1626434812-e667f6b6e7e69d3a0798830a58e9075b (844135), страница 25
Текст из файла (страница 25)
Знания, хранящиеся в базе знаний, представляются в конкретной единообразной форме, что дает возможность их легкого определения, модификации и пополнения. решение же задач реализуется с помощью логических выводов, делаемых на основании знаний, хранящихся в базе знаний. Для этого предусмотрен автономный мехамизы логического вьиода, который, собственно, и составляет основную часть программного обеспечения системы. Системы, построенные по такому принципу, называются системами, основанныэии на знаният. Несмотря на расплывчатость и неоднозначность понятия "знания", в инженерии знаний оно принимает вполне конкретные очертания, продиктованные самой архитектурой систем, основанных на знаниях: "знания — это формализованная информация, на которую ссылаются или используют в процессе логического вывода" ~281, Процесс решения задач с помощью простейшей модели показан на рис 6.1.1.
В данном случае знания — это информация, па которую ссылаются, когда делают различные заключения на основании имеющихся данных с помощью логических выводов. Если эта работа выполняется программным путем, то знания — это обязательно информация, представленная в определенной форме. Знания Знания 1эис. 6.1.1 Связь между зианияии и выводаи ээри уэешении иэээпетлектуаяьэиэй э1Р067емы Знания, относящиеся к любой предметной области, обычно существуют в двух видах: оби1едосэээупньэе и индивидуальные ~29).
Общедоступные знания— это факты, определения, теории, которые обычно изложены в учебниках и справочниках по данной области. Но, как правило, специалисты в данной предметной области — эксперты — обладают еще и индивидуальными знаниями, которые отсутствуют в опубликованной литературе. Эти личные знания основыва- Глава б. Сисиыиы, основанные на знаниях ются на собственном опыте эксперта, накопленном в результате многолетней практики, и в значительной стспени состоят из эмпирических правил, которые принято называть эвристиками.
Эвристики позволяют экспертам при необходимости выдвигать разумные предположения, находить перспективные подходы к задачам и эффективно работать при зашумленных или неполных данных. Кроме того, в работе [28) знания делятся на: ° факты (фактические знания); ° правила (знания для принятия решения); ° метазнания (знания о знаниях). Под фактами подразумеваются знания типа "А это А", они характерны для баз данных и сетевых моделей.
Под правилами подразумеваются знания вида "ЕСЛИ-ТО". Понятис "метазнания" указывает на знания, касающиеся способов использования знаний, и знания, касающиеся свойств знаний. Это понятие необходимо для управления базой знаний, логическим выводом, отождествления, обучения и т. п. 6.1.2. Проблема представления знаний Как упоминалось ранее, знания в базе знаний представлены в определенной форме.
Форма представления знаний оказывает существенное влияние на характеристики и свойства системы, поэтому представление знаний является одной из наиболее важных проблем, характерных для систем, основанных на знаниях. Поскольку логический вывод и действия над знаниями производятся программным путем, знания не могут быть представлены непосредственно в том виде, в котором они используются человеком (например, в виде простого текста).
В связи с этим для представления знаний разрабатываются формальные модели представления знаний. При разработке конкретной людели представления знаний стараются учесть следующие требования 1281: 1. Представление знаний должно быть однородным (единообразным). Однородное представление приводит к упрощению механизма управления логическим выводом и упрощению управления знаниями.
2. Представление знаний должно быть понятным экспертам и пользователям системы, В противном случае затрудняются приобретение знаний и их оценка. Принято выделять 4 типичные модели представления знаний 128; 31; 351: ° логическая модель; ° продукционная модель (модель, основанная на использовании правил); ° фреймовая модель; ° модель семантической сети. Базы данных.
Интеллектуальная о6рабатка информации Язык, используемый для разработки систем, спроектированных на основе этих моделей, называется языкам представления знаний, Несмотря на независимость базы знаний и механизма логического вывода с точки зрения структуры системы, основанной на знаниях, следует подчеркнуть, что оба этих компонента находятся в тесной взаимосвязи. Поэтому далее, говоря о конкретной модели представления знаний, мы будем уделять внимание и соответствуюшему ей механизму логического вывода. 6.1.3. Логическая модель представления знаний В рамках логической модели знания представляются в системе логики предикатов первого порядка.
