对谓词逻辑在人工智能科学中应用的分析，本文主要内容关键词为：谓词论文,人工智能论文,逻辑论文,科学论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
谓词逻辑是一种基于谓词分析的形式化语言及其推理，是人工智能科学所赖以产生和发展 的最古老、最直接、也是最完备的理论基础。现有的许多人工智能系统，如1971年Fikes设 计的“机器人行动规划系统”(STRIPS)，1976年Filman设计的“机器博弈系统”(FOL)以及 计算机进行自动定理证明和问题求解的若干工作，都直接或间接地借用了谓词逻辑的大量成 果。可以说，没有谓词逻辑作为理论基础，人工智能科学的大厦将岌岌可危。
一、谓词逻辑对于人工智能科学的重要性
(一)知识表达(knowledge Representation)
1.知识表达的概念及其在人工智能科学中的重要地位。知识表达，顾名思义是研究在计算 机中如何表达知识。具体地讲，是指如何通过知识的形式化或模型化表达使人们的知识有效 地、合理地转移和存储到机器中去。
知识表达是人工智能系统的基本技术，是智能机设计中必须要解决的问题。专家系统领域 ，需要专家知识以达到专家级的问题求解水平：计算机视觉系统，为了完全解释景物，需要 知晓它所看到的“景物”的特征；没有应用环境知识(领域知识)自然语言理解系统不能恰当 地理解它们所处理的句子和词汇。而借助于合理的知识表达方式，计算机不仅能够从根本上 解决上述问题，还可以灵活地运用知识进行推理，求解问题，增删、修改和更新知识库。更 重要的是，合理的知识表达方式还有可能帮助人们解决长期以来困扰着许多人工智能专家和 学者、至今仍然是人工智能科学中的“斯芬克斯”之谜的知识获取和知识积累问题，导致人 工智能科学的飞速发展和重大突破，为计算机模拟和实现人类的智能奠定坚实的基础。
2.谓词逻辑表达法。谓词逻辑表达法，即运用一阶谓词逻辑描述人工智能领域中的知识问 题。它是计算机表达知识的诸多方法中的一种重要类型。
我们知道，在人工智能领域，知识通常是用自然语言中的一组命题表达的。因此，用一阶 谓词逻辑来表达某一领域有关问题的知识，实际上就是如何用一阶谓词逻辑对自然语言命题 进行符号化的问题。这一过程通常包括以下几个步骤：
(1)将一个原子命题分解为个体词和谓词两个部分，并用X.y.z.
…来代替变元 ，用a.b.c.d等来代表个体常项，用大写字母E.F.G.H等来代表谓词变元。
(2)找出原子命题中所包含的量词，并用“ヨ”表示“存在”，“
”表示“所有”。
(3)运用特制的人工符号“∧、∨、
、、”来表示原子命题中个体词与谓 词的关系及多个个体词或谓词间的复合关系。其中，全称命题用“”表示，单称和特称命 题用“∧”表示。
经过以上三个步骤的处理，对于“所有的人都是会死的”这类全称命题，我们就可以把它 符号化为：(x)[F(x)→H(x)]
或(x)(Human(x)→Die(x))；对于“张三是人”这类单称 命题则可以表示为：ヨ(x)(a∧x)(其中，a表示张三)。运用这种方法，我们便可以通过对一 组命题集的符号化表示而将其输入到计算机中，建立起计算机系统的知识库以进行机器定理 证 明和问题求解。
(二)知识推理(knowledge Inference) 在人工智能系统中，知识表达技术仅仅是使计算机表现出人类智能的一个必要的前提条件 。也就是说知识表达的重要性只在于它为计算机模拟人的智能提供了一个可靠的工具，而如 何运用这一工具进行机器思维、问题求解，则是“知识推理”所要解决的问题。
