基本介紹
- 中文名：不確定性推理原理
- 外文名：Indeterminate reasoning principle
- 領域：人工智慧
- 基礎：運用不確定性的知識
- 目的：使計算機模擬人類思維
- 方法：形式化方法和非形式化方法
簡介,基本問題及方法,不確定性推理的需求,
簡介
不確定性推理是指那種建立在不確定性知識和證據的基礎上的推理。它實際上是一種從不確定的初始證據出發，通過運用不確定性知識，最終推出既保持一定程度的不確定性，又是合理和基本合理的結論的推理過程。目的是使計算機對人類思維的模擬更接近於人類的真實思維過程。
一個人工智慧系統，由於知識本身的不精確和不完全，採用標準邏輯意義下的推理方法難以達到解決問題的目的。對於一個智慧型系統來說，知識庫是其核心。在這個知識庫中，往往大量包含模糊性、隨機性、不可靠性或不知道等不確定性因素的知識。為了解決這種條件下的推理計算問題，不確定性推理方法應運而生。在領域專家給出的規則強度和用戶給出的原始證據的不確定性的基礎上，定義一組函式，求出結論的不確定性度量。它包括如下幾個方面：不確定性的傳遞算法；在每一步推理中，如何把證據及知識的不確定性傳遞給結論；在多步推理中，如何把初始證據的不確定性傳遞給結論。不確定性推理的兩條研究路線：模型方法。在推理一級上擴展確定性推理，不確定證據和知識與某種度量標準對應，給出更新結論不確定性的算法構成相應的不確定性推理模型。控制方法。在控制策略一級上處理不確定性，無統一的不確定性處理模型，其效果依賴於控制策略。
基本問題及方法
在不確定性推理中，除了解決在確定性推理過程中所提到的推理方向、推理方法、控制策略等基本問題外，一般還需要解決不確定性的表示與度量、不確定性的匹配、不確定性的傳遞算法以及不確定性的合成等問題。選擇不確定性表示方法時應考慮的因素：充分考慮領域問題的特徵；恰當地描述具體問題的不確定性；滿足問題求解的實際需求；便於推理過程中對不確定性的推算。
簡而言之，表示問題、計算問題、語義問題。表示問題指的是採用什麼方法描述不確定性，這是解決不確定推理的關鍵一步。通常有數值表示和非數值的語義表示方法，兩者都不完善。數值表示便於計算、比較，再考慮到定性的非數值描述才能較好的解決不確定問題。如對規則
和命題（事實）A 分別以
和C(A)來表示不確定性度量。計算問題主要指不確定性的傳播和更新，也即獲得新的信息的過程。包括：(1) 已知C(A)， 如何計算 C(B)。(2) A的度量
已知，又得
時，如何確定C(A)。(3) C(
∧
)等如何由C(
)和C(
)來計算。
不確定推理方法可分為形式化方法和非形式化方法。形式化方法有邏輯法、新計算法和新機率法。邏輯法是非數值方法，採用多值邏輯和非單調邏輯來處理不確定性。新計算法認為機率法不足以描述不確定性，從而出現了證據理論（也叫Dempster－Shafter， D-S方法），確定性方法（CF法）以及模糊邏輯方法。新機率法試圖在傳統的機率論框架內，採用新的計算方法以適應不確定性描述。 非形式化方法是指啟發性方法，對不確定性沒有給出明確的概念。確定性方法：確定性方法的宗旨不是理論上的嚴密性，而是處理實際問題的可用性。 同時也不可一成不變地用於任何領域，甚至也不能適用於所有科學領域。推廣至一個新領域時必須根據具體情況修改。
證據理論：證據理論中引入了信任函式，它滿足機率論弱公理。在機率論中，當先驗機率很難獲得，但又要被迫給出時，用證據理論能區分不確定性和不知道的差別。所以它比機率論更合適於專家系統推理方法。 貝葉斯網路：其本質就是通過各種方法尋找網路中的條件獨立性，達到減少計算量和複雜性的目的。
機率論的有關理論和方法一直都被用作度量不確定性的重要手段，因為它不僅有完善的理論，而且還為不確定性的合成與傳遞提供了現成的公式，因而它被最早用於不確定性知識的表示與處理中。但由於它通常要求給出事件的先驗機率和條件機率，而這些數據又不易獲得，因此限制了其套用。為了解決這個問題，人們在機率理論的基礎上發展起來了一些新的方法及理論，主要有可信度方法、證據理論、主觀機率論等。可信度方法是肖特里菲等人在確定性理論的基礎上，結合機率論等提出的一種不確定性推理方法，首先在專家系統 MYCIN中得到了成果的套用。
不確定性推理的需求
知識的不完備、不精確性
在很多情況下， 解決問題所需要的知識往往是不完備、不精確的。所謂知識的不完備是指在解決某一問題時，不具備解決該問題所需的全部知識。例如，醫生看病時，一般是從病人的部分症狀開始診斷的。所謂知識的不精確是指既不能完全確定為真， 也不能完全確定為假。例如，專家系統中的知識多為專家經驗，而專家經驗又多為不確定性知識。對於這些不精確、不完備知識，採用確定性推理的方法是無法處理的。
所需知識描述模糊
知識描述模糊是指知識的邊界不明確。例如，平常人們所說的“很好”、“好”等概念，其邊界都是比較模糊的。則當用這類概念來描述知識時，所描述的知識當然也是模糊的。
多種原因導致同一結論
在現實世界中，可由多種不同原因導出同一結論的情況很多。例如，引起人體低燒的原因至少有幾十種，醫生在看病時只能根據病人的症狀，低燒的持續時間和方式，以及病人的體質、病史等作出猜測性的推斷。像這樣的推理，不可能是精確的。
問題的背景知識不足
問題的背景知識一般是指與該問題有關的歷史情況、實現機理、存在環境等方面的知識。例如，人類對一些疾病的機理尚未完全搞懂，因此，在預防、檢查、治療這些疾病方面只能作不確定性推理。
