47197 (597325), страница 6

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 6)

Формально базу данных можно рассматривать как теорию первого порядка, точнее, как множество аксиом в некоторой теории первого порядка. В свою очередь, база знаний есть множество теорем, которые могут быть получены из множества хранящихся аксиом использованием множества универсальных механизмов вывода.

На начальном этапе применения методов искусственного интеллекта к ИС наибольшее распространение получили экспертные системы (ЭС), т.е. компьютерные программы, имеющие дело с проблемами, для которых не существует непосредственно аналитических методов, но в которых они позволяют получить результаты. Первые экспертные системы разработаны для некоторых устоявшихся, хорошо определенных приложений, например, помощи химикам-органикам (ЭС ДЕНДРАЛ); в области медицины (например, MYCIN, INTERNIST/CADUCEUS, PUFF). На рис 3.3 представлена типичная организация экспертной системы.

Логические выводы, возможности получения логических следствий и возможности решения проблем обычно бывают встроены в машину вывода ЭС. В литературе по искусственному интеллекту термин «решение проблем» относится к методологии поиска пути из начального состояния в целевое состояние. Техника решения проблем включает общий решатель проблем и поисковый алгоритм. Некоторые из таких алгоритмов имеют имена (например, А* алгоритм).

Компонента синтеза объяснения – это тип выходной информации, используемой, чтобы оправдать некоторые выдаваемые системой заключения и предоставить пользователю некоторые пояснения в форме, подходящей для интерпретации лицом, принимающим решения.

Способность интеллигентного редактирования есть виртуальная необходимость для системы приобретения знаний.

Машинное обучение – это механизм для автоматического приобретения знаний. Системы машинного зрения могут быть использованы для распознавания информации с экранных форм и приобретения знаний.

Обработка естественного языка и системы распознавания речи могут быть эффективно использованы, чтобы обеспечить дружественный к пользователю интерфейс.

ЭС успешно применены в целом ряде областей, включая математику, геологию, проектирование и разработку систем. В последнее время ЭС стали очень широко применяться в области бизнеса, страхования и банковского дела. Основные составляющие ЭС:

База знаний. Служит для представления эвристической и фактологической информации, часто в форме фактов, утверждений и правил вывода.

Машина вывода. Механизм, играющий роль интерпретатора, применяющего знания подходящим образом, чтобы получить результат.

Система естественно-языкового интерфейса (СЕЯИ). Механизм, преобразующий запросы и выдающий ответы пользователю, иногда отыскивающий дополнительную информацию для машины вывода. Эта компонента включает средства, необходимые для взаимодействия ИИС с пользователем.

СЕЯИ, занимающая в этом арсенале средств особое место, позволяет пользователю общаться с ИС на естественном языке, т.е. реализует дружественный к пользователю интерфейс.

1. 18. Схема ИИС

ИИС (рис. 3.4) функционирует, используя систему управления базой данных и базу знаний.

В ИИС интегрируются знания, поступающие от экспертов, относительно 5акономерностей конкретной предметной области наряду с фундаментальными (энциклопедическими знаниями), составляющими суть научных теорий и моделей. Эти знания хранятся в репозитарии знаний, а конкретные [) акты – B базе данных под управлением системы управления базой данных.

Рис. 3.4. Схема интеллектуальной информационной системы

Для хранения данных в ИИС используются либо реляционные, либо для гегрированного хранения данных и знаний – объектно-ориентированные базы данных. На рис. 3.5 показана схема интеграции базы данных и базы знаний.

Рис. 3.5. Интеграция базы данных и базы знаний

Базы данных обрабатывают то, что называется форматированными данными посредством описания структуры данных различных прикладных программ и единообразного описания их в единственной концептуальной схемебазы данных для всего предприятия. Концептуальная схема традиционных СУБД в очень малой степени затрагивает смысл данных. Поэтому непосредственно база данных только в ограниченном смысле может быть источником принятия решений на предприятии.

В современных моделях семантики обеспечивается механизм для моделирования динамического поведения и динамических ограничений: концепция истории и концепция события / триггер а. Часто, когда сущность изымается, необходимо сохранить факт, что сущность была частью класса для дальнейших ссылок. Концепция истории позволяет сохранить историю класса при помощи специального механизма, называемого историей класса.

Концепция события триггера используется для описания модификации азы данных, которое требует исполнителя дополнительных операций или которые зависят от предыдущих событий.

