人工智能课堂笔记（三）
确定性推理方法
前面讨论了把知识用某种模式表示出来存储到计算机中去。但是，为使计算机具有智能，还必须使它具有思维能力。推理是求解问题的一种重要方法。因此，推理方法成为人工智能的一个重要研究课题。
下面首先讨论关于推理的基本概念，然后着重介绍鲁宾逊归结原理及其在机器定理证明和问题求解中的应用。鲁宾逊归结原理使定理证明能够在计算机上实现。
推理的基本概念
**推理：**从初始证据出发，按照某种策略不断运用知识库中的已知知识，逐步推出结论的过程称为推理
推理方法及其分类
- 演绎推理、归纳推理、默认推理
- 确定性推理、不确定性推理
-
单调推理、非单调推理（按照推出的结论是否越来越接近目标）
（1）单调推理：随着推理向前推进及新知识的加入，推出的结论越来越接近最终目标。–推理过程不会出现反复
（2）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。一般是在知识不完全的情况下发生。 -
启发式推理、非启发式推理（按照是否运用启发性知识）
推理的方向
推理过程是问题求解的过程。问题求解的质量不仅依赖于所采用的求解方法，而且还依赖于求解问题的策略，即推理的控制策略；推理的控制策略主要包括：推理方向、搜索策略、冲突消解策略、求解策略、限制策略等
自然演绎推理
自然演绎推理： 从一组已知为真的事实出发，运用经典逻辑的推理规则推出结论的过程。