课程基本信息

教师：周雪忠

• 个人主页：http://faculty.bjtu.edu.cn/8029/

教材：无指定教材

 

课程安排

课堂讲授	40学时
上机实验	24学时

 

 

分数构成

课程成绩构成及比例	考核环节	目标分值	提交时间	考核/评价细则
	文献报告1(知识表示与推理方法前沿)	10	第3 周周日晚12:00	通过阅读最新文献，对新的知识表示与推理方法进行归纳和总结，主要考查学生对知识表示与处理概念、技术和方法等知识点的理解和掌握程度。
	文献报告2(专家系统)	10	第5 周周日晚12:00	通过阅读学术论文，对近期发表的专家系统研究工作进行阐述和归纳，主要考查学生对专家系统概念、技术和方法等知识点的理解和掌握程度。
平时成绩60%	程序作业1(知识表示方法)	20	第9 周周日晚12:00	根据程序作业实验的实验运行情况和实验报告质量进行评分，考查学生对知识表示方法如语义网络等知识的理解及技术应用能力。
	程序作业2(知识推理方法)	20	第13周周日晚12:00	根据程序作业实验的实验运行情况和实验报告质量进行评分，考查学生对知识推理方法的理解及技术应用能力。
	程序作业3(知识图谱)	30	第15周周日晚12:00	根据程序作业实验的实验运行情况和实验报告质量进行评分，考查学生对知识图谱构建及处理方法的理解及技术应用能力。
	平时表现(课堂互动等)	10		评估学生的学习积极性和AI思维能力。
期末考试40%	客观题	30		（1）卷面成绩100分，以卷面成绩的40%计入课程总评成绩。
闭卷	主观题	70		（2）主要考核知识工程基础知识，主要技术和方法如知识表示、知识推理、专家系统、知识图谱、研究前沿等内容。

 

作业详细信息

作业提交邮箱：kr_bjtu@163.com

 

文字作业1：知识表示与推理方法前沿

练习目标：学会前沿英文文献检索与阅读，了解知识表示与推理前沿方法。

作业形式：8-10页的调研报告，Word或者PDF，学号_姓名_kr.docx/PDF。

作业完成内容：

1. 题目：文献报告-文献原文的英文原文及中文翻译题目

2. 中文摘要：以原文英文摘要为依据，采用自己的语言进行规范表达。

3. 问题定义：采用自己的语言表达相关文献所解决的问题及形式化定义。

4. 方法及原理：文献所提出方法的主要原理及形式化表达。

5. 研究结果：文献中的主要实验结果（可剪切原文中的图表进行说明）。

6. 创新点：以自己的语言及理解归纳文献所提方法的创新点。

7. 阐述对文献研究相关问题及研究方向的个人体会。

8. 文献出处：采用规范的文献引文格式给出所阅读的文献信息。

9. 文献可以看麦卡锡等大佬的经典论文，或者近五年的顶会论文。看2-3篇。

提交时间：第3周周日晚12:00。

 

文字作业2：专家系统

作业练习目标：学会前沿英文文献检索与阅读，了解典型或者前沿的各类专家系统研究案例。

作业形式：8-10页的调研报告，Word或者PDF，学号_姓名_kr.docx/PDF。

作业完成内容：

1. 题目：文献报告-文献原文的英文原文及中文翻译题目

2. 中文摘要：以原文英文摘要为依据，采用自己的语言进行规范表达。

3. 问题定义：采用自己的语言表达相关文献所解决的问题及形式化定义。

4. 方法及原理：文献所提出方法的主要原理及形式化表达。

5. 研究结果：文献中的主要实验结果（可剪切原文中的图表进行说明）。

6. 创新点：以自己的语言及理解归纳文献所提方法的创新点。

7. 阐述对文献研究相关问题及研究方向的个人体会。

8. 文献出处：采用规范的文献引文格式给出所阅读的文献信息。

提交时间：第5周周日晚12:00。

 

作业3（程序）：知识获取方法

作业练习目标：以临床病历数据为来源，人机协同标注一定量标准数据集，研发基于机器学习的命名实体抽取等非结构化知识获取方法。

作业形式：提交代码及实验报告，实验报告以Word或者PDF形式。

实验报告内容：

1. 题目：基于XXX模型的文本知识获取方法分析报告

2. 研究背景：阐述所提命名实体抽取方法的必要性和价值

3. 实验数据描述：对实验数据的特征、样本量等进行必要的描述（重点阐述标准数据集的信息）

4. 模型及参数设置：阐述模型的原理、并对为何选择相应模型的理由进行阐述（说明该模型的优点）

5. 实验结果：以图表及相应简要的文字说明阐述，模型预测的结果；以及相应的多种模型比较分析结果。

6. 讨论及结论：对分析结果的新颖性、价值及存在的不足进行讨论，并明确获得的可靠结论。

7. 参考文献：跟作业1的要求一致。

提交时间：教学第9周周日晚12:00。

 

