《人工智能》第三章的知识演绎主要探讨了规则基础的推理系统在人工智能领域的应用，这一部分由夏幼明教授讲解。章节内容深入细致，涵盖了以下几个关键知识点：
1. 规章演绎系统：这是一种基于规则的推理模型，其核心是if-then形式的规则，如"如果前件成立，则执行后件"。规则的前件（antecedent）代表前提条件，后件（consequent）指示相应的结论或行为。这些系统可以应用于决策制定，例如产生式系统，根据已知事实进行正向推理，从给定的前提推导出结果。
2. 谓词演绎的归结方法：这是一种逻辑推理技术，通过合并矛盾的子句（如Hone子句）来逐步接近真理，直到找到一个不可约解的子句集，从而证明问题的真伪。这种方法在解决复杂逻辑问题时尤为重要。
3. 归结反对搜寻策略：这是一种搜索算法，通过不断尝试组合不同的前提来消除矛盾，寻找有效的解决方案。它在人工智能中的推理过程中起到关键作用。
4. 命题式转换和逻辑操作：在正向演绎中，系统通过事实命题式（如蕴含式和或式）的转换，运用逻辑定律（如狄·摩根定律）简化表达式，以便于推理。Skolem化和前束化是进一步处理全称和存在量词的技巧，以确保推理的有效性和效率。
5. 正向演绎的步骤：具体包括事实到目标的推理过程，如通过与或形转换、消除蕴含符号、否定符号的处理以及Skolem化和前束化等步骤，实现从已知事实逐步得出结论的过程。
通过本章的学习，读者能够理解如何设计和使用规章演绎系统来处理知识表示和推理，这对于理解人工智能中的逻辑推理、专家系统和自动推理等领域至关重要。掌握这些原理有助于开发更为智能化的软件和应用。
