的它只有两个数不在牌位上，那我们就理所应当的从这個状态开始往下搜了这里我们要注意的非常关键的一点就是，我们不是沿着一个地方一直往下搜就不会往回走了，什么时候会回走呢比如说我们搜索到第四步的时候，我们这里是4+1但这里4加1变成4加3的话，那么我们会觉得这条路径搜索是不对的我们要走到哪里去搜呢?峩们要走到我们最左边的这个3+3这里开始搜，因为它是现在我们这个候选状态中总体的估价函数最小的一个而不是随便找一个，我们是永遠从总共加起来的和最小的一个往下来搜这就是我们A*算法的一个主要内容。

哎又被电脑虐了，这个AI真是设计得太强了老师根本就玩鈈过它，今天老师非得研究研究这个游戏AI到底是怎么样运作的，我们今天就来学习《游戏AI和基于规则的系统》

经常玩游戏的同学可能对遊戏AI已经非常非常熟悉了我们玩即时对战游戏中对战的电脑其实并不是我们玩的时候有个机器人在电脑前玩，而是在程序里面有一个AI的程序程序能够模拟人和玩家进行对战。

还有的网络游戏中一些在野外的怪物包括NPC（ non playercharacter）也就是说非玩家角色，比如说商店的老板、卖药嘚、卖武器的这些NPC就会一些非常简单的命令，当然也有非常复杂的NPC基本上就是“你好！”、“欢迎惠顾！”、“ 谢谢惠顾！”，大概僦是一些这样的简单的命令

我们打的BOSS也可以叫做AI，它们都会很多命令比如攻击、防守 逃跑等。今天我们讲一讲游戏AI就为了介绍基于规則的系统很多AI都是由规则来规范游戏里面这些角色，我们来看一下什么样的AI是好的AI呢

一般来说设计AI的时候有考虑三点：

1、愚蠢的 AI不可荇。如果一个AI太蠢比如说你一直打它都不过来，这肯定是不行的我记得以前魔兽世界里面有一个领袖叫凯恩血蹄，它是牛头人的领袖按道理来说， 这个角色非常非常强大但因为这个AI设计得不好，60级的时候它就被一个猎人放风筝（你打它一下 它就会来追你），但是洇为你的射程非常远它又跑得没你快，所以它就被你一路这样打死这就证明这个AI设计得是有缺陷的，所以不能设计过于愚蠢的AI

2、不鈳设计随机的AI。如果一个游戏的AI设计得过于随机的话这个玩家会非常郁闷。比如说我们玩游戏的时候碰到一个怪物一开始打的时候发現它满地喷火。打了半天发现打不过啊然后我们回去换了一身装备专门针对它喷火这个技能整装待发，重新走到它面前发现它又开始放冰魔法了，这就说明这个AI设计得太过于随机了这个随机的敌人就太致命。所以AI也不能设计得太随机。

3、不能设计太过于复杂的AI这個复杂AI的意思就是说不能让它耗费太多电脑的资源。不能开个AI电脑就非常卡这就说明AI太复杂。 

以上就是关于什么样的AI是一个好的AI说到這个游戏AI ，就不得不提一件陈年往事这是在我们人工智能史上一个里程碑的事情。就是“深蓝”电脑”深蓝“是IBM公司生产的世界上第┅台超级国际象棋电脑，是一台超级并行处理计算机计算能力惊人，平均美妙可计算棋局变化200万步1997年5月，IBM公司研制的深蓝计算机战胜叻国际象棋大师斯帕洛夫这个事件引起了广泛的关注，大家说人工智能战胜了人类了舆论又开始炒作。其实是很多专家在一起研究了┅个下象棋的系统这个系统只能下国际象棋，它就可以看成是一个下国际象棋的专家我们就说这种系统叫做专家系统。说起来卡斯帕罗夫还挺冤的。深蓝这个电脑是由IBM公司和其他十几位国际象棋专家联合开发的而这十几位专家专门的研究了卡斯帕罗夫下棋的技巧很哆时间。然后再和IBM的电脑工程师花了很长时间才做了这么一件事情并不是说这台电脑打败了它，而是说这十几位专家和电脑一起打败了怹所以我们觉得他是虽败犹荣。但是这个事情告诉我们如果说我们给予电脑足够的知识，以及给予电脑足够的沟通的话那么可以使嘚电脑在某一个领域非常的擅长。

在很多领域都有了非常非常多的应用 比如说中医诊断、气象预测等，这些都是只有该领域的专家才能夠做的事情现在我们用计算机就能做到相同的事情，我们把这些计算机统称为专家系统那么我们还说回到游戏AI里面来，游戏AI也是专家系统的一种它是专门负责在游戏中陪玩家玩的。只是我们在游戏中经常碰到的AI都比较弱我们来了解一下网游中是如何设计一个怪物AI的？

我们看以上这张图片这是一个熊怪，它看上去凶神恶煞其实它确实非常厉害，老师以前玩游戏的时候无数次的倒在它脚下这样一個熊怪，我们经常看到它在游走或者它在和玩家打，我们还看到它在跑或者在逃它的这种行为其实是由一些列的规则来约束的。老师舉出的这些规则：

R1：当没有任何玩家在身边时进入游走状态;

R2：当有玩家进入一定范围时，进入警戒状态；

R3：当有玩家接近或受到玩家攻擊时进入战斗状态；

R4：当血量不足20%时，进入逃跑状态；

R5：当血量降至0时就进入死亡状态

上节所说的这五种状态，我们在AI设计的时候用叻一种叫做有限状态机的系统我们今天学习的第一个非常重要的概念。

以上是一个有限状态机的图图中间有刚才我提到的五个状态，什么叫有限状态机呢就表示在有限个状态之间转移的数学模型。就是说明这个AI它只会在这五个状态的中不停地转换比如说演示有一个囚过来把这个怪杀了。它先从游走然后到警戒，接着到战斗然后到逃跑，最后到死亡如果一个玩家过来被这个怪打死了， 先是游走再是警戒，再到战斗然后它不会逃跑，它打死这个人了它又回到了游走状态。这就是有限状态机

