Структура и состав системы искусственного интеллекта

На схеме представлена типовая схема решения задачи при использовании системы ИИ. Разберем более подробно эту схему – компонент. База знаний может быть условно разделена на 3 области:

1. 1)База целей, в которой располагается информация о целях для достижения которых предназначена система ИИ.

2. 2)База правил, содержащая сведения, которые отражают закономерности, характеристики, характерные для решаемого круга задач.

3. 3)База данных – количественные данные, факты, необходимые для решения задач.

Ввиду того, что база знаний играет ключевую роль в процессе принятия решений, систему ИИ обычно называют системой, основанной на знаниях. Взаимодействие системы ИИ с пользователем системы и набором датчиков, поставляющих текущую информацию о состоянии внешней среды, осуществляется с помощью специальных програмно-технических средств – интерфейса. Этот интерфейс также может обладать некоторыми интеллектуальными функциями: общение с человеком на естественном языке, восприятие символьной и графической информации.

Модуль извлечения знаний

Модуль извлечения знаний в составе экспертной системы не является обязательным компонентом. СИИ должна обеспечивать функцию ввода и обновление знаний. Эта функция либо реализуется в направлении "эксперт  система", либо СИИ извлекает новые знания из тех, которые уже содержатся в базе знаний. Последняя возможность осуществляется на основе механизмов вывода знаний и обучения. Существующие сложности, связанные с формированием понятий машиной, а также отсутствием эффективных формализмов для оперирования абстрактными значениями. Это обстоятельство не позволяет пока вести речь о коммерчески реализованных модулях обучения (самообучения) в составе экспертных систем. Вместе с тем, поскольку проблема обозначена, практически важные результаты научных исследований следует скорее всего ожидать в областях, где СИИ работает с задачами классификации и распознавания.

 

Механизм логического вывода

Механизм логического вывода. Этот программный инструмент, который получает от интеллектуального интерфейса преобразованный во внутреннее представление запрос, формирует из базы знаний конкретный алгоритм решения задачи, выполняет алгоритм, а полученный результат предоставляется интеллектуальному интерфейсу для выдачи ответа на запрос пользователя.

В основе использования любого механизма вывода лежит процесс нахождения в соответствии с поставленной целью и описанием конкретной ситуации (исходных данных), относящихся к решению единиц знаний (правил, объектов, прецедентов и т.д.) и связыванию их при необходимости в цепочку рассуждений, приводящую к определенному результату. Для представления знаний в форме правил это может быть прямая (рис.1) или обратная (рис.2) цепочка рассуждений.

Прямой вывод – это вывод ведущий от исходных аксиом к целевому выражению. При прямом выводе из-за неоднозначности выбора применяемых аксиом и правил вывода образуется дерево решений и процесс нахождения цепочки, ведущей от исходных аксиом к целевому выражению, является переборным. Стандартной процедурой, используемой при обходе дерева, является процедура возврата – бэктрэкинга.

При обратном выводе поиск доказательства начинается с целевого утверждения. Выясняются условия, при которых целевое утверждение является выводимым. Эти условия принимаются за новые целевые утверждения и процесс поиска продолжается. Обратный вывод заканчивается, когда все очередные условия оказываются аксиомами или процесс обрывается, не приведя к аксиомам.

 

Модели представления знаний

Продукционная модель или модель, основанная на правилах, позволяет представить знания в виде предложений типа

«Если (условие), то (действие)».

Под условием понимается некоторое предложение — образец, по которому осуществляется поиск в базе знаний, а под действием — действия, выполняемые при успешном исходе поиска (они могут быть промежуточ­ными, выступающими далее как условия, и терминальными или целевыми, завершающими работу системы).

Фреймовая модель основана на концепции Марвина Мински (Marvin Minsky) – профессора Массачусетского технологического института, основателя лаборатории искусственного интеллекта, автора ряда фундаментальных работ. Фреймовая модель представляет собой систематизированную психологическую модель памяти человека и его сознания.

Фрейм (англ. frame – рамка, каркас) – структура данных для представления некоторого концептуального объекта. Информация, относящаяся к фрейму, содержится в составляющих его слотах.

Слот (англ. slot – щель, прорезь) может быть терминальным (листом иерархии) или представлять собой фрейм нижнего уровня.

Семантические сети основываются на результатах изучения организации долговременной памяти человека. Характерной особенностью для семантических сетей является то, что они для образования своей структуры используют два компонента — понятия и отношения. Вершинам сети соответствуют понятия (объекты, события, процессы, явления), а дугам, их соединяющим, — отношения между понятиями.

В зависимости от структуры узлов и характера отношений между ними различают следующие сети: простые, иерархические, однородные и неоднородные. Последние делятся на функциональные сети, сценарии и семантические сети.

В семантических сетях знания представлены в терминах естественного языка и отношений между ними (элемент — класс; класс — подкласс; функциональные дуги).

Логические модели представления знаний реализуются средствами логики предикатов.

Предикатом называется функция, принимающая два значения (истина или ложь) и предназначенная для выражения свойств объектов или связей между ними. Выражение, в котором утверждается или отрицается наличие каких-либо свойств у объекта, называется высказыванием. Константы служат для именования объектов предметной области. Логические предложения или высказывания образуют атомарные формулы. Интерпретация предиката — это множество всех допустимых связываний переменных с константами. Связывание представляет собой подстановку констант вместо переменных. Предикат считается общезначимым, если он истинен во всех возможных интерпретациях.

