基于知识的人工智能COMP24412

课程内容：

智能系统需要能够对世界进行表征和推理。本课程介绍了知识表示和不同类型的自动推理的主要思想。课程将理论与实践相结合，课程结束时，学生将了解此类系统使用的原理，并获得在运行系统中实施这些原理的经验。

课程目标：

本课程旨在为人工智能中的知识表示和推理提供概念和实践（系统构建）基础。

教学大纲：

1、一阶逻辑和自动推理：语法和语义；语句形式转换；有序解析；基于饱和度的证明搜索；模型构建。

2、Prolog：语法和执行；简单逻辑程序；与带有Horn子句的后向链的关系；用Prolog进行定理证明。

3、知识表示：本体论工程；类别和对象；事件；类别推理系统；语义网络；描述逻辑学；利用缺省信息进行推理。

4、归纳推理和抽象推理：作为逻辑问题的学习；利用知识学习；归纳逻辑编程；解释与诊断；基于解释的学习。

学习成果：

成功完成本课程后，学生将能够：

1、描述、区分和应用不同的知识表示形式来模拟知识库。

2、描述一阶逻辑（以及 Datalog 和 Prolog 片段）的语法和语义，并将其用于问题建模。

3、演示正向和反向链式推理方法，比较其实现和实际特点（如效率、终止等）。

4、应用基于解析的推理技术（向子句形式的转换、解析、饱和）建立一阶问题的属性。

5、解释一阶逻辑（片段和扩展）推理技术的理论局限性。

6、编写解决自动推理任务的Prolog程序，并解释程序的执行方式。

7、区分演绎推理、归纳推理和归纳推理，并应用其在基于知识的系统中进行学习和推理。

8、将基于知识的方法与现实世界的应用联系起来，例如（但不限于）程序合成或电路设计验证。