【文章內(nèi)容簡(jiǎn)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(xùn)練例：一組事實(shí)子句。 depressed(john). buy(john,gun1). gun(gun1). suicide(john). 可操作性標(biāo)準(zhǔn)：暫時(shí)簡(jiǎn)單地處理為靜態(tài)標(biāo)準(zhǔn)。 operational(depressed). operational(gun). operational(buy). 2020/11/4 高級(jí)人工智能 解釋學(xué)習(xí) 史忠植 44 suicide(john)的解釋結(jié)構(gòu) 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(jí)人工智能 解釋學(xué)習(xí) 史忠植 45 目標(biāo)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(jí)人工智能 解釋學(xué)習(xí) 史忠植 46 基于知識(shí)塊的 SOAR系統(tǒng) 記憶塊：用一種符號(hào)來標(biāo)記另一些符號(hào)的存儲(chǔ)結(jié)構(gòu)模型。 SOAR的學(xué)習(xí)機(jī)制：由外部專家的指導(dǎo)來學(xué)習(xí)一般的搜索控制知識(shí)。外部指導(dǎo)可以是直接勸告，也可以是給出一個(gè)直觀的簡(jiǎn)單問題。系統(tǒng)把外部指導(dǎo)給定的高水平信息轉(zhuǎn)化為內(nèi)部表示，并學(xué)習(xí)搜索記憶塊。 2020/11/4 高級(jí)人工智能 解釋學(xué)習(xí) 史忠植 47 SOAR的體系結(jié)構(gòu) 記憶塊機(jī)制 對(duì) 象 優(yōu) 先 語境站 決策過程 工作存儲(chǔ)器管理器 產(chǎn)生式存儲(chǔ)器 工作存儲(chǔ)器 2020/11/4 高級(jí)人工智能 解釋學(xué)習(xí) 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(jí)人工智能 解釋學(xué)習(xí) 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(jí)人工智能 解釋學(xué)習(xí) 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(jí)人工智能 解釋學(xué)習(xí) 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(jí)人工智能 解釋學(xué)習(xí) 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(jí)人工智能 解釋學(xué)習(xí) 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(biāo)狀態(tài) 2020/11/4 高級(jí)人工智能 解釋學(xué)習(xí) 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(jí)人工智能 解釋學(xué)習(xí) 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(jí)人工智能 解釋學(xué)習(xí) 史忠植 56 可操作性標(biāo)準(zhǔn) 如果給定： 1) 一個(gè)概念描述。 2) 一個(gè)執(zhí)行系統(tǒng)，它利用概念描述改善執(zhí)行情況。 3) 改善執(zhí)行系統(tǒng)的各種要求，應(yīng)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(tǒng)可以使用該概念描述 2) 效用型：使用概念描述時(shí)，系統(tǒng)的運(yùn)行得到要求的改善 2020/11/4 高級(jí)人工智能 解釋學(xué)習(xí) 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(fèi) AvrSavings = 應(yīng)用該規(guī)則時(shí)，平均節(jié)約的時(shí)間 ApplicFreq = 應(yīng)用該規(guī)則的頻度 2020/11/4 高級(jí)人工智能 解釋學(xué)習(xí) 史忠植 58 SOAR系統(tǒng)的可操作性 SOAR系統(tǒng)主要通過 Chunking來獲取知識(shí)，因此有意忽略了可用性： 1. 假設(shè) Chunking是自動(dòng)完成的； 2. SOAR系統(tǒng)的性能是由完成一項(xiàng)任務(wù)所需做的抉擇次數(shù)來衡量的。 2020/11/4 高級(jí)人工智能 解釋學(xué)習(xí) 史忠植 59 MRSEBG的可操作性 將可操作性標(biāo)準(zhǔn)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(jié)，就立即進(jìn)行回溯，尋找該分支的另一能夠產(chǎn)生一可操作的概念定義的證明。這樣，一定能得到目標(biāo)概念的可操作性描述。 2020/11/4 高級(jí)人工智能 解釋學(xué)習(xí) 史忠植 60 METALEX的處理方法 通過經(jīng)驗(yàn)來評(píng)估可操作性：在系統(tǒng)中使用概念描述，然后看系統(tǒng)的行為是否達(dá)到了事先提出的系統(tǒng)目標(biāo)。 2020