50361 (597476), страница 4

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

Текст из файла (страница 4)

Интенсиональные знания описывают абстрактные объекты, события, отношения. Например, поставщик, потребитель, транспорт. Экстенсиональные знания представляют собой данные, характеризующие конкретные объекты, их состояние, значения параметров в определенные отрезки времени. Экстенсионалом поставщика может быть завод, потребителя – предприятие, транспорта – автомобиль.

В семиотической (знаковой) системе выделяют три аспекта: синтаксический, семантический и прагматический.

Синтаксис описывает внутреннее устройство знаковой системы, т.е. правила построения и преобразования сложных знаковых выражений. Семантика определяет отношения между знаками и их концентами, т.е. задает смысл или обозначения конкретных знаков. Прагматика определяет знак с точки зрения конкретной сферы применения, либо субъекта, использующего данную знаковую систему.

Для хранения данных и знаний используются базы данных и базы знаний. База данных – это совокупность связанных данных, хранящихся с минимальной избыточностью и используемых различными приложениями посредством системы управления базами данных. База знаний – это совокупность описывающих предметную область правил и фактов, позволяющих с помощью механизма вывода решать вопросы, ответ на которые в явном виде в базе отсутствует. БЗ как программное средство обеспечивает поиск, хранение, преобразование и запись в память ПК сложно структурированных информационных единиц – знаний.

Совокупность модели представления знаний и связанных с ней процедур образуют систему представления знаний. База знаний и база данных рассматриваются как разные уровни информации, хранящейся в интеллектуальном банке информации. Системы управления базами знаний являются развитием систем управления базами данных..

Знания в ИС можно представить следующей схемой преобразования.

СХЕМА ПРЕОБРАЗОВАНИЯ ЗНАНИЙ

ВшП ВтП ВтП ВшП

Блок представления знаний БПЗ связан с внешним миром (окружающей средой) двумя блоками преобразователей БП1 и БП2, которые преобразуют знания о предметной области из внешнего представления ВшП во внутреннее ВтП и наоборот.

Б

БИ

БО

БЗ

БД

БВР

П3 имеет информационную модель следующего вида.

МОДЕЛЬ БЛОКА ПРЕДСТАВЛЕНИЯ ЗНАНИЙ

Б ПЗ

ИБД

Где БИ – блок интерпретаций, ИБД – интелл. банк данных,

БО – блок обучения, БЗ, БД – база знаний, база данных.

БВР – блок вывода решений,

Инженерия знаний

Проблемами проектирования баз знаний занимается инженерия знаний. В задачи инженерии знаний входит получение и структурирование знаний о некоторой предметной области, формирование для нее поля знаний и разработка баз знаний.

Поле знаний – это условное неформальное описание основных понятий и взаимосвязей между понятиями предметной области, выявленных из различных источников, в том числе, полученных от экспертов, в виде графов, диаграмм, таблиц, текстов и т.п.

Если для естественных наук достаточно аппарата классической математики, то в инженерии знаний разработчики имеют дело с «мягкими» предметными областями. Здесь классический математический аппарат не обеспечивает выразительной адекватности, здесь важна эффективность представления, его компактность, ясность интерпретации, наглядность и т.п.

Специалист, способный делать заключения по проблемам определенной области называется экспертом. Он накапливает знания в этой предметной области в результате многолетней практики, что позволяет распознавать и оценивать ситуации.

Средний специалист в конкретной предметной области помнит от 50 до 100 тыс. чанков и использует их для решения задач и проблем. Здесь чанк – (англ. chank – большой кусок) символьные образы, объединенные в человеческом мозге в блоки, запоминаемые и извлекаемые как единое целое.

Всем этим объясняется представление знаний в ИС в виде БЗ как сложных иерархических структур с соответствующими связями между этими структурами.

Требования к специалисту-эксперту:

1. Применять знания и опыт для «оптимального» решения задач, делать достоверные выводы, исходя из неполных и ненадежных данных.

2. Уметь обосновать сделанные выводы.

3. Приобретать новые знания, в т.ч. путем общения с другими экспертами.

4. Периодически систематизировать свои знания.

5. Находить новые правила принятия решений, в т.ч. эвристики (эмпирические правила вплоть до угадывания).

