CLIPS程式技巧.doc

CLIPS程式技巧

練習一 (安裝與設定)
練習二 (簡易程式)
練習三 (資料定義與邏輯比較)
練習四 (模組化)
練習五 (讀取資料)
練習六 資料(知識)結構
練習七 物件導向程式設計
練習八 程序控制與平行處理
撰寫程式經常發現的問題
實例討論
專家有何特殊不同之處?和用網頁來表達有何不同?
Procedure/non-procedure languages
哲學思考

練習一 (安裝與設定)
l 下載程式及安裝 (
l 請下載示範程式(http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/clips基本練習/ex 1-3 ICstrategies.CLP )，供練習一、二、三使用。
l 請嚐試交談式操作
n 視窗操作
n load：載入「純文字檔(.txt)」的應用程式 (*.clp)
n reset：重置。不移除應用程式，但是所有參數均重設成原預設值。
n run：先要執行reset後，才能執行run。
n clear：移除程式，再重新load/reset/run其他程式。
l 交談式簡易操作
n CLIPS是類似LISP 的人工智能(AI)語言。
n 所有的運算式均為函數(function)，寫在 ( … ) 之內，運算子(operator)位於第一位，其餘運算元(operand)跟隨在後。運算子和各運算元之間均以空格隔開(不是逗號)。空格只要一格以上即可，多空無妨。
n 請試 (+ 1 2) ，看會發生什麼結果?
n (+ 1 3 5)
n 請自行試其它的運算式。
l 實務上，仍須寫成應用程式。
l 請注意：括號要雙雙對對!!! 請養成良好的程式格式習慣，會減少很多程式除錯的時間和體力!!!

練習二 (簡易程式)
l TXT檔案格式；副檔名： CLP
l 主要包括二部份: deffacts, defrule 【此二字均是「保留字」，視為operator】
l deffacts 定義已知的事實， defrule 定義推理規則
l ; 註記行
l 事實以串列表示。如： (Relation X Y Z)
l ?X 代表變數。如： (Relation ?X ?Y ?Z )
l 英文字之大小寫有別!!! 例如：(duck) 和 (Duck) 是不同的fact。
l 請注意雙引號 " 之使用，不能用Words裡的雙引號。WordPad 或小作家的雙引號才行。
l 僅註記行及字串得用中文。指令及變數均須英文字母(及合法之符號)。
l 推理方法為「型態比對」(pattern matching)，同位之常數要相同，變數可以對應變數或常數。元素個數要相同。=>左(上)方之所有事實均比對成功後，該規則被啟動(activate)並置入議程(agenda)之中。議程依一定之策略(strategy)次序執行(fire)已被啟動之規則的=>右(下)方各指令。
l 各規則之啟動，係因左(上)方事實成立。換言之，一旦事實有所增減，專家系統即會自動找尋有那些規則可被啟動，或議程內原被啟動之規則，不再可以啟動，而自議程撤下。
l 以下是可執行的應用程式實例。
;------------------------------------------------------
; 例： 都市發展策略
; 宣告基本信念
;目標/策略關係 [策略本身是一種次目標]
(deffacts goal-strategies
(gs "都市發展策略" "減少失業率") ; 都市發展策略: 減少失業率
(gs "減少失業率" "吸引廠商") ; 減少失業率策略: 吸引廠商
(gs "吸引廠商" "降低通信成本") ; 吸引廠商策略: 降低通信成本
(gs "吸引廠商" "充足的網路建設") ; 吸引廠商策略: 充足的網路建設
(gs "降低通信成本" "民營化") ;降低通信成本策略: 民營化
)

;推理規則
; 推出所有的 目標--策略 關係 (策略本身也是一種次目標)
(defrule t-gs
(gs ?x ?y)
(gs ?y ?z)
=>
(assert (gs ?x ?z)) ;已知之事實用 deffacts。後來推論所得者用assert。
(printout t "欲達成" ?x "可採取" ?z "之策略" crlf)
)
;----------------------------------------------------------------------------------
;實例結束
;----------------------------------------------------------------------------------
【作業】
l 會推導出「欲達成減少失業率可採取民營化之策略」，合理嗎?
l 請將「城鄉發展」相關文獻之知識改寫成專家系統之形式，以CLIPS推理，看結論是否合理?並討論其問題出在何處?如何修正，可以使推理合理化?

