人工智能 12种推理类型
在人工智能的各种应用中通常需要使用推理，而推理始于人类的思维模式，这里对常见的几种推理做了简单整理，以供参考。
[推理]是“使用理智从某些前提产生结论”的行动。-来自·维基百科
[推理]是以符合逻辑的、合理的思考方式思考事物的过程。被认为是一种人类天生的能力，但现在已经被逻辑学、数学、以及人工智能等领域逐渐形式化。
[推理]是一种过程或者行动，主要用于决策、解决问题和评估事物。
推理可以是正式的，可以是非正式的；可以是自上而下的，也可以是自下而上的；可以用来处理不确定性，也可以用来处理科学真理。
常见的12种推理类型
1.演绎推理
[演绎推理]是从一般到具体，换句话说，它是从一个理论开始，并努力寻找确认的观察结果，被称为自上而下的逻辑。常用来寻求现象来证明理论。它使用形式逻辑并在逻辑上产生结果。
演绎推理通常与归纳推理形成对比，可以说，演绎推理对确定性感兴趣，而归纳推理处理存在的可能性。
逻辑学中有名的三段论（syllogism）就是典型的演绎推理例子：人皆有一死苏格拉底是人所以，苏格拉底会死
2.归纳推理
[归纳推理]是一种基于一系列已知事实形成理论的逻辑形式，是自上而下的逻辑，寻求理论来解释观察。它的本质是探索，允许意料之外但在情理之中的结果。
归纳推理的典型例子：因为地球上大多数生命都依赖于液态水生存，所以水对外星生命形式（如果存在的话）必须是重要的。
3.类比推理
[类比推理]是使用类比对两事物之间进行比较，来进一步理解事物的意义。通常用于制定决策、解决问题和沟通。
作为制定决策和解决问题的工具，类比用于将复杂场景简化更为容易的事物，只要替换有效，可以提高解决方案的质量；作为一种交流工具，类比可通过熟悉且易于理解的比较，将复杂问题简单化。
4.分析推理
[分析推理]是使用独立的逻辑，基于事实的思想或论据。换句话说，解释分析推理不需要有关于世界的经验或信息。
分析陈述本身就是事实；而合成陈述需要有关世界的其它知识才能知道它们是真实的。
例如：“所有单身汉未婚”之类的陈述本身就是分析；“中国??拥有丰富的传统文化”这样的陈述是合成的，因为没有额外的信息就无法证明这一点。
5.诱导推理
[诱导推理]类似归纳推理，从寻找或猜测理论来解释观察到的一系列现象。诱导推理并不是很严谨，但可以做出最好的假设和猜测。它通常用于背景不确定的情况下，主要用来做辅助决策和故障排除等相关情况。例如：医学评估可以从解释一组症状的最可能的病症开始。诱导推理也是人工智能常用的方法。
6.向后归纳
[向后归纳]是从潜在结论开始向后推理的过程，可以反向绘制可以达到每个潜在结论的步骤，然后根据目标评估路径。这是一种自上而下的方法，从理论或结果开始，向后解释，它允许不确定性并且通常用于人工智能。向后归纳往往需要做很多工作，因为通常有很多路径可以到达既定结果，就像“条条大路通罗马”。对计算机来说，通过机器的结束状态，来向后推理来评估动作的效果。例如：计算机下棋的经典方式是通过反向归纳。
7.批判性思维
[批判性思维]是一个理性思考的过程，旨在以客观、全面、知情的方式得出结论。批判性思维是人类思想的产物，受文化、语言等因素的影响。人类思想基于自然语言，做出判断前需要考虑大量的想法。批判性思维是一种智力参与的过程，在发表意见之前，要仔细查证据和假设，以达到深入的理解。
8.反事实思维
[反事实思维]是一种常见的思维模式，已知结果来追溯未评估的选择和行动，典型代表是“如果我有…”，“如果我当时怎么...做,就会怎么...”。。考虑的是已知不可能的发生的事情，考虑过去的决策是如何制定的，这是一个可以提高决策能力的共同的人类思维过程。换句话说，反事实思维是评估过去的可能性对于改善未来决策或解决问题的价值。
9.直觉
[直觉]是心灵在没有推理等逻辑过程的情况下获取知识的能力，换句话说，大脑获得直觉判断的方法对于思想者来说是未知的。通常认为直觉是通过无意识感知的结果。是由无意识感知的心灵所做出的判断，这种判断表现出智慧，但产生这些判断的过程并不是很清楚。尽管直觉有时候被轻视，但他在科学发现中却发挥了重要作用。
10.动机推理
[动机推理]是欲望和恐惧影响理性思维过程的倾向。通常人们可能会寻求合理的理由来做他们想做的事情，而不是使用逻辑来发现最佳的情况。
我们通常很容易想出一些逻辑参数来支持自己做出这样或那样的选择，就不会再去探索其他可替代的选择，因此放弃了潜在的更好的选择。
11.机会推理
[机会推理]是一种人工智能，它可以根据情况使用不同的逻辑方法，即[正向链接]和[反向链接]。
[正向链接]，举个例子：
A：会计师通常擅长数学。B：张三是一名会计师。演绎：张三可能擅长数学。
上面的例子是模糊逻辑的一个例子，因为它能够理解灰色区域，其中存在“通常”、“可能”，它属于前向链接，因为它从你已知的信息转移到新的信息。
[反向链接]：反向链接看未来状态，并试图看到未来是如何发生的，这对于实现目标或避免损失非常有用。例如：人工智能可以使用反向链接检查国际象棋游戏中给定时刻的最终状态，来确定可能获胜的移动序列。
