人工智能学习-AI-MIT公开课-第三节：推理：目标树与基于规则的专家系统
- 1-前言
- 2-课程链接
- 3-具体内容解释说明
-
- 一、这节课在整个人工智能课程中的位置
- [二、什么是「目标树（Goal Tree）」](#二、什么是「目标树（Goal Tree）」)
-
- [1️⃣ 一句话理解](#1️⃣ 一句话理解)
- [2️⃣ 举个超直观的例子](#2️⃣ 举个超直观的例子)
- 三、目标树是怎么"推理"的？
-
- [🔹 1️⃣ 后向推理（Backward Chaining）](#🔹 1️⃣ 后向推理（Backward Chaining）)
- [🔹 2️⃣ 前向推理（Forward Chaining）](#🔹 2️⃣ 前向推理（Forward Chaining）)
- 四、什么是「基于规则的专家系统」
-
- [1️⃣ 一句话定义（考试版）](#1️⃣ 一句话定义（考试版）)
- [2️⃣ 规则长什么样？](#2️⃣ 规则长什么样？)
- [五、目标树 & 专家系统 & 搜索 的关系（非常重要）](#五、目标树 & 专家系统 & 搜索 的关系（非常重要）)
- 六、这节课在「入试」里会怎么考？
- 七、一句话总结
- [八、和前面做的 A* 有什么联系？](#八、和前面做的 A* 有什么联系？)
- 4-课后练习（日语版本）
-
- 問題1（後向推理・目標指向）
- 問題2（前向推理・データ指向）
- 問題3（目標木の理解）
- 問題4（専門家システムの本質）
- [✅ 採点結果](#✅ 採点結果)
- [🔍 入試視点ワンポイント解説](#🔍 入試視点ワンポイント解説)
- [🧠 10秒で思い出す入試暗記フレーズ](#🧠 10秒で思い出す入試暗記フレーズ)
- 5-总结
1-前言
为了应对大学院考试，我们来学习相关人工智能相关知识，并且是基于相关课程。使用课程为MIT的公开课。
通过学习，也算是做笔记，让自己更理解些。
2-课程链接
3-具体内容解释说明
这里自己通过课程可能看得不是很详细，所以借用了AI得能力再解释了一遍。
一、这节课在整个人工智能课程中的位置
现在看到的课程顺序其实非常"正统"：
1️⃣ 什么是人工智能
2️⃣ 推理：目标树与问题求解
3️⃣ 推理：目标树 + 基于规则的专家系统 ← 当前这一节
4️⃣ 搜索（DFS / BFS / 束搜索）
5️⃣ 最优搜索 / A*
6️⃣ 博弈 / α--β
7️⃣ 约束满足问题（CSP）
👉 这节课是「从搜索 → 规则推理」的过渡桥梁
二、什么是「目标树（Goal Tree）」
1️⃣ 一句话理解
目标树 = 把"我要做成一件事"拆成"要满足哪些条件"的树结构
- 根节点：最终目标
- 子节点：子目标 / 条件
- 叶节点：已知事实
2️⃣ 举个超直观的例子
目标：系统判断「患者得了某种病」
- 要判断疾病
├─ 是否有症状 A
├─ 是否有症状 B
└─ 是否有检查结果 C
👉 每一个"是否"就是一个子目标
三、目标树是怎么"推理"的？
目标树的推理方式，主要有两种（考试重点）：
🔹 1️⃣ 后向推理（Backward Chaining）
从目标往回问条件
「要成立这个结论，我需要什么？」
步骤：
- 假设目标是真的
- 找能推出目标的规则
- 检查这些规则的前提是否成立
- 不成立 → 再把前提当作新目标继续追问
👉 像医生一样：先怀疑某种病，再确认症状
🔹 2️⃣ 前向推理（Forward Chaining）
从已知事实往前推结论
「我现在知道这些事实，还能推出什么？」
步骤：
- 已知一堆事实
- 找所有"前提满足"的规则
- 触发规则，产生新事实
- 不断扩展，直到目标出现
👉 像流水线：事实越积越多
四、什么是「基于规则的专家系统」
1️⃣ 一句话定义（考试版）
专家系统 = 用"规则 + 推理机"模拟人类专家判断的系统
核心组成只有三样：
| 组件 | 干什么 |
|---|---|
| 知识库 | IF--THEN 规则 |
