《人工智能 (4)》
人工智能，简而言之，是计算机科学的一个分支，旨在模拟或延伸人类的智能，使之能够执行通常需要智能的任务。这一领域的研究涵盖了广泛的子领域，包括自动推理、机器学习、自然语言处理、计算机视觉等。在本讲义中，我们将重点讨论自动推理，它是人工智能的基础之一。
自动推理，顾名思义，是让计算机自动进行推理的过程，它是专家系统、程序验证、证明程序正确性以及智能机器人等研究领域的基石。这一概念的历史可以追溯到20世纪30年代，当时Herbrand提出了一种重要的定理证明方法，为机械定理证明奠定了基础。然而，真正的突破发生在1965年，J.A.Robinson发展了归结原理，这使得机器定理证明进入了实际应用阶段。
归结原理是自动推理中的核心概念，它是一种反证法策略。在证明一个公式（例如，P）有效时，我们实际上尝试证明其否定（～P）不成立，即不存在任何情况使得否定命题为真。这在命题逻辑和谓词逻辑中都有所应用。在命题逻辑中，归结是通过消除公共子句来逐步减少一组假设，直到得到矛盾或得出结论。而在谓词逻辑中，归结过程更为复杂，涉及到量词的处理和消解。
自动推理可分为两类：单调推理和非单调推理。单调推理是指随着推理的进行，新知识的加入只会增强已有的结论，推理过程始终朝着目标前进，而不会回溯。这通常适用于知识完备的环境。相比之下，非单调推理则在知识不完全的场景中常见，新知识的引入可能导致之前推断的结论被否定，推理必须回溯并重新开始，以适应不断变化的信息。
现实世界充满了不确定性，这源于人类认知的局限性、事件的随机性以及语言的模糊性和歧义。不确定性推理是人工智能领域中的一个重要课题，针对不同类型的不确定性，如不完全知识、不精确信息和不一致数据，有多种理论和方法来处理。例如，模糊逻辑、概率推理和证据理论等，都是为了解决这些问题而提出的。
总结来说，人工智能中的自动推理是通过计算和逻辑方法模拟人类的思考过程。归结原理作为核心工具，使得计算机能够处理复杂的推理任务，而不确定性推理则帮助我们在不完美的信息条件下做出决策。这些理论和技术的发展，推动了人工智能在各个领域的广泛应用，如自动驾驶、医疗诊断、金融预测等。
