人工智能中的命题逻辑

命题逻辑 (PL) 是最简单的逻辑形式,其中所有陈述都由命题构成。命题是一个陈述性的陈述,它要么是真的,要么是假的。它是一种以逻辑和数学形式表示知识的技术。

例子 (Example)

a) It is Sunday.  
b) The Sun rises from West (False proposition)  
c) 3+3= 7(False proposition)  
d) 5 is a prime number.

以下是关于命题逻辑的一些基本事实:

  • 命题逻辑也称为布尔逻辑,因为它适用于 0 和 1。

  • 在命题逻辑中,我们用符号变量来表示逻辑,我们可以用任何符号来表示一个命题,比如A、B、C、P、Q、R等。

  • 命题可以为真,也可以为假,但不能同时为真。

  • 命题逻辑由对象、关系或功能以及逻辑连接词组成

  • 这些连接词也称为逻辑运算符。

  • 命题和连接词是命题逻辑的基本要素。

  • 连接词可以说是连接两个句子的逻辑运算符。

  • 始终为真的命题公式称为重言式,也称为有效句子。

  • 总是错误的命题公式称为矛盾

  • 有真假值的命题公式称为

  • 作为问题、命令或意见的陈述不是诸如“罗希尼在哪里”、“你好吗”、“你叫什么名字”之类的命题,不是命题。

命题逻辑的语法:

命题逻辑的语法定义了知识表示的允许句子。有两种类型的提案:

  1. 原子命题

  2. 复合命题

  • 原子命题:原子命题是简单的命题。它由单个命题符号组成。这些是必须为真或假的句子。

例子 (Example)

a) 2+2 is 4, it is an atomic proposition as it is a true fact.  
b) "The Sun is cold" is also a proposition as it is a false fact.
  • 复合命题:复合命题是通过组合更简单的或原子的命题,使用括号和逻辑连接词构成的。

例子 (Example)

a) "It is raining today, and street is wet."  
b) "Ankit is a doctor, and his clinic is in Mumbai."

逻辑连接词:

逻辑连接词用于连接两个更简单的命题或逻辑地表示一个句子。我们可以借助逻辑连接词创建复合命题。主要有五个连接词,分别给出如下:

  1. 否定:诸如 ¬ P 之类的句子称为 P 的否定。文字可以是正文字或负文字。

  2. 连词:具有连接词P ∧ Q 的句子称为连词。
    例:罗汉聪明勤奋。可以写成,
    P=罗汉很聪明
    Q=罗汉很勤奋。→ P∧ Q

  3. 析取:具有 ∨连接词的句子,例如P ∨ Q称为析取,其中 P 和 Q 是命题。
    示例:“Ritika 是医生或工程师”
    这里 P= Ritika 是医生。Q= Ritika 是 Doctor,所以我们可以把它写成P ∨ Q

  4. 蕴涵:像P→Q这样的句子,被称为蕴涵。含义也称为 if-then 规则。它可以表示为
                如果下雨,那么街道是湿的。
            令 P= 下雨,Q= 街道潮湿,所以表示为 P → Q

  5. 双条件:P⇔Q这样的句子是双条件句,例如如果我在呼吸,那么我活着
                P=我在呼吸,Q=我活着,它可以表示为P⇔Q。

以下是命题逻辑连接词的汇总表:

人工智能中的命题逻辑

真值表:

在命题逻辑中,我们需要知道命题在所有可能场景中的真值。我们可以将所有可能的组合与逻辑连接词组合起来,这些组合以表格形式的表示称为真值表以下是所有逻辑连接词的真值表:

人工智能中的命题逻辑 人工智能中的命题逻辑

包含三个命题的真值表:

我们可以构建一个由三个命题 P、Q 和 R 组成的命题。这个真值表由 8n 个元组组成,因为我们采用了三个命题符号。

人工智能中的命题逻辑

连接词的优先级:

就像算术运算符一样,命题连接符或逻辑运算符也有优先顺序。在评估命题问题时应遵循此顺序。以下是运算符的优先顺序列表:

优先级运营商
第一优先插入语
第二优先级否定
第三优先连词(AND)
第四优先分离(或)
第五优先级含义
六优先双条件

注意:为了更好地理解,请使用括号以确保正确的解释。如¬R∨Q,可以解释为(¬R)∨Q。

逻辑等价:

逻辑等价是命题逻辑的特征之一。当且仅当真值表中的列彼此相同时,才称两个命题在逻辑上是等价的。

让我们取两个命题 A 和 B,所以为了逻辑等价,我们可以把它写成 A⇔B。在下面的真值表中,我们可以看到 ¬A∨ B 和 A→B 的列是相同的,因此 A 等价于 B

人工智能中的命题逻辑

运算符的属性:

  • 交换性:

    • P∧ Q= Q ∧ P,or

    • P ∨ Q = Q ∨ P。

  • 关联性:

    • (P ∧ Q) ∧ R= P ∧ (Q ∧ R),

    • (P ∨ Q) ∨ R= P ∨ (Q ∨ R)

  • 身份元素:

    • P ∧ True = P,

    • P ∨ True=True。

  • 分布式:

    • P∧ (Q ∨ R) = (P ∧ Q) ∨ (P ∧ R)。

    • P ∨ (Q ∧ R) = (P ∨ Q) ∧ (P ∨ R)。

  • 德摩根定律:

    • ¬ (P ∧ Q) = (¬P) ∨ (¬Q)

    • ¬ (P ∨ Q) = (¬ P) ∧ (¬Q)。

  • 双否定消除:

    • ¬ (¬P) = P。

命题逻辑的局限性:

  • 我们不能用命题逻辑来表示像 ALL、some 或 none 这样的关系。例子:

    1. 所有的女孩都很聪明。

    2. 有些苹果很甜。

  • 命题逻辑的表达能力有限。

  • 在命题逻辑中,我们不能根据它们的属性或逻辑关系来描述陈述。


上一主题 知识表示技术 下一主题 人工智能推理规则
  • 使用社交账号登录,本站支持
全部评论(0)