第10章 知识表示

摘要：本章系统阐述了知识表示的核心理论与方法，从本体工程、类别与对象、事件表示到心理对象与模态逻辑，构建了完整的知识表示框架。重点探讨了具体化（reification）作为核心技巧，将类别、命题、事件等抽象概念转化为可操作的对象。通过对比语义网络、描述逻辑等不同表示方法的表达力与可推理性权衡，揭示了知识表示的本质是在表达力与计算效率间寻求平衡。最后，文章将经典理论与现代AI（如LLM）进行对比，探讨了显式本体与隐式知识表示的互补关系，并提出了AI对齐视角下的本体价值观问题。

对应 Artificial Intelligence: A Modern Approach, 4th Edition 第 10 章 Knowledge Representation

---

1. 章节概述

第 8、9 两章分别给出了一阶逻辑的语言（怎么说）和推理机制（怎么算）。但一个关键问题尚未回答：

到底该说什么？

前两章的例子（亲属关系、Wumpus World、电路）都是“玩具领域”（toy domain）——领域小、词汇少、边界清晰。真实世界的知识库要面对的是开放领域：需要表示动作、时间、物理对象、信念、金钱、颜色、事件、因果……而且这些概念彼此纠缠。

本章的任务是提供一套通用的、跨领域的表示框架，即 上层本体（upper ontology）。核心论点：

与其为每个领域从零设计词汇，不如构建一个通用本体（general ontology），把所有领域的知识组织在一个统一的概念骨架下。这样不同领域的知识可以互操作、复用、组合。

本章主线：

1. 本体工程（ontological engineering）：如何设计上层本体，“万物的分类学”。
2. 类别与对象（categories and objects）：继承、分类学、物理复合对象、度量。
3. 事件（events）：时间区间、流（fluents）、过程（processes）、事件演算。
4. 心理对象与模态逻辑（mental objects and modal logic）：表示“知道”、“相信”，指称不透明性。
5. 推理系统：语义网络（semantic networks）、描述逻辑（description logics）。
6. 默认信息的推理：非单调逻辑、限定（circumscription）、默认逻辑（default logic）、真值维护系统（TMS）。
7. 实用系统：CYC、WordNet、DBpedia、语义网（Semantic Web）、知识图谱。

读者应带走的核心直觉：

本体工程的本质，是在“表达力”与“可推理性”之间做出一系列有意识的取舍；而“具体化（reification）”是让本体保持灵活可扩展的最重要技巧。

---

2. 关键概念与定义

2.1 本体（Ontology）与本体工程

本体（ontology）：对某个领域中存在哪些实体、这些实体如何分类、以及它们之间有何关系的形式化规约（formal specification of a conceptualization, Gruber 1993）。

本体工程（ontological engineering）：设计与构建本体的方法论。相比第 8 章的“知识工程”，本体工程更关注通用性与跨领域复用。

上层本体（upper ontology）：位于分类树最顶端的通用概念（如“物体”、“事件”、“时间”、“数量”），任何领域本体都可挂接其下。

两条对立的哲学路线：

路线	主张	代表
通用本体（general-purpose）	存在一套可涵盖一切的上层本体，特殊领域向下细化	CYC、SUMO、DOLCE
特设本体（special-purpose）	每个领域自建词汇，不追求统一	大多数工业 KB、Schema.org（半统一）

书中指出：任何通用本体都必须满足两个苛刻要求：

1. 足够通用：能容纳所有领域的概念。
2. 足够具体：在每个领域都能做出有用的推理。

历史经验表明这极难达成。CYC 项目（Doug Lenat，1984 起）投入数十人年编码数百万条常识断言，是这条路线上最大的尝试。其结论褒贬不一：它证明了常识知识的巨大规模，也暴露了手工编码的不可扩展性。

2.2 类别与对象（Categories and Objects）

为什么需要类别：绝大多数推理发生在类别层面而非个体层面。看到一个圆形、红色、有柄的东西，我们推断“这是番茄”，进而推断“可以吃”——这个推断的中介就是类别。

两种表示类别的方式：

1. 谓词方式：Basketball(b) —— 简单，但类别本身不是对象，无法对类别作断言。
2. 具体化（reification）为对象：b ∈ Basketballs —— 类别成为一等公民，可以有属性（“篮球是 1930 年发明的”）。

⚠️ 具体化是本章最重要的技巧，反复出现。

两个基本关系：

关系	记法	含义
成员关系（membership）	BB_9 ∈ Basketballs	个体属于类别
子集关系（subset / subclass）	Basketballs ⊂ Balls	类别包含于类别

继承（inheritance）：

继承（inheritance）：

∀x (x ∈ Basketballs ⇒ Round(x))

若 Basketballs ⊂ Balls 且 ∀x (x ∈ Balls ⇒ Round(x))，则篮球自动是圆的。分类学（taxonomy / taxonomic hierarchy）由子类关系构成，是继承的骨架。

