Методы представления знаний

Прикладная система с элементами искусственного интеллекта.

ИИ не является моделью человеческого мышления¹, так же как, например, резина не является моделью каучука, хотя обладает рядом схожих свойств. Программа с искусственным интеллектом использует некоторые алгоритмы, свойственные так же и человеческому мышлению (в конце концов, любая программа написана людьми). Но однако в реальной жизни человек будет решать ту же задачу иначе, чем это делает программа (производя другие операции, используя другие алгоритмы, задействуя структуры психики, пока что недостаточно изученные, а потому не поддающиеся переводу в математические формулы и программный код). Лобовой подход –— изложение «человеческих» алгоритмов «машинным» языком, как мы увидим в дальнейшем, малоэффективен. Другими словами, если мы относим задачу к интеллектуальным, то любое ее решение, по нашему определению, свидетельствует о некотором интеллекте. Если решение добывается программным путем, то эта программа содержит элементы интеллекта.

Программа, умеющая решать задачи в предметной области, которую традиция относит к интеллектуальным, называется прикладной системой с элементами² искусственного интеллекта (ПСИИ)

Данные и знания.

n Данные— это отдельные факты, характеризующие объекты, процессы и явления в предметной области, а также их свойства.

Этапы обработки данных на ЭВМ:

1. данные как результат измерений и наблюдений;

2. данные на материальных носителях информации (таблицы, протоколы, справочники);

3. модели (структуры) данных в виде диаграмм, графиков, функций;

4. данные в компьютере на языке описания данных;

5. базы данных на машинных носителях.

n Знания— это выявленные закономерности предметной области (принципы, связи, законы), позволяющие решать задачи в этой области.

Знания имеют определенные свойства:

1. Структурированность. Знания должны быть "разложены по полочкам".

2. Удобство доступа и усвоения. Для человека - это способность быстро понять и запомнить или, наоборот, вспомнить; для компьютерных знаний - средства доступа к знаниям.

3. Лаконичность. Лаконичность позволяет быстро осваивать и перерабатывать знания и повышает "коэффициент полезного содержания". 4.Непротиворечивость. Знания не должны противоречить друг другу.

Процедуры обработки. Знания нужны для того, чтобы их использовать. Одно из главных свойств знаний - возможность их передачи другим и способность делать выводы на их основе. Для этого должны существовать процедуры обработки знаний. Способность делать выводы означает для машины наличие процедур обработки и вывода и подготовленность структур данных для такой обработки, т.е. наличие специальных форматов знаний. Сопоставление и сравнение понятий "информация", "данные", "знание" Для того чтобы прочувствовать разницу, рассмотрим применение этих трех понятий на простом примере:

Студент, который сдает экзамен, нуждается в данных.

Студент, который сдает экзамен, нуждается в информации.

Студент, который сдает экзамен, нуждается в знаниях.

Знания компьютерные.

Этапы обработки знаний на ЭВМ:

1. знания в памяти человека как результат мышления;

2. материальные носители знаний (учебники, методические пособия);

3. поле знаний— условное описание основных объектов предметной области, их атрибутов и закономерностей, их связывающих;

4. знания, описанные на языках представления знаний (продукционные языки, семантические сети, фреймы);

5. базы знаний.

Главное отличие БЗ от БД:

Из БД можно извлечь лишь ту фактическую информацию, которая в нее заложена.

Благодаря закономерностям и связям из БЗ можно выводить новые факты, которые непосредственно в нее заложены не были.

Виды знаний: понятийные, процедурные, фактографические.

Знания - система понятий и отношений для такого обмена. Можно условно классифицировать знания в предметной области на понятийные, конструктивные, процедурные, фактографические знания и метазнания.

Понятийные знания- набор понятий, используемых при решении данной задачи. Конструктивные знания- наборы структур, подсистем системы и взаимодействий между их элементами, например, в технике.

Процедурные знания - методы, процедуры (алгоритмы) их реализации и идентификации, например, в прикладных науках.

Фактографические- количественные и качественные характеристики объектов и явлений, например, в экспериментальных науках.

Метазнания - знания о порядке и правилах применения знаний (знания о знаниях).

Продукционная модель.

— Продукционная модель,или модель, основанная на правилах, позволяет представить знания в виде фактов и правил. Утверждение-факт считается безусловно истинным. Утверждение правило имеет вид: «ЕСЛИ А, ТО Б». А — это условие (посылка), Б —действие (заключение).

— П1: Если "отдых — летом" и "человек — активный", то "ехать в горы".

— П2: Если "любит солнце", то "отдых летом".

— И так же истинно 2 факта: "человек активный" и "любит солнце".

Машина вывода выполняет 2 функции:

— просмотр существующих фактов из рабочей памяти и правил из базы знаний и добавление в рабочую память новых фактов

— определение порядка просмотра и применения правил.

Семантическая сеть.

Семантическая сеть— это ориентированный граф, вершины которого — понятия, а дуги — отношения между ними. Набор наиболее используемых отношений в семантической сети:

— связи, определяющие тип объектов ("это есть« или "класс-подкласс", "иметь частью" или

"часть- целое", "принадлежать" или "элемент-множество"и т.п.);

— функциональные связи (определяемые обычно глаголами "производит", "влияет" …);

— количественные ("больше", "меньше", "равно" …);

— пространственные ("далеко от", "близко от", "за","под", "над" ...);

— временные ("раньше", "позже", "в течение" …);

— атрибутивные связи (иметь свойство, иметь

— значение...);

— логические связи ("и", "или", "не") и др.

Фреймовая модель.

— Фрейм (англ. frame — каркас или рамка) предложен М.Минским в 70-е гг. как структура знаний для восприятия пространственных сцен. Эта модель, как и семантическая сеть, имеет глубокое психологическое обоснование.

— Основным преимуществом фреймов является способность отражать концептуальную основу организации памяти человека , а также ее гибкость и наглядность.

— Под фреймом понимается абстрактный образ или ситуация.

— Например, слово "комната" вызывает у слушающих образ комнаты: "жилое помещение с четырьмя стенами, полом, потолком, окнами и дверью, площадью…

— Из этого описания ничего нельзя убрать, но в нем есть "дырки", или "слоты", — это незаполненные значения некоторых атрибутов — количество окон, цвет стен, высота потолка и др.

— В теории фреймов такой образ называется фреймом. Фреймом называется также и формализованная модель для отображения образа. Структура фрейма ИМЯ ФРЕЙМА:

— (имя слота: значение слота)