
- •Глава 1. Основные определения, история проблемы,
- •Глава 2 Онтологическая инженерия описания предметной области ……50
- •Глава 3. Представление и вывод знаний в системах искусственного интеллекта на основе логических моделей. 65
- •Глава 4 Представление и вывод знаний в системах искусственного интеллекта на основе семантических сетей 98
- •Контрольные вопросы и задание 110
- •Глава 5. Представление и вывод знаний в системах искусственного интеллекта на основе фреймовых моделей. 111
- •Глава 6. Представление и вывод знаний в системах искусственного интеллекта на основе продукционных моделей. 118
- •Глава 7. Представление и вывод неопределённых знаний в системах искусственного интеллекта. 132
- •Лекция 1
- •Глава 1. Основные определения, история проблемы, современные направления развития.
- •Основные определения искусственного интеллекта.
- •1.2. Тест Тьюринга
- •Науки, лежащие в основе искусственного интеллекта
- •Вычислительная техника (период с 1940 года по настоящее время)
- •История искусственного интеллекта.
- •Рождение искусственного интеллекта (1956 год)
- •Ранний энтузиазм, большие ожидания (период с 1952 года по 1969 год)
- •Столкновение с реальностью (период с 1966 года по 1973 год)
- •Лекция 2
- •Основные современные направления развития искусственного интеллекта
- •1.6. Основные понятия о знаниях.
- •1.7. Выводы по 1-ой главе:
- •Контрольные вопросы и задание
- •Лекция 3
- •Глава 2 Онтологическая инженерия описания предметной области.
- •2.1. Понятие онтологии.
- •2.2. Теория множеств - математический аппарат описания онтологии.
- •2.2.1. Основные понятия и определения.
- •Лекция 4
- •2.2.2.Операции над множествами
- •2.2.3. Декартово произведение множеств
- •2.2.4. Отношения и их свойства.
- •2.3. Предметы, свойства и отношения предметной области.
- •Лекция 5
- •2.4. Понятие цели
- •2.5. Методика решения задач.
- •2.6. Понятие модели.
- •2.7. Методика построения онтологии.
- •2.8. Выводы по 2-ой главе.
- •2.9. Контрольные вопросы и задание.
- •Лекция 6
- •Глава3 Представление и вывод знаний в системах искусственного интеллекта на основе логических моделей.
- •3.1. Основы математической логики
- •3.1.1. Классификация и определение логик, алгебр, исчислений, теорий.
- •3.1.2.Традиционная логика.
- •Лекция 7
- •3.1.3.Логика, алгебра и исчисление высказываний.
- •3.1.4. Логика, алгебра и исчисление предикатов
- •Лекция 8
- •3.1.5. Формальные методы вывода решений в аксиоматических теориях.
- •3.1.6. Приведение формул исчисления предикатов к дизъюнктам Хорна.
- •4. Исключение кванторов существования.
- •3.2. Логическая модель представления знаний.
- •3.3. Вывод в системах искусственного интеллекта с логическим представлением знаний.
- •3.3.1. Правило резолюции.
- •Стратегия полного перебора.
- •Стратегия опорного множества.
- •3. Линейная по входу стратегия.
- •3.4. Выводы по 3-ой главе.
- •Контрольные вопросы и задание.
- •Лекция 9
- •Глава 4 Представление и вывод знаний в системах искусственного
- •Элементы теории графов
- •4.1.1. Способы задания графов.
- •1. Графический
- •2. С помощью матрицы инцидентности.
- •3. С помощью списка ребер.
- •4. С помощью матрицы смежности.
- •4.1.2. Задачи, решаемые с помощью графов.
- •Задача поиска наикратчайшего пути на графе.
- •Транспортная задача.
- •Задача о назначении (задача коммивояжера).
- •Задача о назначении работ.
- •Лекция 10
- •4.2. Представления знаний в виде семантических сетей.
- •4.3. Вывод в системах искусственного интеллекта с представлением знаний в виде семантических сетей.
- •Выводы по 4-ой главе.
- •Контрольные вопросы и задание.
