Тема  1. Основы представления знаний

    1.1. Знания и их свойства.

    1.2. Состав знаний экспертной системы, понятие проблемной области.

    1.3. Классификация знаний.

1.1. Знания и их свойства

    Необходимо  отличать понятие «знания» от понятия  «данные».

    Данными называют формализованную информацию, пригодную для последующей обработки, хранения и передачи средствами автоматизации профессиональной деятельности. Данные – это объекты с которыми работает программа.

    Знания – совокупность данных, связанных между собой различными отношениями. Знания организуются как некоторая совокупность правил, которые позволяют делать заключения на основе исходных данных или предположений.

    Выделяют  определенные свойства, которые преобразуют данные в знания:

    1. Внутренняя интерпретация

    2. Внутренняя структура связей

    3. Внешняя структура связей

    4. Шкалирование

    5. Наличие семантической метрики

    6. Активность

1.2. Состав знаний экспертной системы, понятие проблемной области

    Состав  знаний экспертной системы зависит:

    1) от проблемной области, 

    2) от структуры экспертной системы,

    3) от требований и целей пользователей,

    4) от языка общения.

    Для функционирования ЭС требуются следующие  знания:

    1) знания о процессе решения задачи, (т.е. управляющие знания), используемые интерпретатором;

    2) знания о языке общения и способах организации диалога, используемые лингвистическим процессором;

    3) знания о способах представления  и модификации знаний, используемые  компонентой приобретения знаний;

    4) поддерживающие структурные и  управляющие знания, используемые объяснительной компонентой.

    Зависимость состава знаний от требований пользователя проявляется в следующем:

    1) какие задачи (из общего набора  задач) и с какими данными хочет решать пользователь;

    2) каковы предпочтительные способы  и методы решения;

    3) при каких ограничениях на количество результатов и способ их получения должна быть решена задача;

    4) каковы требования к языку общения и к организации диалога;

    5) какова степень общности/конкретности знаний о проблемной области, доступная пользователю;

    6) каковы цели пользователей.

    Понятие проблемная область включает предметную область и задачи, решаемые в этой области. Термин проблемная область используется в тех случаях, когда необходимо подчеркнуть, что речь идет не только об описании фактов области экспертизы, но и о задачах, решаемых в этой области.

    Предметные  области могут быть статическими, т.е. неизменяемыми, и динамическими, т.е. изменяемыми.

    Задачи, решаемые в предметной области, требуют соответствующих знаний. Не касаясь специфики решаемых задач, их можно классифицировать на следующие типы:

    1) задачи анализа предметной области

    2) задачи преобразования предметной области

    3) задачи определения (выбора) предметной области

1.3. Классификация знаний

    Ряд аспектов классификации знаний иллюстрирует рис. 1.2.

    

    Рис. 1.2. Классификация знаний 
 

 

Тема 2. Модели представления знаний

1. Логические  модели.
2. Продукционные модели.
3. Фреймовые модели.
4. Сетевые модели.
5. Объектно-ориентированные модели.
6. Специальные и комплексные модели.

    В настоящее время применяются  семь классов моделей знаний (рис. 2.1.): логические, продукционные, фреймовые, сетевые, объектно-ориентированные, специальные и комплексные.

    

    Рис. 2.1. Классы моделей знаний

2.1. Логические модели

    В логических моделях знания представляются в виде совокупности правильно построенных формул какой-либо формальной системы (ФС), которая задается четверкой

    (T,P,A,R)      (1)

    где Т – множество базовых элементов, из которых формируются все выражения ФС;

    Р – множество синтаксических правил, определяющих синтаксически правильные выражения из базовых элементов ФС;

    А – множество аксиом ФС, соответствующих синтаксически правильным выражениям, которые в рамках данной ФС априорно считаются истинными;

    R – конечное множество правил вывода, позволяющих получать из одних синтаксически правильных выражений другие.

    Простейшей  логической моделью является исчисление высказываний.

    Пути  повышения эффективности логических моделей знаний связаны с использованием многоуровневых и специальных логик.

    Следует заметить, что (1) определяет закрытую ФС, соответствующую аксиоматической системе, все аксиомы которой тождественно истинны вне зависимости от рассматриваемой предметной области. В базирующихся на таких ФС логических моделях используются процедуры монотонного вывода в закрытых БЗ. Свойство монотонности означает, что истинность полученных в процессе вывода утверждений (формул) сохраняется при расширении множества посылок. Иными словами, поступающие в систему новые факты не могут изменить истинные значения выведенных ранее утверждений.

