Знания, их виды. Базы знаний. Экспертные системы.

Знания – один из предметов исследований искусственного интеллекта.

Искусственный интеллект (artificial intelligence) – научное направление, цель которого – разработка аппаратно-программных средств, позволяющий решать задаи, традиционно считающиеся интеллектуальными.

Основные направления развития:

- предствление знаний и разработка систем, основанных на знаниях;

- программное обеспечение систем искусственного интеллекта;

- машинный перевод;

- интеллектуальные роботы;

- обучение и самообучение;

- распознавание образов;

- мгры и машинное творчество;

- новая архитектура компьютеров.

Данные – факты(зарегистрированные сигналы), характеризующие объекты, процессы и явленияпредметной области.

Знания – хорошо структурированные данные или данные о данных(метаданные).

Основные методы предствления знаний:

1) продукционные правила;

2) семантические сети;

3) фреймы;

4) формальная логика.

 

По степени научности: - житейские, - научные (поверхностные (эмпирические), глубинные (теоретические)).

По месту нахождения: - личностные (неявные, скрытые), - формализованные (явные).

По природе: - процедурные (алгоритмы разного рода), - декларативные (создают лишь представление о структуре неких понятий).

База знаний – это особого рода БД, разработанная для оперирования знаниями (метаданными). БЗ — важный компонент интеллектуальной системы. Наиболее известный класс таких программ это экспертные системы. Они предназначены для поиска способов решения проблем из некоторой предметной области, основываясь на записях БЗ и на пользовательском описании ситуации. БЗ экспертной системы содержат факты и правила — набор инструкций, применяя которые к известным фактам можно получить новые факты.

ЭС может функционировать в 2-х режимах.

Режим ввода знаний — в этом режиме эксперт с помощью инженера по знаниям, с помощью редактора БЗ вводит известные ему сведения о предметной области в БЗ ЭС.

Режим консультации — пользователь ведет диалог с ЭС, сообщая ей сведения о текстовой задаче и получая рекомендации ЭС. Например, на основе сведений о физическом состоянии больного ЭС ставит диагноз в виде перечня заболеваний, наиболее вероятных при данных симптомах.

Классификация ЭС по решаемой задаче:

Интерпретация данных, Диагностирование, Мониторинг, Проектирование, Прогнозирование, Сводное, Планирование, Обучение, Управление, Ремонт, Отладка.

Классификация ЭС по связи с реальным временем

Статические ЭС; Квазидинамические ЭС; Динамические ЭС.

 

Продукционные модели. База фактов. База правил. Работа машины вывода.

Продукционная модель - модель, основанная на представлении знаний в виде правил «Если (условие), то (действие)».

Условие - некоторое предложение, образец, по которому осуществляется поиск в базе знаний. Действие - действия, выполняемые при успешном исходе поиска.

Традиционная продукционная модель знаний включает в себя следующие базовые компоненты: 1)набор правил (или продукций), представляющих базу знаний продукционной системы; 2) рабочую память, в которой хранятся исходные факты, а также факты, выведенные из исходных фактов при помощи механизма логического вывода; 3) сам механизм логического вывода, позволяющий из имеющихся фактов, согласно имеющимся правилам вывода, выводить новые факты.

Исходные факты (данные) - хранятся в базе фактов, набор правил -в Базе Правил. Средство получения новой информации – машина вывода – программа, управляющая перебором правил из продукционной базы знаний.

Компоненты машины вывода: - компонент вывода; - управляющий компонент.

Виды вывода: - прямой (от данных к поиску цели); - обратный (от цели для ее подтверждения к данным).

Функции машины вывода: 1.Просмотр существенных фактов из рабочей памяти(базы фактов), правил из БЗ и добавление по возможности в рабочую память новых фактов. 2.Определяет порядок просмотра и применение правил.

В больш-ве сис-м, основанных на знаниях, машина вывода - небольшая по объему программа из двух компонентов: компонента вывода и управляющего компонента. Достоинства: наглядностью, высокой модульностью, легкостью внесения дополнений и изменений и простотой мех-ма логич вывода, Недостаток: при накоплении большого числа правил они начинают противоречить др. с др., неясность взаимных отношений между составляющими конкретную продукционную модель знаний правилами, а также правилами логического выбора.

 

Семантические сети. Виды отношений. Пример семантической сети.