6. Оценивать степень своей компетентности и обращаться за консультацией к другим источникам.

Представление знаний в ИС –это проблема науки «инженерии знаний».

Инженер по знаниям – специалист, проектирующий БЗ на основе модели представления знаний и наполнения их знаниями из предметной области.

Представление знаний – процесс формализованного описания для ввода знаний в БЗ, структуризация знаний для облегчения поиска решений.

Описание проводится с помощью языка представления знаний (ЯПЗ). ЯПЗ – знаковая система, в которой описываются объекты и явления (или обобщения) согласно принятому множеству соглашений по знакам, синтаксису (построение, порядок, способ соединения слов и предложений) и семантике (смысловое значение). ЯПЗ обеспечивает возможность формальной записи знаний + оперирование знаниями.

Программист – специалист, призванный воплотить разрабатываемую ИС в виде программного средства.

Требуемые личные качества:

• Общительность,

• Способность отказаться от традиционных навыков и осваивать новые методы,

• Интерес к разработке.

Профессиональные качества:

• Иметь опыт и навыки самостоятельной разработки программ,

• Знакомство с основными структурами представления знаний и механизмами выводов,

• Знакомство с состоянием рынка программных продуктов для разработки ИС и диалоговых интерфейсов.

Процесс формирования поля знаний экспертом и инженером по знаниям может быть представлен следующим алгоритмом:

1. Восприятие и интерпретация действительности предметной области некоторым экспертом, в результате образуется некоторая модель как семантическое представление действительности и его личного опыта.

2. вербализация опыта некоторого эксперта, когда он объясняет свои рассуждения и передает свои знания инженеру по знаниям. В результате образуется некоторое текстовое или речевое сообщение. Именно в процессе объяснения эксперт на размытые ассоциативные образы в лабиринтах своей памяти «надевает» четкие словесные ярлыки, т.е. вербализирует знания.

3. Восприятие и интерпретация некоторого сообщения инженером по знаниям. В результате в памяти инженера образуется некоторая модель предметной области.

4. Кодирование и вербализация модели в форме некоторого поля знаний, спроектированного инженером по знаниям для реализации в базе знаний.

Это трудная задача – добиться максимального соответствия между действительным состоянием предметной области и некоторым полем знаний. Поле знаний может быть представлено как пирамида, где следующий уровень служит для восхождения на новую ступень обобщения и углубления знаний.

В искусственном интеллекте используется термин – формирование знаний, который обозначает процесс анализа данных и выявления скрытых закономерностей с использованием специального математического аппарата и программных средств ЭВМ. Основные методы извлечения знаний представлены на рис.

Все эти методы позволяют сформировать поле знаний на основании следующего алгоритма:

1.Определение входных и выходных данных, структура которых существенно влияет на форму и содержание поля знаний.

2.Составление словаря терминов и наборов ключевых фраз, при этом особенно важен словарь терминов.

3.Выявление объектов и понятий, выбор значимых понятий и их признаков.

4.Выявление связей между понятиями, построение сети ситуаций, где связи только намечены, но пока не поименованы.

5.Структуризация понятий с выявлением понятий более высокого уровня обобщенгия и детализацией на более низком уровне.

6.Построение пирамиды знаний с иерархической лестницей понятий по уровню общности.

7.Определение временных, причинно-следственных и других отношений с их обозначением путем присвоения имен свеем связям.

8.Определение стратегий принятия решений. Выявление цепочек рассуждений связывает все сформированные ранее понятия и отношения в динамическую систему поля знаний.

Модели представления знаний

От формы представления знаний зависит характеристика и свойства систем искусственного интеллекта. В отличие от знаний, используемых человеком, в компьютере используется моделирование знаний. Под моделью знаний понимается способ описания знаний в базе знаний.

В общем случае модели представления знаний могут быть условно разделены на декларативные и процедурные. Декларативная модель основывается на предположении, что проблема представления некоторой предметной области решается независимо от того, как эти знания будут использоваться. Поэтому модель состоит как бы из двух частей: структур, описывающих знания и механизма вывода, оперирующего этими структурами, независимо от содержательного наполнения структур. При этом синтаксические и семантические аспекты разделены. Описания выполняемых процедур не содержатся в явном виде. Предметная область представляется в виде описания ее состояния, а вывод решения основывается в основном на процедурах поиска в пространстве состояний.