在人工智能领域中，计算机运用知识进行推理的方法多种多样，但运用谓词逻辑进行数学 定理机器证明，可以说是人工智能研究领域之中最卓有成就的一部分。其中涉及到的内容大 体包括归纳反演推理，规则演绎系统，Horn子句逻辑等。它们都是谓词逻辑推理的直接应用 ，如归纳反演推理中的肋binson归纳原理，实质上相当于演绎推理中的反证法。其基本思想 是：将所要证明的目标前冠以否定联结词并把它化为子句的形式添加到由前提化成的子句中 并构建子句集S；然后利用归结原理证明这个子句集是不可满足的，即从中能推出一个空子 句。由于这一空子句不能被任何解释所满足，是永假的，因此我们就能够判定所要求证的目 标是该领域知识的一个推论。限于篇幅，我们对此不展开论述。总之，这种基于谓词逻辑表 达法的知识推理，实质上为计算机提供了一种自动演绎推理技术，因而它在人工智能科学中 占有重要地位。
二、对谓词逻辑表达法的水平和能力的分析及评价
谓词逻辑作为一种知识表达方法，目前存在两种对立的观点：反对者认为，逻辑表示缺乏 明确的模式组织相关知识，难以处理变化的、不确定的和不完全的知识，并且受演绎推理局 限的影响，在表达知识的水平和能力上受到限制；赞同者强调，逻辑表示的严密性和可解释 性是其他知识表达方法无可比拟的，正是这一点，使它成为使用时间最早、应用范围较广的 表达法。笔者认为，无论是赞同者还是反对者的观点都失之偏颇，对谓词逻辑表达法，应作 综合分析和全面衡量。不能因为这种表达方法具有某些缺陷而将它弃之不顾，也不能因为它 具有某些优点而看不到它的局限性。事实上，自从1956年在Dartmouth会议后，人工智能科 学出现以来，人工智能工作者对于究竟该采用何种方法作为知识表达法的争论皆与此有 关。下面，我们拟以计算机对理想化的知识表达方法的要求为参照，对谓词逻辑表达法作一 全面的分析和评价。
(一)计算机系统对知识表达的要求
在空洞的理论意义上，所有的知识表达方法都是等效的，然而一旦付诸于“实践”，不同 的知识表达法在效能上便会出现很大的差别。虽然有时两种知识表达方法都能够完成某一任 务，但由于一种方法对使用者更方便，或更有助于推动研究的进展，它就比另一种方法更有 效。理想化的知识表达法能够在很大程度上提高使用者的表达和推理能力，它包括以下几个 含义：
其一，表示能力，该知识表达方法应能正确地、有效地将问题求解所需的各类知识表达出 来；
其二，正确性问题，该表达方法应具备良好的语义并保证推理的正确性；
其三，可扩充性，该表达方法的运用可使计算机方便地扩充知识库；
其四，简单性，该知识表达方法所表示的知识应当简单、明了，便于操作，易于理解；
其五，明确性，所表达的知识应当清晰、准确。
这几条标准，是理想化的知识表达方法所应具备的最基本要求。但在目前，所有的知识表 达方法都各有利弊，谓词逻辑表达法也不例外。
(二)谓词逻辑表达法的优点及缺陷
谓词逻辑是基于谓词分析的一种形式化语言，它完全撇开了每一符号的本身意义而依据某 些只涉及符号书面状态的转换规则来进行符号操作。它使得人们可以仅仅在句法层次上来研 究逻辑演算系统。因此，用谓词逻辑表达知识具有许多优越性：
第一，谓词逻辑将一个原子命题分解为个体词和谓词两个模块，符号简单，描述易于理解 ，便于计算机实现逻辑推理的机械化和自动化。这说明谓词逻辑表达法能够达到标准四和标 准五的要求。
第二，谓词逻辑系统可以小到只有简单符号和真、假值组成，但还可以陆续加入一些变量 和连接词以至加入谓词、量词、函数等来扩充它的表达自能力，这说明谓词逻辑表达法具备 标准三的要求。
第三，谓词逻辑具备完整的理论基础，具有严格的形式定义。原则上它可以保证知识库逻 辑上的一致和所有结论的正确性，便于计算机精确地表达知识。这一点，是其他知识表达模 式所不具备的。目前，其他知识表达模式正在为这种逻辑上的一致性和语义的自然性而努力 。这就从另外一个侧面揭示了谓词逻辑表达法所具有的无可比拟的优越性，说明它达到了标 准二的要求。
谓词逻辑表达法所具备的种种优势，使得它成为人工智能领域应用较早，较广泛，也是较 成功的一种知识表达模式，在众多领域中都起着举足轻重的作用。但是，由于形式逻辑系统 本身表示范围的局限性，使得它在表达知识的水平和能力上受到了许多限制：