練習三 (資料定義與邏輯比較)
l 用 deftemplate 定義某一資料型態之綱目(schema)，再用描述該資料型態之實例。如下，我們先定義city資料型態，再描述Glasgow市之各屬性值。

; 定義city資料型態
(deftemplate city
(slot name)
(slot area)
(slot population)
(slot popu-year)
(slot popu-year-type)
(slot rate-of-jobless)
(slot rate-of-jobless-year)
(slot rate-of-jobless-year-type)
)

; 描述Glasgow市之各屬性值
(deffacts basic-data-of-Glasgow
(city
(name Glasgow)
(population 600000)
(popu-year 1980)
(popu-year-type s)
(rate-of-jobless 0.168)
(rate-of-jobless-year 1996)
(rate-of-jobless-year-type y)
))

l 邏輯比較要放在RHS，用IF-THEN-ELSE，如下例:
(defrule determine-the-degree-of-jobless
(city (name ?x) (rate-of-jobless ?y) (rate-of-jobless-year ?z))
=>
(if (> ?y 0.05)
then
(assert (status-of-jobless ?x serious))
(printout t ?x "在" ?z "年的失業率十分嚴重" crlf)
else
(assert (status-of-jobless ?x no-problem))
(printout t ?x "在" ?z "年沒有失業問題" crlf)
)
)

【作業 – 新增資料及規則】
(1) 自行以deffacts之指令，增加1-2個城市的資料。
(2) 執行練習三之程式，看是否正確判斷城市之失業問題。
(3) 加入以下的規則：｢若X在z年的失業率十分嚴重，則X應找尋新的發展策略。｣

練習四 (模組化)
l 可以分別寫在不同檔案
l 分別load各檔
l 或者寫成一批次檔(如下，副檔名BAT)，再以 load batch指令一次載入，例如：
n (load "C:/Documents and Settings/ftlin/My Documents/courses/空間邏輯/資訊城市/模組化/ex4 -- 變數中文意義.CLP")
n (load "C:/Documents and Settings/ftlin/My Documents/courses/空間邏輯/資訊城市/模組化/ex4 -- 目標策略關係.CLP")

練習五 讀取資料
l 用read讀取一個字；用readline讀取一個句子(數個字)。
l 用bind 將讀取的字(句)，指派給某一變數
l 請注意執行過程中，Facts視窗內容的變化。(read 或readline所讀入之資料會出現在Facts視窗)

l 由鍵盤讀取資料：
l 相關指令： read
(defrule test-read
(initial-fact)
=>
(printout t "Name a primary color" crlf)
; 【printout 後面的 t 代表輸出到螢幕 】
(assert (color (read)))
; 【單獨的 read代表由鍵盤輸入】
)

l 由鍵盤讀取一行字，並存於某變數，以供後續使用。
l 相關指令：(readline) 、(bind …)
(defrule test-readline
(initial-fact)
=>
(printout t "Enter input" crlf)
(bind ?string (readline))
; 【bind 指令： 將由鍵盤讀入之文字存於變數 ?string之中】
(assert-string (str-cat "(" ?string ")")))
; 【str-cat 指令：將數個字串連成一個字串】
l 開啟檔案，並寫入、讀取、增加一行字。
l 相關指令： open, close, printout, readline, read
(defrule test-read
(initial-fact)
=>
(open "test.dat" rfile "w")
; 【檔案test.dat位於與程式相同之目錄中】
; 【可以加上路徑，以存取位於其他目錄之檔案】
; 【rfile為「簡稱」，爾後程式中均使用簡稱，不用(含路徑之)檔案名稱】
; 【w表示本檔案僅能從頭「寫入」，會覆蓋原有文字；不能讀取】
(printout t "請輸入文字: " crlf)
(printout rfile "This is the first test line. " crlf)
; 【printout後加上檔案簡稱，將字串輸出於該檔案】
(close)
; 【關閉檔案，檔案游標將回到檔案開頭】

