Шпора-small (Шпоры к первому коллоквиуму), страница 9

Более того, можно"редактировать" (динамически менять) рекомендации с учетом попыток вызова других теорем.Примеры рекомендаций:(use T1 [ ])- вызвать теорему с именем T1, а если вызов неуспешен, вызывать всеостальные,(try [NOT T3])- вызывать все теоремы кроме T3,(use1)- если найдена одна успешная теорема, отменить все развилки.Пример определения теоремы типа «при вычеркивании»:[define КУБИК_ОСВ (erasing (X)(=ЗАНЯТ= *X)[assert (=СВОБОДЕН= .X)])]Если из базы данных вычеркивается утверждение о том, что "поверхность некоторого кубика Xзанята" (если так, то на него нельзя поставить другой кубик), то автоматически будет вызвана ивыполнена эта теорема. Она запишет в базу данных утверждение: "поверхность этого кубика Xосвободилась" (теперь на него можно поставить другой кубик).Вызов теорем типа «при вычеркивании» осуществляется с помощью функции change – либо явно:[change pat rec?], либо неявно (из функции erase).Пример определения теоремы типа «при записи»:[define ПРИШЕЛ (antec (X Y Z)(*X =ПРИШЕЛ= *Y)[search1 (.X =НАХОДИТСЯ_В= *Z)][erase (.X =НАХОДИТСЯ_В= .Z)][assert (.X =НАХОДИТСЯ_В= .Y)])]Если в базу данных записывается утверждение о том, что "X пришел в Y (из Z)", то автоматическибудет вызвана и выполнена эта теорема.

Она найдет в базе данных утверждение о прежнемместонахождении X, вычеркнет это утверждение и запишет, что "X находится вY".Вызов теорем типа «при записи» осуществляется с помощью функции draw – опять же либо явно:[draw pat rec?], либо неявно (из функции assert).Проблема знанийВ данном разделе курса речь идет о проблемах формирования, хранения и использования«знаний» (пока мы считаем, что «знания» – любая информация о системе и ее окружении) на всехэтапах жизненного цикла системы искусственного интеллекта (системы ИИ)/интеллектуальнойсистемы (ИС).1.Терминологические замечания:а) Предметная область (ПО) – «срез» действительности, со своими объектами, отношениями.Проблемная область (ПО) – Предметная область + характерные задачи.Примеры:Предметная область – Лисп как язык для обработки списковПроблемные области: автоматический синтез программ на Лиспе,автоматизированное обучение приемам программирования на Лиспе.б)Из психологии и педагогики нам известна триада: знания – умения – навыки.Знания – усвоенные Понятия.Умения – способность выполнять новые действия в новых условиях.Навыки – действия, автоматизировавшиеся в процессе их усвоения и выполнения.В работах по ИИ знаниями обычно называют и собственно знания, и умения, и навыки.Поэтому говорят о: базах понятий, базах фактов, базах правил и т.п.Вот, например, два определения из Интернет-ресурса «Тематическая служба толковых словарей»– http://www.glossary.ru.Знания (в информатике) – вид информации, отражающей опыт специалиста (эксперта) вопределенной ПО, его понимание множества текущих ситуаций и способы перехода от одногоописания объекта к другому.Знания о ПО подразделяются на:-факты, относящиеся к ПО;-закономерности, характерные для ПО;-гипотезы о возможных связях между явлениями, процессами и фактами;-процедуры для решения типовых задач в данной ПО.Чтобы не вступать в противоречие с литературными источниками, мы согласимся с такойтрактовкой (расширенной) термина знания.в)Базы знаний (БЗ) в работах по ИИ часто не совсем корректно противопоставляются базамданных (утверждается, например, что базы знаний в отличие от баз данных имеют встроенныйдедуктивный механизм вывода следствий из известных фактов и т.п.).Для нас это феномены разноплановых уровней:База знаний – (у нас) – совокупность «знаний» системы ИИ в компьютерном представлении.Средством представления «знаний» может быть, в частности, та или иная штатная база данных (вобычном смысле).Проблема извлечения знаний2.Некоторые острые аспекты проблемы знаний:Извлечение знаний – процесс взаимодействия инженера по знаниям с источником знаний(экспертом), в результате которого становятся явными процесс рассуждений специалистов припринятии решения и структура их представлений о предметной области.Проблема приобретения знанийПриобретение знаний – автоматизированное построение базы знаний посредством диалогаэксперта и/или инженера знаний со специальной программой формирования БЗ.Экспертные знания – знания, которыми располагает специалист в некоторой проблемнойобласти.Эксперт – специалист в некоторой проблемной области.Инженер знаний/Инженер по знаниям/Когнитолог – специалист по искусственному интеллекту,проектирующий и создающий базу знаний системы ИИ.

