8. Управление системой продукций. Вывод на продукционной базе знаний

Если в памяти информационной системы хранится некоторый набор продукций, то они образуют систему продукций.

В системе продукций должны быть заданы специальные процедуры управления продукциями, с помощью которых происходит актуализация продукций и выбор для выполнения той или иной продукции из числа актуализированных.

Управление системой продукций

При выполнении условия применимости ядер продукции для группы продукций возникает дилемма выбора той продукции, которая в данной ситуации будет активизирована. Решение этой задачи возлагается на систему управления системой продукций. Если, например, ИС реализована на ЭВМ с параллельной архитектурой, то из фронта готовых продукций может выбираться не одна продукция, а столько, сколько параллельных ветвей может одновременно в данной ситуации выполнять ЭВМ. Но независимо от количества актуализированных продукций задача альтернативного выбора остается.

Пути решения задачи управления:

• централизованный – решение об актуализации принимается специальной системой управления;

• децентрализованный – решение об актуализации определяется складывающейся в этот момент ситуацией.

Стратегии управления выполнением продукций:

• принцип «стопки книг»;

• принцип наиболее длинного условия;

• принцип метапродукций;

• принцип «классной доски»;

• принцип приоритетного выбора;

• управление по именам.

Вывод на продукционной базе знаний:

1. прямой - от данных к поиску цели;

2. обратный - от цели для ее подтверждения – к данным.

Данные – это исходные факты, хранящиеся в базе фактов, на основании которых запускается машина вывода или интерпретатор правил, перебирающий правила из продукционной базы знаний.

Продукционная модель чаще всего применяется в промышленных экспертных системах.

Пример: Имеется фрагмент БЗ из двух правил:

Правило 1: ЕСЛИ «отдых - летом» И «человек - активный», ТО «ехать в горы».

Правило 2: ЕСЛИ «любит солнце», ТО «отдых летом».

Предположим в систему поступили данные: «человек - активный» и «любит солнце»

Прямой вывод на продукционной базе знаний (от данных – к цели):

1-й проход:

Шаг 1. Пробуем П1 - не работает - не хватает данных «отдых - летом».

Шаг 2. Пробуем П2 , работает, в базу поступает факт «отдых - летом».

2-й проход:

Шаг 3. Пробуем П1 , работает, активируя цель «ехать в горы», которая и выступает, например, как совет, который дает система.

Обратный вывод на продукционной базе знаний (от цели - к данным, подтвердить выбранную цель при помощи имеющихся правил и данных)

1-й проход:

Шаг 1. Цель - «ехать в горы»: становятся новой целью, и имеется правило, где она в правой части.

Шаг 2. Цель «отдых летом»: правило П2 подтверждает и активизирует цель.

2-й проход:

Шаг 3. Пробуем П1 , подтверждается искомая цель.

9. Фреймовые модели представления знаний. Классификация фреймов

Термин фрейм (от англ. frame – рамка, каркас) предложен Марвином Минским, одним из пионеров ИИ, в 70-е годы для обозначения структуры знаний для восприятия пространственных сцен. Эта модель, как и семантическая сеть, имеет глубокое психологическое обоснование.

Фрейм – это абстрактный образ для представления некоего стереотипа восприятия.

Отправным моментом для данной теории служит тот факт, что человек, пытаясь познать новую для себя ситуацию или по-новому взглянуть на уже привычные вещи, выбирает из своей памяти некоторую структуру данных (образ), называемую нами фреймом, с таким расчетом, чтобы путем изменения в ней отдельных деталей сделать ее пригодной для понимания более широкого класса явлений или процессов.

Фрейм является структурой данных для представления стереотипной ситуации. С каждым фреймом ассоциирована информация разных видов. Одна ее часть указывает, каким образом следует использовать данный фрейм, другая - что предположительно может повлечь за собой его выполнение, третья - что следует предпринять, если эти ожидания не подтвердятся.

Фрейм можно представлять себе в виде сети, состоящей из узлов и связей между ними. "Верхние уровни" фрейма четко определены, поскольку образованы такими понятиями, которые всегда справедливы по отношению к предполагаемой ситуации. На более низких уровнях имеется много особых вершин-терминалов или "ячеек", которые должны быть заполнены характерными примерами или данными.

Фреймы:

• фреймы-образцы, или прототипы (протофреймы), хранящиеся в базе знаний;

• фреймы-экземпляры, которые создаются для отображения реальных фактических ситуаций на основе поступающих данных.

Модель фрейма является достаточно универсальной, поскольку позволяет отобразить все многообразие знаний о мире через:

• фреймы-структуры, использующиеся для обозначения объектов и понятий (заем, залог, вексель);

• фреймы-роли (менеджер, кассир, клиент);

• фреймы-сценарии (банкротство, собрание, празднование именин);

• фреймы-ситуации (тревога, авария, рабочий режим устройства).

Фрейм-прототип - фрейм, в котором значения слотов не определены.

Во фреймовых моделях фиксируется жесткая структура информационных единиц, которая называется фреймом-прототипом. В общем виде она выглядит следующим образом:

(Имя фрейма:

Имя слота 1 (значение слота 1);

Имя слота 2 (значение слота 2);

...

Имя слота К (значение слота К)

)

Ту же запись можно представить в виде таблицы, дополнив ее двумя столбцами.

Имя слота	Значение слота	Способ получения значения	Присоединенная процедура

Основное преимущество фреймов как модели представления знаний – эта модель отражает концептуальную основу организации памяти человека, а также ее гибкость и наглядность.

Специальные языки представления фреймов: FRL (Frame Representation Language), KRL (Knowledge Representation Language), фреймовая «оболочка» Карра, широко известны фрейм-ориентированные ЭС ANALYST, МОДИС, TRISTAN, ALTERID и др.