三、不确定和非单调逻辑 　　这是人工智能系统中经常使用的知识表示和推理方法。由于实际系统所能获取的知识常是不完全的，有时是随机的模糊的，都导致采用不确定或非单调推理方式。 　　如A1∧A2∪B(0.7), 这就是一种以数字0.7来描述不确定性的形式。可理解为A1, A2条件下, B成立的某种可能性是0.7(而不是1)。主要问题是不确定性的描述, 以及已知A1, A2的不确定性度量如何计算B的不确定性, 已有多种方法讨论不确定性, 并已有实际应用。 标准逻辑是单调的。一个正确的公理加到理论T中得理论T＇, T＇T。如果 　　T├P 　必有 　T＇├P 　　就是说随着条件的增加, 所得结论也必然增加。而非单调逻辑，指的是一个正确的公理加到理论T中, 反而会使预先所得到的一些结论变得无效了。 　　非单调逻辑的基本出发点是古典的完备性，对一个理论来说，任一公式P, 或者P可证明或者P可证明(这与3.3提到的完备性不同)。这样为保证一个理论是完备的,可增加命题P, 如果P不能由该理论推演出来.将这样的命题P假设是成立的, 加到理论中参与推理, 便是非单调的推理方式, 一旦得知P并不成立时, 那么由于P成立而导出的所有结论将被否定, 或说由于P的成立将导致理论的不一致时, 将进行回溯, 以便消除不一致性。