Обычно инженер по знаниям выступает вроли «посредника» между экспертом и базой знанийПроблема открытости знанийСовокупность «знаний» системы ИИ неизбежно должна быть открыта для включения в нее новойинформации, отражающей динамику проблемной среды и динамику поручаемых системе ИИзаданий.Открытость может быть реализована по-разному:- пополнение БЗ «хирургическим путем» (программист/администратор вносят изменения в текстыБЗ),- обучение системы пользователем в рабочем режиме,- самообучение системы (приспособление ее к новым условиям/задачам).3.Базовые методы представления знаний:взаимодействияссМетод представления знаний – совокупность взаимосвязанных средств формального описаниязнаний и оперирования (манипулирования) этими описаниями.(аналог модели данных в теории Баз Данных – понятие концептуального уровня)Логические методы (язык предикатов)Знания, необходимые для решения задач и организациипользователем, – факты (утверждения).Факт – формула в некоторой логике.Система знаний – совокупность формул.База знаний – система знаний в компьютерном представлении.Основные операции: логический вывод (доказательство теорем)Примеры:иметь (Саша, книга)«Саша имеет книгу»иметь (Саша, книги) → иметь (Саша, книга) «Если Саша имеет книги, то он имеет книгу»(∀x) [человек (x) → иметь (x, книга)]«Каждый человек имеет книгу»(∀x) [свободен (x) → ¬(∃y) (на (y,x))] «Если кубик x свободен, то нет такого кубика y,который находится на кубике x»Достоинства:• формальный аппарат вывода (новых фактов/знаний из известных фактов/знаний),• возможность контроля целостности,• простая и ясная нотация.Недостатки:знания трудно структурировать,при большом количестве формул вывод идет очень долго,при большом количестве формул их совокупность трудно обозрима.•••Семантические сетиЗнания, необходимые для решения задач и организации взаимодействияпользователем, – объекты/события и связи между ними.Статические семантические сети- сети с объектами.Динамические семантические сети (сценарии)- сети с событиями.Система знаний – совокупность сетей (или одна общая сеть).База знаний – система знаний в компьютерном представлении.Для представления семантических сетей используются графы:вершинаатомарный объект (событие),подграфструктурно сложный объект (событие),дугаотношение или действие.Примеры отношений:род-вид(«компьютер» – «персональный компьютер»)целое-часть(«компьютер» – «память»)понятие-пример(«компьютер» – «конкретный компьютер .

. . »)Основные операции: сопоставление с образцом, поиск, замена, взятие копииПримеры семантических сетей:Будут позже (на сегодняшней лекции).Достоинства:• знания хорошо структурированы, структура понятна человеку.Недостатки:при большом объеме сети очень долго выполняются все операции,при большом объеме сети она трудно обозрима.••ФреймыЗнания, необходимые для решения задач и организации взаимодействия спользователем, – фреймы.Фрейм-понятие – отношение/действие + связанные этим отношением/участвующие в этомдействии объекты.Фрейм-пример – конкретный экземпляр отношения/действия + конкретные объекты(связанные этим отношением/участвующие в этом действии).Система знаний – совокупность фреймов-понятий и фреймов-примеров.База знаний – система знаний в компьютерном представлении.Фрейм: ИМЯотношение/действиеСЛОТЫ объекты или другие фреймыС каждым слотом может быть связана такая информация:УСЛОВИЕ НА ЗАПОЛНЕНИЕ (тип, «по умолчанию», связь с другими слотами)АССОЦИИРОВАННЫЕ ПРОЦЕДУРЫ (действия, выполняемые, например, при заполненииэтого слота)Основные операции: поиск фрейма/слота, замена значения слота, взятие копии фрейма-понятияПримеры:Фрейм-понятие «Перемещать»ПЕРЕМЕЩАТЬ (кто?, что?, откуда?, куда?, когда?, .