Основной особенностью интеллектуальных систем является то что, они основаны на знаниях, а вернее, на некотором их представлении. Знания - это выявленные закономерности предметной области (принципы, связи, законы), позволяющие решать прикладные задачи в этой области.

При обработке на ЭВМ знания трансформируются, условно проходя следующие этапы:

знания в памяти человека как результат мышления;

материальные носители знаний (учебники, методические рекомендации);

поле знаний - условное описание основных объектов предметной области, их атрибутов и закономерностей, их связывающих;

знания, описанные на языках представления знаний;

базы знаний.

База знаний - это основа любой информационной системы. Наиболее фундаментальной и важной проблемой является описание смыслового содержания проблем самого широкого диапазона, т.е. должна использоваться такая форма описания знаний, которая гарантировала бы правильную обработку их содержимого по некоторым формальным правилам. Эта проблема называется проблемой представления знаний [14].

В настоящее время наиболее известны четыре подхода к представлению знаний в обсуждаемых системах:

продукционные модели;

семантические сети;

фреймы;

формальные логические модели.

Продукционная модель основана на представлении знаний в форме правил, структурированных в соответствии с образцом «ЕСЛИ - ТО». Часть правила «ЕСЛИ» называется условие, а «ТО» - выводом или действием. Под условием понимается некоторое предложение-образец, по которому осуществляется поиск в базе знаний, а под действием - действия, выполняемые при успешном исходе поиска. Правило в общем виде записывается так:

ЕСЛИ А1, А2, …, Аn ТО В.

Такая запись означает, что «если все условия от А1 до Аn являются истинными, то В также истинно» или «когда все условия от А1 до Аn выполняются, то следует выполнить действие В». В случае n=0 продукция описывает знание, состоящее только из вывода, т.е. факт. Переменные в правиле показывают, что правило содержит некое универсальное общее знание, абстрагированное от конкретных значений переменных. Одна и та же переменная, использованная в выводе и различных посылках, может получать различные конкретные значения. При использовании продукционной модели база знаний состоит из набора правил. В интеллектуальную систему входит также механизм выводов, который позволяет на основе знаний, имеющихся в базе знаний, получать новые знания [14].

При этом считается, что одинаковые переменные, входящие в разные правила, независимы; объекты, имена которых эти переменные могут получать, никак не связаны между собой. Формализованная процедура, использующая сопоставление (при котором устанавливается, совпадают ли между собой две формы представления, включая подстановку возможных значений переменных), поиск в базе знаний, возврат к исходному состоянию при неудачной попытке решения, представляет собой механизм выводов.

Простота и наглядность представления знаний с помощью продукции обусловила его применение во многих системах, которые называются продукционными. Эти модели чаще всего применяются в промышленных экспертных системах.

Семантическая сеть - это ориентированный граф, вершины которого - понятия, а дуги - отношения между понятиями [8]. Семантические сети способны отображать структуру знаний во всей сложности их взаимосвязей, увязать в единое целое объекты и их свойства. Можно ввести несколько классификаций семантических сетей [8].

По количеству типов отношений:

однородные (с единственным типом отношений);

неоднородные (с различными типами отношений).

По типам отношений

бинарные;

n-арные.

Наиболее часто в семантических сетях используются следующие отношения:

связи типа "часть-целое" ("класс-подкласс", "элемент-множество" и т.д.);

функциональные связи;

количественные (больше, меньше, равно …);

пространственные (далеко от, близко от, под, над …);

временные;

атрибутивные связи (иметь свойство, иметь значение …);

логические связи (и, или, не) и др.

1

Размещено на http://www.allbest.ru/

Ниже приведен пример части семантической сети [8].

Основное преимущество этой модели - в соответствии с современным представлениям об организации долговременной памяти человека. Недостаток модели - сложность поиска вывода на семантической сети [8].

Фреймовая система имеет все свойства, присущие языку представления знаний, и одновременно являет собой новый способ обработки информации. Слово «фрейм» в переводе с английского языка означает «рамка». Фрейм является единицей представления знаний об объекте, которую можно описать некоторой совокупностью понятий и сущностей. Фрейм имеет определенную внутреннюю структуру, состоящую из множества элементов, называемых слотами. Каждый слот в свою очередь, представляется определенной структурой данных, процедурой, или может быть связан с другим фреймом. Приведем пример фрейма: человек [14]

Фрейм: человек

Класс : Животное

Структурный элемент : Голова, шея, руки, ноги, …

Рост : 30 - 220 см

Масса : 1 - 200 кг

Хвост : Нет

Фрейм аналогии : Обезьяна

Основным преимуществом фреймов как модели представления знаний является способность отображать концептуальную основу организации памяти человека, а также ее гибкость и наглядность.

Традиционно в преставлении знаний выделяют формальные логические модели, основанные на классическом исчислении предикатов 1-го порядка, когда предметная область или задача описывается в виде аксиом.

Существуют и другие, менее распространенные подходы к представлению знаний в интеллектуальных системах, в том числе гибридные, на основе уже описанных подходов.

Перечислим главные особенности машинного представления данных.

