soar推理机的基本总结

SOAR（Self-Organizing and Adaptive Reasoner）是一种认知架构，它模拟人类的认知过程，用于构建智能系统。本文主要概述了SOAR推理机的核心概念，包括状态表示、基本工作周期、操作提议规则、操作应用规则、状态精化规则以及状态初始化和目标状态识别规则。 1. 状态表示： - 状态是解决问题的关键节点，如初始状态、中间状态和目标状态。 - 工作记忆以图结构存储状态，包括标识符和常量两种节点，标识符能发出边，常量是终端节点。 - 边代表标识符的属性，一个属性可能有多个结果。 - 共享相同标识符的标识符代表同一对象，例如在水罐问题中，B1、B2和T1分别表示水罐A、水罐B和桌子。 2. SOAR基本工作周期： - 输入：新数据进入工作记忆。 - 提议：触发和撤回规则以解释新数据，提出操作，并进行比较，所有匹配的规则并行触发或撤回，直至没有更多规则被触发或撤回。 - 决策：选择合适的操作，或处理僵局，创建新状态。 - 应用：选择的操作触发相关规则，可能导致其他操作被触发或撤回，直至系统稳定。 - 输出：向外部环境发送命令。 3. 操作提议规则： - 规则与当前状态匹配，生成操作提议。 - 例如，水罐问题中，如果水罐未满，规则会提议将其装满。 4. 操作应用规则： - 选择的操作触发其对应规则，改变工作记忆状态，不可逆。 - 更改状态可能导致新操作被提议，形成循环，直至达到目标状态。 5. 状态精化规则： - 创建新结构以简化规则和工作记忆。 - 当状态改变时，自动更新相关属性，如水罐的empty属性。 6. 状态初始化： - 使用‘-’前缀测试属性是否存在，缺失则执行初始化操作。 - 对于水罐问题，开始时水罐的contents属性为0。 7. 目标状态识别规则： - 描述如何判断已到达目标状态，如水罐B有1单位水。 总结，SOAR推理机通过工作记忆、规则和操作来模拟智能行为，它在解决水罐问题等任务中展示了其灵活性和适应性。状态表示和精化规则提供了问题表示的基础，而基本工作周期则指导了如何基于这些表示进行推理和决策。通过对规则的触发和应用，SOAR能够逐步逼近并实现目标状态，展示出智能系统的动态行为。