学习笔记：知识表示与专家系统

本篇笔记基于微软 AI-For-Beginners 课程的第二章：符号人工智能 (Symbolic AI) 进行整理，详细记录了符号 AI 与专家系统、知识表示、推理方法（前向与后向推理）以及本体与语义网的相关概念与核心架构。

一、知识与信息/数据的区别

在符号 AI（Top-down 自上而下方法）中，核心思想是将人类知识转化为机器可读的形式，以此来解决问题。

1. DIKW 金字塔模型

为了定义什么是“知识”，通常使用 DIKW 金字塔 来对相关概念进行分层：

数据 (Data)：存在于物理介质（如书本、网页）中的符号、文字或声音。它独立于人类而存在，并可在人与人之间传递。
信息 (Information)：人类大脑对数据的解读与理解。
知识 (Knowledge)：将信息整合进人类个体的主动世界模型中。它通过主动的学习过程获得，形成一个互相关联的概念网络。
智慧 (Wisdom)：更高层级的理解，代表“元知识 (Meta-knowledge)”，即关于如何以及何时使用这些知识的认知。

二、计算机知识表示 (Knowledge Representation)

知识表示的目标是寻找一种有效的方法，将知识以数据的形式存储在计算机中，使其能够被自动利用。知识表示方法存在一个光谱：

左端（简单/算法化）：如直接用程序代码表示，灵活性极低，但计算机极易处理。
右端（自然语言文本）：表达能力最强，但计算机很难直接对其进行自动推理。

知识表示的分类

1. 网络表示法 (Network Representations)

语义网络 (Semantic Network)：将大脑中相互关联的概念用图形（图结构）在计算机中进行复现。
对象-属性-值三元组 (Object-Attribute-Value triplets, OAV)：图在计算机中可表示为节点和边，因此可通过三元组列表构建语义网络。
- 示例：
  - Python - is - Untyped-Language
  - Python - invented-by - Guido van Rossum

2. 层次表示法 (Hierarchical Representations)

框架表示法 (Frame Representation)：模仿人类对事物的分类。将每个对象或类表示为一个框架 (Frame)，其中包含多个槽 (Slot)。
- 槽可以拥有默认值、取值限制或在获取值时触发的存储过程（类似于面向对象编程中的类与属性）。
场景 (Scenarios)：一种特殊的框架，用于表示随时间展开的复杂情境。

3. 过程表示法 (Procedural Representations)

产生式规则 (Production Rules)：使用 IF-THEN 语句来表达逻辑因果关系。
- 示例：IF 动物吃肉 OR (有锋利牙齿 AND 有爪子 AND 双眼向前) THEN 该动物是肉食动物。
算法 (Algorithms)：虽然是过程表示，但在知识库系统中很少直接使用。

4. 逻辑表示法 (Logic)

谓词逻辑 (Predicate Logic)：过于复杂以至于难以完全计算，因此通常使用其子集（如 Prolog 中使用的 Horn 子句）。
描述逻辑 (Description Logic, DL)：用于表示和推理对象层次结构，是语义网 (Semantic Web) 的理论基石。

三、专家系统 (Expert Systems)

专家系统是符号 AI 早期最成功的应用之一，旨在特定受限领域中扮演人类专家的角色。

1. 系统架构

专家系统的结构模拟了人类的神经与推理系统：

知识库 (Knowledge Base)：保存从人类专家处提取的长期知识（相当于长期记忆）。
问题内存 (Problem Memory)：保存当前正在解决的具体问题的数据与状态（相当于短期记忆/工作内存）。
推理引擎 (Inference Engine)：在问题内存和知识库之上执行推理。

graph TD
    subgraph "专家系统架构"
        KB[知识库 Knowledge Base <br>长期记忆]
        PM[问题内存 Problem Memory <br>短期记忆/工作内存]
        IE[推理引擎 Inference Engine]
        
        IE -->|读取规则| KB
        IE <-->|读写当前状态| PM
    end
    
    User[用户] <-->|交互输入/输出| IE

2. 推理方式

前向推理 (Forward Inference)

从已知的数据出发，主动推导结论。

冲突集合：寻找所有当前条件被满足的规则。
冲突解决：采用特定策略选择一条规则执行（如：选第一条、随机选、或选择条件最具体的规则）。
应用规则：执行规则，将推导出的新事实（三元组）存入工作内存。
循环：重复上述步骤，直至得到目标属性。

后向推理 (Backward Inference)

由目标（Hypothesis/Goal）驱动，逆向寻找证据。

确定目标：寻找能够得出该目标的规则。
验证条件：如果规则的左侧（条件部分）未知，则将这些条件作为“子目标”进行递归证明。
询问用户：如果某个属性无法通过规则推导且无其他方法，则向用户提问获取。
回溯：若当前假设证明失败，则尝试其他候选规则。

可解释性是知识型专家系统的重要特点：系统做出的每一项决策，都可以通过其推理链路（应用了哪些规则）被清晰地解释。

四、本体与语义网 (Ontologies & Semantic Web)