Внутренняя интерпретируемость. Обеспечивается наличием у каждой информационной единицы своего уникального имени, по которому система находит ее для ответа на запросы, в которых это имя упомянуто.

Структурированность. Информационные единицы должны обладать гибкой структурой, для них должен выполнятся «принцип матрешки», т. е. вложенности одних информационных единиц в другие, должна существовать возможность установления соотношений типа «часть - целое», «род - вид», «элемент - класс» между отдельными информационными единицами.

Связность. Должна быть предусмотрена возможность установления связей различного типа между информационными единицами, которые бы характеризовали отношения между информационными единицами. Эти отношения могут быть как декларированными (описательными), так и процедурными (функциональными).

Семантическая метрика. Позволяет установить ситуационную близость информационных единиц, т. е. величину ассоциативной связи между ними. Такая близость позволяет выделять в знаниях некоторые типовые ситуации, строить аналогии.

Активность. Выполнение действий в интеллектуальных системах должно инициироваться не какими-либо внешними причинами, а текущим состоянием представленных в системе знаний. Появление новых фактов или описание событий, установление связей должно стать источником активности системы.

Наиболее наглядной и соответствующей современным представлениям об организации долговременной памяти человека моделью представления знаний является семантическая сеть [8], что особенно важно учитывать при обучении. Однако этой модели присущ основной недостаток - в ней затруднителен поиск вывода, который сводится к задаче поиска фрагмента сети, соответствующей поставленному вопросу. Как показано выше, чаще всего при обучении используется логическая модель представления знаний, которая имеет технологическое средство разработки систем и решения прикладных задач - логическое программирование.

Логическая модель представления знаний.

В предыдущем пункте выделены формальные логические модели представления знаний, которые преимущественно основаны на классическом исчислении предикатов 1-го порядка.

Начало исследованиям в области формальной логики было положено работами Аристотеля в IV в. до н.э. Логика предикатов - это универсальный абстрактный язык предназначенный для представления знаний и для решения задач. Его можно рассматривать как общую теорию отношений. Терминология логики предикатов включает следующие понятия: рассуждение, предикат, термы, литерал, метод резолюций.

Рассуждение - один из важнейших видов мыслительной деятельности человека, в результате которого он формулирует на основе некоторых предложений, высказываний, суждений новые предложения, высказывания, суждения. Действительный механизм рассуждений человека остается пока недостаточно исследованным. Человеческим рассуждениям присущи: неформальность, нечеткость, нелогичность, широкое использование образов, эмоций и чувств, что делает чрезвычайно трудными их исследование и моделирование. К настоящему времени лучше всего изучены логические рассуждения и разработано много механизмов дедуктивных выводов, реализованных в различных интеллектуальных системах, основанных на представлении знаний с помощью логики предикатов 1-го порядка [14].

Предикат - это конструкция вида P(t1, t2, …, tn) выражающая какую-то связь между некоторыми объектами или свойствами объектов. Обозначение этой связи или свойства, P, называют «предикатным символом»; t1, t2, …, tn обозначают объекты, связанные свойством (предикатом) P, и называют термами [14].

Термы могут быть только трех следующих типов:

константа (обозначает индивидуальный объект или понятие);

переменная (обозначает в разное время различные объекты);

составной терм - функция f(t1, t2, …, tm), имеющая в качестве своих аргументов m термов t1, t2, …, tm.

Предикат (или атомарная формула) - это логическая функция, принимающая значение «истина» или «ложь» в зависимости от значений своих аргументов. Количество аргументов у предиката называется его арностью.

Предикаты могут быть объединены в формулы с помощью логических связок: ^ («и», конъюнкция), V («или», дизъюнкция), («не», отрицание), («следует», импликация), («тогда, и только тогда, когда », эквиваленция).

Ниже приведена таблица истинности этих связок, позволяющие определить, истинно или ложно значение формулы-связки при различных значениях входящих в нее предикатов А и В.

Математически строго формулы логики предикатов определяются рекурсивно:

предикат есть формула;

если А и В - формулы, то А, А^В, АVВ, АВ, АВ - тоже формулы;

других формул не бывает.

Истинность связок предикатов (И - истина, Л - ложь)

Многие формулы логики предикатов требуют использования кванторов, определяющих область значения переменных - аргументов предикатов. Используются кванторы общности и квантор существования. Кванторы связывают переменные предикатов, на которые они действуют, и превращают предикаты в высказывания.

Из всевозможных формул нам потребуется только один их вид, называемый фразами Хорна. Фразы Хорна содержат в общем случае импликацию и конъюнкцию предикатов А, В1, В2,…, Вn следующим образом: В1 В2 … Вn> А, или в более удобных обозначениях:

А: - В1, В2, …, Вn.

Очевидно, фраза Хорна является формой записи некоего правила, и в дальнейшем и будет называться правилом. Предикат А называется заголовком или головой правила, а предикаты В1, В2, …, Вn - его подцелями.

Отдельный предикат является частным случаем фразы Хорна: А.

Другой частный случай фразы Хорна - правило без головы

: - В1, В2, …, Вn, или : - В.

Такая фраза Хорна называется вопросом.