(open "test.dat" rfile "r")
; 【r表示本檔案僅能被讀取，不能寫入】
(printout t (readline rfile) crlf)
; 【readline後加上檔案簡稱，表示由該檔案讀取一行字串】
(close)

(open "test.dat" rfile "a")
;【a表示該檔案僅能由文末寫入新字(串)，不會覆蓋原有資料】
(printout rfile "This is the 2nd test line. " crlf)
(close)

)

【完整程式範例—親屬】
; 本程式可以推論親屬關係
; 本程式使用了以下之述詞(predicate)
; ( A X Y) 代表: X 是 Y 的 長輩

;
(deffacts names
(A "甲" "乙")
(A "乙" "丙")
(A "乙" "丁")
(A "乙" "戊")
(A "丁" "己")
)

(defrule ancestor
(A ?X ?Y)
(A ?Y ?Z)
=>
(assert (A ?X ?Z))
)

(defrule ask
=>
(printout t "請輸入長輩的名字:")
(bind ?x (read))
(assert (person ?x))
(printout t crlf)
)

(defrule answer
(person ?x)
(A ?x ?y)
=>
(printout t ?y "是" ?x "的晚輩" crlf)
)

【作業—新增資料並存檔】
增加上述｢親屬｣程式之功能：詢問新的親屬關係，寫入資料檔案。下次執行時，先行讀取該資料檔。

練習六 資料(知識)結構

一、指令練習
l 複選及重置
n http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/clips基本練習/ex6 資料結構/指令練習/複選.clp
l Global variables
n http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/clips基本練習/ex6 資料結構/指令練習/globalvar.clp
n local variables
l 串列(list)
n http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/clips基本練習/ex6 資料結構/指令練習/事實串列.clp
n http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/clips基本練習/ex6 資料結構/指令練習/num-arguments.clp
l While loop
l 複合條件邏輯運算AND, OR, NOT
l 檢查某事實不存在： NOT
n http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/clips基本練習/ex6 資料結構/指令練習/事實不存在的not.clp

二、 基本資料結構
l 宗親(質性關係)
n http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/clips基本練習/ex6 資料結構/指令練習/宗親.clp
n 【作業—兄弟姐妹】利用｢宗親｣程式，推論出"同父母之兄弟姐妹"的關係。
n 【作業—同輩】改寫(增修) ｢宗親｣程式，推論出"同輩"的關係。(提示：記錄輩份差)
n 【作業—親等及輩份差計算】找出任二人之間的親等及輩份差。
l 決策樹(質性因果推論)
n http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/clips基本練習/ex6 資料結構/指令練習/決策樹.doc
n 【作業—決策樹】(1)撰寫上述決策樹之CLIPS程式。(2)擴充決策樹，繼續判斷不同物種。(3) 增加quit 及 ｢回到start｣的功能。
l 水災防治因果關聯圖
n 決策時經常遇到左右為難，或者長、短期效益矛盾的困境。本例模擬研訂治水政策所面對的問題。從知識結構的角度來說，本例的知識結構是比｢決策樹｣還複雜的｢循環圖｣。
n http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/範例/水災防治因果關聯圖(教學範例).clp
l 聯立方程式(量化預測)
n http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/clips基本練習/ex6 資料結構/數學/聯立方程式.clp
n 【作業—一元二次方程式】：可以求 aX2+bX+c=0 解的專家系統
n 【作業—汽機車數量預測模型】
http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/clips基本練習/ex6 資料結構/數學/汽機車數量預測.doc
l 堆疊與佇列
n 利用defclass
n 堆疊： http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/clips基本練習/ex6 資料結構/basic data structure/stack.clp
n 【作業—佇列】：改寫stack.clp，使之成為具有佇列(排隊)行為的串列
l 模糊推理 (Fuzzy reasoning)
n 模糊集合理論，請參見 http://myweb.ncku.edu.tw/~ftlin/course/CAAD/CourseInformation/document/模糊集合及邏輯.doc
n 身高判斷(物理量à心理量)：輸入一身高，回報其身高的心理量：高、很高、矮、很矮、不高也不矮。
u 提示
1.分別建立｢高｣、｢矮｣、...等｢概念(心理量)｣的membership function。
2.進一步建立｢很高｣、｢不算高｣、｢不高也不矮｣...的membership function。
3.輸入一身高值後，分別計算它的各種degree of membership。
4 .回報degree of membership最高值所對應的｢概念(心理量)｣。
u 程式： http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/clips基本練習/ex6 資料結構/數學/模糊集合(身高).clp
n 【作業】 請修正上列程式，加入｢很高｣、｢很矮｣、｢不高也不矮｣三個membership functions。
n 【作業】承上題，輸入心理量之後，估計其可能的身高。
l 階乘 (deffunction之運用)
n http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/clips基本練習/ex6 資料結構/數學/階乘.clp
l 樹狀結構
n 讀入一連串的數目，以左方小於等於根，右方大於根之規則，建成樹狀資料結構，並輸出成一資料檔。
n 程式1： http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/clips基本練習/ex6 資料結構/樹及圖/tree-example1.clp
n 程式2： http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/clips基本練習/ex6 資料結構/樹及圖/tree-example2.clp