- •Лекция 11
- •Глава 5. Представление и вывод знаний в системах искусственного интеллекта на основе фреймовых моделей.
- •5.1. Представления знаний в виде фреймов
- •5.2. Вывод в системах искусственного интеллекта с фреймовым
- •Выводы по 5-ой главе.
- •5.4. Контрольные вопросы и задание.
- •Лекция 12
- •Глава 6. Представление и вывод знаний в системах искусственного интеллекта на основе продукционных моделей.
- •Представление знаний в виде в виде системы продукций.
- •6.2. Продукционные системы
- •6.3. Прямой и обратный вывод в продукционных системах.
- •Лекция 13
- •6.4. Пример работы продукционной системы.
- •6.5. Выводы по 6-ой главе
- •6.6. Контрольные вопросы и задание
- •Лекция 14
- •Глава 7. Представление и вывод неопределённых знаний в системах искусственного интеллекта
- •Представление и вывод при нечётких знаниях.
- •7.1.1. Определение нечёткого множества.
- •7.1.2. Операции над нечёткими множествами.
- •Лекция 15
- •7.1.3. Нечёткие отношения.
- •Формальные методы вывода решений в нечёткой логике.
- •Лекция 16
- •7.2.Представление и вывод при неполных знаниях.
- •Вероятностный подход к представлению неопределённых знаний.
- •Определения и виды вероятности
- •Аксиомы вероятностей
- •Лекция 17
- •7.2.4. Формальные методы вывода решений при вероятностном подходе.
- •7.2.5. Правило Байеса и его использование.
- •Байесовская сеть представления и вывода вероятностных знаний.
- •Другие способы представления и вывода неопределённых знаний.
- •Выводы по 7-ой главе
- •7.5. Контрольные вопросы и задание.
- •Литература
2.7. Методика построения онтологии.
В настоящее время известен лишь один стандарт, регламентирующий процесс разработки онтологий и связанных с этим исследований: IDEF5. Существует множество предложений по методикам разработки онтологий. В рамках таких методик обычно выделяются следующие основные задачи.
1. Анализ целей создания и области применения создаваемой онтологии.
2. Построение онтологии.
2.1. Сбор и фиксация знаний о ПрО, включающие:
определение основных понятий и их взаимоотношений в выбранной
ПрО;
создание точных непротиворечивых определений для каждого основного понятия и отношения;
определение терминов, которые связаны с основными понятиями и отношениями;
согласование перечисленных компонентов онтологии.
2.2. Кодирование, включающее:
разбиение совокупности основных терминов, используемых в онтологии, на классы;
выбор или разработку специального языка для представления знаний;
формирование концептуализации в рамках выбранного языка представления знаний.
В производственно-экономических онтологиях представляются корпоративные знания по всем аспектам деятельности предприятия (маркетингу, менеджменту, финансам, конструированию, проектированию, производству и др.).
Онтологии позволяют решить проблему интеграции знаний для обеспечения согласованной работы специалистов в разных ПрО. Поскольку корпоративные знания, как правило, не полны, разнородны, несогласованны и распределены по организации, онтологии рассматриваются как открытые Мультиагентные системы, способные к самоорганизации и эволюции. Используемая схема создания онтологий включает четыре уровня: микромира, модели мира, базовых миров, производных миров.
Уровень микромира представляет знания о первичных понятиях и отношениях, описываемых сетевыми структурами данных произвольного вида (на базе двухсвязных списков).
Модель мира строится на основе понятий и отношений, представленных в модели микромира, и предоставляет пользователю средства формирования модели ПрО с помощью категорий «объект», «свойство», «сценарий действия», «отношение» и «атрибут». При этом объекты определяются как наборы свойств и функций, а каждое свойство (функция) есть ссылка на сценарии действий и набор атрибутов. Сценарий задается совокупностью свойств и телом, состоящим из набора действий. Отношения трактуются как определенные виды связей между всеми другими концептами, а атрибуты задаются элементарными компонентами типа «ссылка», «символьная строка», «целое число» и т. д. Кроме того, на этом уровне строятся такие понятия, как «агент», «цель», «роль», «задача», «знание», «инструмент», «результат» и др. Заметим, что каждое такое понятие - набор объектов и отношений микромира.