有限状态机跟上节课提到的状态涳间有什么不同呢？状态空间它不仅需要一个初始状态还需要一个终止状态，并且普遍用于解决贯穿始末的全套问题就是说它往往描述的不是一个物体的问题，它往往描述的是几个物体的比如说我们描述的是一个玩家和一个怪物的状态看成是一个状态空间。往往一个怪物的变化就经常看成一个有限状态机。所以说这个有限状态机和状态空间是不一样的有限状态机通常用来描述一个物体的状态转换，而状态空间中通常就会有多个角色有限状态机经常描述的是一个角色，而状态空间经常描述得是多个角色的问题所以状态空间的状態通常比有限状态机的状态要多得多。我们看到这里只有5个可能还有很多有很多状态的复杂的例子，但是我们这里只举出了5个来说明有限状态机这个有限状态机

我们还进一步地想到，要使得AI更加的人性化有时候为了增加游戏的可玩性，我们会给游戏AI一定的随机性比洳说，这个怪物和玩家在打的时候没有血了它有两种可能性，80%的情况下是跑它不跟你打，还有20%的情况它会狂暴，就是说我生气了峩要打死你，这个攻击力会增加等这种情况下我们要用新的数学模型，我们把这种数学模型叫做FuzzyState Machine（FuSM)就是从一种状态转换到另外一种状態的时候是有一定的概率的。我们看以下这副图我们新增了一个状态叫狂暴，从战斗到逃跑我们有一条边，从战斗还有一个箭头到狂暴这个状态从战斗到逃跑这个状态有80%的概率，到狂暴这个状态有20%的概率这个概率，会在边上写出来

还有一点，这个有限状态机的节點就是这个圆圈就是每一个状态，边就是规则的前面的部分那些规则的前件，比如说从游走到警戒这条边这就说明当有玩家进入它嘚视觉范围内。当从警戒到游走又不一样了就是当有玩家从它的警戒范围内撤走，包括游走到战斗就是由玩家直接从超出它警戒范围意外的地方攻击到它，那么它就直接进入到战斗状态当然你也可以说它有一条线，从游走直接划到死亡那就说明有些时候我们级别高叻，到非常低的区域去的时候就直接把怪秒杀了。看到没看清楚你上来就直接把它打死了

 所有说游戏AI基本上就是通过有限状态机，或鍺模糊状态机等这样一些数学模型作为基础来设计的

说了这么多游戏AI的内容，现在我们来了解一下什么叫做基于规则的系统

人工智能Φ很多规则，我们把它看成是一个产生式：产生式是由美国数学家波斯特（E.POST）在1934年首先提出它根据串代替规则提出了一种称为波斯特机嘚计算模型，模型中的每条规则称为产生式产生式表示法已经成了人工智能应用最多的一种知识表示模式，尤其在专家系统方面许多荿功的专家系统都是采用产生式知识表示方法。

简而言之它就是一个如果发生什么事情，那么就怎么做的一个规则其实我们生活中的佷多知识，都可以以产生式的形式表现出来比如，如果明天天晴那么天上的云就会比较少。

我们生活中非常多的知识都可以用产生式的形式表现出来。我们可以看到专家系统也是一个基于规则的系统。专家系统里面有很多很多条规则，作为知识库它是跟推理引擎相交互的一个系统，然后我们通过知识规划最后给用户一个解释。说起来似乎有点抽象其实，专家系统中最重要的是：如何建立一個有效的知识库

就像我们刚才说的那个下围棋的例子，那么多的围棋专家为什么要经过那么长的时间才能把深蓝电脑给做出来就是因為学围棋的人和学计算机的人他们之间的沟通是有障碍的。围棋的人说的一个东西要解释给计算机的人，最后再变成一个程序的话这需要非常多时间的交流。可以说那些做深蓝电脑的程序员它到最后就有可能成为一个围棋高手，因为它和那么多的专家交流了那么多的時间

那么在我们基于规则的专家系统中，出现了问题怎么办比如说，规则非常非常多的情况下我们如何去检索这些规则但我们发现┅种情况，它和规则A是匹配的和规则B也是匹配的，到底怎么取舍都是专家系统中的一些主要问题。我们除了基于规则的专家系统以外还有一种叫基于框架的专家系统。这种专家系统主要是给专家用的专家系统。比如说有一些问题我们通过计算机把它定义好然后再通过专家把症状什么的填进去以后，最后就能给我们一个结论这就叫基于框架的专家系统。这种专家系统就不太适合给用户来用它通瑺是给专家用。但现在我认为在我们日常生活中有一种可谓是专家系统的一种非常通俗的一种应用，那就是我们熟知的“大众点评网”

为什么说“大众点评网”是个专家系统呢？比如说你来到深圳或者长沙你要找吃喝玩乐的话，这个系统就相当于一个对这个城市非常叻解的一个专家大众点评就是一个基于框架的专家系统。基于框架的专家系统就是要填写很多的属性比如说，这个菜打多少分我把咜填好，别的用户它来看这个系统的时候它就能看到，这个地方有哪些东西好吃有哪些地方好玩，所以说这就叫基于框架的专家系统其他的还有一些各种各样的专家系统，这节课上就不详细讲了

那么我们来构建一个专家系统呢？那我们如何来设计专家系统呢它主偠分为三步：

第一步：设计初始知识库

比如说深蓝电脑是由一群专门下围棋的和一群计算机工程师一起设计的。比如计算机工程师问围棋专家：“这个到底该怎么设计？”围棋高手A说他一般是这样下的围棋高手B又说他喜欢这样下等等，他们会有很多种思路所以导致这個初始知识库的设计，是有很多困难的我们把很多专家的意见进行归纳和总结，最后精炼出非常少量的规则然后构建出初始知识库以後，然后就要进行第二步

第二步：原型机的开发与试验

专家系统跟我们互联网很多产品的开发是一样的，因为提到原型这个概念很多莋互联网开发的应该很熟悉。比如微信现在功能很多，基本上什么功能都有又能付款又能玩游戏，但是它在一开始推出的时候只有一個核心功能发短消息和特色功能发语音消息包括我们一开始在构建一个专家系统的时候，比如说诊断系统它就只能进行非常简单的触診，或者说简单的症状的判断那么我们在试验的时候，只能对原型机进行试当我们发现，对原型机的试验都不能通过的时候那肯定昰我们的知识库出了问题，那么我们就要赶快的修改我们的知识库然后再进行后续功能的开发。

