Представление знаний в интеллектуальных информационных системах

       Отметим, что модели представления знаний относятся к прагматическому направлению исследований в области искусственного интеллекта. Это направление основано на предположении о том, что мыслительная деятельность человека – «черный ящик». При таком подходе не ставится вопрос об адекватности используемых в компьютере моделей представления знаний тем моделям, которыми пользуется в аналогичных ситуациях человек, а рассматривается лишь конечный результат решения конкретных задач.  

       Модели  представления знаний:

1. модели, ориентированные на правила
• логическая модель
• продукционная модель
2. модели, ориентированные на объекты

• сетевая модель (семантическая сеть)
• фреймовая модель
• объектно-ориентированная модель

 

       3.1 Логические модели

       В основе логической модели лежит формальная система, задаваемая четверкой вида: M=<T, P, A, B>.

       Здесь T есть множество базовых элементов(пример –множество элементов терминального словаря). Причем существует некоторая процедура П(T), которая за конечное число шагов дает ответ на вопрос о принадлежности произвольного элемента к множеству T.

       P–множество  синтаксических правил. С их помощью из элементов множества T образуются синтаксически правильные совокупности. Декларируется существование процедуры П(P), с помощью которой за конечное число шагов можно ответить на вопрос, является ли совокупность X={x}синтаксически правильной.

       A–множество аксиом, является подмножеством множества синтаксически правильных совокупностей вида{x}. Процедура П(A) позволяет для любой синтаксически правильной совокупности получить вопрос о принадлежности ее к множеству A. Применительно к БЗ множество A составляют введенные из вне информационные единицы.

       B–множество правил вывода. Применяя их к элементам из A, можно получать новые синтаксически правильные совокупности, к которым снова можно применять правила из B. С помощью B формируется множество выводимых совокупностей. Если имеется процедура П(B), которая позволяет определить выводимость любой синтаксически правильной совокупности, то соответствующая формальная система называется разрешимой. 

       3.2 Продукционные модели.

       В моделях этого типа используются элементы логических и сетевых моделей. Из логических моделей заимствована идея правил вывода –продукций. Из сетевых моделей – представление знаний в виде семантической сети.

       Продукционные системы: с прямым и обратным выводом. В системе продукций с обратными выводами с помощью правил строится дерево “И/ИЛИ”, связывающее в единое целое факты (посылки) и доказываемое (опровергаемое) утверждение; оценка этого дерева на основании фактов, имеющихся в базе данных, и есть логический вывод. Оценка заключается в том, что необходимо найти ту посылку, наличие или отсутствие которой в наибольшей степени подтвердит или опровергнет рассматриваемое утверждение. Прямой вывод: известна посылка, нужно получить результат.

Основополагающими являются системы продукций с прямыми выводами. Состоят из Базы Правил (БП), включающей набор продукций (правил вывода), Базы Данных (БД), в которой содержится множество фактов и интерпретатора для получения логического вывода. БД и БП составляют базу знаний, а интерпретатор соответствует механизму логического вывода.

В результате применения правил вывода к фрагментам сетевого описания происходит трансформация  семантической сети за счет смены  ее фрагментов, наращивания сети и  исключения из нее ненужных фрагментов.

       Особенность: явное выделение процедурной информации, различие в средствах описания декларативной и процедурной информации. Вместо логического вывода, характерного для логических моделей, используется вывод на знаниях.

       Достоинства продукционной модели.

—Простота создания и понимания отдельных правил;

—Простота пополнения и модификации;

—Простота механизма логического вывода.

       Недостатки:

—Отсутствие возможности описания взаимных отношений  правил;

—Сложность  анализа целостного образа знаний;

—Несоответствие структуры знаний системы структуре знаний человека. В частности, структура базы знаний продукционной системы не позволяет описывать метазнания и свойственную человеческому мышлению нечеткую логику.  

       3.3. Сетевые модели

       Сетевая модель формально задается системой составляющих вида :

H=<I, C1, C2, … , Cn, Г>.

       Здесь I есть множество информационных единиц, C1, C2, … , Cn – множество типов связей между информационными единицами. Г есть отображение, которое задает связи из набора C1, C2, … ,Cn между входящими в множество I информационными единицами.

       В зависимости от типов связей из множества C1, C2, … ,Cn различают классифицирующие сети, функциональные сети и сценарии.

       В классифицирующих сетях используются отношения структуризации, которые  позволяют описывать различные  виды иерархий между информационными единицами.

       Функциональные  сети (вычислительные модели) характеризуются  наличием функциональных отношений, которые  позволяют описывать процедуры  “вычислений”одних информационных единиц через другие.

       Сценарии  характеризуются использованием в качестве C1, C2, … ,Cn каузальных отношений, а также отношений типов “средство-результат”, “орудие-действие”и т.п.

