数据词典：不确定推理（Uncertain Reasoning）

赵老师

不确定性是智能问题的本质特征，无论是人类智能还是人工智能，都离不开不确定性的处理。可以说，智能主要反映在求解不确定性问题的能力上。

推理是人类的思维过程，是从已知事实出发，通过运用相关的知识逐步推出某个结论的过程。其中，已知事实和知识是构成推理的两个基本要素。已知事实又称为证据，用以指出推理的出发点以及推理时应使用的知识。而知识是推理得以向前推进并逐步达到最终目标的依据。

在客观世界中，由于事物发展的随机性和复杂性，人类认识的不完全、不可靠、不精确和不一致性，自然语言中存在的模糊性和歧义性，使得现实世界中的事物以及事物之间的联系极为复杂，带来了大量的不确定性。如果采用确定性的经典逻辑来处理不确定性，就需要把知识或思维行为中原本具有的不确定性化归为确定性来处理，这无疑会舍弃事物的某些重要属性，造成信息流失，妨碍人们做出最好的决定，甚至可能做出错误的决定。大多数要求智能行为的任务都具有某种程度的不确定。不确定性可以理解为在缺少足够信息的情况下做出判断。

确定性推理是建立在经典逻辑基础上的，经典逻辑的基础之一就是集合论。集合论中的隶属概念是一个非常精确和确定的概念，一个元素是否属于某个集合是非常明确的。这在很多实际情况中是很难做到的，如高、矮、胖、瘦就很难精确地分开。因此，经典逻辑不适合用来处理不确定性。针对不同的不确定性起因，人们提出了不同的理论和方法，以建立适合描述不确定和不精确的新的逻辑模型。因此可以说，不确定推理是建立在非经典逻辑基础上的一种推理，是对不确定性知识的运用和处理。严格地说，不确定性推理就是从不确定性初始证据出发，通过运用不确定性的知识，最终推出具有一定程度的不确定性但却是合理或近乎合理的结论的思维过程。

【出处】贲可荣，张彦铎 著.人工智能（第3版），清华大学出版社，2018年12月.