Модели представления знаний

Существуют десятки моделей представления знаний для раз­личных предметных областей. Большинство из них может быть сведено к следующим классам:

• продукционные модели;

• семантические сети;

• фреймы;

• формальные логические модели.

Продукционная модель, или модель, основанная на правилах, позволяет представить знания в виде предложений типа «Если (условие), то (гипотеза)».

В условиях записываются значения фактов, которые могут быть выражены в словесной форме. Например, ЕСЛИ ФАКТ = температура тела человека больше 37,4° градуса, ТО ГИПОТЕЗА = человек болен.

При составлении правил могут использоваться эвристические методы. Эвристика - это эмпирическое правило (основанное на опыте), упрощающее или ограничивающее поиск решения в предметной области.

Вывод новых знаний в продукционных моделях основывается на прямых или обратных логических рассуждениях.

Прямой порядок вывода применяется для случая, когда по известным фактам необходимо определить гипотезу. Например, известны результаты анализов больного (факты) и требуется по­ставить диагноз (найти гипотезу).

Обратный порядок вывода применяется для случая, когда известна гипотеза и требуется определить факты, которые могут служить обоснованием гипотезы. Например, больному поставлен предварительный диагноз (гипотеза) и необходимо определить, какие анализы (факты) соответствуют этому диагнозу.

Продукционная модель чаще всего применяется в диагности­ческих экспертных системах.

Семантическая сеть - это ориентированный граф, вершины которого являются понятиями, а дуги представляют собой от­ношения между ними.

В качестве понятий обычно выступают абстрактные или конкретные объекты, а отношения - это связи типа: «это», «имеет частью», «принадлежит». Характерной особенностью семантических сетей является обязательное наличие трех типов отношений:

• класс — элемент класса (цветок — роза);

• свойство - значение (цвет - желтый);

• пример элемента класса (роза — чайная).

Основным преимуществом модели является то, что она соот­ветствует современным представлениям об организации долго­временной памяти человека. Недостатком этой модели является сложность организации процедуры поиска вывода решений.

Фрейм - это абстрактный образ для представления некоего стереотипа восприятия.

В психологии и философии известно понятие абстрактного образа. Например, произнесение вслух слова «комната» порожда­ет у слушающих образ комнаты: «жилое помещение с четырьмя стенами, полом, потолком, окнами и дверью, площадью 6-20 м²». Из этого описания ничего нельзя убрать (например, убрав окна, мы получим уже чулан, а не комнату), но в нем есть «дырки» или «слоты» — это незаполненные значения некоторых атрибутов, например, количество окон, цвет стен, высота потолка, покрытие пола и др.

В теории фреймов такой образ комнаты называется фреймом комнаты. Фреймом также называется и формализованная модель для отображения образа.

 

 

Различают фреймы-образцы, или прототипы, хранящиеся в базе знаний, и фреймы-экземпляры, которые создаются для отображения реальных фактических ситуаций на основе по­ступающих данных. Модель фрейма является достаточно уни­версальной, поскольку позволяет отобразить все многообразие знаний о мире.

Традиционно структура фрейма может быть представлена как список свойств. Важнейшим свойством теории фреймов является наследование свойств. Например, в сети фреймов понятие «уче­ник» наследует свойства фреймов «ребенок» и «человек», которые находятся на более высоком уровне иерархии. Наследование свойств может быть частичным, так как возраст для учеников не наследуется из фрейма «ребенок», поскольку указан явно в своем собственном фрейме.

Основным преимуществом фреймов как модели представ­ления знаний является то, что она отражает концептуальную основу организации памяти человека, а также ее гибкость и наглядность.

Примеры вопросов

1. Знания представляются в виде моделей:

• эвристических;

• концептуальных;

• реляционных;

• бинарных отношений;

• семантических сетей;

• фреймов;

• продукционных моделей?

2. В основе технологии представления знаний в интеллектуальных
системах используются:

• бинарные отношения;

• факты и их описания;

• правила и факты;

• данные и мегаданные?

3. В теории искусственного интеллекта логический вывод может
быть:

• вербальным и целочисленным;

• структурным и параметрическим;

• активным и пассивным;

• прямым и обратным?

4. При решении задач, относящихся к классу интеллектуальных,
используется:

 

• вызов подпрограмм;

• механизм логического вывода;

• циклические вычисления;

• конструкции условия (if-then-else)?

5. В основе методов искусственного интеллекта лежит:

• доказательство теорем;

• математическая логика;

• эвристические приемы;

• реляционная алгебра?