三、拓樸演算法
【注意：請在CLIPS的執行環境下，將Execution/Options/Strategy設定為Breadth】
1. 以CLIPS練習「拓樸學」(topology) 或稱「圖論」(graph)之基本表示法。
http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/clips基本練習/ex6 資料結構/樹及圖/ex6-1 graph-basic.clp

2. 偵測迴圈之存在。
http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/clips基本練習/ex6 資料結構/樹及圖/ex6-2 loop.clp

3. 延伸樹之演算。
http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/clips基本練習/ex6 資料結構/樹及圖/ex6-3 spanning-tree.clp

4. 樹狀結構之廣度優先搜尋法 (Breadth First Search)
http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/clips基本練習/ex6 資料結構/樹及圖/BFS-tree.clp
【學習重點： (1) defclass 指令的用法。 詳練習七!! (2) 演算法 (algorithm)】

5. 樹狀結構之深度優先搜尋法 (Depth First Search)
http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/clips基本練習/ex6 資料結構/樹及圖/DFS-tree.clp
【學習重點： stack, push, pop】

【作業】
(1) 修改上述程式，讓操作者可以(1)自行增加節點及連結，如已經存在，應提醒已經存在，不必再加；(2)自行刪減連結(不刪節點，只刪連結)，若該連結本不存在，應提醒該連結本不存在，無法刪去，(3)輸入二個節點名稱，系統告知二者之間是否存在路徑?
(2) 請自行建構一個具有多個迴圈，ex6-2 loop.clp程式能夠找到多少迴圈?

【討論】
圖論之各種(程序性)演算法，以「規則式」來撰寫，有何其便利及困難之處?

【作業—中序】
讀入上一題所建之樹的資料檔，依中序列印出其由小而大的順序。
提示：
每一個node要有一個編碼(ID)，左右子點及父點均是指向其ID，而不是指向資料內容本身。
Node的格式如：
(node   ID    value   left-ID   right-ID   parent-ID)

【討論—divide, conquer and merge】
如何將一個複雜的問題切割(divide)成小的子問題，分別解決(conquer)之後再加以合併(merge)?
在上例，排序問題被切成「建樹」及「中序」二個子問題，透過檔案加以結合。子問題的程式可以分別獨立撰寫，互不影響其所設定的local variable的命名。如是，子問題如同軟體零組件，可以交由不同國家/設計團隊開發，運用其低廉的人力，但他們僅知其一，不知其二，而由系統規劃分析人員加以組裝之。