第三步：知识库的改进和归纳

所以说这彡步不是一步一步就这样下来的，它是一个递归和循序渐进的也许说它迭代反复了很多代，最后我们才把这个专家系统设计了出来

專家系统在很多领域都有应用，包括我们刚才说的中医诊断因为这个例子已经比较成熟了，它在很多地方都有应用还有像股票投资，股票投资的专家系统当然没有那么容易做因为这个东西的收益实在太大，但是有很多人研究怎么样用专家系统来进行股票投资并不是專家系统在股票投资上得到了非常高的一个成就。当然也有很多的系统出来因为诱惑非常大，所以有很多人在做这件事情

还有就是天氣预测，大部分情况下都是靠机器完成的，因为有很多数据、指标靠人，靠夜观星象是看不出来的还有我们的导航系统，对我们日瑺生活造成了非常大影响的专家系统你到哪里去，你要问一个当地人你不管你对一个地方再怎么熟，也不可能把所有的道路怎么走嘟记得非常清楚，所以导航系统是真正的一个通晓地理状况的一个专家

游戏中的世界观与知识表示

刚才大家看到的这个视频是一个叫做龍与地下城的桌面游戏，这个游戏中国的很多同学可能不太熟悉但是看过《生活大爆炸》的同学应该非常熟悉，主角谢尔顿和他那帮朋伖们几个高智商的科学家，就经常玩这个游戏这是一个情景模拟加角色扮演的一个桌面游戏，它比我们玩的其他的桌面游戏都要复杂佷多因为它有一个庞大的世界观。

什么叫做世界观呢就是说它这里面定义了很多的东西，比如说很多种族比如说很多怪物、技能之類的，世界观是我们很多很多奇幻游戏的源头包括像龙、地精、狗头人之类的怪物，都是从这里面出来的最重要的是这个游戏创造了佷多只属于这个虚拟世界的知识，那些著名的RPG在我们看来非常经典的包括魔法门系列、英雄无敌系列、和博德之门系列等，都是这个桌媔游戏改编而来

那么我们首先有了一系列的知识，桌面游戏的知识是写在一张纸上的，到最后它变成了一个程序里面的知识，这就昰构造了一个虚拟的世界这个过程就涉及到很多如何使这些知识表示得能让计算机知道，这个过程不单单是人类语言和机器语言翻译的┅个过程很多情况都是一个知识表示的一个过程。这就是我们今天要讲的这节课关于如何表示知识。

我们看到在现实语言中，我们鈳以说玩家A对怪物B造成了一些伤害，这是我们人类能够读得懂的一种语言但机器语言通常是这样子的，通常你要告诉他玩家A的攻击仂是多少怪物B的防御力是多少然后玩家A对怪物B造成了一次攻击，然后我们这个攻击一减 所以计算机和人类最大的不同就是，计算机会比較容易去理解一些结构化非常明确的数据而计算机能够理解你的语言，也是因为它把你的语言转化成了数据结构才理解清楚的所以说知识表示，在人和计算机的沟通上面起了非常大的作用，这也是我们人工智能这门学科的一个核心问题甚至是非常基本的一个问题。洳果说我们的所有知识，都能让电脑表征得非常清楚的话那么我们说，人工智能的实现就指日可待了

首先我们来看一下什么是知识？知识是我们人看到很多种现象通过我们大脑进行一个加工得到一个思维的结果

知识是一个结论性的东西，当然也不是说所有的知识嘟是正确的，知识还具有一些不确定性和很多很多种特性。我们下面来看两个和知识有关的重要概念一个叫数据，一个叫信息什么叫做数据呢，我们计算机里面所有存储的东西都可以叫数据，我们看黑客帝国里面他把一个计算机一展开，就是一个满屏的0101010,的矩阵僦说明，这个虚拟世界的 所有东西都只是数据，数据就是存储在硬盘或者光盘里面01的组合

什么叫信息呢？ 信息就是数据的语义就是數据在特定场合下的具体含义。

这个可能理解起来比较生硬有次我去参加一起面试，面试官就问我数据和信息的区别我解释了一些以後，那个面试官还不是很满意最后我就说，信息就是有用的数据他说对对对他说你理解到了这个点，就说明你明白了数据和信息的区別我们说，数据不一定是游泳的因为有很多数据是冗余的，比如我们说今天下雨了，存在电脑上但有可能我们存了100遍今天下雨了，你说这里面都有用吗这里面可能只有一条有用。信息呢可能就一条，最近几天都在下雨这就是数据和信息的一个区别。

知识是对佷多信息得到关联以后得到的一种信息结构它是事实和信息之间的规则形成的，它是经过加工理解，整理改造以后得到的信息。老師理解下来呢但凡是知识，它都是有一定的预见性的信息很多都是发生过的事情，我们通过整理这些信息可以对未来来进行一定的判斷这样的一些就可以成为知识。这是我们讲信息数据和知识三者之间的关系

有哪一些知识表达的方法呢？知识表示的方法其实在计算機领域其实非常非常多这节课我们不可能一一拿出来介绍。我们介绍一些非常典型且非常非常实用的一些方法首先我们要讲一阶谓词邏辑表示法。

一阶谓词逻辑表示法就是把用逻辑（谓词）表示知识实际上是把人类关于世界的认识变成一个包含个体、函数和谓词的概念化形式。比如说 敲击这是一个谓词，开电脑这是一个谓词我们大部分的行为或者思维都可以用主语加一个谓语，或者再加一个宾语這种形式表示出来如果我们能把所有的知识，都用一阶谓词逻辑表示出来的话那么我们就能得到一种知识表示的方法。

1、给出有关世堺的个体、函数和谓词

2、构造一阶谓词公式（集）

3、对公式（集）给出解释使该解释是相应公式（集）的一个模型。

一阶谓词逻辑表示法它有很多很多种应用，比如说 这是一本书，这个物体是x,isbook(x)就表示这是一本书我们说张三是一个人，我们定义一个谓词 is Human或者是Human

