5. Обучение. Предполагается, что ИС подобно человеку будут способны к обучению — решению задач, с которыми они ранее не встречались. Для того чтобы это стало возможным, необходимо: создать методы формирования ус­ ловий задачи по описанию проблемной ситуации или по наблюдению за этой ситуацией, научиться переходу от известного решения частных задач (приме­ ров) к решению общей задачи, создать приемы декомпозиции исходной для ИС задачи на более мелкие так, чтобы они оказались для ИС уже известны­ ми, разработать нормативные и декларативные модели самого процесса обу­ чения, создать теорию подражательного поведения. Перечень задач можно бы­ ло бы продолжить, ибо в области обучения ИС сделано еще весьма мало. Однако важность работ в этом направлении не вызывает никаких сомнений.

6. Поведение. Так как ИС должны действовать в некоторой окружающей среде, то необходимо разработать специальные поведенческие процедуры, ко­ торые позволили бы им адекватно взаимодействовать с окружающей средой, другими ИС и людьми. Для достижения такого взаимодействия надо провести исследование в ряде направлений и создать: модели целесообразного поведе­ ния, нормативного поведения, ситуативного поведения, специальные методы многоуровневого планирования и коррекции планов в динамических ситуациях. Лишь после этого можно будет говорить о возможности привычного взаимо­ действия между людьми и ИС.

Практически все перечисленные направления искусственного интеллекта рассмотрены в настоящем томе справочника. Полнота изложения результатов, касающихся того или иного направления, не одинакова. Это объясняется раз­ным уровнем исследований в них. Данный том отражает тот взгляд на иссле­дования в области искусственного интеллекта, который характерен для специ­алистов, разрабатывающих теоретические модели и методы решения разнооб­разных задач, возникающих при создании ИС. Этим он отличается от первого тома, в котором проблемы искусственного интеллекта рассматривались с точки зрения пользователей ИС.

Как и остальные тома справочника, второй том подготовлен коллективом специалистов, который объединяется вокруг Научного Совета по проблеме «Искусственный интеллект» АН СССР. В общую редколлегию справочника входят: академик Г. С. Поспелов, д-р техн. наук, проф. Э. В. Попов, д-р техн. наук, проф. Д. А. Поспелов, канд. техн. наук, доц. В. Н. Захаров, канд. техн, наук, доц. В. Ф. Хорошевский. При подготовке данной книги большую помощь оказали члены рабочей группы: канд. техн. наук М. Г. Гаазе-Рапопорт канд физ-мат. наук С. М. Ефимова, канд. физ.-мат. наук Л. В. Литвинцева, Н. В. Руссова, Н. В. Чудова.

Глава 1 Представление знаний

1.1. Данные и знания

Д. А. Поспелов

Основные определения

Информация, с которой имеют дело ЭВМ, разделяется на процедурную и декларативную. Процедурная информация овеществлена в программах, кото­рые выполняются в процессе решения задач, декларативная информация—-в данных, с которыми эти программы работают. Стандартной формой пред­ставления информации в ЭВМ является машинное слово, состоящее из опре­деленного для данного типа ЭВМ числа двоичных разрядов — битов. Машин­ное слово для представления данных и машинное слово для представления команд, образующих программу, могут иметь одинаковое или разное число разрядов. В последнее время для представления данных и команд использу-ютСя одинаковые по числу разрядов машинные слова. Однако в ряде случаев машинные слова разбиваются на группы ио восемь двоичных разрядов, кото­рые называются байтами.

Одинаковое число разрядов в машинных словах для команд и данных по­зволяет рассматривать их в ЭВМ в качестве одинаковых информационных еди­ниц и* выполнять операции над командами, как над данными. Содержимое памяти образует информационную базу.

В большинстве существующих ЭВМ возможно извлечение информации из любого подмножества разрядов машинного слова вплоть до одного бита. Во многих ЭВМ можно соединять два (или более) машинных слова в слово с большей длиной. Однако машинное слово является основной характеристи­кой информационной базы, так как его длина такова, что каждое машинное слово хранится в одной стандартной ячейке памяти, снабженной индивидуаль­ным именем — адресом ячейки. По этому имени происходит извлечение инфор­мационных единиц из памяти ЭВМ и запись их в нее.