練習七 物件導向程式設計
基本觀念
http://myweb.ncku.edu.tw/~ftlin/course/GIS/物件導向式資料庫.doc

http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/clips基本練習/ex7 物件導件基本技巧.clp

【Word 版： http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/clips基本練習/ex7 物件導件基本技巧(MSword).doc 】

練習八 程序控制與平行處理
http://myweb.ncku.edu.tw/~ftlin/course/LOGIC/clips基本練習/ex8 程序控制及平行作業 -- OO之現勘準備作業.clp
本練習模擬營建署審議開發案現勘籌備作業之流程

【註】
目前(2005)CLIPS的OO僅能描述ISA的關係，尚不能描述HAS或其他關係。但仍能用原來的 predicate來描述各種關係。

撰寫程式經常發現的問題：
l (建議)步驟：
n 以「查詢者」之身分，設定問題情境。【誰問什麼問題?】
n 以「領域專家」之身分，回答問題，建構知識體系(決策樹)。
n 繪製「事件圖」(決策樹)
n 以「知識工程師」之身分，撰寫程式。
n 找「查詢者」及「領域專家」進行測試，修正程式。
l 程式的正確性：只好多翻翻手冊，問問有經驗的人。
l 邏輯流程
n 問題的前後次序
n 重複問問題
n 中文語意不清、不明確 【User Interface】
n 出現Y/N 殊途同歸。不須問該問題，因為Y/N之結果一樣。
n 有不可能發生的路徑?
l 問題的本質：判斷/決策樹
n 診斷：汽車、電腦
n 分類：古蹟、動物 (terminals 為 Classes)
n 指認：古蹟、動物 (terminals 為 instances)
n 簡單的問題結構可以用decision tree來表達。複雜的問題便會需要graph。
l 知識的體系化、結構化
n 讓領域專家成為知識工程師(合為一人)。
u 領域專家與知識工程師之間的溝通十分困難，經常造成專家系統的失敗。如今，我們讓領域專家成為知識工程師(合為一人)。希望能突破此一困境。
n chunk：片斷知識
n 有效的將片斷知識予以系統化，尤其當新的知識進來，或刪去舊知識，而仍舊保持明晰的系統(仍維持是decision tree)
n 儘量避免預設的問答次序。(宜採用switch…case…default指令)
n 可以將已知的資料(庫)建立於deffacts/instances，讓查詢者有案例可參考。
l 化簡(精緻化)
n 邏輯已經是正確
n 如何縮短決策步驟? = 去除不必要之步驟
n 如何設定default 值?(尤其是多選項)
l 【User Interface】
n 如何讓專家與一般使用者正確瞭解用詞之語意?
n 如何很快的瞭解到(感知到)使用者與專家之間的知識差距?
n 應請查詢者做專家系統測試，以瞭解使用者之查詢需求。
n 應使用查詢者可以理解或者回答之語句。
n 如使用「術語」，應能讓查詢者進一步查詢該術語之意義。
n 應確認程式設計者與查詢者的「語意」是否相同?(是否對問答之用詞有相同之理解)。

實例討論

【王文君：法律專家系統】
n 可以納入全部法條，變成一部「電子書」。
n 可以加入案例(判例)及說明、參考。利用「案例式推理」的方法，擷取條件最近似之案件，提供查詢者參考。