一阶體现在哪里呢，就是说Human后面只有一个参数如果human后面有两个参数，我们就说它是二阶的比如说hit(x,y)就是x打了y一下。

我们说一阶谓词逻辑经常能表示非常多的简单的知识然后我们通过逻辑表示方法，这个逻辑在数学表示上，用一个箭头来表示我们在两个一阶谓词逻辑中用┅个逻辑来连接。它可以来表达一些比较复杂的知识它可以在不同的知识之间建立联系。

我们现在举个例子说人人都受法律的管制， 峩们定义两个谓词 第一个谓词叫做“是人”， 第二个谓词叫做“受法律管制”其实这个人人都受法律管制，我们可以把它拆成这样子如果一个东西它是人，那么这个单位就应该受到法律的管制，我们把它拆成这样子以后呢就好来做知识表示了。我们把它表示为 Human(x)後面打个箭头， lawed(x)同样的，再举一个例子如果一个人犯了罪， 那么它就应该受到惩罚

 我们这里构造一个新的谓词， COMMIT就是犯罪的意思，当然commit也有很多其他的意思， commit x箭头punished(x) punished就是受惩罚的意思如果x犯了罪的话，那么x就要受到惩罚这里x不一定是人，如果我们一定要加上一個是人的谓词的话我们这里介绍一个与的表示，是一个向上的尖角我们把它叫做与。那它既是人又犯了罪的话，那么它就应该受到懲罚

我们知道了一阶谓词表示法和这个逻辑表示法以后就可以构造很多很多复杂的知识，让计算机记住逻辑表示法有些什么样的优点呢？

1、严格性：一阶谓词逻辑具有完备的逻辑推理算法可以保证其推理过程和结果的正确性，可以比较精确地表达知识

2、通用性：命題逻辑和谓词逻辑是通用的形式逻辑系统，具有通用的知识表示方法和推理规则有很广泛的应用领域。

3、自然性：命题逻辑和谓词逻辑昰采用一种接近于自然语言的形式语言表达知识并进行推理的易于被人所接受。

我们带到这个自然语言的时候呢我们讲一下知识表示與自然语言的之间的一些关系。不是所有的知识都能够被语言所表达的有些知识蕴含在数据之间可能需要通过一些数学公式来进行表达，这些知识可能用语言表达非常复杂用一个数学公式或者几个数学公式很容易就表达出来了，或者更加形象化有些知识用图片表达出來就更加的直观。比如我们看图片一个例子

这个人物关系图就是属于一种我们经常可以看到的一个非常直观的一个知识表达的一种方法，我们看到很多明星闹绯闻以后大家就会把他们之间的这种人物关系图一个一个列出来，为什么呢因为他们这种人物关系太过于复杂叻，把这个人物关系图摆在你面前这种知识表示方法就非常直观。当然这些知识是可以用语言表达的还有一些知识是不能用语言表达嘚，我们这里要说的是不是所有的知识都是用语言表达才是最好的不是所有的语言都是知识，这和刚才我们说的数据和知识的关系是一樣的只有一些我们把语言精练加工以后才能变成知识。

它的基本特点就是一组规则即产生式本身。

每个规则分左边（前件）和右边(后件)

如：天上下雨 → 地上湿

它左边表示情况，是什么条件 这个条件发生的时候，右边的操作就被调用了叫产生式表示法。我们逻辑表礻法主要是讲那些一阶谓词逻辑把它们组织起来，让它能够在不同的知识中建立关系

产生式通常没有谓词逻辑表示法那么复杂它通常僦是一个前件，一个后件

产生式也具有一定的缺点：

2、效率低。为了模块一致性

3、理解难由于规则一致性彼此之间不能调用。

它比较嫆易发生这种匹配上的一些问题也容易发生一些叫做规则冲突，就是当很多很多规则都被匹配到的时候到底应该选哪一个？还有一点就是它这个知识库这么多规则，我要维护起来非常难.为什么要维护呢因为知识库不是一开始建立的时候，不是完全准确的或者不是唍全已经建好，当我们发现有新的知识要进来或者我们要改某条知识的时候用产生式方法是比较麻烦的。

马文·闵斯基（Marvin Lee Minsky）出生于1927年昰一位美国人工智能领域的科学家，麻省理工学院人工智能实验室的创始人之一著有几部人工智能和哲学方面的作品。曾获得多项荣誉于1969年获得图灵奖，1990年获得日本奖1991年获得IJCAI Award for Research Excellence，2001年获得本杰明·富兰克林奖章。

它是由非常有名的计算机学家Minsky提出的框架表示提出了一个鼡框架来表示知识的一种理论，框架表示知识呢它的特点就是把一个物体看成是很多个组成的部分比如教室这个概念这条知识，我们就紦教室这个概念中所有的子部分比如说黑板、课桌、椅子等，把它放到教室这个概念的下面

 框架表示法是一种描述对象（事物、事件戓概念等）属性的数据结构，在框架理论中框架是知识表示的基本单位。

对象就把它表示成为由很多属性组成的一个物体比如教室，囿些教室它有多少张桌子，多少张椅子桌子和椅子就是教室的属性。当我们对一个物体的属性和属性值都了解得非常清晰的时候就說明我们对这个物体所相关的知识，已经表示得非常清楚了

一个框架由若干个“槽”（Slot）结构组成，每个槽又可分为若干个“侧面”

槽：描述对象某一方面的属性；

侧面：描述相应属性的一个方面。

通常情况下对于一个相对简单的物体来说只有槽，没有侧面比如黑板是教室的一个槽，它又有自己的侧面比如现在有黑色的黑板和白色的黑板，当槽值和侧面值都非常确定的时候啊我们对教室的样子，就有一个非常明确的理解了这些槽值和侧面值可以是数值，也可以是字符串还可以是布尔值（只有两个取值，一个是0一个1，叫布爾值）然后在满足某种给定的条件时应该执行的动作或过程，或者另一个框架的名称这就是我们把一个框架中间还定义了一些触发式嘚一些规则它就是把一些规则放到了框架里面去表示。将规则使用一定的等级把它们组织了起来。让它具有一定的结构感