首先，知识表示范围的局限。知识是人们在改造世界的实践中所获得的认识和经验的总和 。知识通常可以分为对象(object)性知识，即有关现实世界中事物的事实：事件(event)性 知识，即现实世界中发生的行为和事件；性能(Performance)性知识，即有关如何做事以及 技能的知识。元知识(meta—Knowledge)即“有关知道的知识”。可见知识所包括的内容 相当广泛，而基于谓词逻辑的表示法，只是根据事实进行推理、演绎的一种表示知识的传统 方法，因此，用谓词逻辑表示知识时最大缺点是所表达的知识不够丰富。
其次，由于谓词逻辑所表达的内容和推理过程截然分开，推理完全以形式化方式进行，抛 弃了内容中所含有的大量信息，其结果使处理过程变长，工作效率降低。当前智能系统最大 的困难是怎样充分利用存贮在系统的数据结构中的事实，存贮的形式显然直接影响着使用。 并且，由于谓词逻辑是一种单调逻辑，因此它不能很好地处理例外。通常，随着前提的增加 ，问题的结论总会发生变化，在这种情况下，如果我们仍然恪守谓词逻辑的表达方式，便会 显得力不从心，无法准确地反映变化发展着的客观世界。
(三)对谓词逻辑表达法的评价
基于以上的分析，我们可以很清楚地看到谓词逻辑在知识表达方面存在的利和弊。如何认 识它所具有的利与弊，这一问题导致了人工智能学界三十多年来对应该选择的知识表达方式 的喋喋不休的争论，也关系着谓词逻辑在人工智能领域的现在与未来。
笔者认为，既然谓词逻辑表达法是表达人类关于某一事物的认识的一个重要方法，在人工 智能领域我们就不应该弃它而不顾。诚然，这种表达法的确具有不少缺陷，但正如虽然其他 三种较为重要的知识表达方法，即语义网络表达法、框架表达法、树图表达法都具有这样或 那样的缺陷，而人工智能学者未曾对之一并舍弃一样，对于谓词逻辑表达法，我们也不能因 为它的缺陷会带来一些困难和麻烦而将它弃而不用，这种做法的实质无异于因噎废食。
其次，我们应当看到，谓词逻辑表达法仅仅是现有的、人们已经开发出来的逻辑表达法的 一种类型。对谓词逻辑在知识表达过程中所表现出来的某些缺陷，我们完全可以依靠其他逻 辑分支，如借用模糊逻辑、模态逻辑或时态逻辑的表达方法来弥补其不足。当前这方面的研 究还相当落后，我们的当务之急是努力完成这项工作，故而对谓词逻辑表达法盲目地进行褒 贬都是不足取的。
再次，还应阐明的是，谓词逻辑表达法所具备的能够保持系统的一致性等优点，是其他知 识表达法无法比拟，孜孜以求的目标。仅就这一点来看，谓词逻辑表达法不仅具有存在的必 要，而且势必会表现出强大的生命力，在机器学习、自然语言理解、专家系统、模式识别( 声音、图象和文字)等研究领域会进一步得到普及。
(四)应当进一步探讨的问题
谓词逻辑表达法是人工智能领域应用较早的一种知识表达方法，但从近三十多年所取得的 成果看，人们对于它的探讨并不十分充分。在这一课题中，应当加强以下三个方面的研究：
第一，加强对高阶谓词的深入研究。一阶谓词在复杂的问题面前，在完成知识表达的工作 过程中所遇到的困难，有些可以通过引入高阶谓词的办法得到弥补。如：对于不能表达复杂 的世界模型，不适于动态地构造和操作有关模型等困难，就可以考虑采用高阶谓词的表达方 式来克服。
第二，以模糊逻辑、模态逻辑、时态逻辑、概率逻辑、直觉逻辑等逻辑系统为手段，研制 和提炼可以弥补谓词逻辑表达缺陷的逻辑模式，意在使逻辑表示能够帮助人们客观、准确地 反映客观世界和人们的思维实际。
第三，谓词逻辑表达法和其他知识表达法的关系是什么?它们之间能不能相互转化?如何转 换?诸如此类问题在当前的研究中并没有引起足够的重视。事实上，倘若计算机能够依据某 一系统的需要，自动地选择和调整知识表达法，那么每一种知识表达法都将能最大限度地发 挥自己的优势，以最佳效能服务于系统的整体目标。这样，原先存在于某一知识表达法中的 缺陷就能够通过另外的表达方法的转换和运用得到弥补，一些困扰着人工智能学者的难题将 会不攻自破。
标签：人工智能论文; 谓词逻辑论文; 科学论文; 命题的否定论文; 命题逻辑论文; 逻辑分析法论文; 关系逻辑论文; 推理论文;