第一篇 导引<br> 第1章 不确切性信息处理概述<br> 1.3 不确切性与不确定性之区别<br> 除了不确切性信息外，在通常的信息处理和交流中，还存在不确定性信息。<br> 例如<br> 明天可能要下雨这句话表达的就是一条不确定性信息。不确定性信息是说事件的发生是不确定、不肯定的。它描述的是客观世界的随机现象。所以，信息的不确定性是由客观因素造成的。这种不确定性一般用概率来刻画。在人工智能中人们引入了可信度等度量来处理信息和知识中的不确定性。<br> 不确切性信息是对事物性状（的强弱）描述得不够具体、不够严格的信息。不确切性信息的客观基础是事物性状的均匀或连续分布，即均匀连锁相似现象；但它的产生却是由人脑的软聚类机制实现的，即带有强烈的主观色彩。所以，不确定性是客观存在，不确切性是人们的主观认识。它们是两个独立的信息属性。不确定性信息处理解决的是信息“真”、“假”的可能性问题，不确切性信息处理解决的是信息“真”、“假”得怎么样的问题。<br> 在通常的信息表示和信息处理中，不仅涉及不确定性，而且还涉及不确切性。二者可能分别出现，也可能同时出现。事实上，对于有些不确定性信息的描述又是不确切的，或者有些描述得不确切的信息客观上又是不确定的。例如，命题<br> 明天可能要下大雨<br> 就同时含有不确定性和不确切性。<br> 不确切性信息处理和不确定性信息处理都是人工智能技术不可或缺的重要组成部分。对于不确定性信息处理，人们已经有了相当深入的研究并已取得了丰硕成果。事实上，不确定性信息处理已有坚实的数学基础和较完善的理论体系。如《概率与数理统计》就是专门处理不确定性信息的一门数学。相比之下，不确切性信息处理还缺乏坚实的理论基础，其技术还不够成熟。
展开