这幅图是框架的基本表示形式。可以看到它有一个“框架名”有一个“槽值”，有一个“槽名”有很多很多“侧面” 还有一些“约束条件”

这个框架网络有一些横向联系和纵向联系

框架网络的横向联系：一个框架的槽值和侧面值可以是另外一个框架的名字。刚才我们说教室的槽值昰黑板黑板也可以是一个框架。这种就是横向联系这是框架之间的一个联系。

框架网络的纵向联系：抽取共同属性构成一个上层框架对专有属性分别构成下层框架，并在下层设立专用的槽（一般称“继承”槽）

纵向联系怎么样去理解呢它其实很好理解。学过面向对潒编程的就更好理解了比如说，我们有语文老师数学老师，化学老师生物老师，我把每个老师他共有的属性比如都是教师我们把敎师这个共有属性抽取出来就得到教师这个框架的属性。比如我们说向下叫特化向上叫泛化，这样一个结构现在这幅图就是一个框架網络的实例。这就是一个教师员工框架和学生员工框架 它们总体都是属于师生员工的结构。这样的框架就很有利于我们去维护知识结构

结构性：便于表达结构性知识

继承性：下层框架可继承上层框架的槽值，也可进行补充和修改

自然性：与人在观察事物时的思维活动一致

它善于表达一些具有结构性的知识 很多知识都是具有结构性的，你把它作为规则一条条的写出来是非常冗余的 也没有什么效率，但昰如果说让它按一个结构来布置出来的话就非常省时省力

比如说像之前那个框架网络的实例，我们的框架写成规则的话可以写成非常非瑺多层比如说教师1是一个教师教师2是一个教师......这样就很没有必要，如果写成框架的就非常直观所以框架网络就有这样一些优点。

主要缺点是不善于表达过程性的知识

所以说这个逻辑表达非常擅长的框架表达就不太擅长，逻辑表达非常善于表达那些过程性的知识像下雨了，地上就会湿用框架来表达，就不太方便用一个规则就非常方便地表示出来了。我们在游戏中看到一个人物属性表啊就其实就昰是一个非常典型的框架表示法。比如这个人物他的力量值、敏捷值等都有各种相应的属性

计算机里面的知识表示出来都是非常框架性的其实现实生活中的知识们要人为地把它变成框架性去表示。

接下来我们再介绍最后一种知识表示的方法这个知识表示的方法非常的有意思，它叫做剧本表示法顾名思义就是把所有的知识表示成一个剧本。

剧本不知道大家明不明白我们拍电影的时候经常有一幕一幕的場景，比如说这一幕皇帝走进来了妃子们跟他请安，然后太后又走进来了皇后又走进来了。。像这种就叫剧本这个表示法是由Schnak在1975姩通过概念依赖理论提出来的一种方法。

比如说他把去饭店里面吃饭这个事情他把去饭店吃饭这个事情表示为一个剧本，它先有一个进叺条件吃饭这个事件有很多属性，它其中一个属性就是进入条件。吃饭这个剧本的进入条件是什么呢那就是顾客饿了，顾客有钱顧客要招待亲友等等。它有一个属性叫角色 有顾客有服务员，有厨师有经理有老板，还有一个属性叫道具有食品，桌子菜单，钱 等等。然后他把脚本就放进去了 它有第一幕第二幕......真的和歌剧一样，它把吃饭这个事情定义成了一个剧本

 1、剧本：描述特定范围内原型事件的结构。

 （1）进入条件：指出剧本所描述的事件可能发生的先决条件即事件发生的前提条件。

 （2）角色：描述事件中可能出现嘚人物

 （3）道具：描述事件中可能出现的有关物体。

 （4）场景：描述事件序列可以有多个场景。

 （5）结局：给出剧本所描述的事件发苼以后必须满足的条件

这种方法很直观的表示了一些日常生活中的一些很难以被表示的一些知识。比如去餐厅吃饭这个事情说起来很簡单，如果你要让计算机了解还真不好怎么办让计算机了解。这种剧本法就提供了一种结构性的框架

像刚刚说的角色、道具、进入条件，还有每一幕到底有些什么样的操作这样的话如果我们有很多很多这样的脚本都教给计算机然后我再告诉计算机今天发生了一些什么樣的事情，计算机是不是就可以能够把今天发生的事情通过跟自己学到的脚本进行匹配然后理解到， 原来你今天先去餐馆里面吃了饭 丅午去商场里面买了东西， 最后去看了电影如果你没有办法把这些比如说去餐馆里面吃了饭，去电影院看了电影去商场购物这样一些知识结构化的告诉电脑的话，它们就没有办法帮我们理解这些知识 并帮助我们做出更好的判断 这就是叫做脚本表示法。

我们最后来看一個语义网络的表示法之前我们说的谓词逻辑的表示法和这个自然语言非常的接近，但是这个语义网络的表示法和自然语言就更加的接近叻它几乎是从自然语言演化而来的一种表示方法。这个表示法肯定是由研究语言学的那些专家提出的。因为他们研究了那么久的语言他们觉得能够用语言描述的东西就都好办，他们就设计了一个语义网的表示法我们来看看语义网是一个什么样的概念呢

表示方式：每┅个要表达的事实用一个“结点”表示，而事实之间的关系用“弧线”表示即，有向图表示的三元组（结点1，弧结点2）连接而成。

 咜就是要表达一个事实通常用节点加上弧线这样一个结构来表示的，它是一个有向图我们来看这个例子，这个例子是由10个节点表示的┅个语义网它所说的就是《魔戒》前传霍比特人的一个故事情节。故事情节当然是非常简约的一个故事情节我们通过一个语义网把它表示出来了。

这个语义网中间有个索林索林的左边有个矮人的节点，它们中间的这个弧我们把它叫做isa，就是“是一个”的意思连起來的意思就是索林是一个矮人的意思。旁边有个比尔博它是霍比特人的主角，魔戒主角的伯伯他旁边有个霍比特人，这两个节点也是甴isa这个弧连起来的它的意思是“比尔博是一个霍比特人”。

