К преимуществам продукционных систем относят следующие.

1. Модульность. Системы устроены так, что каждая единица информации может быть удалена, изменена или добавлена независимо от всех остальных. Знания вводятся неупорядоченно, как в словаре или энциклопедии. Опыт показывает, что это является естественным способом пополнения своих знаний для эксперта. На практике ряд американских авторов (Дэвис, Ньюэлл, Куинлан, Стэфик) нарушают это правило, т.е. проблема реорганизации решается у них довольно слабо.

2. Модифицируемость. Если добавляется или модифицируется какое-либо правило, то все, что было уже сделано ранее, остается в силе и к новому правилу не относится. В отличие от этого в процедурных программах подобные взаимодействия ограничены, любая модификация является не существенной и может привести к непредсказуемым последствиям.

3. Доступность чтения. Наше собственное знание является модульным, поэтому продукционные системы нам кажутся более близкими и более легкими для чтения. Подобные системы в первую очередь предназначены для врачей, биологов, архитекторов и т. д. Во многих областях реально существуют добавляемые знания и соответствующие базы правил, например, автоматизированные экспертные обучающие системы. Для машины более простой проверке поддается база знаний, представленная в форме правил, а не в форме процедур. Противоречия или избыточность в действительности легко определяются с помощью синтаксической обработки.

4. Способность к самообъяснению. Это свойство связано одновременно и с правилами, и с их структурами внешнего управления. Система легко прослеживает цепочку правил, которую она использовала для получения вывода, так же как и использовавшиеся метаправила.

5. Эффективность. Практика доказала гибкость и компетентность таких систем. Например системы: Mycin, Prospector и R1, – являются уже не опытными образцами, а высокопроизводительными системами. Они оказались достаточно эффективными и выдерживают сравнение с процедурными системами во многих областях. Их структура управления позволяет принимать в расчет многочисленные параметры, характеризующие ситуацию. Причина эффективности продукционных правил заключается в том, что эти правила учитывают конкретные данные в каждом случае.

Недостатки продукционных систем. Среди них выделяют три главных, с которыми связаны определенные ограничения, лежащие в основе используемого формализма.

1. Трудность составления продукционного правила, соответствующего элементу знания. В этом случае нужно, чтобы рассматриваемая область уже была достаточно изучена и установлены хорошие примитивы, и чтобы уровень детализации не был излишне подробным, иначе потребуется иметь по одному правилу на каждую ситуацию и человеку трудно разобраться в таком обилии информации.

2. Трудность записи правила. Единый формат записи Если …То приводит к громоздким выражениям и повторению тех же посылок в схожих ситуациях, с его помощью трудно выразить сложные правила. Но иногда жесткий синтаксис и громоздкие записи представляют определенные преимущества. Во всех случаях проблема «поймать знания» остается главной при написании экспертной системы.

3. Трудности использования связаны не с самими правилами, а с единой системой их связи. При этом база фактов играет роль кратковременной памяти, которая реально смоделирована, например, в разработанной Ньюэллом (Newell, 1975) системе PSC – познавательной психологии. В ней запрещен взаимный прямой вызов одного правила из другого, и она неудобна для выполнения алгоритмов в обычном смысле слова. Однако именно благодаря этой базе система в каждый момент времени точно знает, что она делает, и что она знает.

Продукционная модель чаще всего используется в промышленных экспертных системах. Она отличается наглядностью, высокой модульностью, легкостью внесения дополнений и изменений и простотой механизма логического вывода.

 

Семантические сети. Виды отношений. Пример семантической сети.

Семантическая модель представления знаний была предложена американским психологом Куиллианом. Семантика – это наука, устанавливающая отношения между символами и объектами, которые они обозначают, то есть наука, определяющая смысл знаков. Термин семантическая означает «смысловая», а семантическая сеть представляет собой ориентированный граф, вершины которого есть понятия, а дуги – отношения между ними. В качестве понятий обычно выступают абстрактные или конкретные объекты, а отношения представляют собой связи типа: АКО-связи (A-Kind-Of = это), «имеет частью» («has part»), «принадлежит».

В основе сетевых моделей представления знаний лежит идея о том, что любые знания можно представить в виде совокупности объектов (понятий) и связей (отношений) между ними. В отличие от продукционных эти модели более наглядны, поскольку любой пример можно представить в виде ориентированного (направленного) графа.

Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, отражающей поставленный запрос к базе.

Известно несколько подходов к классификаций семантических сетей, связанных с типами отношений между понятиями. Так, по типам отношений выделяют: бинарные, в которых отношения связывают два объекта, и N-арные, в которых есть специальные отношения, связывающие более двух понятий. По количеству типов отношений выделяют семантические сети: однородные (с единственным типом отношений) и неоднородные (с различными типами отношений).

Основным преимуществом этой модели является то, что она более других соответствует современным представлениям об организации долговременной памяти человека. Недостаток – это сложность организации процедуры поиска вывода на семантической сети.