16. Знания и модели их представления

Знание — выявленные в результате практической деятельности и получения профессионального опыта закономерности предметной области (принципы, законы, связи), позволяющие решать задачи в этой предметной области. Знания являются метаданными (данными о данных). Понятие «знание» не имеет исчерпывавшего определения.

Классификации знаний:

1) С токи зрения решения задач в предметной области. Знания делим: на факты и эвристику.

Факты – хорошо известные обстоятельства. Эвристика основывается на собственном опыте специалиста, эксперта в данной предметной области, накопленный в результате многолетней практики.

2) По представлению знаний делятся на процедурные и декларативные.

Процедурные знания – «растворенные» в алгоритмах. Процедурные знания управляют данными. Процедурные знания – методы, алгоритмы, программы решения различных задач, последовательности действий выбранной предметной области. Составляют ядро базы знаний.

Декларативные знания – о качественных и количественных характеристик конкретных объектов явлений, их элементов. Представлены в виде фактов, иногда и эвристик.

Проблема представления знаний это проблема представления взаимосвязи в конкретной предметной области в форме понятной системе искусственного интеллекта.

Представление знаний – это формализация и структурирование знаний, с помощью которых отражаются характерные признаки знаний.

На сегодняшний день разработаны десятки моделей представления знаний для различных предметных областей. Самые распростатненные:

- логическая (вся информация, необходимая для решения прикладных задач, рассматривается как совокупность фактов и утверждений, которые представляются как формулы в некоторой логике);

- продукционная модель (является комбинацией элементов логических и сетевых моделей);

- сетевые модели знаний;

17. Фреймовые модели представления знаний.

Под фреймом понимает образ или ситуация. Это описание минимальных характеристик.

Есть понятие слотов или щелей. Это незаполненные значения некоторых атрибутов. Существует фрейм образец и фрейм экземпляр.

Фреймовый образец – минимальное описание понятия, ситуации.

Фреймовый экземпляр – включает в себя конкретные значения слотов.

Например: фрейм – комната, слоты – пол, потолок и т.д.

Значениями слотов м.б любые характеристики, напр., для окно – кол-во, цвет, размер.

Фреймовая модель или фрейм минимального описания представляет собой модель памяти человека и его сознание. Фрейм образец носит понятие прототип фрейм.

Фреймовой модели характерна многоуровневая структура (матрешка в матрешке), ссылаясь на фреймы более низкого уровня.

Могут быть фреймы ситуации, фреймы сценарии, явления, модели описания.

- представляют наглядное описание;

- дают возможность за счет ссылок представление многоуровневое;

- фреймы могут представлять причинно-следственные отношения.

Недостатки: вывод на фрейма затруднен.

ВЫВОД: самыми эффективными является смешанные представления Генетические алгоритмы. Джон Холланд (1975) 1. Скрещивание 2. Селекция 3. Формирование нового поколения

18. Обобщенная структура экспертной системы

Ядром экспертной системы является База знаний.

Пользователь — специалист предметной области, для которого предназначена система. Обычно его квалификация недостаточно высока, и поэтому он нуждается в помощи и поддержке со стороны экспертной системы.

Эксперт – ведущий специалист в области знаний, причем ЭС узко направлена, детально рассматривая узкий пласт.

Инженер по знаниям — специалист по искусственному интеллекту, выступает в роли промежуточного звена между экспертом и базой знаний (инженер-интерпретатор).

Интерфейс пользователя — комплекс программ, реализующий диалог пользователя с экспертной системой на стадии как ввода информации, так и получения результатов.

База знаний — ядро экспертной системы, совокупности знаний предметной области, за-писанная на машинный носитель в форме, понятной эксперту и пользователю (обычно на некотором языке, приближенном к естественному). Параллельно такому «человеческому» представлению существует база знаний во внутреннем «машинном» представлении.

Решатель — программа, моделирующая ход рассуждений эксперта на основании знаний, имеющихся в базе знаний.

Подсистема объяснений — программа, позволяющая пользователю получить ответы на вопросы: «Как была получена та или иная информация?» и «Почему система приняла такое решение?». Ответ на вопрос «Как?» — это трассировка всего процесса получения решения с указанием использованных фрагментов базы знаний, то есть всех шагов цепи умозаключения. Ответ на вопрос «Почему?» — ссылка на умозаключение, непосредственно предшествовавшее полученному решению, то есть отход на один шаг назад.

Интеллектуальный редактор базы знаний — программа, представляющая инженеру по знаниям возможность создавать базы знаний в диалоговом режиме. Языки искусственного интеллекта. Lisp , Prolog . Универсальность этих языков меньшая, чем у традиционных языков, но это компенсируется богатыми возможностями по работе с символьными и логическими данными, что крайне важно для задач искусственного интеллекта. На основе языков искусственного интеллекта создаются специализированные компьютеры (например, Лиспмашины).

«Оболочки» ( shells ) — «пустые» версии существующих экспертных систем, то есть готовые экспертные системы без базы знаний. Они вообще не требуют работы программистов для создания готовой экспертной системы. Требуются только специалисты в предметной области для заполнения базы знаний. Однако если некоторая предметная область плохо укладывается в модель, используемую в некоторой оболочке, заполнить базу знаний в этом случае весьма непросто. Существующие компьютеры имеют принципы работы, в корне отличные от принципов работы человеческого мозга, поэтому основные надежды на развитие искусственного интеллекта связаны с построением нейрокомпьютеров.