Параллельно с развитием структуры ЭВМ происходило развитие информа­ционных структур для представления данных. Появились способы описания данных в виде векторов и матриц, возникли списочные структуры, иерархиче­ские структуры. В настоящее время в языках программирования высокого уровня используются абстрактные типы данных, структура которых задается программистом. Появление баз данных (БД) знаменовало собой еще один шаг на пути организации работы с декларативной информацией. В базах данных могут одновременно храниться большие объемы информации, а специальные средства, образующие систему управления базами данных (СУБД), позволяют эффективно манипулировать с данными, при необходимости извлекать их из базы данных и записывать в нужном порядке в базу.

Таблица 1.1

Фамилия	Год рождения	Специальность
Попов Сидоров Иванов Петров	1965 1946 1925 1937	Слесарь Токарь » Сантехник	5 20 30 25

По мере развития исследований в области ИС возникла концепция зна­ний, которые объединили в себе многие черты процедурной и декларативной информации.

Особенности знаний

Перечислим ряд особенностей, присущих этой форме представления ин­формации в ЭВМ.

1. Внутренняя интерпретируемость. Каждая информационная единица должна иметь уникальное имя, по которому ИС находит ее, а также отвечает на запросы, в которых это имя упомянуто. Когда данные, хранящиеся в памя­ти, были лишены имен, то отсутствовала возможность их идентификации си­стемой. Данные могла идентифицировать лишь программа, извлекающая их из памяти по указанию программиста, написавшего программу. Что скрыва­ется за т-ем или иным двоичным кодом машинного слова, системе было не­известно.

Если, например, в память ЭВМ нужно было записать сведения о сотруд­никах учреждения, представленные табл. 1.1, то без внутренней интерпретации в память ЭВМ была бы занесена совокупность из четырех машинных слов, со­ответствующих строкам этой таблицы. При этом информация о том, какими группами двоичных разрядов в этих машинных словах закодированы сведения о специалистах, у системы отсутствуют. Они известны лишь программисту, ко­торый использует данные табл. 1.1 для решения возникающих у него задач. Система не в состоянии ответить на вопросы типа «Что тебе известно о Пет­рове?» или «Есть ли среди специалистов сантехник?».

^г При переходе к знаниям в память ЭВМ вводится информация о некоторой протоструктуре информационных единиц. В рассматриваемом примере она представляет собой специальное машинное слово, в котором указано, в каких разрядах хранятся сведения о фамилиях, годах рождения, специальностях и стаже. При этом должны быть заданы специальные словари, в которых пере­числены имеющиеся в памяти системы фамилии, года рождения, названия спе­циальностей и продолжительности стажа. Все эти атрибуты могут играть роль имен для тех машинных слов, которые соответствуют строкам таблицы. По ним можно осуществлять поиск нужной информации. Каждая строка таблицы бу­дет экземпляром протоструктуры. В настоящее время СУБД обеспечивают реа­лизацию внутренней интерпретируемости всех информационных единиц, храни­мых в базе данных.

2. Структурированность. Информационные единицы должны обладать гиб­ кой структурой. Для них должен выполняться «принцип матрешки», т. е. рекурсивная вложимость одних информационных единиц в другие. Каж­ дая информационная единица может быть включена в состав любой другой, и из каждой информационной единицы можно выделить некоторые составляющие ее информационные единицы. Другими словами, должна существовать возмож­ ность произвольного установления между отдельными информационными еди­ ницами отношений типа «часть — целое», «род —вид» или «элемент — класс».

3. Связность. В информационной базе между информационными единицами должна быть предусмотрена возможность установления связей различного тн- 8

па. Прежде всего эти связи могут характеризовать отношения между информа­ционными единицами. Семантика отношений может носить декларативный или процедурный характер. Например, две или более информационные единицы могут быть связаны отношением <Содновременно >, две информационные еди­ницы— отношением «спричина—следствием или отношением «сбыть ря­дом^. Приведенные отношения характеризуют декларативные знания. Если между двумя информационными единицами установлено отношение ^аргу­мент— функция;», то оно характеризует процедурное знание, связанное с вы­числением определенных функций. Далее будем различать отношения структу­ризации, функциональные отношения, каузальные отношения и семантические отношения. С помощью первых задаются иерархии информационных единиц, вторые несут процедурную информацию, позволяющую находить (вычислять) одни информационные единицы через другие, третьи задают причинно-следст­венные связи, четвертые соответствуют всем остальным отношениям.

