5. Базовые свойства, отличающие знания от данных.

1. Внутренняя интерпретируемость – свойство знания отображать в свей структуре всю информацию, необходимую для его содержательной интерпретации, т.е. семантику (содержательный смысл) знания.

2. Структурированность и связность – предполагает возможность представления информационных единиц знания в виде иерархических (рекурсивно вложенных) структур, установления между ними внешних связей, выражающих различные типы отношений:

- отношения структуризации;

- каузальные (причинно-следственные);

- пространственные и временные;

- отношения ситуационной близости;

- и т.д.

Эти связи позволяют эффективно решать проблемы наследования информации, использования обобщенных процедур, сужения пространства поиска знаний, релевантных рассматриваемой ситуации и т.д.

3. Шкальная и ассоциативная упорядоченность – для взаимного упорядочения информационных единиц могут быть использованы различные шкалы:

- метрические (относительные и абсолютные);

- порядковые (оценки успеваемости и пр.);

- нечеткие порядковые («никогда» – «всегда» с рядом промежуточных значений);

- апозиционные («добрый» – «злой» с единственным промежуточным (нейтральным) значением «никакой»).

Помимо шкал используются ассоциативные связи, выделяющие в структуре знаний типовые ситуации (сцены) и определяющие степень близости (отношение релевантности) к ним конкретных информационных единиц.

Частота возникновения тех или иных ситуаций или проявления в них конкретных элементов знания может служить основой для выделения информационных структур – заготовок для быстрого реагирования системы в условиях дефицита времени.

4. Активность знаний – определяет способность знания активизировать систему на выполнение тех или иных действий.

В системах предписывающего типа знания сосредоточены в программах и активизируются с запуском этих программ. В СОЗ (декларативного типа) активация знаний, а через них и программных составляющих системы (МВЗ, ППЗ), может быть вызвана появлением в базе исходных фактов для рассуждений или описаний новых фрагментов знаний.

6. Логические модели представления данных.

Опр: Логические МПЗ – один из формализмов представления знаний, в основе которого лежит понятие формальной системы, заданной как:

M = < T, P, A, F > , где

T – множество базовых элементов системы;

P – множество синтаксических правил построения из элементов множества T синтаксически-правильных выражений;

A – множество аксиом (априорно-истинных выражений);

F – множество семантических правил (правил вывода), позволяющих получать из аксиом другие истинные в рамках данной системы выражения.

Классы формальных систем (по специфике применения правил вывода):

1. Исчисление – позволяет применять любое из предусмотренных в нем правил вывода к любой уже выведенной формуле, если последняя допускает применение этого правила.

2. Продукционные системы – каждое правило вывода (продукционное правило) имеет свои условия применимости (условия активации), которые могут меняться в процессе рассуждения из-за появления новой информации. Это характерно для систем с немонотонным выводом.

3. Алгоритмы – последовательность применения правил вывода определена однозначно.

В СОЗ, как в системах декларативного типа, логические МПЗ базируются на 1. и (или) 2. системах.

Классический пример формальных систем, используемых для представления знаний в моделях дедуктивного вывода:

1. Исчисления высказываний;

2. Исчисления предикатов I порядка.

Причем, 2. является более предпочтительным по сравнению с 1., т.к. исчисление предикатов обеспечивает большую гибкость и органичность связей интеллектуальной надстройки с проблемной областью через предметные переменные предикатов. Так же в исчислении предикатов знания о предметной области описываются множеством общезначимых (истинных в любых интерпретациях) формул (аксиом).

Цель конкретной поставленной проблемы представляется синтаксически-правильной формулой, и процесс решения сводится к доказательству общезначимости этой формулы на основании аксиом, посылок и правил вывода формул системы (к доказательству теоремы).

Методы представления и интерпретации знаний, основанные на исчислении предикатов I порядка отличаются высокой степенью формализации и универсальностью подхода. Однако, эти модели оказываются громоздкими для принятия решений в обширных пространствах поиска реальных предметных областей. Это объясняется неспособностью моделей учитывать должным образом смысловое содержание (семантику) предметной области и применять эвристические процедуры для управления процессом вывода с целью придания ему направленного, рационального для данной предметной области, характера.