机会推理根据情况使用正向链接和反向链接。人工智能可以具有多个逻辑引擎，这些逻辑引擎基于它们在给定情况下过去的表现而被选择。理论上，单个人工智能可以拥有大量逻辑引擎，它根据特定类型的问题的已知结果进行选择。
12.循环推理
[循环推理]是逻辑，一个自己证明自己的结论。结论可以作为假设或前提采用。循环推理通常会产生逻辑上有效的参数，并且是没有实际意义的逻辑示例。例如：如果我是DJ,那么我就是DJ。
人工智能导论——逻辑推理
比比叨叨复习起来比想象的慢啊啊啊啊！挺住！一定要好好复习完。突然想到霸王别姬里的这句话，帆神如是，陈老如是，我也要加油啊！
0.逻辑推理概述逻辑推理这章的重要考点必然是归结推理，20分的必考题已经在那了，除此之外还需要对其他推理方法进行掌握，能够应对选择题。
本章中推理的方法可分为如下五种：
自然演绎推理归结演绎推理非归结演绎推理知识图谱不确定推理而根据系统的区分，推理又分为以下两类：
经典推理：采用演绎逻辑推理。从已知出发，演绎推理出结论，是从一般到个别。非经典推理：采用归纳逻辑推理。从个别到一般。如知识图谱。1.自然演绎推理和归结演绎推理区分两者之前，先明确一下定义：
自然演绎推理：从已知为真的事实出发，运用经典逻辑的推理规则推出结论。归结演绎推理：对要证明为真公式取非，导出矛盾。
综上，归结演绎推理可看作反证法。那归结推理的书面形式要怎么写呢？
首先，归结推理需要经过以下步骤：
命题改写为合取范式求子句集归结推理规则归结式为空S矛盾原命题成立要想完成以上过程，需要考虑很多东西，接下来咱们逐个求解。
1.1命题、谓词、谓词公式基础不牢，地动山摇！
命题：描述观点的陈述句谓词：可以看作描述事物关系的函数谓词公式：使用谓词描述命题
看下面这个例子相信你就能对应上了！
1.2合取范式、析取范式、前束范式合取范式：命题和命题的与析取范式：命题和命题的或前束范式：把所有量词提取到前面，消除所有量词
将谓词公式转化为前束范式的形式叫SKOLEM化。完成SKOLEM化需要掌握一些变化的公式。
~P=>Q等价于PVQP=>Q等价于~PVQ~(AVB)等价于非A且非B之后，根据量词的作用域将量词提至最前。
1.3子句集求取要想求子句集，首先必须得知道啥是子句集。
子句：任何文字的析取式
那么子句集也就是将一个谓词公式化为一个子句集，可以包含多个子句。
了解了这些之后，需要按照步骤将命题化为子句集。
消去蕴含符移动否定符号到最近谓词变量标准化消去存在量词化为前束范式化为合取范式消去全称量词消去合取变量名在化子句集的时候，并不需要完全按照步骤来做，只要能得到析取式的集合就是正确的。
子句与子句间合取，子句内部析取
消去全称量词：直接去掉即可消去存在量词：代入1.4消解推理规则此步骤需要利用规则消去子句。得到新子句为消解式。目的是推出为空（NIL）的消解式，并得到矛盾。
除了能通过消解推理规则证明外，也能通过消解树反演求解。
在归结过程中，使用如下策略，可以使得归结效率更高。：
语义归结：将S分成两部分，约定每部分内不允许归结，可以得到高效的归结策略。支持集策略：每次归结只选取不同时属于S-T的子句间进行归结。线性归结：取每次得到的消解式进行归结单元归结输入归结：每次归结必有一个S的子句2.非归结演绎推理包括如下几种：
基于规则演绎推理：if-then推理自然演绎推理这里还有很多乱七八糟的，先不看，重点不在这里。
3.知识图谱什么是知识图谱？
知识图谱：包含多种关系的有向图。
利用知识图谱可以进行推理，其中一阶归纳推理需要掌握。
3.1FOIL（一阶归纳推理）FOIL：通过序贯覆盖实现规则推理。输入：目标谓词p、p的正例、反例、背景知识输出：p的推理规则
FOIL的算法流程如下:
目标谓词作为结论其他谓词作为约束加入推理规则计算所得推理规则信息增益值选取最优前提约束生成新规则去掉与规则不符样例不覆盖任何反例其中，信息增益值计算方法如下:可见，信息增益值与增加约束谓词前后的正例、反例数量均有关系。
3.2路径排序路径排序：路径排序是有监督学习，将实体之间的关联路径作为特征，学习目标关系的分类器，分类器可用于推理两实体间是否存在目标关系。
4.题目解析问题1此题选D，编码成某种数据结构
问题2此题选D，记住就行，PPT里没有涉及
问题3这题C明显错误，选ABD，可用于深度学习
问题4这题选D，对于A，当前提不成立的时候，符合命题恒为真；对于C，
作业——经典题目1、凡是涉及程序设计(Prog)且有挑战性(Chall)的课程小张都喜欢；
2、计算机专业(Comp)的专业课程都涉及程序设计；
3、AI是计算机专业的一门专业课程且是一门具有挑战性的课程。
请问：小张喜欢人工智能这门课程吗？
要求：定义谓词，用一阶谓词逻辑公式表示已知的事实和要证明的结论，并用归结原理证明该结论
踩坑点
混淆∩与→，命题2为推出关系。