Между информационными единицами могут устанавливаться и иные свя­зи, например, определяющие порядок выбора информационных единиц из па­мяти или указывающие на то, что две информационные единицы несовместимы друг с другом в одном описании.

Перечисленные три особенности знаний позволяют ввести общую модель представления знаний, которую можно назвать семантической сетью, представ­ляющей собой иерархическую сеть, в вершинах которой находятся информа­ционные единицы. Эти единицы снабжены индивидуальными именами. Дуги семантической сети соответствуют различным связям между информационными единицами. При этом иерархические связи определяются отношениями струк­туризации, а неиерархические связи — отношениями иных типов [Hendrix, 1975; Schubert, 1975].

4. Семантическая метрика. На множестве информационных единиц в неко­торых случаях полезно задавать отношение, характеризующее ситуационную близость информационных единиц, т. е. силу ассоциативной связи между ин­формационными единицами. Его можно было бы назвать отношением реле­вантности для информационных единиц. Такое отношение дает возможность выделять в информационной базе некоторые типовые ситуации (например, «покупка», «регулирование движения на перекрестке»). Отношение релевантно­сти при работе с информационными единицами позволяет находить знания, близкие к уже найденным.

5. Активность. С момента появления ЭВМ и разделения используемых в ней информационных единиц на данные и команды создалась ситуация, при кото­рой данные пассивны, а команды активны. Все процессы, протекающие в ЭВМ, инициируются командами, а данные используются этими командами лишь в случае необходимости. Для ИС эта ситуация неприемлема. Как и у челове­ка, в ИС актуализации тех или иных действий способствуют знания, имеющиеся в системе. Таким образом, выполнение программ в ИС должно инициировать­ся текущим состоянием информационной базы. Появление в базе фактов или описаний событий, установление связей может стать источником активности системы.

Перечисленные пять особенностей информационных единиц определяют ту грань, за которой данные превращаются в знания, а базы данных перераста­ют в базы знаний (БЗ). Совокупность средств, обеспечивающих работу с зна­ниями, образует систему управления базой знаний (СУБЗ). В настоящее вре­мя не существует баз знаний, в которых в полной мере были бы реализованы внутренняя интерпретируемость, структуризация, связность, введена семанти­ческая мера и обеспечена активность знаний.

Модели представления данных *

В 70-х годах различали три основные модели представления данных: ре­ляционные, сетевые и иерархические. В настоящее время появилось второе по-

В написании данного раздела участвовала С. М. Ефимова.

коление таких моделей, в рамках которых происходит постепенное слияние данных и знаний [Цикритис и др., 1985], В развитых моделях представления дан­ных можно выделить два компонента: интенсиональные представления и экстен­сиональные представления. Оба компонента хранятся в базе данных. При этом в ее экстенсиональную часть входят конкретные факты, касающиеся предмет­ной области (например, строки табл. 1.1), а в интенсиональную часть — схемы связей между атрибутами (например, между именами столбцов табл. 1.1.). Таким образом, экстенсиональные представления описывают конкретные объек­ты из предметной области, конкретные события, происходящие в ней, или кон­кретные явления и процессы, а интенсиональные представления фиксируют те закономерности и связи, которым все эти конкретные объекты, события, явле­ния или процессы обязаны в данной проблемной области удовлетворять. Эк­стенсиональные представления относятся к данным. Относительно интенсио­нальных представлений единого мнения нет. Апологеты баз данных говорят в этом случае о схемах базы данных, а представители искусственного интел­лекта — о знаниях о проблемной области.

Элементами схемы базы данных являются схемы вида Q(Ai, A2, ...,А„), где Q — некоторое отношение, а множество элементов, входящих в Q,— мно­жество атрибутов. В зависимости от того, какие отношения Q допускаются в схемах баз данных, возникают различные представления данных.