分类学是最古老的知识组织形式：生物学的林奈分类、图书馆的杜威十进制、专利分类、疾病编码 ICD 都是。

关于类别的常见断言形式：

• BB_9 ∈ Basketballs —— 个体是类别成员
• Basketballs ⊂ Balls —— 子类
• ∀x (x ∈ Basketballs ⇒ Spherical(x)) —— 类别所有成员共有的属性
• ∀x ((Orange(x) ∧ Round(x) ∧ Diameter(x) = 9.5'' ∧ x ∈ Balls) ⇒ x ∈ Basketballs) —— 类别的充分条件
• Dogs ∈ DomesticatedSpecies —— 类别本身作为对象，是另一类别的成员

最后一条极为重要：类别可以是其他类别的成员（元类别 metaclass）。Dogs 是一个类别，同时是 DomesticatedSpecies 这个“类别的类别”的成员。

类别之间的结构关系：

• 不相交（disjoint）：任意两个成员集合无交集。Disjoint({Animals, Vegetables})；Disjoint(s) ⇔ ∀c₁,c₂ (c₁ ∈ s ∧ c₂ ∈ s ∧ c₁ ≠ c₂ ⇒ Intersection(c₁,c₂) = {})
• 穷尽分解（exhaustive decomposition）：并集覆盖父类。ExhaustiveDecomposition({Americans, Canadians, Mexicans}, NorthAmericans)
• 划分（partition）：不相交 + 穷尽。Partition({Males, Females}, Animals)；Partition(s,c) ⇔ Disjoint(s) ∧ ExhaustiveDecomposition(s,c)

⚠️ 注意：Partition(\{Males, Females\}, Animals) 在生物学上其实不完全正确（存在雌雄同体的物种）。这提醒我们：本体断言的正确性取决于领域范围，过强的断言会导致错误推理。

2.3 物理复合对象（Physical Composition）

部分关系（PartOf）：

PartOf(Bucharest, Romania)
PartOf(Romania, EasternEurope)
=> PartOf(Bucharest, Europe)   （传递性）

公理：

∀x PartOf(x,x)（自反）

∀x,y,z PartOf(x,y) ∧ PartOf(y,z) ⇒ PartOf(x,z)（传递）

复合对象（composite object）：由部件按特定结构组成的对象。

∀a Biped(a) ⇒ ∃l₁,l₂,b Leg(l₁) ∧ Leg(l₂) ∧ Body(b) ∧ PartOf(l₁,a) ∧ PartOf(l₂,a) ∧ PartOf(b,a) ∧ Attached(l₁,b) ∧ Attached(l₂,b) ∧ l₁ ≠ l₂ ∧ …

捆束（bunch）：不关心结构，只关心部件集合。BunchOf({Apple₁, Apple₂, Apple₃}) 是由三个苹果组成的复合对象。

∀x x ∈ s ⇒ PartOf(x, BunchOf(s))

BunchOf(s) 是包含 s 中所有元素的最小对象（逻辑最小化）。

⚠️ 关键区分：BunchOf({Apple₁, Apple₂}) 是一个物理对象（有重量、有位置）；而集合 {Apple₁, Apple₂} 是数学对象（无重量、无位置）。混淆两者是本体设计的常见错误。

2.4 度量（Measurements）

物理对象具有长度、质量、时间、成本等属性。这些用度量函数（measure function）表示：

Length(L₁) = Inches(1.5) = Centimeters(3.81)

注意：Inches(1.5) 与 Centimeters(3.81) 指称同一个抽象长度对象，只是用不同单位命名。

单位转换公理：

∀i Centimeters(2.54 × i) = Inches(i)

度量的最重要性质：可排序（orderable）

∀d₁, d₂ Diameter(d₁) > Diameter(d₂) ⇔ …

非数值度量：难度、美观、口味也可以有部分序：

∀e₁, e₂ e₁ ∈ Exercises ∧ e₂ ∈ Exercises ∧ Wrote(e₁, Norvig) ∧ Wrote(e₂, Russell) ⇒ Difficulty(e₁) > Difficulty(e₂)

核心洞察：

度量的用处不在于具体数值，而在于可比较性。即使无法量化“美观”，只要能排序，就能做推理与决策。这一点与第 16 章的效用理论直接相通。

2.5 对象：物质与事物（Stuff vs Things）

这是本体论中的经典区分（源自哲学的 mass noun / count noun）。

	事物（things / count nouns）	物质（stuff / mass nouns）
例子	苹果、汽车、人	黄油、水、能量
个体化	有清晰边界，可数	无内在边界，不可数
部分性质	苹果的一部分不是苹果	黄油的一部分仍是黄油
语言	“three apples”	“some butter”（不说 “three butters”）

形式化：

∀x,y x ∈ Butter ∧ PartOf(y,x) ⇒ y ∈ Butter

这称为 内在性质的可分性（divisibility）。

内在性质 vs 外在性质：

类型	定义	例子	分割后
内在（intrinsic）	属于对象的实质（substance）	密度、沸点、味道、颜色	保持不变
外在（extrinsic）	属于对象整体	重量、长度、形状	改变

判定规则：

若一个类别的所有定义性属性都是内在的，则它是物质（substance / mass noun）；若包含外在属性，则是事物（count noun）。

Butter 只由内在属性定义 ⇒ 物质。Pound(Butter) 加入了外在的重量 ⇒ 变成可数的事物。

2.6 事件（Events）

情境演算 vs 事件演算

第 7 章用带时间下标的命题（L^t_{1,1}）表示变化，但这只适用于离散、单智能体、每步一个动作的世界。真实世界需要：

• 连续时间
• 并发事件
• 持续时间的动作（不是瞬时的）
• 外部事件（非智能体引发）

为了表示这些更复杂的变化，AIMA 第 10 章引入了事件演算（event calculus）这一框架。其核心思想是：把事件（event）当作本体中的一等公民，通过时间区间（time intervals）与流（fluents）来描述世界状态如何随时间变化。

时间区间（time intervals）：事件演算不再像情境演算那样把时间离散化为一个个"情境"（situation），而是直接使用连续的时间区间。一个事件发生在某个时间点或时间区间上，例如"从 14:00 到 15:00 下雨"就是一个持续的时间区间。这种表示天然支持持续时间的动作，而不必把动作强行切分为瞬时步骤。

流（fluents）：流是随时间变化而取不同真值的命题，例如"门是开着的"（Open(Door)）就是一个流——它在某个时间区间为真，在另一个时间区间为假。事件演算用 HoldsAt(f, t) 表示流 f 在时间 t 成立，用 Happens(e, t) 表示事件 e 在时间 t 发生。流的引入使得我们可以自然地表达并发事件：多个事件可以在同一时间区间内同时发生，互不排斥。

过程（processes）：过程是一类特殊的流，它表示持续进行中的活动，例如"水在沸腾"（Boiling(Water)）。过程与瞬时事件的区别在于：过程有持续时间，且可以被触发（initiated）和终止（terminated）。例如，事件"打开开关"（TurnOn(Switch)）会触发过程"灯亮着"（Lit(Bulb)），而事件"关闭开关"（TurnOff(Switch)）则终止该过程。这种触发-终止机制是事件演算表达因果关系的核心。

事件演算的公理：事件演算通过一组公理把事件、流和时间联系起来。最基本的公理是：

Happens(e, t1) ∧ Initiates(e, f, t1) ∧ t1 < t2 ∧ ¬Clipped(t1, f, t2)
⇒ HoldsAt(f, t2)

这条公理的含义是：如果事件 e 在 t1 时刻发生，且 e 触发了流 f，并且在 t1 到 t2 之间 f 没有被"剪断"（clipped，即没有被终止事件打断），那么 f 在 t2 时刻仍然成立。这里的 Clipped 谓词用于处理并发与干扰：当一个流被多个事件同时影响时，需要判断哪个事件真正改变了状态。

情境演算 vs 事件演算的对比：

维度	情境演算（Situation Calculus）	事件演算（Event Calculus）
时间模型	离散的情境序列	连续的时间区间
动作表示	瞬时动作，改变情境	事件可瞬时也可持续
并发支持	困难，需显式处理	天然支持并发事件
外部事件	难以表示非智能体事件	可自然表示外部事件
核心谓词	Do(a, s) 表示动作后的情境	Happens(e,t)、HoldsAt(f,t)

核心洞察：事件演算通过把事件、流和时间都具体化为对象，使得我们能够对"变化"本身进行推理——这正是具体化（reification）技巧在时间领域的又一次应用。它比情境演算更贴近真实世界的连续、并发、持续特性，是表示开放领域动态知识的有力工具。

3. 本章小结

本章围绕知识表示的核心问题展开，可以归结为三个层面的收获：

• 具体化（reification）：将类别、命题、事件等抽象概念转化为可操作的对象，使其成为一等公民，从而能够对类别本身作断言、赋予属性。这是贯穿全章、让本体保持灵活可扩展的最重要技巧。
• 继承（inheritance）：通过子类关系与分类学（taxonomy）组织知识，使个体自动获得其所属类别的属性，极大减少了重复断言，是知识库高效推理的骨架。
• 度量（measurement）：用度量函数表示长度、质量、时间等属性，其价值不在于具体数值，而在于可比较性——即使无法量化，只要能排序，就能支撑推理与决策。

知识表示的本质，是在表达力与可推理性之间做出一系列有意识的取舍。语义网络、描述逻辑等不同表示方法各有侧重：表达力越强，往往推理越困难；而约束表达形式，则能换取更高效的自动推理。本体工程正是要在二者之间找到适合具体领域的平衡点。

展望现代 AI，大语言模型（LLM）以隐式知识表示的方式，将知识编码在神经网络参数之中，与本章讨论的显式本体形成互补。显式本体可解释、可验证、便于组合与推理，而隐式表示擅长处理开放领域的模糊与常识。未来知识表示的发展方向，很可能是将二者的优势结合——用显式本体提供结构骨架，用隐式表示补充灵活性与规模，从而在表达力与可推理性之间开辟新的平衡。