1. 语义网技术栈

在20世纪末，人们尝试用知识表示技术对互联网资源进行标注，以实现精准检索。

基于描述逻辑 (DL) 提供严密的逻辑语义。
使用全局 URI 标识概念，支持跨越互联网的分布式知识表示。
采用 XML 语言家族：RDF、RDFS、OWL (Web Ontology Language)。

2. 本体 (Ontology)

本体是对某一问题域的显式规格说明。最简单的本体是概念分类法，复杂的本体则包含推理规则。

三元组是语义网的核心。例如，用三元组表示“AI课程由Dmitry于2022年开发”：
- 课程链接 - creator - 作者主页
- 课程链接 - creation-date - "Jan 1, 2022"

3. 代表性项目

WikiData：从维基百科信息框 (InfoBoxes) 中提取的机器可读知识库，支持使用 SPARQL 语言进行复杂查询。
DBpedia：与 WikiData 类似的维基百科知识提取项目。
Protégé：斯坦福大学开发的优秀可视化本体编辑器。

4. 实践案例：家族本体推理 (Family Ontology Inference)

在 FamilyOntology.ipynb 中，展示了如何使用语义网技术来自动化推理家族关系：

家谱数据源：使用 python-gedcom 库读取 Romanov 皇室家族的 GEDCOM 格式数据文件 (data/tsars.ged)。
本体定义 (onto.ttl)：通过 Turtle 格式定义了亲属关系规则。基础关系包括 isFatherOf, isMotherOf, isBrotherOf, isSisterOf，更高级的亲属关系通过推理链规则定义。
- 例如，阿姨的定义是：父母的姐妹。在 OWL 中以链式公理（propertyChainAxiom）表达：
```
fhkb:isAuntOf a owl:ObjectProperty ;
    rdfs:domain fhkb:Woman ;
    rdfs:range fhkb:Person ;
    owl:propertyChainAxiom ( fhkb:isSisterOf fhkb:isParentOf ) .
```
推理引擎与闭包生成：
1. 脚本遍历 GEDCOM 文件，提取各成员的性别与亲缘关系，转换成对应的 RDF 三元组并追加到本体文件中。
2. 使用 rdflib 读取本体图。
3. 引入推理库 owlrl，调用 DeductiveClosure(OWLRL_Extension).expand(g) 计算逻辑闭包（Closure），自动生成所有能间接推导出的隐含关系。
关系查询：基于推理后扩展的三元组图，使用 SPARQL 语言进行语义查询（如：SELECT ?aname ?bname WHERE { ?a fhkb:isUncleOf ?b ... }），可直接获取家谱中所有“叔叔/舅舅”关系的关联对，无需手动编写复杂的条件搜索代码。

五、概念图与主题分类 (Concept Graph & Theme Classification)

自动构建：与人工构建的本体不同，它是通过挖掘 (mining) 自然语言等非结构化文本自动生成的。
概率性 is-a 关系：例如 “Microsoft” 是 “company” 的概率为 0.87，是 “brand” 的概率为 0.75。这为机器理解人类概念提供了概率模型。

1. 实践案例：利用概念图进行新闻主题分类

在 MSConceptGraph.ipynb 中，展示了概念图在自然语言主题分类中的实际应用：

API 替代说明：由于原 Microsoft Concept Graph API 已下线，该示例现已切换为使用 ConceptNet (conceptnet.io) 的 REST API 接口。ConceptNet 拥有超 800 万个节点、2100 万条边，是一个包含 IsA (是一个), PartOf (一部分), UsedFor (用于) 等多种关系的多语言开源语义网。
应用流程：
1. 获取新闻标题：调用 NewsApi.org 接口，拉取最新的英美头条新闻标题。
2. 名词提取 (NLP)：使用 TextBlob 库对新闻标题进行分析，提取出所有的名词短语 (Noun Phrases)。
3. 概念泛化 (Abstraction)：直接根据名词短语进行分类会导致类别过于分散。因此，程序循环每个提取出的名词短语，通过 ConceptNet 的 IsA 接口查询其上级概念（例如，输入某个特定公司或产品名称，返回 company, person, nation, economy 等父类概念及其归一化权重）。
4. 聚合分类：若泛化父概念的权重超过阈值 (0.1)，便将该新闻归类到对应的 ECONOMY（经济）、NATION（国家）、PERSON（人物）等核心主题下。
核心价值：这种分类方式不需要任何有监督的标注数据（即不需要训练分类器），完全依赖现有的常识知识图谱，实现了对未知新闻标题的合理主题聚合，体现了符号 AI（知识驱动型）在概念抽象与语义泛化上的独特能力。

六、总结与展望

在深度学习和神经网络大行其道的今天，符号 AI 的显式推理 (Explicit Reasoning) 依然不可或缺：

神经网络通常难以提供决策的可解释性，而符号 AI 可以清晰回溯。
在需要受控地修改系统行为、或者必须保证100%符合逻辑约束的实际项目中，知识库和推理机依然发挥着关键作用。