作业4（程序）：知识推理方法

作业练习目标：阅读文献，实现任意一种知识推理算法，进行知识图谱补全处理，通过该实验，锻炼人工智能模型构建和研发能力。

作业形式：完成相应的程序代码及其测试结果，形成实验报告结果（以Word或者PDF进行书写）。

实验报告内容：

1. 题目：基于XXX模型的知识补全方法分析报告

2. 研究背景：阐述所提知识推理方法的必要性和价值

3. 实验数据描述：对实验数据的特征、样本量等进行必要的描述（重点阐述标准知识图谱库的信息）

4. 模型及参数设置：阐述模型的原理、并对为何选择相应模型的理由进行阐述（说明该模型的优点）

5. 实验结果：以图表及相应简要的文字说明阐述，模型预测的结果；以及相应的多种模型比较分析结果。

6. 讨论及结论：对分析结果的新颖性、价值及存在的不足进行讨论，并明确获得的可靠结论。

7. 参考文献：跟作业1的要求一致。

提交时间：教学第13周周日晚12:00。

 

作业5（程序）：知识图谱综合

作业练习目标：综合以上作业4&5的算法，通过集成外源性知识图谱数据，部署Neo4J等图数据库进行存储管理，并进行知识查询和推理应用，完成个性化知识图谱工程。

作业形式：完成相应的程序代码及其测试结果，形成实验报告结果（以Word或者PDF进行书写）。

实验报告内容：

1. 题目：XXX知识图谱工程

2. 研究背景：阐述领域知识图谱构建的价值和意义。

3. 图谱数据来源：描述各类来源知识图谱的信息

4. 技术与方法：阐述知识获取方法，知识推理方法、图数据存储和查询等方法

5. 实验结果：对知识图谱进行展示和查询等操作，以图表及相应简要的文字说明阐述构建的知识图谱。

6. 讨论及结论：对研发结果的新颖性、价值及存在的不足进行讨论，并明确获得的可靠结论。

7. 参考文献：跟作业1的要求一致。

提交时间：教学第15周周日晚12:00。

 

第0讲 绪论

知识表示与处理技术是AI的两大支撑技术之一。

AI的两大支撑技术：

• 知识工程（知识表示与处理），演绎推理
• 机器学习（数据挖掘），归纳推理

 

第1讲 知识表示与处理概述

1.0 AI为什么需要知识表示与处理技术？

机器学习存在很多局限：

• 医学人工智能：机器学习（特别是深度学习）很多是黑箱模型，可解释性差

  Machine learning is frequently referred to as a black box—data goes in, decisions come out, but the processes between input and output are opaque. Particularly for neural networks,..

• 无人驾驶：目前的无人驾驶系统等智能系统仍缺乏常识性知识

  有感知智能但无因果推理等认知性智能

• 机器学习（归纳推理技术）存在泛化不足、鲁棒性差等诸多缺陷

• 科学的酒徒

  

  ---

  在人工智能模型中，可能存在某些特征（汽水），帮助模型在标准数据集取得很好的性能，但实际上并没有因果关系。这是因为标准数据集与现实应用场景的数据分布非常不同，而非独立同分布。

  ---

 

归纳法的本质：不是发现的通路，也不是证明的规则，而是检验假说的工具。

因此，可靠、可信和可解释性*的人工智能需要知识处理（对知识进行表示和推理）的技术和方法，以支持演绎性推理。

 

1.1 知识工程基本概念与技术

知识工程(Knowledge Engineering)

专家系统之父、知识工程奠基人：费根鲍姆（要考）

 

知识(Knowledge)

• 柏拉图的经典定义：一条陈述能称得上是知识必须满足三个条件，它一定是被验证过的，正确的，而且是被人们相信的。

• 知识也是人类在实践中认识客观世界（包括人类自身）的成果，它包括事实、信息的描述或在教育和实践中获得的技能。

 

知识库(Knowledge base)

• 专家系统设计所应用的规则集合，包含规则所联系的事实及数据，它们的全体构成知识库。

• 知识库相对于数据库而言，其中存储的是知识，而不是数据。

 

专家系统(Expert system)

专家系统之父、知识工程奠基人：费根鲍姆（要考）

• In artificial intelligence, an expert system is a computer system that emulates the decision-making ability of a human expert.
• 在人工智能领域，专家系统是一个模拟人类专家决策能力的计算机系统。

 

知识表示(Knowledge representation)

对知识的一种描述，或者说是对知识的一组约定，一种计算机可以接受的用于描述知识的数据结构。

知识表示方法: 约定了知识表示的一系列规则

• 逻辑表示法，如偶数的数学定义。

• 产生式表示法，又称规则表示法

• 框架(frame)表示法

• 面向对象的表示方法

• 语义网表示法

• 本体表示法

• 描述逻辑(description logics)

 

知识获取(Knowledge acquisition)

现在：把问题求解的专门知识从专家头脑或者其他知识源（如书本、文献）中提取出来，并将之转换为计算机内部表示的过程。

 

知识推理(Knowledge reasoning/inference)

通常从已知的知识出发，通过一系列逻辑思考找出蕴含的知识或者事实，或者归纳出新的知识，这个过程称为推理。

 

基于知识的系统(knowledge-based system, KBS)

• A knowledge-based system (KBS) is a computer program that reasons and uses a knowledge base to solve complex problems.

  基于知识的系统（KBS）是一个计算机程序，它可以推理并使用知识库来解决复杂问题。

• A knowledge based system has three types of sub-systems: a knowledge base, an user interface and an inference engine.

  一个基于知识的系统有三种类型的子系统：知识库、用户界面和推理引擎。

• Another advancement was the development of special purpose automated reasoning systems called classifiers.

  另一个进步是开发了称为分类器的特殊用途自动推理系统。

第一节课到此结束

 

1.2 知识工程的经典研究

Newell和Simon，两个人物。

 

MYCIN专家系统，好！