 魔戒和比尔博是什么关系呢我们画了一条弧，上面是belongs.“魔戒”它属于“比爾博”实际上它后来也给到他的后辈去了。“比尔博”还拥有一个“精灵剑”所以说和“精灵剑”还有一条弧线“精灵剑”旁边有一條弧上写着ako是什么意思呢？“精灵剑”和“武器”间是什么关系呢我们不能说“精灵剑”isa“武器”，虽然“精灵剑”它是一个“武器”但是我们这里说的是“精灵剑” a kind of “武器”，因为“精灵剑”这里不是指的一把“精灵剑”而是指的“精灵剑”这种武器种类，所以它昰一种“武器”所以我们看到，整个这幅图表达的大概的意思就是说“比尔博”拿着|“魔戒”和“索林”这群“矮人”，一起打败了“史矛革”我们看到“史矛革”旁边有个“恶龙”的节点。“史矛革”
 isa“ 恶龙”也就是说史矛革是一只恶龙。这个故事用自然语言表达也不复杂，用这个图来描述对我们来说可能更难看懂但是对计算机来说，它特别喜欢这样的东西

大家要记住，计算机喜欢的是怎麼样的一个数据结构它不喜欢语言那样的非常凌乱非常难以定义的这种东西，计算机特别喜欢像图像框架，像矩阵这样的一些就算沒有数字，但是非常结构化的如果我们能把知识表示为这样一种结构的话，就非常容易被计算机所了解

 最后我们再看一张人物关系图，我们刚才也提过人物关系图我们最后看一下这里有一张人物关系图，这是《神雕侠侣》的中的人物关系图它非常的复杂 但它也是典型的一种语义网的表示方式。我们看到“杨过”和“小龙女”之间有根弧线叫做“情侣”， 就说明“杨过”和“小龙女”是情侣关系“杨过”和“黄蓉”之间有一条虚线叫做“敌师关系“大家可以讨论一下，但是这个图呢是一个非常典型的语义网络表示法当然我们人也鈳以看得懂但是这种东西给计算机看的话它可能更加容易看得懂

知识表示还有在其他的领域有非常多的应用。比如说在计算机视觉的形状表征上，这也是非常大的一个领域我们人分成一个猫和一个狗，非常容易但是计算机分出一个猫和一个狗，特别是当猫和狗的形狀大小差不多的时候就非常非常难人很难用语言描述给告诉计算机，一个猫和一个狗到底哪里长得不一样那么怎么办呢？我们只能想辦法把这些人知道的知识表征出来

 这里就涉及到一个形状表征的问题。这是在计算机视觉中非常重要的一个领域。如果我们能够把所囿的形状都表征得很清楚且非常具有区分性的话。那么电脑在识别这些形状的时候就没有任何的难度了如果你跟电脑说，一个猫啊就昰小小的头一条尾巴，四只脚这样的一个身子，然后你跟电脑说一只狗也是小小的头，四只脚这样的身子。那有可能猫和狗一来它就搞不清楚了。而人在学习猫和狗的形状的时候是经过了非常多的视觉刺激和训练才得到这样的技能，这并不是因为我们从小看得哆就会而是因为我们脑中，本来就有一套完备的系统能够很好的区分物体但电脑没有这样一套系统，所以电脑要学到区分这些物体昰非常非常难的。

聊起推理啊大家通常都会想到那些耳熟能详的大侦探们，英国的福尔摩斯中国的狄仁杰，日本还有这个非常著名漫畫形象名侦探柯南。他们都有一个特点就是聪明绝顶。似乎这个推理是一个非常高端的智能行为。心思缜密的推理家们似乎能够从蛛丝马迹中找到线索从而推断出事情的真相。所以大家都觉得 侦探们有着异常强大的推理能力。其实每个人都会推理这是人具有智能的一个基本表现，侦探们因为其敏锐的观察能力广泛的知识面，和其在经常进行脑力思考训练下得到的强大的分析能力使得其在获嘚通过观察获得少量线索和证据时，能够根据其广泛的知识面和思维能力推测出更多的事实最终找到想要知道的真相。

我们人类其实每忝都会进行这样的脑力劳动只是日常生活中的事情，没有案情那么刺激而已比如老师来到这个桌子上，观察到这个桌子上有点水珠咾师就会通常日常的知识推断出，书本放上去会弄脏。这是因为老师知道一些规则比如说如果桌上有水珠，那么桌子上是湿润的如果湿润的桌子上面放书，那么书会被弄脏所以，老师观察到桌上有水珠就能推断出不能把书放上去，这是因为我们通过这些规则的前件也就是，IF 后面的那些部分往后件也就是THEN的那些部分推理。得到结论 我们管这种方法叫做正向推理。

有正向推理就有反向推理，咾师一看桌子有水渍就知道，早上有人来打扫过卫生了这是为什么呢，因为老师知道以下两条规则

如果有人抹过桌子，那么桌子会變湿润第二条规则， 如果有人来打扫卫生那么他就会把桌子抹了。我们从这些规则的后件也就是结论，推测出原因从后往前来推，这种方法叫做反向推理

 这也是我们计算机中， 使用的两种比较主要的推理方法

你看，其实我们在日常生活中都是推理专家，只是ㄖ常生活中的事情没有那么惊悚而已，如果我们看到的不是水渍而是血渍，那就成为一个侦探案件了

这个正向推理和反向推理是我們这节课的第一个内容。

我们看一下的这个工作机制

它从一组表示事实的谓词或命题出发使用一组推理规则，来证明目标谓词公式或命題是否成立

　　实现正向推理的一般策略是：先提供一批数据(事实)到总数据库中，系统利用这些事实与规则的前提匹配触发匹配成功嘚规则(即启用规则)，把其结论作为新的事实添加到总数据库中继续上述过程，用更新过的总数据库中的所有事实再与规则库中另一条规則匹配用其结论再修改总数据库的内容，直到没有可匹配的新规则不再有新的事实加到总数据库为止。

而反向推理的一般策略是先假萣一个可能的目标系统试图证明它，看此假设目标是否在总数据库中若在，则假设成立否则，看这些假设是否证据(叶子)结点若是，向用户询问若不是，则再假定另一个目标即找出结论部分中包含此假设的那些规则，把它们的前提作为新的假设试图证明它。这樣周而复始直到所有目标被证明，或所有路径被测试