| 推理机 | 决定怎么用规则 |
| 事实库 | 当前已知事实 |
2️⃣ 规则长什么样？
最经典的形式：
IF 症状A AND 症状B
THEN 疾病X👉 这正是「目标树」的节点关系来源。
五、目标树 & 专家系统 & 搜索 的关系（非常重要）
可以这样理解：
专家系统
↓
规则 → 形成目标树
↓
推理 = 在目标树上做搜索- 后向推理 ≈ 从目标节点向下搜索
- 前向推理 ≈ 从事实节点向上扩展
👉 本质还是搜索，只是"状态"变成了逻辑条件
六、这节课在「入试」里会怎么考？
日本大学院不会让写系统，而是问：
常见题型
- 哪种推理方式更适合诊断问题？
- 前向推理 / 后向推理的区别
- 专家系统的构成要素
- 目标树和搜索的关系
常见陷阱
❌ 把"规则系统"和"机器学习"混在一起
❌ 以为专家系统会"学习"（它不会）
七、一句话总结
目标树：把结论拆条件
推理：在条件树上做搜索
专家系统：规则 + 推理机 + 事实
八、和前面做的 A* 有什么联系？
| A* | 专家系统 |
|---|---|
| 节点是"位置" | 节点是"条件/事实" |
| 边是"行动" | 边是"规则" |
| f=g+h | 是否满足规则 |
👉 思想完全一致，只是表示方式不同
4-课后练习（日语版本）
問題1（後向推理・目標指向）
次の規則をもつ専門家システムを考える。
R1: IF P AND Q THEN R
R2: IF R THEN S現在の目標が S であるとき、後向推理 における最初の探索として最も適切なものはどれか。
選択肢
a. P と Q が事実かどうかを確認する
b. R が事実かどうかを確認する
c. S を事実として追加する
d. P, Q, R, S をすべて事実として追加する
問題2（前向推理・データ指向）
基于规则的专家系统中，前向推理（Forward Chaining） 的特点，下列哪一项描述是正确的？
选项
a. 明确给定目标，从目标反向验证规则前提
b. 从已知事实出发，不断应用规则产生新事实
c. 优先选择启发式值最小的规则进行推理
d. 推理过程必须构造目标树结构
問題3（目標木の理解）
目標木（Goal Tree）に関する説明として正しいものはどれか。
選択肢
a. 目標木は数値最適化問題にのみ用いられる
b. 目標木では各ノードが行動を表す
c. 目標木は最終目標を複数の部分目標に分解する
d. 目標木は前向推理では使用できない
問題4（専門家システムの本質）
基于规则的专家系统的基本构成要素，下列哪一项是正确的？
选项
a. 大规模训练数据与深度学习模型
b. 规则、事实以及推理机制
c. 状态空间、启发式函数和评价函数
d. 概率模型与参数学习算法
作答方式建议（入试习惯）
直接写：
1：
2：
3：
4： 完璧です。4問すべて正解 です。🎯
ここでは最小限の入試視点コメントだけ付けて、理解を定着させます。
✅ 採点結果
| 問題 | あなたの解答 | 正解 | 判定 |
|---|---|---|---|
| 問題1 | B | B | ✅ |
| 問題2 | B | B | ✅ |
| 問題3 | C | C | ✅ |
| 問題4 | B | B | ✅ |
🔍 入試視点ワンポイント解説
問題1（後向推理）
- 目標 → 規則 → 前提条件
- 「S を導くには R が必要」→ R を確認
👉 後向推理の王道判断。
問題2（前向推理）
- 事実が先、目標は後
- ルールが次々に発火して知識が増えるタイプ。
👉 データ駆動型。
問題3（目標木）
- 最終目標を部分目標に分解 する構造。
👉 定義問題は確実に取り切る。
問題4（専門家システム）
- 規則 + 事実 + 推論機構
👉 機械学習と混同しないのが重要。
🧠 10秒で思い出す入試暗記フレーズ
目標が先 → 後向推理
事実が先 → 前向推理
専門家システム＝規則・事実・推論
5-总结
知识一点点记录吧，最后应对考试，打下基础