人工智能（四）
3.2基于逻辑的AI：一些手术点
基于经典演绎逻辑的推理是单调的。也就是说，如果
φ
⊢
ϕ
φ
⊢
�
，然后
ψ
�
,
φ
∪
{
ψ
}
⊢
ϕ
φ
∪
{
�
}
⊢
�
。常识性推理不是单调的。虽然您目前可能会以理由认为您的房屋仍在站立的基础，但如果您在计算机屏幕上看到一场巨大的龙卷风正在穿过房屋的位置，您将放弃这种信念。新信息的添加导致以前的推论失败。在更简单的示例中，它已经成为AI主食，如果我告诉您Tweety是鸟，您将推断出Tweety可以飞行，但是如果我随后告诉您Tweety是企鹅，推理蒸发，也应该如此。非单调性（或不诚实）逻辑包括旨在捕获这些示例的机制的形式主义。请参阅有关逻辑和人工智能的单独条目，该条目侧重于非单调推理以及有关时间和变化的推理。它还提供了基于逻辑的AI早期的历史，清楚地表明了那些建立传统的人的贡献（例如，约翰·麦卡锡（John McCarthy）和帕特·海斯（Pat Hayes）；请参阅他们的1969年开创性论文）。
基于逻辑的AI的形式主义和技术达到了令人印象深刻的成熟度 - 如此之多，以至于在各种学术和公司实验室中，这些形式主义和技术的实施可以用于设计鲁棒的现实世界软件。强烈建议，有兴趣了解AI在这些领域的何处的读者（Mueller 2006），该读者在一卷中提供了非单调推理的集成覆盖范围（特别是形式，特别是限制的形式），并提供了有关的推理以及有关的推理。时间和变化情况和事件计算。 （托马森（Thomason）也引入了前微积分。在第二个计算中，包括时间点，除其他外。）关于（Mueller 2006）的另一个好处是，所使用的逻辑是多组的一阶逻辑（MSL），它具有许多技术哲学家和逻辑学家将知道和赞赏的统一力量（Manzano 1996）。
现在，我们转向AI中的三个重要主题。他们是：
逻辑学家AI的总体方案是在试图建立智能人工代理的背景下。
常见的逻辑和对互操作性的加强追求。
一种可以称为编码的技术，可以使机器有效地对知识进行有效推理，即，如果没有编码，那么在推理时，它将导致瘫痪的效率低下。
从第一个开始，该三人按顺序覆盖。
可以在（Lenat 1983，Lenat＆Guha 1990，Nilsson 1991，Bringsjord＆Ferrucci 1998）中找到属于基于代理方案的逻辑AI的详细说明。[26]。核心思想是，智能代理在某些逻辑系统（例如，一阶逻辑）中以公式的形式从外部世界中获得感知执行以确保代理商的目标。 （当然，这是一个野蛮的简化。外部世界的信息是在公式中编码的，实现此壮举的传感器可能是代理的组成部分。）
为了澄清一下事情，我们简要考虑到与任意逻辑系统有关的逻辑学家观点
L
X
�
�
[27]我们通过设置获得特定的逻辑系统
X
�
以适当的方式。一些示例：如果
X
=
我
�
=
�
，然后我们有一个系统的系统[按照模型理论的标准表示法；参见例如（Ebbinghaus等，1984）]。
L
我
我
�
�
�
是二阶逻辑，
L
ω
我
ω
�
�
�
�
是无限逻辑的“小型系统”（允许无限的无限结合和析取）。这些逻辑系统都是扩展的，但是也有强化系统。例如，我们可以拥有与标准命题模态逻辑中看到的系统相对应的逻辑系统（Chellas 1980）。许多哲学家熟悉的一种可能性是命题KT45，或者
L
K
时间
45
�
�
�
45
[28]在每种情况下，所讨论的系统都包含一个相关的字母，通过该字母，通过正式语法，推理（或证明）理论，正式语义和至少一些元理论来构建良好的公式。结果（健全性，完整性等）。因此，我们可以从标准符号中脱颖而出，因此可以说某些特定逻辑系统中的一组公式
L
