(
课件网) 第六单元 第1课 基于知识的智能 清华版（中学） 通 1 学习目标 3 新知讲解 5 拓展延伸 7 板书设计 2 新知导入 4 课堂练习 6 课堂总结 课后作业 8 01 教学目标 （1）理解基于知识的智能方法的核心概念与历史发展。 （2）了解基于知识的智能方法的实际应用及其局限性。 02 新知导入 1. 知识作为智能的传统认知 人类智慧高度依赖知识的记忆与运用，心理学将知识处理视为智能核心，早期AI研究由此出发。 02 新知导入 2. 知识驱动AI的实现路径 通过向计算机灌输大量知识，使其模拟人类推理，试图构建“知识机器”以实现智能。 02 新知导入 3.知识方法的优势与局限 知识驱动型AI逻辑透明、解释性强，适合规则明确的专业领域； 劣势是依赖人工构建知识库，难以自动化获取海量知识且缺乏常识推理能力。 03 新知讲解 1 知识与智能 1. 人类智能的双重结构：流动智力与固定智力 美国心理学家雷蒙德·卡特尔认为，人类表现出的思维能力可以分解成两个部分：流动智力与固定智力。流动智力是指认知过程中的基础思维能力，如理解力、学习能力、以及解决新问题的能力等。固定智力和知识积累相关，主要体现为利用学到的经验和知识解决问题的能力。 流动智力（左）和固定智力（右） 03 新知讲解 1 知识与智能 2. 智能类型的年龄发展与协同关系 年轻时依赖流动智力，年长后固定智力增长；学习能力可促进知识积累，流动智力随着人到成年后开始下降，但固定智力会随着年龄的增长和知识的积累逐渐增长。 03 新知讲解 1 知识与智能 3. 知识在人类智能表现中的地位 流动智力与固定智力的区分告诉我们，知识在人类的智能表现中占有重要地位。人类创造出远超其他物种的文明，强大的推理能力固然是重要因素，但知识的累积更加重要。 03 新知讲解 1. 科学公理体系对早期AI的启发 很多科学体系（如数学、物理学等）都是构建在少量基础公理或定律基础之上。 将这些公理或定律作为通用知识，通过有限的推理规则可以衍生出大量新知识，从而构造出庞大的知识体系。 2 基于通用知识的人工智能 03 新知讲解 2. 自动定理证明的突破性成果 逻辑理论家（Logic Theorist）作为首个通用自动定理证明程序，成功证明了《数学原理》中38个定理，展示了机器推理的潜力。 2 基于通用知识的人工智能 03 新知讲解 3. 启发式搜索的核心创新 为提升效率，逻辑理论家采用启发式搜索（如优先选择高概率路径），显著减少证明所需探索的路径数量，类比迷宫中选择线索寻路。 2 基于通用知识的人工智能 03 新知讲解 4. 技术影响的延展性 启发式搜索不仅推动了定理证明发展，更为后续基于知识的AI（如人机对弈）奠定了基础，成为处理复杂搜索问题的核心范式。 2 基于通用知识的人工智能 03 新知讲解 3 基于经验知识的人工智能 1. 纯逻辑推理的现实局限性 以公理和定理表达的通用知识具有很强的普适性，是人类认识自然的成果总结。但这些基础知识往往过于抽象，要推导出现实中的自然现象往往需要大量计算。 03 新知讲解 3 基于经验知识的人工智能 2. 经验知识的价值与转向 现实世界往往更加复杂，很难由基本规律推导出来，因此，单纯基于通用知识难以推导出现实世界的复杂现象，人类专家经验虽不精确但实用，推动了AI研究从纯逻辑转向知识应用，催生了专家系统。 03 新知讲解 3 基于经验知识的人工智能 3. 专家系统的核心架构与功能 专家系统由知识库（存储领域知识）和推理引擎（模拟专家决策）构成，经验知识很难从基础规律中严格推导出来，但对解决实际问题往往更直接，因此也更有价值。 03 新知讲解 3 基于经验知识的人工智能 4. 知识表示的核心形式：产生式规则 专家系统将人类经验编码为“如果…那么…”结构的 ... ...