Событие зависит либо от условия операции, либо от условия времени, триггер описывает операцию, которая должна быть выполнена, если происходит связанное с ним событие. Акции (Actions) могут контролироваться выполнением некоторых событий, зависящих от определенных условий посредством отсрочки выполнения акций, пока не будет выполнено множество определенных событий.

Мы называем схему базы данных R объектно-ориентированной, если и только если для каждой схемы отношения R множество всех FD, относящихся к R эквивалентно одной единственной FD: К –> R, т.е. факт, что К есть уникальный ключ R. Атрибуты, которые являются (не являются частью) ключа, называются первичными (непервичными).

Объектно-ориентированная схема базы данных может быть записана как множество пар (Kj. Pi), где К; – множество первичных атрибутов; Pj – множество непервичных атрибутов реляционной схемы Rj. Такую схему базы данных можно рассматривать как множество объектов, идентифицированных их ключами.

В случае если множество ограничений С не содержит зависимости включения, С пополняется ID, которые вновь экстрагируются из словаря данных и знаний администратора базы данных. Зависимость включения Rj[x] с Rj[Y] называется основанной на ключе, если Y = К, т.е. Y есть ключ R. Зависимости включения формируют утверждения относительно зависимостей между классами объектов. Следовательно, они являются основой для генерации иерархии, агрегации, генерализации и группировки, которые определяют отношения между классами в ООБД. С другой стороны, неключевые зависимости включения устанавливают произвольные ограничения целостности, которые мы должны усилить пре- и постусловиями базовых действий, связанных с ООБД-классами объектов.

1. 19. Характеристика базы знаний и особенности её конструирования. Компоненты баз знаний

Характеристика знаний

Таблица 3.2. Характеристики использования знаний приложениями ИИС

Конструирование базы знаний

Для хранения, обновления и использования знаний применяются системы управления базами знаний, которые должны удовлетворять следующим требованиям.

Представление знаний. Подобно базам данных, представление знаний в ЭС, основанных на правилах, является сравнительно простым, состоящим из представления фактов и правил вывода. Знания, хранящиеся в ИИС, интегрируются в результате объединения знаний, поступивших от многих индивидуальных экспертов, и могут принимать такие формы, как базы данных и правила вывода. Часто элементы знаний выражаются на одном из этих языков. Они должны быть агрегированы в гибридное представление знаний в виде одного источника знаний, который может быть далее агрегирован в глобально совместную базу знаний. Важно иметь разнообразие выразительных средств для поддержания высокой степени совместности посредством механизма гибридного представления.

Организация знаний. Базы знаний могут быть организованы с использованием фундаментальных знаний, проблемно-ориентированных знаний, и знаний, необходимых для поддержания диалога. Знания, специфичные для диалога, должны иметь стандартизированную процедуру диалога, состоящую, из анализа пользовательских требований и запросов, интерпретации этих запросов по отношению к прикладной системе, основанной на знаниях и генерации ответа на основе кооперативного диалога.

Если база фактов становится большой или необходимо обеспечить доступ к внешним базам фактов, механизмы СУБД должны использоваться в ЭС. Обычно это предполагает наличие некоторого метазнания о схеме базы данных, ограничениях целостности, доступных интерфейсах, посредством которых факты выбираются и хранятся. Сложные средства оптимизации дедуктивных запросов требуются, чтобы обеспечить подходящее время реакции. Они могут использоваться в комбинации с другими стратегиями, которые обеспечивают контроль за применением правил.

Окружение. Это средства, доступные в рамках оболочки экспертной системы. В одной методологии (тесное связывание) доступ к базе данных скрыт от пользователя, насколько это возможно, в других (слабое связывание), пользователь будет загружать внешние данные эксплицитно до запуска диалога консультаций. Так, необходимо окружение, через которое различные базы знаний могут быть заполнены. Это аспект приобретения знаний или обучения, который частично может быть реализован экспертами в данной предметной области и лингвистами в сотрудничестве со специалистами по компьютерам.

Связывание. Помимо обеспечения доступа к внешним базам данных, экспертным системам часто необходимо установить связь с другими средствами информационных систем, таким как численные вычисления или графика.

Системы баз знаний должны содержать следующие компоненты:

• язык представления знаний, который эффективно выражает структуру данного приложения;

• средства организации знаний, которые позволяют сохранять и эффективно обрабатывать большие количества сложных структур знаний;

• методологию и окружение, посредством которых многочисленные приложения баз знаний и других приложений эффективно взаимодействуют друг с другом.

20. Определение, назначение и области применения экспертных систем

1.1. Думать или вычислять?

Характеристики

Список файлов книги