Представления знаний и методы их обработки.

Представление знаний — это процесс, реализующий ответы на два вопроса: «Что представлять?» и «Как представлять?». Первый вопрос — это вопрос определения состава знаний, его важность определяется тем, что решение именно этой задачи обеспечивает адекватное отображение моделируемой проблемной области. Второй вопрос, в свою очередь, разделяется на две в значительной степени независимые задачи: как организовывать (структурировать) знания и как представить знания в выбранном формализме.

Под термином «представление знаний» чаще всего подразумеваются способы представления знаний, ориентированные на автоматическую обработку современными компьютерами, и, в частности, представления, состоящие из явных объектов ('класс всех слонов', 'Клайд — индивид') и из суждений или утверждений о них ('Клайд — слон', 'все слоны серые'). Представление знаний в подобной явной форме позволяет компьютерам делать дедуктивные выводы из ранее сохранённого знания ('Клайд — серый').

Элементарные составляющие знаний:

1. объекты и атрибуты. Для каждой ПО необходимо определить объекты, которые являются элементами этой ПО и отличаются самостоятельностью существования и поведения. Всякий объект определяется набором свойств или атрибутов, значения которых идентифицируют этот объект.

2. переменные и термы. Переменные используются для представления знаний в тех случаях, когда некоторое соотношение справедливо для различных объектов. В таком случае символ переменной определяет объект из соответствующего множества. Наряду с переменными используют функциональные выражения или термы, которые представляют собой определенные операции и преобразования для объектов. Обычно термы представляют собой арифметические выражения.

3. предикаты. Предикатом называется запись вида Р(t₁..t_n), где t₁..t_n – объекты, атрибуты, переменные или термы, а предикат Р определяет логическую зависимость между ними. Предикат Р является истинным или ложным в зависимости от того, выполнено или нет для значений t₁..t_n представляемое им отображение.

Одна из проблем в представлении знаний — как хранить и обрабатывать знания в информационных системах формальным способом так, чтобы машины могли использовать их для достижения поставленных задач. Примеры применения — экспертные системы, Машинный перевод, компьютеризированное техническое обслуживание и системы извлечения и поиска информации (включая пользовательские интерфейсы баз данных).

1) Логика первого порядка (исчисление предикатов) — формальное исчисление, допускающее высказывания относительно переменных, фиксированных функций и предикатов. Расширяет логику высказываний.

2) Модальная логика — логика, в которой кроме стандартных логических связок, переменных и/или предикатов есть модальности (модальные операторы). Модальности бывают разные; наиболее распространены временны́е («когда-то в будущем», «всегда в прошлом», «всегда» и т. д.) и пространственные («здесь», «где-то», «близко» и т. д.). Например, модальная логика способна оперировать утверждениями типа «Москва всегда была столицей России» или «Санкт-Петербург, когда-то в прошлом, был столицей России», которые невозможно или крайне сложно выразить в немодальном языке. Кроме временных и пространственных модальностей есть и другие, например «известно, что» (логика знания) или «можно доказать, что» (логика доказуемости).

3) Темпоральная логика (англ. temporal logic) в логике — это логика, учитывающая причинно-следственные связи в условиях времени. Используется для описания последовательностей явлений и их взаимосвязи по временной шкале.

Есть два подхода темпоральной логики, основанные на принципах здравого смысла и диалектики: «после этого» означает «по причине этого», либо «после этого» означает «позже» в хронологическом смысле.

4) Язык и нотация. Считается, что лучше всего будет представлять знания так же, как они представлены в человеческом разуме, который является единственным известным на сегодняшний день работающим разумом, или же представлять знания в форме естественного языка. К несчастью, мы не знаем, как знания представляются в человеческом разуме, или как манипулировать естественными языками так же, как это делает человек. Поэтому для представления знаний были предложены различные искусственные языки и нотации. Обычно они основаны на логике и математике, и имеют легко читаемую грамматику для облегчения машинной обработки.

Нотация. Последней модой в языках представления знаний является использование XML в качестве низкоуровневого синтаксиса. Это приводит к тому, что машины могут легко производить синтаксический анализ и вывод этих языков представления знаний, за счёт удобочитаемости для человека. Примеры:

i. DATR является примером представления лексических знаний

ii. RDF является простой нотацией для представления отношений между и среди объектов

Языки делятся на искусственные и естественные. Искусственные языки создавались и создаются для связи человека с машинами. Примеры искусственных языков которые используются преимущественно для представления знаний:

CycL, IKL, KIF, Loom, OWL, KM: Машина Знаний (англ. Knowledge Machine) (фреймовый язык, использовавшийся для задач представления знаний), язык Пролог

5) Логическое программирование — парадигма программирования, основанная на автоматическом доказательстве теорем, а также раздел дискретной математики, изучающий принципы логического вывода информации на основе заданных фактов и правил вывода. Логическое программирование основано на теории и аппарате математической логики с использованием математических принципов резолюций.Самым известным языком логического программирования является Prolog.

6) Фреймы. Каждый фрейм имеет своё собственное имя и набор атрибутов, или слотов которые содержат значения; например фрейм дом мог бы содержать слоты цвет, количество этажей и так далее. Использование фреймов в экспертных системах является примером объектно-ориентированного программирования с наследованием свойства, которое описывается связью «is-a» («является»). Другие связи включают, например, «has-part» («имеет своей частью»).

Фреймовые структуры хорошо подходят для представления знаний, представленных в виде схем и стереотипных когнитивных паттернов. Фреймовые представления объектно-центрированы в том же смысле, что и семантическая сеть: все факты и свойства, связанные с одной концепцией, размещаются в одном месте, поэтому не требуется тратить ресурсы на поиск по базе данных.

Скрипт — это тип фреймов, который описывает последовательность событий во времени; типичный пример — описание похода в ресторан. События здесь включают ожидание места, прочитать меню, сделать заказ, и так далее.

7) Семантическая сеть - информационная модель предметной области, имеющая вид ориентированного графа, вершины которого соответствуют объектам предметной области, а дуги (рёбра) задают отношения между ними. Объектами могут быть понятия, события, свойства, процессы. Таким образом, семантическая сеть является одним из способов представления знаний.

Одна из самых выразительных и детально описанных парадигм представления знаний, основанных на семантических сетях — MultiNet (акроним для «многослойные расширенные семантические сети», англ. Multilayered Extended Semantic Networks).

8) База знаний (БЗ) в информатике и исследованиях искусственного интеллекта — это особого рода база данных, разработанная для оперирования знаниями (метаданными). База знаний содержит структурированную информацию, покрывающую некоторую область знаний, для использования кибернетическим устройством (или человеком) с конкретной целью. Современные базы знаний работают совместно с системами поиска информации, имеют классификационную структуру и формат представления знаний.

Полноценные базы знаний содержат в себе не только фактическую информацию, но и правила вывода, допускающие автоматические умозаключения о вновь вводимых фактах и, как следствие, осмысленную обработку информации. Область наук об искусственном интеллекте, изучающая базы знаний и методы работы со знаниями, называется инженерией знаний.

Экспертная система — компьютерная система, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. В информатике экспертные системы рассматриваются совместно с базами знаний как модели поведения экспертов в определенной области знаний с использованием процедур логического вывода и принятия решений, а базы знаний — как совокупность фактов и правил логического вывода в выбранной предметной области деятельности. Главное отличие мастеров от ЭС — отсутствие базы знаний — все действия жестко запрограммированы. Это просто набор форм для заполнения пользователем.