Введем понятие домена Di для некоторого атрибута A_L. Элементами А будем считать все конкретные факты в экстенсиональном представлении, соот­ветствующие этому атрибуту. Например, в простейшем случае табл. 1.1 доме­ны образуются из элементов столбцов таблицы, а соответствующий каждому домену атрибут показан как обозначение столбца. Домены, относящиеся к раз­личным атрибутам, могут иметь пустое пересечение, непустое пересечение или включаться друг в друга. В предельном случае домены двух различных атри­бутов могут полностью совпадать. При этом атрибуты оказываются синонима­ми. Например, если все токари на данном предприятии (и только они) имеют по трое детей, то атрибуты «Токари» и «Отцы, имеющие троих детей» в данной БД окажутся синонимичными.

Экстенсиональное отношение — это определенным образом выделенное под­множество декартова произведения доменов, относящихся к некоторому набо­ру атрибутов. Например, содержимое табл. 1.1 есть подмножество декартова произведения доменов, соответствующих атрибутам: «Фамилия», «Год рожде-ния», «Специальность» и «Стаж». Из всех возможных кортежей, полученных в этом декартовом произведении, в таблицу отобраны лишь те, которые отра­жают реальных людей, работающих на предприятии, В схеме баз данных та­кому экстенсиональному отношению будет соответствовать интенсиональное отношение R{A\, Ац,...,А_т). Имя этого отношения совпадает с именем экстен» сионального отношения (именем той таблицы, которым оно задано, например R может выглядеть как «Список сотрудников данного предприятия»), а в каче­стве его аргументов выступают атрибуты, домены которых использовались для образования соответствующего экстенсионального отношения.

Описанная модель представления данных, т. е. табличное представление данных, протоструктура которых определяется экстенсиональными отношения­ми, а схема базы данных — интенсиональными отношениями [Codd, 1979, 1981], характерна для реляционных баз данных.

В сетевых моделях представления данных используются табличные и гра­фовые представления. Вершинам графа соответствуют информационные едини­цы, называемые записями, которые представляют собой специальным образом организованные таблицы, а дугам графа — типы отношений между записями [Мартин, 1980; Ульман, 1983; Цикритис и др., 1985]. В отличие от реляцион­ных моделей, в которых запрещается повторение одинаковых строк в множе­стве, определяющем экстенсиональное отношение, в сетевых моделях такие по­вторения допустимы. Другим отличием является явное задание отношений между записями с помощью графа, а не опосредованное, как в реляционной модели.

10

В иерархических моделях представления данных в отличие от реляционных и сетевых моделей схема базы данных представляет собой множество схем отношений, упорядоченных в деревообразную структуру. В отличие от сетевой модели, в которой экстенсиональные отношения могут быть определены на до­менах, элементы которых сами могут быть агрегированными записями (т. е. представлять собой целые фрагменты графа), в иерархических моделях (как и в реляционных) элементами доменов могут быть лишь простые факты [Дейт, 1980; Мартин, 1980; Ульман, 1983].

В базах данных выделяют две составляющие: язык описания данных (ЯОД) и язык манипулирования данными (ЯМД). Средства ЯОД ориентиро­ваны, с одной стороны, на то, как на физическом уровне в ЭВМ будут пред­ставляться данные, интенсиональные и экстенсиональные отношения, а с дру­гой стороны, на семантику проблемной области, так как в них входят опера­ции по классификации, обобщению и агрегированию экстенсиональных и интен­сиональных представлений. Эти средства позволяют вводить обобщенные ат­рибуты и записи, устанавливать новые схемы отношений на интенсиональном уровне и строить многоуровневые иерархии на множествах обобщенных атри­бутов. Таким образом, ЯОД позволяет реализовать в базах данных такие осо­бенности знаний, которые ранее назывались структурированностью и связно­стью [Цикритис и др., 1985].

При работе с базами данных, т. е. при поиске ответов на запросы поль­зователей, пополнении содержимого экстенсионального или интенсионального компонентов, необходимо уметь выполнять ряд операций, которые входят в ЯМД. Различия в наборе операций определяют различия в ЯМД.

