人工智能推理分类总结
人工智能推理分类总结
推理是人工智能领域中的一个重要概念，它涉及到从已知事实出发，通过运用已掌握的知识，找出其中蕴含的事实或归纳出新的知识。本文将从多个角度对推理进行分类总结，帮助读者更好地理解这一复杂而重要的概念。
推理分类
推理：通常是从已知事实出发，通过运用已掌握的知识，找出其中蕴含的事实或归纳出新的知识。推理机：一组用来控制计算机实现推理过程的程序。推理是按照某种策略从已有事实和知识推出结论的过程。推理的基本任务是从一种判断推出另一种判断。人类的思维方式有多种，相应的有多种推理方式。推理从不同的角度有不同的分类方式。
按推理的逻辑基础分类
1. 演绎推理
从一般到个别的推理(一般 → 个体)。演绎推理中最常用的形式是三段论法。三段论由三个判断组成：
- 大前提（一般性知识）：运动员都很强壮
- 小前提（个别性知识）：小明是运动员
- 结论（针对个别事物的新判断）：小明很强壮
2. 归纳推理
从个别到一般的推理(个体 → 一般)。从足够多的个别实例归纳出一般性结论。
- 完全归纳推理：检查全部产品合格→该厂产品合格
- 不完全归纳推理：检查全部样品合格→该厂产品合格
两者区别：演绎推理的过程中不能增加新知识。而归纳推理的过程中能增加新知识
3. 默认推理（缺省推理）
知识不完全的情况下，假设某些条件已经具备。已知：A,B,C,D成立，可以得出结论成立。默认推理：A,B,C成立，得出结论。（在没有证据证明D不成立时，默认假设D成立）
按所用知识的确定性分类
1. 确定性推理
所有知识都是精确的，按因果关系进行逻辑推理。推理时所用的知识与证据都是确定的，推出的结论也是确定的，其真值或者为真或者为假。
2. 不确定性推理
根据不精确和含糊的主观判断推理，结论正确性不确定。推理时所用的知识与证据不都是确定的，推出的结论也是不确定的。
- 似然推理（概率论）
- 近似推理或模糊推理（模糊逻辑）
按推理过程中的单调性
1. 单调推理
基于经典逻辑的演绎推理。随着推理向前推进及新知识的加入，推论不断加强，推出的结论越来越接近最终目标。
2. 非单调推理
默认推理是非单调推理。由于新知识的加入，不仅没有加强已推出的结论，反而要否定它，使推理退回到前面的某一步，重新开始。人类的推理过程通常都是非单调的。
非单调推理示例：
知 识：x=鸟 → x会飞
新知识：x=企鹅 → x不会飞
推 论：x会飞？不会飞？
按推理中所用知识是否具有启发性分类
1. 启发式推理
应用与问题有关且能加快推理过程、提高搜索效率的知识（策略、技巧、经验等）进行推理。
2. 非启发式推理
按照一般的控制逻辑进行推理，容易出现“组合爆炸”问题，效率低。
参考：
- 人工智能导论(3)——确定性推理(Certainty Reasoning)
- 详解人工智能之确定性推理方法
- 人工智能推理方法：演绎、归纳与归结
- 【人工智能 学习总结】第四章 确定性推理（1）
- 人工智能导论(4)——不确定性推理(Uncertainty Reasoning)
- https://blog.csdn.net/hustlei/category_11511712.html