 

Модель продукционных правил. Пример модели продукционных правил

Продукционная модель или модель, основанная на правилах, позволяет представить знания в виде предложений типа

«Если (условие), то (действие)».

Под условием понимается некоторое предложение — образец, по которому осуществляется поиск в базе знаний, а под действием — действия, выполняемые при успешном исходе поиска (они могут быть промежуточ­ными, выступающими далее как условия, и терминальными или целевыми, завершающими работу системы).

При использовании продукционной модели база знаний состоит из набора правил, Программа, управляющая перебором правил, называется машиной вывода. Чаще всего вывод бывает прямой (от данных к поиску цели) или обратный (от цели для ее подтверждения – к данным). Данные — это исходные факты, на основании которых запускается машина вывода.

Если в памяти системы хранится некоторый набор продукций, то они образуют систему продукций. В системе продукций должны быть заданы специальные процедуры управления продукциями, с помощью которых происходит актуализация продукций и выполнение той или иной продукции из числа актуали­зированных.

В состав системы продукций входит база правил (продукций), глобальная база данных и система управления. База правил – это область памяти, которая содержит совокупность знаний в форме правил вида ЕСЛИ – ТО.

Приведем несколько примеров.

Правило 1.

ЕСЛИ (намерение — отдых) и (дорога ухабистая) ТО (использовать джип)

Правило 2.

ЕСЛИ (место отдыха — горы) ТО (дорога ухабистая)

Модель, основанная на фреймах. Пример модели, основанной на фреймах

Фреймовая модель основана на концепции Марвина Мински (Marvin Minsky) – профессора Массачусетского технологического института, основателя лаборатории искусственного интеллекта, автора ряда фундаментальных работ. Фреймовая модель представляет собой систематизированную психологическую модель памяти человека и его сознания.

Фрейм (англ. frame – рамка, каркас) – структура данных для представления некоторого концептуального объекта. Информация, относящаяся к фрейму, содержится в составляющих его слотах.

Слот (англ. slot – щель, прорезь) может быть терминальным (листом иерархии) или представлять собой фрейм нижнего уровня.

Каждый фрейм, как показано на рисунке ниже, состоит из произвольного числа слотов, причем несколько из них обычно определяются самой системой для выполнения специфических функций, а остальные определяются пользователем.

 

Модель семантической сети. Пример модели семантической сети

Семантические сети основываются на результатах изучения организации долговременной памяти человека. Характерной особенностью для семантических сетей является то, что они для образования своей структуры используют два компонента — понятия и отношения. Вершинам сети соответствуют понятия (объекты, события, процессы, явления), а дугам, их соединяющим, — отношения между понятиями.

В зависимости от структуры узлов и характера отношений между ними различают следующие сети: простые, иерархические, однородные и неоднородные. Последние делятся на функциональные сети, сценарии и семантические сети.

В семантических сетях знания представлены в терминах естественного языка и отношений между ними (элемент — класс; класс — подкласс; функциональные дуги).

Основные характеристики семантических сетей:

• объекты описываются на естественном языке;

• все знания накапливаются в относительно однородной структуре памяти;

• на сетях определяются унифицированные отношения между объектами, которым соответствуют унифицированные методы вывода;

• методы вывода в соответствии с запросами определяют участки семантического знания, имеющего отношение к поставленной задаче, формулируя акт понимания запроса и некоторую цепь выводов, соответствующих решению задачи.

Семантические сети обладают следующими достоинства-м и: повышенной гибкостью за счет наличия свойств ассоциативности и иерархичности; гармоничным и естественным сочетанием декларативного и процедурного, синтаксического и семантического знания; наглядностью отображения объектов, связей, отношений в силу присущей им возможности графической нотации; легкой читаемостью и понимаемостью знаний; высокой степенью структуризации знаний.

Среди недостатков сетевого представления выделяют: сложность и трудность разработки алгоритмов их анализа ввиду нерегулярности структуры и большого количества дуг, несущих синтаксическую информацию; пассивность структуры сети, для обработки которой необходим сложный аппарат формального вывода и планирования; разнообразие типов вершин и связей, произвольность структуры, требующей большого разнообразия процедур обработки; трудность представления и обработки неточных и противоречивых знаний.

В целом семантические сети позволяют представлять семантику ПрО, а также осуществлять за счет наличия связей и отношений между понятиями целевую ориентацию и таким образом отражать прагматическую составляющую знаний.

В связи с указанными недостатками предприняты попытки усовершенствования семантических сетей, которые в основном нацелены на организацию процессов обобщения в сети, решение проблемы поиска и повышения их изобразительных возможностей.

 

Логическая модель. Примеры логической модели

Логические модели представления знаний реализуются средствами логики предикатов.

Предикатом называется функция, принимающая два значения (истина или ложь) и предназначенная для выражения свойств объектов или связей между ними. Выражение, в котором утверждается или отрицается наличие каких-либо свойств у объекта, называется высказыванием. Константы служат для именования объектов предметной области. Логические предложения или высказывания образуют атомарные формулы. Интерпретация предиката — это множество всех допустимых связываний переменных с константами. Связывание представляет собой подстановку констант вместо переменных. Предикат считается общезначимым, если он истинен во всех возможных интерпретациях. Говорят, что высказывание логически следует из заданных посылок, если оно истинно всегда, когда истинны посылки.

Описания предметных областей, выполненные в логических языках, называются логическими моделями.

Преимущество логических моделей представления знаний заключается в возможности непосредственно запрограммировать механизм вывода синтаксически правильных высказываний.