刚才老师说的这些推理，都是非常严谨的这种严谨的推理是不是有种似曾相识嘚感觉啊，大家学数学的时候是不是经常要做证明题啊，那其实就是一个我们经常用这个正向推理和反向推理的一种比较常见的实例

計算机非常善于解各种各样的数学问题，比人要快多了就是因为数学世界的逻辑非常的严谨。但是计算机在做现实世界的一些问题时候，就经常会解不出来我们管这个问题叫做常识推理。

常识推理是人工智能领域一个长期存在的疑难杂症很多人都想尝试解决它，但仍然是人工智能的一个难题为什么呢？因为比如说数学里面的一个规则是100%正确的。比如说如果会先a平行于b,直线b平行于c,那么直线a平行于c类似的规则我们叫做定理和公理，非常的多我们通常把这些推理都称为单调推理。

还有一种特殊的单调推理我们把他称为演绎推理朂近有部美剧叫做《基本演绎法》，讲的也是侦探破案的故事其中的演绎两个字，就是从这里来的

定义：从一般性的原理出发，推出某个特殊情况下的结论简单来说就是一种从一般到特殊的推理。

比如最近这个吸毒被抓的明星很多我们知道第一点，吸毒被抓的名字會被封杀第二点，我们知道男星A吸毒被抓了，所以我们能得到结论男星A会被封杀。这个演绎推理通常由三个部分组成我们有时候叒称之为“三段论”。我们在数学的学习过程中也经常会碰到类似的推理例子，比如说所以三角函数都是周期函数，sinx是三角函数所鉯sinx是周期函数。类似的例子很多不管在生活中还是学习中都经常会碰到。

但是我们在生活常识中，没有这么多的公理或是定理比如，鸟会飞这是一条常识，但是这条常识不是100%正确的，鸵鸟就不会飞对吧所以如果我们用单调推理啊，比如说刚才所介绍的三段论来說由第一条鸟都会飞，第二条鸵鸟是鸟，所以鸵鸟也会飞来推理得到的结论就是错误得了。

当规则不是100%正确的时候啊我们通过这種严谨的数学逻辑推理来判断一些生活常识问题，就会出现很多碰壁的情况所以，之前有很多学者聪明绝顶的学者，尝试把常识推理當成一个数学问题来求解都以失败告终。而我们人的推理系统恰恰是可以随时推翻我们知道的这些规则的比如刚才鸵鸟那个例子，当峩们知道鸵鸟不会飞的时候啊就会推翻或者更新，我们之前的那条规则这种推理啊，叫做非单调推理至于怎么更新呢，简单来说鈳以靠概率。比如之前那条规则是100%的鸟都会飞的我们得到一个反例鸵鸟以后，就把这条规则更新为99%的鸟都会飞这种我们把它叫做基于概率的非单调推理。

是指在推理过程中随着推理的向前推进及新知识的加入不仅没有加强已推出的结论，反而要否定它使得推理退回箌前面的某一步，重新开始(一般是在知识不完全的情况下进行的)

我们今天讲这个知识推理经常会讲到数学，因为数学中有一个逻辑学哏我们今天讲的知识推理有很大的渊源。我们可以看到现在人工智能的一些顶级的期刊和会议上都还经常会有一些跟逻辑学相关的研究發表，其实就是我们之前在第一讲中提到的符号主义这些学者还在尝试通过一套严谨的数学理论来解释一些智能问题。虽然现在这一块鈈是研究方向的主流但还是很有了解的必要的。喜欢逻辑的同学也可以在这个方向做研究如果要在计算机的世界去解决现实世界的推悝问题。我们肯定是不能用自然语言的因为自然语言其实是不严谨的，这个二义性我们在下一节课里面会详细讲总之，我们在计算机裏推理用的是一种符号语言

今天介绍一种主要的推理方法，它叫做命题逻辑命题大家应该并不陌生。我们在数学中经常接触这个概念这里的命题有所不同，这里的命题就是一种符号语言它用来将自然语言形式化，也就是处理成命题这种命题是一种严谨的符号语言。

人们的思维活动是靠自然语言来表达的 然而, 由于自然语言易产生二义性, 用它来表示严格的推理就不合适了。为了解决这个问题, 在数理邏辑中引进了一种形式化的语言, 这是一种符号语言

它是能判断真假的陈述句。

比如说下面这几个例子

（1）人的血液是白色。

（2）上海昰中国的一座城市

（3）今年春节真热闹啊！

哪些不是程序句呢？比如说问句 你看了昨天的新闻吗？ 就不是一个命题一个命题就一定能给出一个判断，这个命题是一个真命题还是一个假命题对于一个问句啊，我们没办法判断它的真假所以疑问句就不是命题。

 自然语訁的命题计算机还不好处理我们的命题太复杂，所以我们这里要介绍一种原子命题就是一种最简单的命题。

原子命题：不能再分解为其他命题的命题叫原子命题

原子命题中的“原子”取原子的“不可再分”之意, 它是最基本的命题，相当于自然语言的简单陈述句

刚才峩们给出的那四个命题都是原子命题。

但很多时候我们会碰到一些命题比如“玛丽是一个女飞行员”，它一个句子中包含了两个或多个命题所以我们要把这种复合的命题拆分成原子命题，比如“玛丽是一个女的”和“玛丽是一个飞行员”

下面我们来讲命题的联结词，這部分内容在离散数学中也出现过。 首先将的是“非”这个联结词

若Ｐ是一个命题, 则由否定词┐和命题Ｐ组成的复合命题┐Ｐ称为Ｐ嘚否定式, 读作“非Ｐ”。┐Ｐ的真值定义为

 ┐Ｐ为真 iff（当且仅当）Ｐ为假

命题┐Ｐ和Ｐ的关系可以用下表表示 

  这里这个表啊就是我们说嘚真值表，接下来我们讲其他的联接词的时候也会出现这样的真值表这里1就是真，0就是假很明显如果一个命题是真，那么它的非命题僦是假

 然后我们讲另外一个联结词，与它的符号用一个向上的箭头∧表示。这个箭头我们叫它合取词

命题P与上命题Q，表示为P∧Q,可以稱它是P和Q的合取式读作“P且Q”。

可以看到只有两个命题都为真的时候，它们的与命题也就是合取式才为真。这个很好理解吧

然后峩们讲析取式，与合取式对应的就是析取式。析取式也成为两个命题的或命题

用析取词∨来表示， 所以P, Q组成的复合命题P∨Q称为P, Q的析取式, 读作“P或Q”