【分類問題】
l 鳥類辨識、電腦問題診斷、古蹟分級、…均是「分類問題」。
l 分類有其目的。目的不同，分類的準則(屬性)不同，其結果也不同。
l 分類的述詞：
n 需要二種述詞
u IS (X, A, V): X的A屬性值為V
u CLASS (X, Y): X 的類別為Y
n X 為待分類之物件集合
n A = {A1, A2, A3, …} 【可以有不同的屬性，如體積、重量、價格…】
n V = {VA1, VA2, VA3, …} 【不同屬性，分別對應不同的值域】
n Y = {Y1, Y2, Y3, …}
n 例：
n X 為所有中國建築之集合
n A = {屋群型式，屋頂型式，樓層數，建材}
n V屋群型式= {獨棟式，四合院，三合院，連棟式街屋}
n V屋頂型式= {歇山式、硬山式、懸山式、燕尾、平屋頂 }
n V 樓層數 = 自然數系
n V建材 = power set of {木，石，磚，竹，水泥，鋼骨} 【容許多種建材混用】
n Y = {官式建築，民居，窯洞，吊腳樓，廟，家祠，…}
規則
n 某類建築型式構成要素之規則
u IS(x, 屋群型式， 四合院) Ù IS(x, 歇山式) à CLASS(x, 官式建築)
n 類型及次類型之間的關係規則
u CLASS(x, 窯洞) à CLASS(x, 民居)
l 以首階邏輯描述之分類體系，即便是「樹狀」的，其層級順序並非固定的。亦即，不一定要先就A1分類，再依A2, A3,…依序分類。
l 首階邏輯描述之分類體系容許「網絡結構」，讓一個子類同時(可能)屬於不同的父類。例如：歇山式的四合院建築可能是官式建築、宮殿，也可能是國家劇場(如中正紀念館之國家劇院、音樂廳)
l 上述首階邏輯之分類體系，其基本事實之描述是「表格式」的。

專家有何特殊不同之處?和用網頁來表達有何不同?
l 語言的表述能力(expression power)。
n 各種(電腦)語言的表述能力是否一樣?
n 某些概念或者問題，用某種語言比較容易表述。
l 可以用網頁來表達樹狀、網絡的知識結構。
l 「祖先問題」是一個「樹狀結構」問題。
l 可否用「網頁」來表述祖先問題?
n 不能用網頁，一次「全部」推論出「所有的」祖先或子孫。
u 要加上以下之能力才行
l 推論
n 仍然要建立「龐大的」資料庫。
n 是否容許網頁具有「搜尋」、「網頁編輯器(維基百科)」的功能?
n 功能程式一定要用ES來寫嗎?
l Google可以不經首頁，直接找到某頁。
l 網頁：必須一頁一頁去找。
l 也必須沿者決策樹一層一層往下走。
l 對使用者而言，無差別。
l STRATEGY(程序控制策略)：這是專家系統的特色之一。

Procedure/non-procedure languages
l 傳統的程式語言(例如：FORTRAN, C, VB)大多是程序性語言(procedural languages)，程式指令的順利相當重要。次序不同就會得到不同的結果。
l 許多人工智能(AI)語言，是「非程序語言」。專家系統CLIPS即是。數學的聯立方程式也是。理論上(理想上)，指令、規則的順序無關緊要。
l 程序性語言的重點是HOW to do, 要把演算程序步驟詳細的寫出來。
l 非程序性語言的重點是 WHAT to do, 只要把問題要素的關係、規則講清楚即可，不必考慮解決的步驟為何。(事實上，領域專家也經常說話顚三倒四，並不按一定的次序想起規則)
l 聯立方程式是一種non-procedure language
l 方程式的順序不重要
l 存在二種(以上)的解題程序。
l 解題程序之控制，在程式執行時，才由使用者決定。(程序性語言必須於程式撰寫時同時決定各模組之執行順序)。
l 概念的層級。高階概念(專業術語)是從低階概念建構上來的；例如，「容積率」是由「土地面積」、「建築面積」、「除法」等基本概念所構成。使用高階概念，會十分便利、迅捷。但是，必要時仍然可以用低階概念來重述高階概念。程式語言亦復如此。CLIP是一種相當高階的語言，具有許多「浮現」出來的能力(例如程序控制)，但它仍然是可以用程序語言來表達(但就會十分繁瑣費事)。
l 這是一個專業化、模組(具)化的分工過程。資訊系統因為如此分工，才使系統的發展變得相當有彈性、可以多樣化的組合(重構)，結果，成長相當快速。必須注意的是，分工只是一個面向；另一個面向是整合。資訊系統因為有清楚定義的分工和整合界面，才能夠多而不亂、快速累積知識，產生知識的綜效力量。(知識分工反而造成零碎、片斷化，這是各知識領域之間未能有效整合之故)。

