![](/user_photo/2706_HbeT2.jpg)
- •Часть 2. Манипулирование и операции со знаниями.
- •7.1. Приобретение и формализация знаний.
- •7.2. Пополнение знаний.
- •7.3. Обобщение и классификация знаний.
- •8.1. Общие положения.
- •8.2. Правило вывода по принципу резолюций.
- •8.3. Дедуктивный вывод на семантических сетях.
- •9.1. Вводные определения и понятия.
- •9.2. Нечеткое множество и его характеристики.
- •9.3. Основные операции с нечеткими множествами.
- •9.4. Отношения между нечеткими множествами.
- •9.5. Нечеткий вывод в системе принятия решений.
7.2. Пополнение знаний.
Опыт показывает, что в процессе приобретения знаний может возникнуть ситуация, при которой представленные знания оказываются воспринятыми, но не до конца понятыми или понятыми неоднозначно. Подобная ситуация обуславливается тем, что, нередко, возникают трудности в передачи смыслового компонента информации, как в рамках естественного языка, так и в формализованном виде. По этой причине, например, сложно реализовать адекватную процедуру «понимания» текстовых файлов; с подобной проблематикой приходится сталкиваться в учебном процессе, при анализе ситуаций и др.
Стандартный путь разрешения подобных проблем осуществляется посредством процедуры, которая сводится к пополнению имеющихся знаний дополнительной информацией до уровня адекватного понимания интересующей ситуации. В связи с этим необходимы механизмы восстановления недостающей информации по представленным и приобретенным знаниям. Такие механизмы хорошо известны в и, например, в рамках учебного процесса один из таких механизмов реализуется с помощью вопросов, которые учащиеся задают учителю после (или в процессе) объяснения им нового материала в целях устранения возникшего недопонимания представленных знаний. Для пополнения знаний в ИИ-системах требуются определенные формализованные процедуры, среди которых наиболее известны: модель «здравого смысла» (Р. Шенк, 1980), сценарии (Литвинцева Л.В., 1986) и описание закономерностей внешнего мира в рамках псевдофизических логик с соответствующими правилами вывода (Поспелов Д.А., 1986) [1]. Следует отметить, что путем пополнения базы знаний можно создать мощные стимулы для установления новых фактов из тех, которые имеются в этой базе, и, следовательно, таким образом, может формироваться определенная стратегия обучения.
7.3. Обобщение и классификация знаний.
Способность
человеческого мышления к обобщению
лежит в основе любого научного
исследования. С психологической точки
зрения, обобщение – это мыслительная
процедура, представляющая одну из
характеристик когнитивных процессов,
которая реализуется посредством
абстракции, анализа и сравнения, и
состоит в выделении и фиксации достаточно
устойчивых инвариантных свойств
рассматриваемых предметов и их отношений.
С логической точки зрения, обобщение –
это некоторое правило вывода, которое
строится следующим образом: по совокупности
фактов F,
в рамках определенных правил и требований,
формируется гипотеза H,
однозначно объясняющая факты F.
В формализованном виде это правило
представляется следующим образом:
,
где H
– называют обобщением фактов совокупности
F.
С кибернетической точки зрения, в
системах, моделирующих мышление,
обобщение рассматривается как процесс
получения знаний, объясняющих имеющиеся
факты, и, способных объяснить,
классифицировать и предсказывать новые
знания.
Модели обобщения определяются целями обобщения, способами представления знаний, общими характеристиками обобщаемых фактов, критериями оценки гипотез и др. Согласно [1], можно выделить модели обобщения по выборкам и модели обобщения по данным. В первом случае совокупность фактов F задается обучающей выборкой в виде множества объектов, с каждым из которых сопоставлен определенный класс элементов из F. В рамках этой модели целью обобщения может быть:
1). Формирование понятий путем установления по данным обучающей выборки для каждого класса максимального набора его общих характеристик.
2). Классификация фактов, т.е. определение базисного набора характеристик, позволяющих однозначно идентифицировать каждый класс в совокупности F.
В моделях обобщения по данным априорное разбиение F на классы не задается, что позволяет рассматривать следующие задачи:
1). Формирование гипотезы, обобщающей данные факты.
2). Проводить группировку данных по признакам, с последующим формированием понятий.
В зависимости от способа представления знаний и характеризации обобщаемых фактов, методы обобщения делятся на методы обобщения по признакам и структурно-логические методы. В первом случае элементы F представляются векторами, координаты которых определяют набор необходимых признаков для идентификации элементов F. Структурно-логические методы предназначены для реализации обобщений в формально-логических системах и в этом случае обычно называются индуктивным выводом, с общим правилом, представленным выше.
Таким образом,
обобщение, в рамках формирования понятий,
классификации фактов и структуризации
данной предметной области знаний,
фактически, реализует формирование
учебной научной дисциплины, при условии,
что указанная триада операций со знаниями
проводится в надлежащем соответствии
с дидактическими принципами. В этом
ключе можно рассматривать задачи
оптимизации формирования предметного
материала учебной дисциплины из знаний,
причем, параметром управления в данном
случае являются гипотезы, выдвигаемые
при обобщении знаний. Поэтому процедура
выдвижения гипотез должны формироваться
посредством некоторого критерия
предпочтения (доминирования) между
альтернативными гипотезами. Обычно,
доминирующей считается гипотеза, которая
«проще» и «более совместима с исходными
данными». Следовательно, для сравнения
гипотез
и
должны задаваться два отношения
и
,
называемые соответственно, отношением
предпочтения и совместимости:
«H1
проще
H2»; (7.1)
«H
совместима с обучающей выборкой
V»; (7.2)
на основе которых формулируется необходимый критерий предпочтения:
«H1
лучше H2», (7.3)
позволяющий оптимизировать процедуру выдвижения гипотез.
Лекция 8. Дедуктивный вывод на знаниях.