6. К эвристическим алгоритмам относятся:

• алгоритмы «разделяй и властвуй»;

• сортировка слиянием;

• реализующие методы статистической обработки;

• алгоритмы, использующие опыт экспертов?

7. Отличительной чертой интеллектуальных систем является:

• наличие распределенной базы данных;

• использование моделирования знаний для решения задачи из
конкретной проблемной области;

• полный перебор возможных решений задач;

• использование статистической обработки данных?

Экспертные системы

Экспертная система (ЭС) - это интеллектуальная вычислительная система, в которую включены знания экспертов (опытных специалистов) о некоторой предметной области.

ЭС могут предназначаться для решения различных задач: интерпретации и анализа данных, диагностики, мониторинга, проектирования, прогнозирования, планирования и управления, обучения и поддержки принятия решений.

В общем случае все системы, основанные на знаниях, можно подразделить на системы, решающие задачи анализа, и на систе­мы, решающие задачи синтеза. Основное отличие задач анализа от задач синтеза заключается в том, что если в задачах анализа множество решений может быть перечислено и включено в си­стему, то в задачах синтеза множество решений потенциально не ограничено. Задачами анализа являются: интерпретация данных, диагностика, поддержка принятия решения. К задачам синтеза относятся проектирование, планирование и управление.

С помощью редактора базы знаний эксперт совместно с инженером по знаниям заполняют базу знаний. Этот процесс

 

 

называется извлечением знаний. Он является наиболее трудоем­ким и трудно формализуемым. Базы знаний могут включать до десятков тысяч правил.

Инженер по знаниям — специалист в области искусственного интеллекта, выступающий в роли посредника между экспертом и базой знаний. Синонимами специальности инженера по знаниям являются: когнитолог, инженер-интерпретатор, аналитик.

С помощью интерфейса пользователя происходит общение пользователя с ЭС. Пользователь — специалист предметной об­ласти с недостаточно высокой квалификацией, нуждающийся в поддержке своей деятельности со стороны ЭС.

База знаний (БЗ) - ядро ЭС, совокупность знаний предметной области, записанная на машинный носитель в форме, понятной эксперту и пользователю (обычно на некотором языке, прибли­женном к естественному).

Решатель — программа, моделирующая ход рассуждений эксперта на основе знаний, имеющихся в БЗ. Синонимами решателя являются: дедуктивная машина, машина вывода, блок логического вывода.

Подсистема объяснений — программа, позволяющая поль­зователю получить ответы на вопросы: «Как была получена та или иная рекомендация?» и «Почему систему приняла такое решение?»

Примеры вопросов

1. Программные комплексы, аккумулирующие знания специалистов
и тиражирующие их эмпирический опыт для решения задач прогнози­
рования, принятия решений и обучения, называются:

• экспертными системами;

• аналитическими моделями;

• операционными системами;

• системами управления базами данных?

2. Имеется сходство в информационных технологиях поддержки
принятия решения и:

• экспертных систем;

• мультимедиа;

• автоматизированного офиса;

• обработки текстовой информации?

3. Создание представления о проблемной области осуществляется
в последовательности:

• сознание эксперта — М, модель инженера по знаниям — Т, ин­
терпретация (данных и знаний) - Р, действительность - О;

 

• модель инженера по знаниям — Т, действительность — О, со­
знание эксперта - М, интерпретация (данных и знаний) - Р;

• действительность — О, сознание эксперта — М, модель инженера
по знаниям - Т, интерпретация (данных и знаний) - Р;

• действительность - О, модель инженера по знаниям - Т, ин­
терпретация (данных и знаний) - Р, сознание эксперта - М?

4. Гораздо труднее создать модель проблемной информации:

• разработчику системы искусственного интеллекта;

• инженеру по знаниям;

• программисту;

• эксперту в заданной проблемной области?

5. Как называется процедура взаимодействия эксперта с источником
знаний, в результате которой становится ясным процесс рассуждений
специалистов при принятии решения:

• исследованием знаний;

• структурированием знаний;

• описанием знаний;

«извлечением знаний?

6. К методам решения плохо формализованных задач нельзя
отнести:

• генетические алгоритмы;

• методы нечеткой логики;

• методы разработки экспертных систем;

• методы реализации трудоемких расчетов по известным форму­
лам?

 

⇐ Предыдущая1234

Поделиться:

Воспользуйтесь поиском по сайту: