人工智能规则性知识和控制性知识

一、人工智能规则性知识和控制性知识

1)在学习认知过程中，事实性知识是最常见而又浮于表面的一类知识，它包括有关领域内的概念、事实、事物的属性、状态以及其关系的描述。这一层面的知识对于一般认知者面前，是一种了解，或者说一览而过的学习方式，其原因也许是因为此类知识于实际的应用并不能在表面上联系起来，造成对其重要性的忽视，这里所说的重要性，来自于它在知识领域的根基作用，一切其他知识必须一定程度上需要构建在事实性知识的基础上。

2)规则性知识，是指有关问题中的与事物的行动、动作相联系的因果关系知识。常用“如果……则……”，最常见的一些推理规则。此点重要不言而喻。也是大家都很重视的一部分。

3)控制性知识，告诉我们何如做一件事情的知识。比如解题方法等，缺少此方面知识的学生表现出不能举一反三，缺乏概括和归纳能力。

4)元知识，包括怎样使用规则、解释规则、效验规则等知识。元知识是最常被忽视的知识，它是有关知识的知识，是形成如何使用知识的能力不可缺少的要素，缺少这方面知识的学生思维欠灵活，解决新出问题上，存在很大问题，无法创新。

要想在认知领域取得成绩，就不应该着眼于浮现在书本和题库中的知识，更应该从智力活动中获取控制性知识，元知识，一系列知识。从知识的结构体系中，了解知识的组成，可以提高学者的认知能力，希望大家在学习过程中，不要忽视对以上多种知识的并重获取。

根据模具设计知识的类型和特点，研究了CBR系统中冲模结构知识库知识与控制性知识的表示方法，导出了符合工程设计习惯的冲模结构知识库知识表示方法—典型冲模结构特征图和与其对应的适合于CBR推理的控制性知识表示方法—基于冲模结构特征的产生式规则表示。经开发的CBR系统使用，效果较为理想，为工程技术领域CBR技术的应用提供了一个切实可行的方法

【作者单位】：上海交通大学塑性成形工程系!上海200030

【关键词】：知识表示;知识库;模具

【DOI】：cnki:ISSN:1001-4934.0.1999-06-021

0引言机械产品的设计往往不能用一个公式或一个完整的模型来表述，它常常需要借助于以前设计事例中的知识来辅助新产品的设计。这样传统的人工智能（AI）技术如基于规则的专家系统不能很好地解决机械设计中的经验辅助设计问题。设计问题的解决主要取决于设计师的经验和创造能力。设计经验可以表述为专家知识，在机械设计过程中，设计师要回忆起过去成功与失败的例子，构思怎样用过去的事例修改成适用于新设计的方案，并完成新产品的设计。这个过程是通过经验推理的过程，也就是基于事例的推理CBR（Case�basedReason…

Based on the knowledge classification and characteristic of die& mold design,the expression method on knowledge of knowledge base and reasoning knowledge of die structures in CBR system had been advanced in this paper.It is a method for the knowledge expression of CBR to be applied in mechanical engineering field.

【Keyword】：knowledge expression\ knowledge base\ die& mold