Базы знаний и экспертные системы

Для того чтобы решать задачи в какой-то конкретной области человеческой деятельности, надо прежде

всего обладать определенной суммой знаний о самой этой области. Любая предметная область

характеризуется своим набором понятий, своими законами, связывающими между собой объекты, процессами

и событиями, характерными для этой области.

Знания о предметной области и способы решения характерных для нее задач весьма разнообразны.

Достаточно сравнить между собой такие различные области человеческой деятельности, как медицина и

геология. Тем не менее, несмотря на специфику каждой из этих областей и явное различие стоящих перед

ними задач, можно найти общие подходы к решению многих проблем, одинаково важных для обеих. Одной из

них является проблема выявления, накопления знаний, их описания и представления в удобном для

использования виде.

Агеев Владимир. Семиотика. М.: Издательство «Весь Мир», 2002. - 256 с. - (Весь Мир Знаний). 64

Янко Слава (Библиотека Fort/Da) || http://yanko.lib.ru 65

Источниками знаний могут быть книги, журналы, архивные документы, графические материалы, устные

сообщения, получаемые от специалистов, и т.д. Эти источники знаний надо уметь объединять между собой,

выявлять сведения, носящие противоречивый характер, проверять полноту накапливаемых знаний.

Совокупность данных, относящихся к некоторой предметной области и представленных в специальной

формализованной форме, называется базой

знаний (БЗ). Компьютерные системы управления базами знаний позволяют не только получить те или

иные сведения по данной предметной области, но путем обработки и анализа имеющихся фактов получать

новые сведения и тем самым расширить имеющуюся базу знаний. Этим базы знаний отличаются от баз

данных. В обычных СУБД обрабатываемые данные носят в некотором смысле пассивный характер. Все

изменения в базе данных (добавление, удаление, редактирование) происходят в результате внешних

воздействий (команды пользователя, программная обработка). В системах управления базами знаний

обрабатываемые данные носят существенно активный характер: любые их изменения приводят к появлению

новых или к изменению имеющихся связей между фактами, к уточнению структуры знаний.

Знания о предметной области подразделяются на декларативные и процедурные. Декларативные знания

представляют собой описания некоторых объектов и их свойств, явлений или процессов. Пример

декларативного знания: «Молекула воды состоит из атома кислорода и двух атомов водорода». Процедурные

знания описывают последовательность действий, которые необходимо выполнить, чтобы получить нужный

результат: «Чтобы довести воду до кипения, следует нагреть ее до 100° С».

Для описания знаний используются специальные языки, которые можно разделить на типы по четырем

формальным моделям представления, лежащим в их основе (рис. 27).

Логическая модель L формально может быть представлена в виде L=<Т,Р,А,П>.

Здесь Т — множество элементов, принадлежащих изучаемой предметной области. Их называют базовыми

элементами. Например, если модель описывает игру в шахматы, то элементами множества Т будут белые и

черные шахматные фигуры, стоящие на определенных полях игрового поля и образующие шахматную

позицию.

P — набор синтаксических правил, с помощью которых из базовых элементов можно получить

конструкции, возможные в данной предметной области. Например, для игры в шахматы это набор правил,

которыми следует руководствоваться при переходе от одной шахматной позиции к другой.

А - набор изначально заданных элементов системы. Их называют аксиомами. Применительно к шахматам

это начальное размещение фигур на шахматной доске.

П - совокупность правил вывода, позволяющих из аксиом А и набора Т с помощью правил вывода P

получать новые базовые элементы. Эти новые элементы называются выводимыми. В шахматах выводимыми

являются все позиции, которые могут быть получены из начального размещения фигур путем перемещения их

по клеткам доски. Правила, по которым эти перемещения осуществляют, и есть правила вывода.

Логическая модель является формальной системой построения текста. Каждое предложение в этой системе

представляет собой некоторое декларативное знание и записывается в виде формулы. Прави-

Рис. 27. Модели представления знаний

Рис. 28. Семантическая сеть

па вывода, позволяющие получать новые предложения из исходных (аксиом), образуют процедурные

знания данной предметной области. Логические модели представления знаний широко применялись на ранних

Агеев Владимир. Семиотика. М.: Издательство «Весь Мир», 2002. - 256 с. - (Весь Мир Знаний). 65

Янко Слава (Библиотека Fort/Da) || http://yanko.lib.ru 66

стадиях развития интеллектуальных систем. Их недостатками являются громоздкость формул, получающихся

в процессе вывода, а также трудности, возникающие при поиске ошибок в записях.

Семантические сети

Семантические сети являются более удобным средством представления декларативных знаний. В основе

этих моделей лежит идея о том, что любые знания можно представить в виде совокупности понятий некоторой

предметной области и связей (отношений) между ними. Процедурные знания о предметной области

реализуются в виде алгоритмов, с помощью которых семантические сети изменяются (например, добавляются

новые узлы и связи).

Известно, что любой текст, описывающий объект или явление реального мира, всегда можно представить в

виде совокупности взаимосвязанных понятий. Рассмотрим, например, текст, содержащий некоторые

декларативные знания: «Петя Иванов, учащийся средней школе № 234, на олимпиаде по информатике занял

первое место». На рис. 28 показана семантическая сеть, отражающая эти знания.