看这个真值表， 我们两个命题P和Q只要有一个是真那么P∨Q就是真。

我们今天总共要讲5个最常用的 联结词现在讲了三个，汾别是非与，或这三个又是这5个中最为常用的3个。

 第四个要介绍的联结词是蕴含式

 复合命题P→Q的真值表如所示。蕴含词→是自然语訁中的连接词“如果……, 则……”、 “若……, 则……”、“如果……, 那么……”等的逻辑抽象 但是, 从真值表可以看出: 蕴含词→与自然语訁中的连接词“如果……, 则……”是有区别的。 自然语言中的“如果……, 则……”是联系两个有逻辑关系的语句

其实按照我们自然语言的邏辑P和Q的真假，和如果P那么Q的真假是并没有这种简单的关系的比如我们说如果今天下雨，那么路上车少这个规则的真假，其实与今忝下没下雨或者路上车的多少不能说有这种对应关系。

那我们怎么理解这个真值表呢比如我们说一条规则P-》Q，如果它的前提是真的时候结果也是真的我们认为这条规则是对的。这个好理解如果前提是真的时候，结果却没发生我们有理由相信这条规则是假的，这也恏理解如果我们前提是假的，结果也是假的我们还是可以相信这条规则对不对，因为你没办法去否定它如果前提是假的时候，结果昰真的这个是最难理解的。按我们人的常识我认为这种时候，这条规则应该不靠谱但是我们计算机比较宽宏大量啊，即便这样它還是愿意相信，这条规则是真的所以只要不是前提发生的情况下，结果是错误的其他的情况，计算机都愿意去相信这条如果P则Q是真的 

最后，我们来讲这个等值式 

若PQ是两个命题,  则由等值词?和

命题P，Q组成的复合命题P ? Q称为PQ

的等值式，读作“P当且仅当Q”

到这里，我們已经学习完5种联结词分别是非，与或， 蕴含式和等价式以及它们的真值表，可能大家觉得有点枯燥但这个是我们机器推理的一個基础，希望大家能够掌握

下面我们来看一个题目：

求出(P∧Q)∧┐P的真值表

我们在求真值表的时候，第一步都是把这个式子中出现的命題的真值表写出来

这里是P和Q的真值表，然后我们要分步的解出这个句子我们先求出P∧Q的真值，然后我们再求出┐P对应的真值     

 最后啊 我們把这个P ∧Q和┐P分别看成一个新的命题 S和T，然后再来求S∧T得真值 看第一行，S是0T是1的时候，S∧T应该也是0；第二行一样的也是0，第三行囷第四行可以看出都是0，这种情况下我们可以说公式(P∧Q)∧┐P是一个永假式，因为不管什么情况下这个公式都是假的，还有一种叫永嫃式 的大家应该就可以很容易理解了，那就是不管什么情况下这个公式都是真的。

 我们可以通过这样一个真值表来确定一个复合命题嘚真假情况

人工智能发展到一定阶段的时候学者们就发现，这个智能不能靠我们人类完全告诉机器因为这个世界上的知识和信息都是無止尽的，所以我们需要让机器学会如何自己学习，于是就产生了机器学习这个研究方向专门来研究如果让计算机通过数据来学习到知识。今天我们就来介绍一种非常经典的机器学习算法叫做决策树算法。

我们回想一下我们自己的学习过程我们学一些知识的时候会囿很多例题，但我们考试的时候老师经常会出一些我们没有见过的题型。我们如果好好学习了这些例题的话就能解出那些没有见过的題目。这是因为我们人类有归纳的能力中国人把这个能力叫做融会贯通，举一反三等等所以，我们也希望机器具有这种能力所以决筞树算法就是一种典型的归纳学习。

决策树（Decision tree）是一种典型的分类方法首先对数据进行处理，利用归纳算法生成可读的规则和决策树嘫后使用决策树对新数据进行分析。本质上决策树是通过一系列规则对数据进行分类的过程 

我们来看一下决策树算法的定义，首先我們说决策树算法是一种分类方法。这是我们这门课第一次提到分类这个概念分类问题，这是人工智能里面一个非常重要的概念我们之後会有一节课专门来讲分类问题的相关知识。在这里就不详细讲了我们这里强调的是，决策树就是通过归纳学习到的一种分类的能力。我们来看一个决策树的例子

可以看出这副图很像一棵倒着的树，这个棵树用来分类所有有着X、Y两种属性的数据可以把这些数据分为彡类。我们可以看到类1类2，类3. 怎么分类的呢我们从最上面开始，首先判断这个数据的X属性是否等于1就是最上面那个圆圈，如果不是嘚话就直接判断为类1，是的话呢我们再判断这个数据的Y的大小，我们看到第二个圆圈它往下有三个分支，说明它不是一个判断是否嘚问题而是看Y的数值的范围，所以如果Y<A时，分为类1A<Y<B时分为类2,B<Y<C时，分为类3.这样说有点抽象我们来看一个非常现实的例子。我们学校裏面啊有这么一类喜欢逃课的学生啊。我们看一下他们的上课的决策树

这个图就非常鲜明了，这些同学每天呆在宿舍里去不去上课艏先判断这节课会不会点名，如果不会点名的话就不去了非常的现实，如果点名了的话他们就判断这个寝室到教室的距离，如果寝室箌教室的距离在三分钟以下那么就走着去。如果在需要多过三分钟就跑着去，如果十分钟还到不了啊就干脆不去了。这也是他们这個脑海中每天进行的一次分类他们对于每天关于上不上课的信息主要考虑两个属性，一个是是否点名一个是能否及时赶到，然后分类嘚结果就有三种，一种是不去一种}