【文章內容簡介】 kill(A,B)： hate(A,B), possess(A,C), weapon(C). hate(A,A)： depressed(A). possess(A,C)： buy(A,C). weapon(Z)： gun(Z). 訓練例：一組事實子句。 depressed(john). buy(john,gun1). gun(gun1). suicide(john). 可操作性標準：暫時簡單地處理為靜態(tài)標準。 operational(depressed). operational(gun). operational(buy). 2020/11/4 高級人工智能 解釋學習 史忠植 44 suicide(john)的解釋結構 suicide(john) kill(john,john) weapon(gun1) hate(john,john) possess(john,gun1) depressed(john) buy(john,gun1) gun(gun1) 2020/11/4 高級人工智能 解釋學習 史忠植 45 目標概念 suicide(x)的泛化過程 suicide(a) kill(x,x) weapon(C) hate(A,B) possess(A,C) depressed(A) buy(A,Z) gun(Z) suicide(x) goal concept kill(a,a) kill(A,B) weapon(C) hate(x,x) possess(x,C) R5 weapon(C) R3 hate(A,B) R4 possess(A,C) depressed(x) x/A buy(x,Z) x/A,Z/C Z/C R2 R1 x/a {x/A,x/B} 2020/11/4 高級人工智能 解釋學習 史忠植 46 基于知識塊的 SOAR系統 記憶塊：用一種符號來標記另一些符號的存儲結構模型。 SOAR的學習機制：由外部專家的指導來學習一般的搜索控制知識。外部指導可以是直接勸告，也可以是給出一個直觀的簡單問題。系統把外部指導給定的高水平信息轉化為內部表示，并學習搜索記憶塊。 2020/11/4 高級人工智能 解釋學習 史忠植 47 SOAR的體系結構 記憶塊機制 對 象 優(yōu) 先 語境站 決策過程 工作存儲器管理器 產生式存儲器 工作存儲器 2020/11/4 高級人工智能 解釋學習 史忠植 48 ProblemSpace Search ? Problem space: ? Start state, goal state ? Operators (actions that transform state) ? Soar assumption: every cognitive behavior can be characterized as search for a sequence of operators leading from a start state to a goal state ? Routine behavior ? Problemsolving ? Metacognition / search control ? “Universal weak method” 2020/11/4 高級人工智能 解釋學習 史忠植 49 Impassedriven deliberation and learning ? Soar’s standard process for selecting action includes several intermediate decision points ? If each such decision is pletely determined by existing productions, the action is “routine” ? Underdetermined decisions (zero or multiple conflicting productions) create an “impasse” ? Results in deliberation (. problem space search) ? Results in learning a new rule that prevents impasse in future similar situations 2020/11/4 高級人工智能 解釋學習 史忠植 50 Production Memory Working Memory Processing East South North Propose Operator Compare Operators North East South East North = South Apply Operator Output Input Select Operator If cell in direction d is not a wall, propose operator move d If operator o1 will move to a bonus food and operator o2 will move to a normal food, operator o1 o2 If an operator is selected to move d create output movedirection d empty cell operator o1 North East South movedirection North This slide borrowed from John Laird 2020/11/4 高級人工智能 解釋學習 史忠植 51 Processing: Subgoals East South North Propose Operator Compare Operators Apply Operator Output Input Select Operator Tie Impasse Evaluateoperator (North) North = 10 Evaluateoperator (South) Evaluateoperator (East) = 10 = 10 = 5 Chunking creates rule that applies evaluateoperator North East South East North = South = 10 Chunking creates rules that create preferences based on what was tested This slide borrowed from John Laird 2020/11/4 高級人工智能 解釋學習 史忠植 52 Representation and Methodology Memories Rule Memory Working Memory Procedural Knowledge Longterm Knowledge Declarative Knowledge Shortterm Knowledge Match Conflict Resolution Act This slide borrowed from John Laird 2020/11/4 高級人工智能 解釋學習 史忠植 53 九宮問題 2 3 1 8 4 7 6 5 初始狀態(tài) 1 2 3 8 4 7 6 5 目標狀態(tài) 2020/11/4 高級人工智能 解釋學習 史忠植 54 求解過程 1. G1 solveeight puzzle 2. P1 eightpuzzle sd 3. S1 4. O1 placeblank 5. =G2 (resolvenochange) 6. P2 eightpuzzle 7. S1 8. =G3 (resolvetieoperator) 9. P3 tie (left, up, down) 2 3 1 8 4 7 6 5 2020/11/4 高級人工智能 解釋學習 史忠植 55 evaluateobject(O2(left)) 12.=G4 (resolvenochange) eightpuzzle left left place1 2 3 1 8 4 7 6 5 2020/11/4 高級人工智能 解釋學習 史忠植 56 可操作性標準 如果給定： 1) 一個概念描述。 2) 一個執(zhí)行系統，它利用概念描述改善執(zhí)行情況。 3) 改善執(zhí)行系統的各種要求，應明確各要求的類型和程度。 那么若滿足下列二條件則該概念描述是可操作的： 1) 可用性：執(zhí)行系統可以使用該概念描述 2) 效用型：使用概念描述時，系統的運行得到要求的改善 2020/11/4 高級人工智能 解釋學習 史忠植 57 PRODIGY的效用 控制規(guī)則的可用性： Utility = (AvrSavings ApplicFreq) AvrMatchCost 其中： AvrMatchCost = 匹配該規(guī)則的平均耗費 AvrSavings = 應用該規(guī)則時，平均節(jié)約的時間 ApplicFreq = 應用該規(guī)則的頻度 2020/11/4 高級人工智能 解釋學習 史忠植 58 SOAR系統的可操作性 SOAR系統主要通過 Chunking來獲取知識，因此有意忽略了可用性： 1. 假設 Chunking是自動完成的； 2. SOAR系統的性能是由完成一項任務所需做的抉擇次數來衡量的。 2020/11/4 高級人工智能 解釋學習 史忠植 59 MRSEBG的可操作性 將可操作性標準處理為可證明的。 可操作性是在解釋過程中確定的，一旦某一分支由于沒有可操作的定義而終結，就立即進行回溯，尋找該分支的另一能夠產生一可操作的概念定義的證明。這樣，一定能得到目標概念的可操作性描述。 2020/11/4 高級人工智能 解釋學習 史忠植 60 METALEX的處理方法 通過經驗來評估可操作性：在系統中使用概念描述，然后看系統的行為是否達到了事先提出的系統目標。 2020