Тема 6. Модели представления знаний.

Представление (representation) - "множество синтаксических и семантических соглашений, которое делает возможным описание предмета".

В искусственном интеллекте под "предметом" понимается состояние в некоторой проблемной области, например объекты в этой области, их свойства, отношения, которые существуют между объектами.

Описание (description) "позволяет использовать соглашения из представления для описания определенных предметов".

Синтаксис представления специфицирует набор правил, регламентирующих объединение символов для формирования выражений на языке представления. Можно говорить о том, что выражение хорошо или плохо сформировано, т.е. о том, насколько оно соответствует этим правилам. Смысл должны иметь только хорошо сформированные выражения.

Общепринятым в области искусственного интеллекта является синтаксис в виде конструкции предикат-аргумент, которая имеет форму

<фраза>::= <предикат> (<аргумент>,..., <аргумент>)

В этой конструкции за к-местным предикатом должны следовать k аргументов. Так, at может быть двухместным отношением, в котором в качестве первого аргумента выступает имя некоторого объекта, а в качестве второго— его местонахождение (например, комната):

at(робот, комнатаА)

Семантика представления специфицирует, как должно интерпретироваться выражение, построенное в соответствии с синтаксическими правилами, т.е. как из его формы можно извлечь какой-то смысл. Спецификация обычно выполняется присвоением смысла отдельным символам, а затем индуцированием присвоения в более сложных выражениях. Так, присваивая смысл символам at, робот, комнатаА, мы можем сказать, что выражение

at(робот, комнатаА) означает: робот находится в комнате А (но не наоборот — комната А находится в роботе).

Целесообразно выделить пять базовых моделей: факты и правила, логика предикатов, семантические сети, нейронные сети, фреймы.

Факты и правила. Представление знаний, основанное на правилах, построенных на использовании выражений вида "ЕСЛИ (условие) - ТО (действие)".

Когда текущая ситуация (факты) в задаче удовлетворяет или согласуется с частью правила ЕСЛИ, тогда выполняется действие, обусловлена частью ТО.

Представление знаний с помощью правил достаточно простое, а выводы, которые осуществляются на основе формализма вида ЕСЛИ - ТО, легко понятны. Кроме того, ярко выраженная модульность правил позволяет задавать новые знания, не вдаваясь в содержание других знаний. Системы - простые и легко понятные.

Способность модели к обучению невысока. Формирование новых знаний возможно на уровне фактов и правил. В продукционных системах выводы определяются для ограниченного формализма ЕСЛИ-ТО, поэтому алгоритмы вывода хорошо формализованы и вместе со своей простотой достаточно точны.

Примерный размер памяти, необходимый для элемента знаний модели, - 256 B.

Первые ИС были построены именно на основе модели представления знаний с помощью продукционных правил. Несмотря на все недостатки данной модели, эти системы очень эффективны и продолжают использоваться и сегодня.

Система MYCIN, — в область диагностики и лечения заболеваний крови. (разработанной за 5 или 6 лет в начале 1970х годов в Стэнфордском университете)

База знаний системы MYCIN организована в виде множества правил в форме:

 если условие₁ и... и условие_т удовлетворяются то прийти к заключению₁ и... и к заключению n

Эти правила преобразованы в операторы языка LISP (подробнее о программировании базы знаний рассказано в главе 4).

Вот как выглядит перевод на обычный язык типичного правила MYCIN:

ЕСЛИ 1) организм обладает грамотрицательной окраской, и

Организм имеет форму палочки, и

Организм аэробный,