人工智能--不确定性推理概述

不确定性推理的含义

什么是不确定性推理

不确定性推理是指建立在不确定性知识和证据基础上的推理。例如，不完备、不精确知识的推理，模糊知识的推理等。实质上是一种从不确定的初试证据出发，通过运用不确定性知识，最终推出具有一定程度不确定性但却又是合理或基本合理的结论的思维过程。

为什么采用不确定性推理

• 所需知识不完备、不精确：不完备是指在解决某一问题时，不具备解决该问题的全部知识。不精确是指既不能完全确定知识为真，又不能完全确定知识为假。
• 所需知识描述模糊：指知识的边界不清晰，例如常说的“好”、“很好”、“比较好”
• 多种原因导致同一结论：例如导致人发烧的原因有许多种。
• 解题方案不唯一：现实生活中的问题一般都存在着多种不同的解决方案，而这些方案直接又很难绝对地判断其优劣。

不确定性推理的基本问题

不确定性的表示

不确定性的表示包括知识的不确定性表示和证据的不确定性表示。

知识不确定性的表示

通常需要考虑两个方面的问题：

1. 能够比较准确的描述问题本身的不确定性
2. 便于推理过程中不确定性的计算

知识的不确定性通常是用一个数值来描述的，该数值表示相应知识的确定性程度，也称为知识的静态强度。

证据的不确定性表示

推理中的证据有两种来源：

1. 用户在求解问题时所提供的初始证据，如病人的症状等
2. 在推理中得出的中间结果

通常，证据的不确定性应该与知识的不确定性表示保持一致，以便推理过程能对不确定性进行统一处理。

不确定性的匹配

推理过程实质上是不断寻找和运用可用知识的过程。可用知识是指其前提条件可与综合数据库中的已知事实相匹配的知识。

那么怎样去匹配呢？目前常用的解决方案是，设计一个用来计算匹配双方相似程度的算法，并给出一个相似的限度，如果匹配双方的相似程度落在规定的限度内，则称双方是可匹配的。

组合证据不确定性的计算

在不确定性的系统中，知识的前提条件既可以是简单的单个条件，也可以是复杂的组合条件。匹配时，一个简单条件只对应与一个单一的证据，一个符合条件将对应于一组证据，而结论的不确定性是通过对证据和知识的不确定性进行某种运算而得到的。所以，当知识的前提条件为组合条件时，需要有合适的算法来计算复合证据的不确定性。

不确定性的更新

由于证据和知识都是不确定的。那么就存在两个问题：

1. 如何利用证据和知识的不确定性去更新结论的不确定性
2. 在推理过程中，如何把初始证据的不确定性传递给最终结论

对于第一个问题，一般的做法是按照某种算法由证据和知识的不确定性计算出结论的不确定性

对于第二个问题，做法一般是把当前推出的结论及其不确定性作为新的证据放入综合数据库。

不确定性结论的合成

推理过程中，很可能会出现由多个不同知识推出同一结论，并且推出的结论的不确定性程度又各不相同的情况。

不确定性推理的类型

按照是否采用数值来描述不确定性来区分：

1. 数值方法：一种用数值对不确定性进行定量表示和处理的方法。
2. 非数值方法：除数值方法以外的其他各种对不确定性进行表示和处理的方法。

---

对于数值方法，又可以根据其所依据的理论分为两种不同类型：

1. 基于概率论的有关理论发展起来的方法，如确定性理论、主观Bayes方法、证据理论和概率推理等；
2. 基于模糊逻辑理论发展起来的方法，如模糊推理。