Процедурная модель основывается не небольших программах (процедурах), которые определяют, как поступать в конкретных ситуациях. В этой модели семантика заложена непосредственно в описании элементов базы знаний. Общие правила представлены в виде специальных целенаправленных процедур.

Требования к моделям представления знаний:

- однородность представления;

- простота понимания;

- упрощение механизма управления выводом.

Наиболее распространенными являются четыре модели представления знаний в интеллектуальных системах и их комбинации:

- логическая или логика предикатов;

- продукционная;

- семантические сети;

- фреймовая модель.

Представление знаний с помощью логики предикатов

Логика предикатов используется как один из языков представления знаний. В любом языке для создания языковых форм должно быть определено следующее:

- множество знаков, которое можно в нем использовать;

- полное определение слов через знаковые последовательности;

- грамматические правила образования предложений из слов (синтаксические правила).

Каждое слово из предложения соответствует объектам и действиям того реального мира, который описывается этим языком. Таким образом в языке присутствуют слова, которые описывают сущности, и слова, которые описывают атрибуты сущностей и действия над ними.

Для формулировки знаний о некоторой предметной области средствами логики предикатов в проблемной области выделяют два основных типа понятий:

- дискретные объекты, которые называют сущностями;

- отношения между сущностями.

Именам отношений соответствует термин «предикат», а сущностям – аргументы. Символы, используемые для обозначения высказываний, называют атомами. Таблицей истинности формулы называется таблица, содержащая истинностные значения формулы при всех возможных комбинациях истинностных значений входящих в нее атомов..

Логика предикатов (исчислений) основана на логике (исчислении) высказываний. Высказыванием (суждением) называют предложение, принимающее только два значения – «истина» или «ложь». Логический вывод (силлогизм) в классической логике строится двумя путями: дедукцией и индукцией. В современной логике вывод строится также абдукцией. Индукция и абдукция называются вероятностными силлогизмами.

Дедукция – вывод, позволяющий получать заключение из большой или малой посылки. Большая посылка называется дедуктивным правилом, малая – фактическим заявлением (декларацией).

Пример: Большая посылка: рыба – живое существо, умеющее плавать.

Малая посылка: карась – рыба.

Вывод: карась – живое существо, умеющее плавать.

Большая и малая посылка называются данными о знаниях или просто знаниями и их объем должен быть достаточно большим.. Упорядоченное множество таких знаний составляет базу знаний..

Дедуктивное правило позволяет детализировать и формализовать причинно-следственные связи явлений (процессов) и дел (предметов), т.е. это знания, необходимые для выполнения алгоритма принятия решений. Основная часть знаний кодируется не только арифметическими, но и логическими символами. Таким образом требуется специальный язык для ЭВМ.

Индукция – получение большой посылки из заключения ее малой посылки. Можно ли считать правомерным определение «рыба – это живое существо, умеющее плавать»» в качестве большой посылки, исходя из того, что известны многие виды рыб? Вывод неправомерен, т.к. могут быть неизвестные виды рыб, перемещающиеся по суше. По мере накопления наблюдений повышается достоверность большой посылки.

Абдукция – получение малой посылки из заключения и большой посылки. На основании факта, что некоторые из живых существ умеют плавать, делается заключение, что это живое существо – рыба. Однако этот вывод нельзя считать безусловно достоверным. Человек в обыденной жизни имеет постоянно дело с нечеткими, вероятностными оценками.

Пример силлогизма:

- Все металлы электропроводны;

- медь – металл;

Заключение: медь электропроводна.

Предикатом или логической функцией называется функция от любого числа аргументов, принимающая истинностные значения «истина» или «ложь». Аргументы принимают значения из произвольного конечного или бесконечного множества М, называемого предметной областью. Предикат от n аргументов является n-местным предикатом.

Все операции исчисления высказываний переносятся в исчисления предикатов и используются для связывания предикатов и формул, т.е. позволяют получить из простых высказываний сложные. Основные операции алгебры логики:

Характеристики

Список файлов книги