Многие авторы, например [Дейт, 1980; Дрибас, 1982; Калиниченко, 1983], определяют базы данных как совокупность ЯОД и ЯМД, что сближает их с понятиями алгебры и универсальной алгебраической системы [Мальцев, 1970]. На сегодняшний день можно считать завершенной теорию реляционных баз данных [Maier, 1983; Цаленко, 1985]. Сейчас уже ясно, что все три типа баз данных равномощны [Jacoby, 1982; Филиппов, 1983, 1985].

Второе поколение баз данных характеризуется рядом особенностей моде­лей представления данных [Цаленко, 1985; Цикритис и др., 1985]. Расширение возможностей таких моделей происходит из-за ослабления требований к виду отношений Q в экстенсиональных представлениях и к виду отношений R в интенсиональных представлениях.

Семантические сети являются наиболее общей моделью представления знаний, так как в них имеются средства для выполнения всех пяти требова­ний, предъявляемых к знаниям. Но такая универсальность семантических сетей имеет и негативную сторону. Если допускать в них произвольные типы отношений и овязей, не являющиеся отношениями в математическом смысле (например, ассоциативные связи), то сложность работы с таким образом ор­ганизованной информацией резко возрастает. Поэтому в базах данных второ­го поколения вводятся ограничения на характер структур и типов информаци­онных единиц, находящихся в вершинах семантической сети, и на характер связей, задаваемых ее дугами.

Например, в бинарных моделях представления данных используются лишь бинарные отношения между информационными единицами. Близкой к таким моделям является модель, опирающаяся на язык синтагматических цепей, при­менявшийся в ситуационном управлении [Поспелов Д., 1981]. Наиболее из­вестной бинарной моделью является модель Сенко [Senko, 1980].

В модели U-графов [Ефимова, 1985; Ефимова и др., 1986] фиксирована топология семантической сети, используемой в схеме базы данных: отношения вида Q(Ao\ A_ir...,Am) описывают фрагменты семантической сети, называемые звездами. Тело звезды — вершина семантической сети с именем Аа. Вершины с именами А\,..., А_т связаны с вершиной А_о бинарными отношениями с неко­торыми именами Ru..., R_m. Такой способ представления информации имеет не­которые аналоги с моделью /?Х-кодов, предлагавшейся для информационно-по­исковых систем [Скороходько, 1968].

11

Модели представления знаний

В ИС используются различные способы описания знаний. 1. Логические модели. В основе моделей такого типа лежит формальная система, задаваемая четверкой вида М—<.Т, Р, А, В>. Множество Т есть множество базовых элементов различной природы, например слов из некото­рого ограниченного словаря, деталей детского конструктора, входящих в со­став некоторого набора и т. п. Важно, что для множества Т существует не­который способ определения принадлежности или непринадлежности произ­вольного элемента к этому множеству. Процедура такой проверки может быть любой, но за конечное число шагов она должна давать положительный или отрицательный ответ на вопрос, является ли х элементом множества Т. Обо­значим эту процедуру П(Г).

Множество Р есть множество синтаксических правил. С их помощью из элементов Т образуют синтаксически правильные совокупности. Например, из слов ограниченного словаря строятся синтаксически правильные фразы, из де­талей детского конструктора с помощью гаек и болтов собираются новые кон­струкции. Декларируется существование процедуры П(Р), с помощью которой за конечное число шагов можно получить ответ на вопрос, является ли сово­купность X синтаксически правильной.

В множестве синтаксически правильных совокупностей выделяется некото­рое подмножество А. Элементы А называются аксиомами. Как и для других составляющих формальной системы, должна существовать процедура П(Л), с помощью которой для любой синтаксически правильной совокупности можно получить ответ на вопрос о принадлежности ее к множеству А.

Множество В есть множество правил вывода. Применяя их к элементам А, можно получать новые синтаксически правильные совокупности, к которым снова можно применять правила из В. Так формируется множество выводи­мых в данной формальной системе совокупностей. Если имеется процедура П(5), с помощью которой можно определить для любой синтаксически пра­вильной совокупности, является ли она выводимой, то соответствующая фор­мальная система называется разрешимой. Это показывает, что именно прави­ла вывода являются наиболее сложной составляющей формальной системы.