2.2. Продукционные модели

    Центральным звеном продукционной модели является множество продукций или правил вывода. Каждая такая продукция в общем виде может быть представлена выражением:

    (W_i, U_i, P_i, A_i→B_i, C_i)    (2)

    где Wi – сфера применения i-й продукции, определяющая класс ситуаций в некоторой предметной области (или фрагменте рабочей предметной области), в которых применение данной продукции правомерно;

    U_i, – предусловие i-й продукции, содержащее информацию об истинности данной продукции, ее значимости относительно прочих продукций и т. п.;

    P_i, – условие i-й продукции, определяемое факторами, непосредственно не входящими в A_i, истинностное значение которого разрешает применять данную продукцию;

    A_i→B_i – ядро i-й продукции, соответствующее правилу «если..., то...»;

    C_i – постусловие i-й продукции, определяющее изменения, которые необходимо внести в систему продукций после выполнения данной продукции.

    Итак, положительные стороны продукционной модели знаний состоят в ясности и наглядности интерпретации отдельных правил, а также простоте механизмов вывода (выполнения продукций) и модификации БЗ.

    Недостатками продукционной модели являются:

    • сложность управления выводом, неоднозначность  выбора конкурирующих правил;

    • низкая эффективность вывода в целом, негибкость механизмов вывода;

    • неоднозначность учета взаимосвязи  отдельных продукций;

    • несоответствие психологическим аспектам представления и обработки знаний человеком;

    • сложность оценки целостного представления  предметной области.

2.3. Фреймовые модели

    Фундаментом фреймовой модели знаний служит понятие фрейма — структуры данных, представляющей некоторый концептуальный объект или типовую ситуацию. Фрейм идентифицируется уникальным именем и включает в себя множество слотов. В свою очередь, каждому слоту соответствует определенная структура данных. В слотах описывается информация о фрейме: его свойства, характеристики, относящиеся к нему факты и т. д. Кроме того, слоты могут содержать ссылки на другие фреймы или указания на ассоциируемые с ними присоединенные процедуры. Представление предметных областей в виде иерархической системы фреймов хорошо отражает внутреннюю и внешнюю структуры объектов этой предметной области.

2.4. Сетевые модели

    Наиболее  общий способ представления знаний, при котором предметная область рассматривается как совокупность объектов и связывающих их отношений, реализован в сетевой модели знаний. В качестве носителя знаний в этой модели выступает семантическая сеть, вершины которой соответствуют объектам (понятиям), а дуги — отношениям между понятиями. Кроме того, и вершинам, и дугам присваиваются имена (идентификаторы) и описания, характеризующие семантику объектов и отношений предметной области.

    Очевидные достоинства сетевой модели заключаются в ее высокой общности, наглядности отображения системы знаний о предметной области, а также легкости понимания подобного представления.

    Недостатки: в семантической сети имеет место смешение групп знаний, относящихся к совершенно различным ситуациям при назначении дуг между вершинами, что усложняет интерпретацию знаний. Другая проблема, присущая сетевой модели, состоит в трудности унификации процедур вывода и механизмов управления выводами на сети.

2.5. Объектно-ориентированные модели

    Объектно-ориентированная  модель знаний получила широкое применение в современных технологиях проектирования разнообразных программных и информационных систем. В настоящее время существуют два основных подхода к моделированию знаний, базирующихся на объектной парадигме. Это модель MDA (Model Driven Architecture) и модель ODP (Model of Open Distributed Processing).

2.6. Специальные и комплексные модели

    Класс специальных моделей знаний объединяет модели, отражающие особенности представления знаний и решения задач в отдельных, относительно узких предметных областей. В качестве примера подобного способа формализации знаний можно привести модель представления предметной области «объект-признак», используемую в автоматизированных системах поиска аналогов и построения классификаций.

    Применение  на практике того или иного способа  формализации обусловливается спецификой задачи, для решения которой планируется использовать БЗ. Наиболее перспективны смешанные или комплексные модели, интегрирующие преимущества рассмотренных выше базовых моделей представления предметных областей.

 

Тема 3. Сущность экспертных систем

    3.1. Смысл экспертного анализа.

    3.2. Признаки и отличия экспертных систем от других программ искусственного интеллекта.

    3.3. Базовые функции экспертных систем.

3.1. Смысл экспертного анализа

    Знания, которыми обладает экспертная программа, должны быть сконцентрированы на определенную предметную область. Знания предполагают определенную организацию и интеграцию — то есть отдельные сведения должны соотноситься друг с другом и образовывать нечто вроде цепочки, в которой за одним звеном следует другое. Из этих знаний должно непосредственно вытекать решение проблем.