英国国防科技实验室最新论文《知识表示与推理在国防中的应用》，Knowledge Representation and Reasoning for Defence

摘要：

本文描述了知识表示和推理 (KRR) 的基本转变及其在国防和安全应用中的潜力。介绍了该方法的基础研究，展示了如何利用图论 (GT) 和知识工程 (KE) 的技术。图和 GT 是成熟的研究领域，在许多国防相关领域（如 IT 和电信）中都有成功的应用。 KE 将计算语言学和语义学与 GT 相融合，以表示知识以进行推理和推断理解。此外，民用部门（例如金融、营销、制药）正在拥抱数据科学的新发展（例如人工智能 (AI) 和机器学习 (ML)）。主要是为了改进决策、定位服务并加快交付新解决方案的速度。在这方面有一些国防工作，例如。使用本体来支持语义互操作性；多模式流（例如视频、图像、文本、音频、社交媒体）的实时语义分析，以识别和跟踪多个感兴趣的实体，包括不断发展的行为和关系。将这些添加到研究组合中提供了进一步扩展 KRR 的机会。特别是，机器的发展如何能够提供国防所需的基于知识的系统和分析支持，以实现全频谱作战。例如，物理、社会和网络领域之间的观察相互联系可能不容易辨别，这些观察与过去和现在的过去知识和工作人员专业知识之间也没有联系。

根本性的转变实际上是人类和机器对信息和知识的双向理解，融合了多样化、异构的来源信息。启用机器推理方法，将规则和形式逻辑应用于可用数据，以提供更高阶的推论。知识表示 (KR) 是以计算机可处理的形式表达知识，以便对其进行利用（例如推理）。因此，基于知识的系统使用术语符号 AI 和基于规则的 AI。缺少的是（半）自动融合或 KRR 针对观察来支持高水平融合的目标。

在本文中，通过对最新技术的分析，我们概述了建立未来混合系统可以使用的有效 KR 的方法。我们认为符号方法更擅长处理稀疏数据，支持增强的可解释性，结合过去的人类知识，并且可以利用擅长模式识别和数据聚类/分类问题的计算方法。此外，此类方法/技术可以支持未来的联盟行动（例如混合战争），前提是联盟能够：

• i.开发或采用特定领域和上层或顶级本体和事件驱动架构；
• ii.评估推理能力，包括处理不确定性/模糊性；

图：使用基于 OPIS 本体的知识图从 AIS 数据（显示为橙色）推断出拖网事件（显示为蓝色）。这些事件是使用逻辑推理来识别的，给定一组描述拖网行为（即模式）的特征，这些特征使用通用事件逻辑表示。