人工智能的思维逻辑？

人工智能逻辑是指用逻辑方法和逻辑成果研究智能主体如何处理知识的理论。人工智能逻辑的研究对象与人工智能研究的对象不同，人工智能逻辑不研究智能主体如何从外部获得知识。

人工智能逻辑的产生来源于人们在计算机中实现知识处理的探索。为此必须建立实现知识处理的形式理论。至少在基础研究或者在理论重建的层面上，利用现代逻辑的种种方法和成果来建立上述形式理论成为必要。处理知识又称知识处理，内容主要包括知识表示、知识反思、知识修正、知识推理。知识推理除了传统意义上的演绎推理、归纳推理和类比推理，还包括常识推理。常识推理是人类日常生活中获取新知识的最重要手段之一，具有非单调性和信息不完备性。人工智能逻辑即重点在研究常识推理的形式化及刻画。

推理的基本特征？

第一，从个别性或特殊性认识推出一般性或普遍性认识；

第二，除完全归纳推理外，前提不蕴涵结论，结论断定的范围超出前提断定的范围；

第三，除完全归纳推理外，归纳推理是或然推理，其结论不是必然的；

第四，除完全归纳推理外，即使归纳推理的前提都真，结论也未必真实。

简述知识推理的基本原理？

智能系统的知识推理过程是通过推理机来完成的，所谓推理机就是智能系统中用来实现推理的程序。推理机的基本任务就是在一定控制策略指导下，搜索知识库中可用的知识，与数据库匹配，产生或论证新的事实。搜索和匹配是推理机的两大基本任务。对于一个性能良好的推理机，应有如下基本要求：(1)高效率的搜索和匹配机制；(2)可控制性；(3)可观测性；(4)启发性。

　　智能系统的知识推理包括两个基本问题：一是推理方法；二是推理的控制策略。推理方法研究的是前提与结论之间的种种逻辑关系及其信度传递规律等；而控制策略的采用是为了限制和缩小搜索的空间，使原来的指数型困难问题在多项式时间内求解。从问题求解角度来看，控制策略亦称为求解策略，它包括推理策略和搜索策略两大类。

知识推理的方法[1]

　　推理方法主要解决在推理过程中前提与结论之间的逻辑关系，以及在非精确性推理中不确定性的传递问题。

　　按照分类标准的不同，推理方法主要有以下三种分类方式：

　　从方式上分，可分为演绎推理和归纳推理；

　　从确定性上分，可分为精确推理和不精确推理；

　　从单调性上分，可分为单调推理和非单调推理。

知识推理的控制策略[1]

　　(1)推理策略。主要包括正向推理、反向推理和混合推理。正向推理又称为事实驱动或数据驱动推理，其主要优点是比较直观，允许用户提供有用的事实信息，是产生式专家系统的主要推理方式之一。反向推理又称目标驱动或假设驱动推理，其主要优点是不必使用与总目标无关的规则，且有利于向用户提供解释。正反向混合推理可以克服正向推理和反向推理问题求解效率较低的缺点。基于神经网络的知识推理既可以实现正向推理，又可以实现反向推理。在研制结构选型智能设计系统时，应结合具体情况选择合适的推理策略。

　　(2)搜索策略。搜索策略主要包括盲目搜索和启发式搜索，前者包括深度优先搜索和宽度优先搜索等搜索策略；后者包括局部择优搜索法(如瞎子爬山法)和最好优先搜索法(如有序搜索法)等搜索策略。

知识推理名词解释？

知识推理是指在计算机或智能系统中，模拟人类的智能推理方式，依据推理控制策略，利用形式化的知识进行机器思维和求解问题的过程。

知识推理的内容:智能系统的知识推理过程是通过推理机来完成的，所谓推理机就是智能系统中用来实现推理的程序。