Для знаний, входящих в базу знаний, можно считать, что множество А образуют все информационные единицы, которые введены в базу знаний из­вне, а с помощью правил вывода из них выводятся новые производные знания. Другими словами, формальная система представляет собой генератор порож­дения новых знаний, образующих множество выводимых в данной системе знаний. Это свойство логических моделей делает их притягательными для ис­пользования в базах знаний. Оно позволяет хранить в базе лишь те знания, которые образуют множество А, а все остальные знания получать из них по правилам вывода.

2. Сетевые модели. В основе моделей этого типа лежит конструкция, на­званная ранее семантической сетью. Сетевые модели формально можно задать в виде #=</, С], С₂,..., С_п, Г>. Здесь / есть множество информационных единиц; С\, С₂,..., С_п — множество типов связей между информационными еди­ницами. Отображение Г задает между информационными единицами, входя­щими в /, связи из заданного набора типов связей.

В зависимости от типов связей, используемых в модели, различают клас­сифицирующие сети, функциональные сети и сценарии. В классифицирующих сетях используются отношения структуризации. Такие сети позволяют в базах знаний вводить разные иерархические отношения между информационными единицами. Функциональные сети характеризуются наличием функциональных отношений. Их часто называют вычислительными моделями, так как они по­зволяют описывать процедуры «вычислений» одних информационных единиц через другие. В сценариях, используются каузальные отношения, а также отно­шения типов «средство — результат», «орудие — действие» и т. п. Если в сете­вой модели допускаются связи различного типа, то ее обычно называют семан­тической сетью.

12

3. Продукционные модели. В моделях этого типа используются некоторые элементы логических и сетевых моделей. Из логических моделей заимствована идея правил вывода, которые здесь называются продукциями, а из сетевых мо­ делей—описание знаний в виде семантической сети. В результате применения правил вывода к фрагмеЕ1там сетевого описания происходит трансформация се­ мантической сети за счет смены ее фрагментов, наращивания сети и исключе­ ния из нее ненужных фрагментов. Таким образом, в продукционных моделях процедурная информация явно выделена и описывается иными средствами, чем декларативная информация. Вместо логического вывода, характерного для логических моделей, в продукционных моделях появляется вывод на знаниях.

4. Фреймовые модели. В отличие от моделей других типов во фреймовых моделях фиксируется жесткая структура информационных единиц, которая на­ зывается протофреймом. В общем виде она выглядит следующим образом:

(Имя фрейма:

Имя слота 1 (значение слота 1) Имя слота 2 (значение слота 2);

И мя слота К (значение слота /С)).

Значением слота может быть практически что угодно (числа или матема­тические соотношения, тексты на естественном языке или программы, правила вывода или ссылки на другие слоты данного фрейма или других фреймов). В качестве значения слота может выступать набор слотов более низкого уров­ня, что позволяет во фреймовых представлениях реализовать «принцип ма­трешки».

При конкретизации фрейма ему и слотам присваиваются конкретные име­на и происходит заполнение слотов. Таким образом, из протофреймов получа­ются фреймы-экземпляры. Переход от исходного протофрейма к фрейму-эк­земпляру может быть многошаговым, за счет постепенного уточнения значений слотов.

Например, структура табл. 1.1, записанная в виде протофрейма, имеет вид

(Список работников:

Фамилия (значение слота 1); Год рождения (значение слота 2); Специальность (значение слота 3); Стаж (значение слота 4)).

Если в качестве значений слотов использовать данные табл. 1.1, то получится фрейм-экземпляр

(Список работников:

Фамилия (Попов—Сидоров—Иванов—Петров); Год рождения (1965—1946—1925—1937); Специальность (Слесарь—токарь—токарь—сантехник); Стаж (5—20-30—25)).

Связи 'между фреймами задаются значениями специального слота с име­нем <Связь>. Часть специалистов по ИС считает, что нет необходимости специально выделять фреймовые модели в представлении знаний, так как в них объединены все основные особенности моделей остальных типов. В справочни­ке фреймовые модели будут рассматриваться в общем контексте с сетевыми.

13