Поясним логический смысл такой формулы. Импликация А:- В (А>В) может быть выражена через отрицание и дизъюнкцию: ВVА. Значит, если отбросить А, останется только В - отрицание В.

Множество фраз Хорна применительно к некоторой проблемной области образует теорию (в логическом смысле).

Для выполнения логического вывода используют правила вывода, называемые методом резолюций.

Правило резолюции действует следующим образом. Две фразы могут быть резольвированы друг с другом, если одна из них содержит позитивный литерал, а другая - соответствующий негативный литерал с одним и тем же обозначением предиката и одинаковым количеством аргументов, и если аргументы обоих литералов могут быть унифицированы (т.е. согласованы) друг с другом [13].

Как уже отмечалось ранее, во фразовой форме не употребляется явная квантификация переменных. Неявно, однако, все переменные квантифицированны кванторами существования. Если в качестве аргумента выступает переменная, то она унифицируема с любой константой. Если в одной и той же фразе переменная встречается более одного раза и эта переменная в процессе резолюции унифицируется с константой, то резольвента будет содержать данную константу на тех местах, где рассматриваемая переменная располагалась в исходной фразе [13].

Рассмотрим две фразы:

P (a) (1)

~ P (a) (2)

Фраза (1) - это заключение без условий, а фраза (2) - это условие без заключения. Присутствие фраз (1) и (2) в одной теории является противоречием. Если фразы (1) и (2) резольвируются друг с другом, то получающаяся резольвента называется пустой фразой. Если при резолюции двух фраз, входящих в теории, получается пустая фраза, то эта теория должна быть непоследовательной.

При использовании правила резолюции применима более чем одна стратегия решения задач. Рассмотрим нисходящую (обратную) стратегию. В этой стратегии ставится цель обнаружить, является ли единственная фраза С следствием существующего множества фраз Т. Предполагается, что множество фраз Т является непротиворечивым. Алгоритм работает следующим образом. Вначале к существующему множеству фраз добавляется отрицание проверяемой фразы ~С. При этом образуется новое множество фраз Т', состоящее из множества Т плюс фраза ~C. Если алгоритм позволит вывести пустую фразу из Т', то Т' будет непоследовательной из-за присутствия фразы ~C, и поэтому С должно являться следствием Т [13].

Изложенные положения логики предикатов находят реализацию и дальнейшее развитие в логическом программировании.

Логическое программирование.

Логическое программирование базируется на подмножестве логики предикатов первого порядка, при этом оно одинаково широко с ней по сфере охвата. Оно дает возможность программисту описывать ситуацию при помощи формул логики предикатов, а затем, для выполнения выводов из формул, применить автоматический решатель задач (т.е. некоторую процедуру). Типичным представителем логического программирования является язык Пролог, который в настоящее время реализуется различными системами программирования, например Visual Prolog.

Логическое программирование - это один из подходов в программировании, при котором в качестве языка высокого уровня используется логика предикатов первого порядка в форме фраз Хорна. Логическое программирование строится не с помощью некоторой последовательности абстракций и преобразований, отталкивающейся от машинной архитектуры фон Неймана и присущего ей набора операций, а на основе абстрактной модели, которая никак не связана с каким-то типом машинной модели. Оно базируется на убеждении, что не человека следует обучать мышлению в терминах операций компьютера, а компьютер должен выполнять инструкции, свойственные человеку [24].

В своём чистом виде логическое программирование предполагает, что сами инструкции даже не задаются, а вместо этого явно, в виде логических аксиом, формулируются сведения о задаче и предположения, достаточные для её решения. Такое множество аксиом является альтернативой обычной программе. Подобная программа может выполняться при постановке задачи, формализованной в виде логического утверждения, подлежащего доказательству. Такое утверждение называется целевым утверждением. Выполнение программы состоит в попытке решить задачу, т.е. доказать целевое утверждение, используя предположения, заданные в логической программе [23].

Основная цель логического программирования - создать возможность разработки программ на языке высокого уровня. В идеале программист должен записать аксиомы, определяющие требуемые отношения, полностью игнорируя, каким образом эти аксиомы будут использоваться в процессе выполнения.

Логическое программирование хорошо подходит для решения проблем, для работы с формальными и естественными языками, для баз данных, запросных и экспертных систем и для других дискретных невычислительных задач. Пользователя привлекает ясность, содержательность программ и их нетехнический характер.

Таким образом, логическое программирование, во-первых, предоставляет реальный механизм для автоматизации обработки моделей знаний, а во-вторых, использует декларативный (описательный) стиль программирования, описания программы в терминах, близких предметной области задачи. Однако при изучении логического программирования для практического решения задач ИИ необходимо владение математическим аппаратом. В условиях недостаточной практики использования языка математической логики для многих студентов формулировка задач представляет трудность на начальном этапе обучения языку логического программирования. Поэтому в литературе (Братко И., Малпас Дж.) решения многих задач объясняются и иллюстрируются с помощью других формальных средств, в частности, сетей и графов. Нередко и в практической разработке систем ИИ для представления предметной области используются сетевые модели [8] - это один из методов, применяемых в инженерии знаний.

§3. Применение семантических сетей для описания представления знаний