l 從知識論來說，我們企圖建構一種知識整合平台，讓不同的知識能夠源源不斷的新陳代謝，而不失其系統性、結構性。(如何整合不同專家的知識?)
l 使用某一種語言，得到了某一種便利，但也必然會受到它所帶來的限制。自然語言正如礦泉水，有許多雜質，也充滿了養分；電腦程式語言就像蒸餾水，十分純淨，可以醫療使用，避免細菌感染，但是毫無養分。所以，就單一事件而言，有所取捨。但是，交替使用，則可兼得其利。正如，太陽之下，必有陰影，有白天，必有黑夜。但是，太陽會旋轉，會使每一個地方都有白天與黑夜。是故，在多元的社會、多元的認知中，經常要從不同角度去看問題，要「毌意、毌必、毌固、毌我」，不要死守一方，要多元觀照。語言也是一樣。不要限制自己「只能」用一種語言。「如筏喻者，法尚應捨，何況非法?」，再多高強的語言，都無需堅持只使用該種語言。
l 有些問題先天本質上就是網絡式，無法化成樹狀結構。

哲學思考

【符號系統可以表述所有的現實世界嗎?】
l NO! 哥德爾（Kurt Gödel, 1906/4/28 -1978/1//14，http://web.edp.ust.hk/math/history/3/3_157.htm）證明了「具內在一致性之符號系統無法對應到現實世界的所有陳述」。例如：「我說的話都是謊話」是一種詭論(paradox)陳述。這種詭論便無法被「具內在一致性之符號系統」所處理。
l 不過，「具內在一致性之符號系統」的確可以處理「非真即假」的命題邏輯及首階邏輯體系。近來，更有人引進模糊理論、歸納法、設證法、多值邏輯、等非傳統邏輯之符號系統。這些新的符號系統究竟能走多遠?值得討論。
l 這裡面有一個很根本的「語意」問題。我們知道，有些語意是蘊含在「語法」之內，也就是說，語句的文法結構決定了某些語意。例如：「下雨天留客天天留我不留」。不同的斷句(語法結構)，會有完全相反的意思。但是，哥德爾也同時告訴我們，語法(具內在一致性之符號系統)不能完全涵蓋所有的現實世界的陳述。易言之，有些語意仍然是無法用語法來涵括的。究竟什麼是「語意」呢?或者什麼是「意義」呢?恐怕還是得傷傷腦筋吧!
l 相對於現實世界，數學是一個抽象系統。「1」可以代表一個人，也可以代表一顆樹。到了二十世紀初期，更發展出了「符號系統」。符號系統可以說是數學的進一步抽象化。其實，被抽象化的不只是數學而已，它也抽象化了邏輯系統。數學、邏輯是符號系統的實例。那麼，符號系統也揭示了存在著其他的(理念)世界。在下圖，我們標示了現實世界、數學、邏輯、符號系統、其他世界的關係。圓圈的包含關係說明它們之間的「不完全(替代)性」。

l 科學哲學家卡爾波普(Karl Popper)曾劃分了三個世界：物理世界、心理世界、知識世界。人類心智活動所發現的知識世界似乎是獨立於物理和心理之外。數理世界是知識世界的一部份。二十世紀初期的哲學家們(或者只是數學家們和符號邏輯學家們?)致力於建構一個「具內在一致性之符號系統」，希望能以它來打造「堅固」的知識世界。不過，似乎沒那麼簡單。不單是哥德爾的「不完全理論」揭示了它的侷限性，現象學、詮釋學也一再挑戰它。
l 現象學大師胡賽爾(Edmund Husserl, 1859-1938)，受過嚴謹的自然科學訓練。但是他認為瀰漫二十世紀初期的實證主義是一種「不完善的理性」，忽視了認識論的問題，沒有考慮感官認知和詮釋的問題。他希望建構一個完全的理性主義來代替殘缺不全的理性主義。所以，胡賽爾所質疑的是哲學的危機。只有正視哲學問題，才能正確的對待科學問題。