Семантические сети - это мощное и наглядное средство описания знаний. Однако при автоматизации

процесса обработки таких сетей возникают определенные трудности, связанные с неоднозначностью слов

естественного языка и неоднородностью связей между понятиями.

Продукционная модель

Продукционная модель представляет собой комбинацию логической модели и семантической сети. Из

логической модели заимствована идея правил вывода, которые называются продукциями, а из сетевой -

описание знаний в форме семантической сети. В результате применения правил вывода к фрагменту сетевого

описания происходит трансформация семантической сети путем смены ее фрагментов, добавления новых или

исключения ненужных узлов. Вместо логического вывода, характерного для логических моделей, в продукци-

онных моделях появляется вывод, основанный на знаниях.

Фреймовые модели

Фреймовые модели являются разновидностью продукционных. Отличие состоит в том, что в них жестко

задана структура информационных единиц. Элементом описания здесь является фрейм (от английского frame -

рамка, каркас). Фрейм - это минимально возможное описание сущности какого-либо явления, события,

ситуации. Минимально возможное означает, что при дальнейшем упрощении теряется полнота описания

объекта и элемент модели перестает выполнять свои функции. Каждый фрейм состоит из стандартных единиц,

называемых слотами (от английского slot - область, сегмент). Каждый слот имеет свое имя и свое значение. В

качестве примера на рис. 29 приведен фрейм, описывающий один из узлов семантической сети,

представленной на рис. 28.

В качестве значений слотов могут быть фреймы, а также ссылки на другие фреймы. Это позволяет со-

здавать базы знаний с весьма сложной структурой.

Рис. 29. Пример фрейма

Имя фрейма:

«Участник»

Имя слота Значение слота

Фамилия Иванов

Имя Петр

Школа 234

Результат Первое место

Базы знаний, дополненные системами поиска и логического вывода, являются основой компьютерных

интеллектуальных систем, получивших название экспертные системы (ЭС). Основное назначение экспертной

системы - быть посредником между профессионалами высокого уровня (врачами, инженерами, технологами и

т.д.) и рядовыми специалистами, которым требуется совет, подсказка.

Современные ЭС способны давать советы в таких различных областях знаний, как диагностика

инфекционных заболеваний, геологоразведка, химический анализ органических веществ, юриспруденция,

военное дело. В каждой из этих областей приходится иметь дело с информацией, которая отличается

нестрогостью и в то же время чрезвычайной сложностью. Знания, используемые в каждой такой системе,

получают от специалистов в соответствующей области в виде правил.

Типовая ЭС состоит из следующих компонентов (см. рис. 30):

• база знаний

• блок приобретения знаний

• решатель (система логического вывода)

• блок объяснений

• диалоговый компонент

Агеев Владимир. Семиотика. М.: Издательство «Весь Мир», 2002. - 256 с. - (Весь Мир Знаний). 66

Янко Слава (Библиотека Fort/Da) || http://yanko.lib.ru 67

Рис. 30. Структура типовой экспертной системы

Диалоговый компонент ЭС обеспечивает интерфейс с пользователем. Он переводит сообщения, вводимые

пользователем в виде запросов на естественном языке, на язык машинных команд.

База знаний предназначена для хранения данных, представляющих рассматриваемую предметную область,

и правил, описывающих возможные преобразования данных.

Решатель, используя имеющиеся в БЗ данные и правила, формирует такую последовательность правил,

которая, будучи примененной к исходным данным, приводит к решению задачи.

Блок объяснений необходим для того, чтобы пользователь мог проследить весь путь логического вывода.

Система объясняет, почему получено то или иное решение (или почему решение не найдено), какие знания

при этом были использованы. Наличие такого блока оказывается весьма полезным для пользователя ЭС,

поскольку, получая такого рода разъяснения, он повышает свою квалификацию. Пользователь может не знать

значения отдельных терминов, которые использует система в общении с ним. Блок объяснений превращает

экспертную систему в своего рода

энциклопедию, поскольку в ответ на запрос «что означает это понятие?» может показать не только

значение этого понятия, но и тех, с которыми оно связано.

Для пополнения знаний в ЭС используется блок приобретения знаний. С его помощью автоматизируется

процесс ввода данных и правил их обработки. Этим занимаются специалисты-эксперты данной предметной

области с помощью специалистов в области искусственного интеллекта - инженерами знаний. Важной

составляющей блока приобретения знаний является интеллектуальный редактор базы знаний. При вводе

новых знаний используется также блок объяснений, так как он облегчает экспертам и инженерам знаний

тестирование системы и повышает доверие к получаемым в процессе работы ЭС результатам. Экспертные

системы можно классифицировать по различным основаниям: по типу решаемых задач, по связи с реальным

масштабом времени, по степени интеграции с другими системами.

По типу решаемых задач ЭС подразделяются на:

• интерпретирующие системы, выявляющие смысл вводимых в них данных;

• диагностирующие, выполняющие процессы отнесения объектов к некоторому классу и обнаруживающие

отклонения от нормы (неисправности) технических систем;

• проектирующие, составляющие спецификации на создание технических устройств с заранее заданными

свойствами;

• планирующие, составляющие планы действий в соответствии с заданной моделью поведения реального

объекта;

• обучающие, диагностирующие и объясняющие ошибки при изучении той или иной дисциплины.