Приведенные ниже примеры являются логическими моделями представления фактов (в данном случае — "Петров посешает лекции" и "Петров — студент") с помошью предикатов и носят название атомарной формулы. ПОСЕШЕНИЕ (Петров, лекции) СТУЦЕНТ (Петров) Следующие примеры являются правильно построенными логическими формулами, включающими кванторы существования 3 и общности Ч. (Зх) (ДЕЛЬФИН (х) ч УМНЫЙ (х) ) (Ъ'х) (СЛС)Н (х) -+ ЦВЕТ (х, Серый) ) Эти формулы могут быть интерпретированы так: "некий дельфин наделен умственными способностями" и "все слоны имеют серую окраску".
Логический вывод осуществляется с помощью силлогизма (если из А следует В, а из В следует С, то из А следует С). Достоинствами логической модели представления знаний являются единственность теоретического обоснования и возможность реализации системы формально точных определений и выводов. Однако при решении сложных задач попытка представить неформализованные знания эксперта, среди которых преобладают эвристики, в системе строгой логики наталкивается на серьезные препятствия. Это связано с тем, что в отличие от строгой логики, так называемая, "человеческая логика" обладает нечеткой структурой.
Поэтому большая часть достижений в области систем с базами знании* до настоящего момента была связана с применением нелогических моделей. б.1.4. Продукционная модель представления знаний В продукционной модели (модели правил) знания представлены совокупностью правил вида "ЕСЛИ-ТО". Системы с базами знаний, основанные на этой модели, называются продукционными системами.
Продукционные системы бывают двух диаметрально противоположных типов — с прямыми и обратными выводами. Типичными представителями пер- 1лааа б. Системы, основанные на знаниях вого типа являются системы, используемые для решения задач диагностического характера, а типичными представителями систем второго типа — системы, используемые для решения задач проектирования. Системы продукций с прямыми выводами среди систем, основанных на использовании знаний, имеют наиболее давнюю историю, поэтому они являются в некотором смысле основополагающими.
Эти системы включают три компонента: базу правил, состоящую из набора продукций (правил вывода), базу данных, содержащую множество фактов, и интерпретатор для получения логического вывода на основании этих знаний. База правил и база данных образуют базу знаний, а интерпретатор соответствует механизму логического вывода. Вывод выполняется в виде цикла "понимание — выполнение", причем в каждом цикле выполняемая часть выбранного правила обновляет базу данных. В результате содержимое базы данных преобразуется от первоначального к целевому, т.е.
целевая система синтезируется в базе данных. Поясним вышесказанное на примере, приведенном в работе ~281. Пусть данные, хранящиеся в базе данных, представляют собой образцы в виде наборов символов, например, "намерение — отдых", "место отдыха- горы" и т.п. Правила, накапливаемые в базе правил, содержат в условной части либо одиночные образцы, либо несколько условий, соединенных союзом "и", а в заключительной части — образцы, дополнительно помещаемые в базу данных, Рассмотрим два примера подобных правил: Правило 1.
ЕСЛИ "намерение — стдых" и "дсрсга ухабистая" ТС "испсдьзсвать джип" Правило 2. ЕСЛИ "местс отдыха — горы" ТО "дсрсга ухабистая" После того как в базу данных заносятся образцы "намерение — отдых" и "место отдыха — горы", рассматривается возможность применения этих правил. Сначала механизм вывода сопоставляет образцы из условной части правила с образцами, хранящимися в базе данных. Если все образцы имеются в базе данных, то условная часть считается истинной, в противном случае — ложной. В данном примере образец "намерение — отдых" существует в базе данных, а образец "дорога ухабистая" отсутствует, поэтому условная часть правила 1 считается ложной.
Что касается правила 2, то его условная часть истинна. Поскольку в данном случае существует только одно правило с истинной условной частью, то механизм вывода сразу же выполняет его заключительную часть и образец "дорога ухабистая" заносится в базу данных. При попытке вторично применить эти правила получается, что можно применить лишь правило 1, поскольку правило 2 уже было применено и Базы данных. Интеллектуальнан обработка инфориации выбыло из числа кандидатов. К этому времени содержимое рабочей памяти было дополнено новым образцом — результатом применения правила 2, поэтому условная часть правила 1 становится истинной, и содержимое базы данных пополняется образцом его заключительной части — "использовать джип". В системе продукций с обратными выводами механизм логического вывода основан на ином принципе.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