X
�
�
,
φ
L
X
φ
�
�
，可以与某些推理理论一起使用，以推断某些特定公式
ϕ
L
X
�
�
�
。 （推理可以是演绎，归纳，绑架等等。逻辑学家AI最少不限于任何特定的推理方式。）
φ
L
X
⊢
L
X
ϕ
L
X
φ
�
�
⊢
�
�
�
�
�
当从上下文中清楚或不关心涉及哪个逻辑系统时，提到的逻辑系统是清楚的
φ
⊢
ϕ
φ
⊢
�
每个逻辑系统在正式的语义中都将包括旨在代表该系统中公式所指向的世界的对象。让这些方式表示
瓦
我
L
X
�
�
�
�
。当我们不关心涉及哪个逻辑系统时，我们可以简单地写
瓦
我
�
�
。说这样的方式建模公式
ϕ
�
我们写
瓦
我
⊨
ϕ
�
�
⊨
�
我们以自然方式将其扩展到一组公式：
瓦
我
⊨
φ
�
�
⊨
φ
意味着所有要素
φ
φ
是真的
瓦
我
�
�
。现在，使用我们建立的简单机械，我们可以用广泛的笔触描述符合逻辑学家观点的智能代理的生命。这种生活符合基本周期，从而使智能代理在Aima意义上。
首先，我们假设人类设计师在研究世界之后，使用特定逻辑系统的语言来给我们的代理人一系列信念
Δ
0
Δ
0
关于这个世界的样子。为此，设计师与这个世界的正式模型合作，
瓦
�
并确保
瓦
⊨
Δ
0
�
⊨
Δ
0
。遵循传统，我们指的是
Δ
0
Δ
0
作为代理商（起始）知识库。 （鉴于我们正在谈论代理人的信念，该术语是奇特的，但它仍然存在。
Δ
1
Δ
1
。我们说调整是通过操作进行的
一个
�
;所以
一个
[
Δ
0
]
=
Δ
1
�
[
Δ
0
]
=
Δ
1
。调整如何处理，
一个
�
， 工作？有很多可能性。不幸的是，许多人认为最简单的可能性（即
一个
[
Δ
我
]
�
[
Δ
�
]
等于可以从某种基本方式推导的所有公式的集合
Δ
我
Δ
�
）耗尽所有可能性。现实情况是，如上所述，调整可以通过任何推理方式来实现 - 归纳，绑架，是的，是与逻辑系统相对应的各种演绎形式。出于目前的目的，我们仔细列举所有选择并不重要。
当代理商在环境上行动时，该周期将继续进行，以确保其目标。当然，表演会导致环境变化。在这一点上，代理商感知环境和这些新信息
γ
1
γ
1
调整过程的因素，以便
一个
[
Δ
1
∪
γ
1
]
=
Δ
2
�
[
Δ
1
∪
γ
1
]
=
Δ
2
。感官的循环
⇒
⇒
调整
⇒
⇒
行为继续产生生命
Δ
0
,
Δ
1
,
Δ
2
,
Δ
3
,
……
,
Δ
0
,
Δ
1
,
Δ
2
,
Δ
3
,
……
,
…我们的经纪人。
逻辑学家AI被吹捧为复制所有认知的方法，这可能会使您荒谬。在某些逻辑系统中对公式的推理可能适用于计算捕获高级任务，例如尝试解决数学问题（或设计了斯坦福大学哲学百科全书中的条目的轮廓），但是这种推理如何适用于像那样的任务霍克俯冲以捕捉刺耳的猎物时铲球吗？在人类领域，运动员成功谈判的任务似乎属于同一类别。当然，有些人会宣布，一位追逐飞球的外野手并不能证明定理来弄清楚如何脱离潜水捕获以挽救比赛！可以给出两个残酷的简化论点，以支持这种认知的“一切逻辑理论”的方法。第一个是源于这样一个事实：仅一阶逻辑的完整证明演算可以模拟所有图灵级计算（第11章，Boolos等，2007）。第二个理由来自逻辑在数学和数学推理的基础理论中的作用。不仅是逻辑中施放的数学基础理论（Potter 2004），而且成功的项目导致机器验证了普通的非平凡定理，例如，仅在Mizar项目中，就已经验证了大约50,000个定理（Naumowicz and Kornilowicz 2009 ）。论点是，如果可以通过数学施放任何对AI的方法，则可以以逻辑学家形式施放。
