Мы поможем в написании ваших работ!
ЗНАЕТЕ ЛИ ВЫ?
|
Процедуральное или декларативное знание
Содержание книги
- Базовые функции экспертных систем
- Синтаксис и семантика представления семейных отношений
- Классический период: игры и доказательство теорем
- Классический период: игры и доказательство теорем
- Отметим, что свойства этих алгоритмов существенно отличаются.
- Тогда, Используя механизм исчислений только правил влияния, мы можем показать, что справедлива теорема.
- Основной алгоритм, реализующий идею восхождения на гору, можно сформулировать следующим образом.
- CLOSED — список, который содержит обработанные узлы.
- Действие третье: получить чек. Заплатить официанту/официантке или кассиру. Покинуть заведение.
- Летучие мыши и проблема с пингвинами
- Период модернизма: технологии и приложения
- Процедуральное или декларативное знание
- Машина логического вывода и база знаний
- Условия головоломки следующие.
- II) какая из предложенных выше оценочных функций является более чувствительной. Можете ли вы предложить лучший способ управления поиском.
- Представление знаний: принципы и методы
- Здесь выражение push(X, Y, Z)
- Анализ метода представления и управления в strips
- Со степенью уверенности 0. 6 организм-1 является аэробным (Т. Е. Воздушная среда способствует его росту).
- X имеет служебное удостоверение и
- Если микроорганизм идентифицирован как pseudomonas,
- Иногда оказывается, что прогресс в движении к заданной цели требует, чтобы окружающая среда была не более упорядоченной, А более неорганизованной (в смысле применения оценочной функции).
- Что такое порождающее правило. Какое, на ваш взгляд, существует соответствие между набором порождающих правил и деревом решений.
- ГЛАВА 4. Символические вычисления
- Физическая символическая система
- Любой атом является символическим выражением.
- И пытаться отыскать определение функции (1 2 3).
- В различных диалектах языка допустимы вариации, но смысл остается тем же. В частности, в диалекте Common LISP используется сокращенная форма
- Фактически система, состоящая из трех компонентов
- Символический уровень и уровень знаний
- Язык включает средства (правда, ограниченные), позволяющие комбинировать правила и объекты.
- Системы порождающих правил для решения проблем
- Пусть задано порождающее правило в форме
- В данном случае предпосылка состоит в том, что определенный микроорганизм имеет форму палочки и размножается в воздушной среде.
- Удовлетворяет предпосылку в правиле
- Управление функционированием интерпретатора
- Свойства механизмов разрешения конфликтов, которые реально применяются в системах, при всем их разнообразии можно разделить на три довольно компактные группы.
- Стратегия сложности. Использует тот же критерий, что и стратегия простоты, но располагает правила в обратном порядке — более сложные занимают более приоритетное место в списке.
- Аса, aacaa, caacaac, bcaacaacb, cbcaacaacbc.
- Трассировка программы строительства башни
- Свойство выпуклости в clips: пингвины обретают способность летать (или не обретают)
- Таким образом, и образец в левой части порождающего правила, и сопоставляемые с ним элементы в рабочей памяти должны соответствовать этим шаблонам.
- Следующее Определение сети более близко к специфике задач искусственного интеллекта, которыми мы сейчас занимаемся.
- Два аспекта модели памяти, предложенной квиллианом, оказали особенно существенное влияние на последующее развитие исследований в области применения систем семантических сетей.
- Анализ адекватности ассоциативных сетей
- Из сказанного выше ясно, что первоначальные виды формализмов ассоциативных сетей страдают минимум двумя недостатками.
- Значения по умолчанию и демоны
- Если отсутствует любая информация о параметрах четырехугольника, не выполнять никаких вычислений.
- Система инициализируется командой (reset). Теперь можно активизировать демон, послав ему сообщение
- Подводя итог всему сказанному выше об ассоциативных сетях и фреймах, отметим, что в большинстве предлагаемых структур сетей не удалось дать четкий ответ на два важных вопроса.
В процедурных языках программирования, таких как С, мы, как правило, физически не разграничиваем ту часть программы, которая описывают ее "логику", от той, которая имеет дело с манипулированием данными. Например, процедура, в которой проверяется, обладает ли данная птица способностью летать, будет выглядеть так:
Char fly(char s)
{
char answer = 'д'; if (strcmpfs, "пингвин")==0)
{ answer = 'н';} return answer;
}
Независимо от того, владеете вы языком С или нет, понятно, что этот программный код явно вызывается другой частью программы, например, так:
char с;
с = fly("пингвин");
Предположим, что вместо этого у нас есть два правила, которые хранятся в базе знаний:
(defrule
(птица (тип?Х)) =>
(assert (да))
)
(defrule
(птица (тип пингвин)) =>
(assert (нет)))
В этом примере форма правил более близка к объявлению или определению (использован- синтаксис языка CLIPS). Для случайно выбранной птицы утверждается, что она способна летать. Но если известно, что птица — это пингвин, то утверждается, что она не способна летать. Но поскольку пингвин это тоже птица, то какой-то другой компонент экспертной системы должен решить, какое из этих двух правил применять в данной ситуации. Этот компонент называется машиной логического вывода (inference engine).
В этом примере совершенно отчетливо видна модульная природа правил. Код, который в явном виде вызывает то или иное правило, отсутствует. Подробно реализация таких правил будет рассмотрена в главе 5.
В этот период появился ряд систем, которые довольно эффективно справлялись с нетривиальными задачами. Примером может служить система R1/XCON, предназначенная для структурного синтеза вычислительных систем (подробно о ней — в главе 14). В этой системе реализован ряд концепций, существенно отличающих ее как от обычных программных приложений, так и от исследовательских программ искусственного интеллекта (см. [Davis, 1982]). Те, которые я считаю наиболее важными, перечислены ниже.
Как уже было подчеркнуто в главе 1, часть программы, которая содержит представление знаний, касающихся определенной предметной области, — база знаний, как правило, отделена от той части программы, которая занимается формулировкой соображений, — машины логического вывода. Такое разделение позволяет вносить изменения (конечно, в разумных пределах) в одну часть программы, не меняя другой. В частности, можно добавлять в базу знаний новую информацию, расширяя имеющиеся в системе знания, или настраивать механизм логического вывода, повышая его эффективность, и при этом не модифицировать программный код системы.
С точки зрения пользователя систем такого рода желательно, чтобы в них использовалась единая форма представления знаний, насколько это вообще возможно в системах разного назначения. Это упрощает процесс ввода знаний в систему, облегчает обслуживающему персоналу сопровождение системы и препятствует излишнему усложнению машины логического вывода. Однако, как будет показано в главе 11 и последующих, единообразие может привести к возникновению определенных трудностей при попытке "втиснуть" самые разные по своей естественной природе знания в один и тот же формализм. Таким образом, в вопросе о представлении знаний существует определенная "золотая середина" между крайностями — полным единообразием и узкоспециализированным формализмом.
Помимо найденного решения проблемы, экспертная система должна предоставить пользователю еще и информацию о том, как это решение было получено. Этим она существенно отличается от большинства привычных программных приложений. При использовании простой машины логического вывода и определенного формализма представления знаний такое объяснение включает перечень модулей базы знаний, задействованных в процессе принятия решения, и информацию о том, в каком порядке они активизировались. В главе 16 будет показано, как это выглядит на практике, и вы сможете убедиться, что эта информация не всегда соответствует нашим ожиданиям по части полноты и что желательно в этой области изобрести какую-нибудь более информативную технологию.
|