Семантическая сеть – способ представления знаний, используя графы. Граф – универсальный графический инструмент(набор обозначений) для моделирования различных предметных областей.

Граф – математический модуль совокупности связей между сущностями произв. природы.

Графы задаются некоторым набором вершин (изображаются точками или окружностями), некоторые из которых соединены линиями – ребрами. Если ребра имеют направления – граф является ориентированным, а ребра называются дугами. Теория графов – обширный самостоятельный раздел дискретной математики, год рождения – 1786.

Семантическая сеть – ориентировочный граф с именованными вершинами и дугами, вершины которых представляют понятия, а дуги – отношения между ними. Термин «семантическая» означает смысловая. Семантика устанавливает соотношения между символами и объектами, которые они обозначают, т. е. определяет смысл обозначений (их интерпретацию).

Понятие – абстрактные или конкретные сущности.

Виды отношений:

1.связи типа «часть-целое»(класс-подкласс), «элемент-множество»;

2. функциональные (определяемые глаголами «производит», «влияет»);

3. количественные (>,<,=);

4. пространственные (например, далеко от);

5. временные(раньше, позже);

6. атрибутивные(иметь свойство, иметь значение);

7. логические (и, или, не…) и др.

По числу типов отношений: 1.однородные (с единственным типом связи); 2. неоднороные (с многими типами связи).

По типам отношения: 1.бинарные (содержащие только бинарные отношения). 2.n-арные (включающие отношения, связывающие более 2 понятий).

По структуре: 1.отношение между надмножеством и подмножеством (называется AKO -«A Kind Of», «разновидность»). (Пример: «собака является животным» = тип с именем собака явл-ся подтипом типа животные). 2.отношение между объектом и множеством, обозначающим, что объект принадлежит этому множеству, называется отношением классификации (ISA). Говорят, что множество (класс) классифицирует свои экземпляры (пример: «Шарик является собакой»= Шарик является объектом типа собака). Поиск решения в БЗ типа СС сводится к поиску фрагмента сети, отражающего пост-ый запрос к базе. Преимущество: больше других моделей соответствует представлениям об организации долговременной памяти человека. Недостаток: сложность организации процедуры поиска вывода на СС.

Фреймы, их виды, структура. Сети фреймов. Примеры фреймов.

Фрейм – (рамка, каркас)абстрактный образ для представления некоего стереотипа восприятия.

Абстрактный образ фиксирует неотъемлемые черты понятия, при этом содержит «дырки» («слоты») – незаполненные значения некоторых атрибутов.

Фрейм - формализованная модель для отображения образа.

Виды фреймов: фреймы-образцы или прототипы, хранящиеся в БЗ; фреймы-экземпляры, которые создаются для отображения реальных фактических ситуаций на основе поступающих данных.

Всё многообразие знаний о мире можно отобразить через:

1. фреймы-структуры - для обозначения объектов и понятий (заем, залог, вексель);

2. фреймы-роли (менеджер, кассир, клиент);

3. фреймы-сценарии (банкротство, собрание акционеров);

4 фреймы-ситуации (тревога, авария, рабочий режим устройства).

Любой фрейм создает набор атрибутов – слотов, значения которых являются конкретными данными. Каждый слот имеет уникальное имя. Слоты могут получать значения: - по умолчанию от фрейма-образца, - через наследование свойств от фрейма, указанного в слоте АКО(A-kind-of, это), - по формуле, указанной в слоте, - через присоединенную процедуру, - явно из диалога с пользователем, - из БД.

В качестве значения слота может выступать имя другого фрейма. Тогда образуются сети фреймов. Примеры фрейм-ориентированных экспертных систем: ANALYST, MODUS, TRISTAN, ATLERID.

Важное свойство фреймов – заимствованное из теории семантических сетей наследование свойств.

И во фреймах и в семантических сетях наследование происходит по АКО связям. Слот АКО указывает на фрейм более высокого уровня иерархии, откуда неявно наследуются (переносятся) значения аналогичных слотов.

 

43. Формальные логические модели. Их примеры (исчисление высказываний и исчисление предикатов).

В основе – понятие формальной системы (теории), задаваемое кортежем.

S=<B, F, A,R>, где A – выделенное подмножество априори истинных формул(аксиом); B – счетное множество базовых элементов(алфавит); F - множество правил, позволяющих конструировать из элементов B синтаксически правильные совокупности(формулы); R – конечное множество отношений между формулами, называемое правилами вывода.