       Определение. Семантической сетью сетевая модель, в которой в качестве C1, C2, … ,Cn допускаются связи различного типа.

       3.4 Фреймовая модель.

       Основана  на фреймовой теории, предложенной М.Минским в 1974 г. представляет собой  систематизированную в виде единой теории психологическую модель памяти человека и его сознания.

       Важным  моментом во фреймовой теории является понятие фрейма. Фрейм (англ. frame – рамка, каркас) – структура данных для представления некоторого концептуального объекта. Информация, относящаяся к фрейму, содержится в составляющих его слотах. Слот (англ. slot – щель, прорезь) может быть терминальным (листом иерархии) или представлять собой фрейм нижнего уровня. Каждый фрейм состоит из произвольного числа слотов, причем несколько из них обычно определяются самой системой для выполнения специфических функций, а остальные определяются пользователем.

       Фреймы  подразделяются на:

• фрейм-экземпляр – конкретная реализация фрейма, описывающая текущее состояние в предметной области;
• фрейм-образец – шаблон для описания объектов или допустимых ситуаций предметной области;
• фрейм-класс – фрейм верхнего уровня для представления совокупности фреймов образцов.

       Состав  фреймов и слотов в каждой конкретной фреймовой модели может быть разный, однако в рамках одной системы  целесообразно единое представление  для устранения лишнего усложнения.

       Все фреймы объединяются в иерархическую  структуру, интегрирующую в себе декларативные и процедурные знания. Данная структура отображает целостный образ знаний, которому свойственна иерархичность концептуального представления.

       Каждый  фрейм описывает один концептуальный объект, а конкретные свойства этого объекта – в слотах. В качестве слота может использоваться специфичная процедура вывода – присоединенная процедура. Фреймовую систему без механизма присоединенных процедур часто рассматривают как базу данных системы продукций.

       Отличительной чертой фреймовой модели является возможность комбинации декларативных и процедурных знаний в одной единице представления знаний – фрейме, возможность иерархического построения базы знаний согласно степени абстракции понятия, а также возможность реализации любой системы вывода на основе обмена сообщениями –объектно-ориентированного метода управления выводом.

       В целом фреймовая модель допускает  представление всех свойств декларативных  и процедурных знаний. Глубина  вложенности слотов во фрейме (число  уровней) зависит от предметной области и языка, реализующего модель.

     3.5 Объектно-ориентированная  модель

      Объектно-ориентированная  модель, аналогичная во многих отношениях фреймовой модели, также предусматривает  инкапсуляцию процедур в структуры  данных и механизм наследования. Отличия заключаются в четком различии понятий класс объектов и экземпляр объекта, а также в способе активации процедур к объектам. Для объектно-ориентированной модели характерны такие черты, как скрытие данных и их доступность только через методы (присоединенные процедуры) класса, наследование как атрибутов, так и методов (в последнем случае обеспечивается необходимый уровень абстракции данных и полиморфизм использования процедур). Обращение к объектам, то есть вызов методов класса, осуществляется либо из внешних программ, либо из других объектов путем посылки сообщений.

 

        ЗАКЛЮЧЕНИЕ 

       Концепция баз знаний, являясь логическим развитием  монопольно-файловых систем и систем, основанных на концепции баз данных, создает предпосылки для расширения возможностей отображения закономерностей предметной области и получения новых знаний путем их вывода (манипулирования знаниями). При этом значительно ослабляется противоречие между «мягким», нечетко очерченным миром реальности и требованиями по «жесткому», формализованному представлению информации в ЭВМ.

       Большинство исследователей искусственного интеллекта рассматривают задачу разработки моделей  представления знаний как задачу программной реализации концепции  баз знаний. Это означает, что  модели представления знаний должны обладать всеми свойствами, присущими знаниям.

       При проектировании модели представления  знаний необходим учет факторов однородности представления и простоты понимания. Однородность представления приводит к упрощению механизма управления логическим выводом, упрощению управлением знаниями.

       Простота  понимания означает то, что представление  знаний должно быть понятным и экспертам, и пользователям системы. Для  решения практических задач в  ряде случаев используется симбиоз  различных моделей представления  знаний. 

 

        СПИСОК ЛИТЕРАТУРЫ 

1. Попов Э.В. и др. Искусственный интеллект. –В 3-х кн. Кн. 2. Модели и методы. –М.: Радио и связь, 1990.
2. Представление и использование знаний : Пер. с япон. / Под ред. Х.Уэно, М.Исидзука. –М.: Мир, 1989.
3. Уинстйн П Искусственный интеллект. М.: Мир. 1980
4. Портал искусственного интеллекта// http://www.aiportal.ru/