Данная модель получила условное название «модель Аристотеля», который первым определил, что «объекты - суть свойства». Она предполагает вполне определенную конструкцию мира (от объекта - к свойствам и отношениям, от свойств - к сценариям действий или атрибутам, от действий - к отношениям и объектам) и механизм его функционирования (свойства и отношения запускают процессы, процессы изменяют объекты и т. д.). В результате, уровень модели мира определяет интерпретацию всех последующих базовых миров и, в свою очередь, интерпретируется микромиром.
Базовые миры создаются на основе моделей двух предыдущих уровней. Они рассматриваются как типовые схемы организаций или предприятий со своими наборами задач и сценариев их решения. Производные миры связаны с оригинальными, а не типовыми решениями, которые требуется разработать и исследовать.
Стандарт онтологического исследования IDEF5 подготовлен фирмой Кnowledge Base Systems, Inc. в качестве проекта национального стандарта США. Процесс построения онтологии в рамках IDEF5 состоит из пяти основных этапов.
1. Изучение и систематизация начальных условий. Этот этап устанавливает основные цели и контекст разработки онтологии, а также распределяет роли членов проекта.
2. Сбор и накопление данных для построения онтологии.
3. Анализ и группировка собранных данных для облегчения согласования терминологии.
4. Начальное развитие онтологии. На этом этапе формируется предварительная онтология на основе систематизированных данных.
5. Уточнение и утверждение онтологии (заключительный этап).
Для поддержки процесса построения онтологий в IDEF5 определены специальные онтологические языки:
. схематический язык (Schematic Language - SL);
. язык доработок и уточнений (Elaboration Language - EL).
Язык SL является наглядным графическим языком, специально предназначенным для представления специалистами в ПрО совокупности основных сведений о ней в форме онтологической информации. Этот несложный язык обеспечивает формирование начального представления онтологии, а также дополнение существующих онтологий новыми данными. Он включает разнообразные типы диаграмм и схем, служащих для визуального представления основной онтологической информации.
Язык EL является структурированным текстовым языком, позволяющим детализировать элементы онтологии. С помощью него решаются задачи анализа и обеспечения полноты представления сведений, полученных в результате онтологического исследования.
В стандарте IDEF5 предусмотрены четыре основных вида схем, предназначенных для представления онтологической информации в наглядной графической форме.
Диаграммы классификации служат средством логической систематизации знаний, накопленных при изучении системы. Существует два типа таких диаграмм: диаграмма строгой классификации (Description Subsumption - DS) и диаграмма естественной или видовой классификации (Natural Kind Classification - NКC). Основное отличие диаграммы DS заключается в том, что в ней определяющие свойства класса являются необходимым и достаточным признаком принадлежности объекта этому классу.
С помощью диаграмм DS, как правило, классифицируются логические объекты. Диаграммы NКC, наоборот, не предполагают того, что свойства класса являются необходимым и достаточным признаком принадлежности ему тех или иных объектов. В диаграммах этого типа интерпретация свойств класса является более общей.
Композиционные схемы (Composition Schematics) служат для графического представления состава классов онтологии. В частности, с помощью них можно наглядно отобразить состав объектов, относящихся к тому или иному классу.
Схемы взаимосвязей (Relation Schematics) позволяют разработчикам визуализировать и изучать связи между различными классами объектов системы. В некоторых случаях эти схемы используются для представления зависимостей между взаимосвязями классов.
Диаграмма состояния объекта (Object State Schematic) позволяет описать процесс изменения состояния объекта. С объектом могут произойти два типа изменений: он может поменять либо свое состояние, либо класс. Между этими типами не существует принципиальной разницы: объекты, относящиеся к определенному классу в начальном состоянии, могут быть переведены в его дочерний или родственный класс. Например, полученный в процессе сжижения азот относится не к классу «Азот», а к его дочернему классу «Жидкий азот». Однако на уровне формального описания для исключения путаницы следует дифференцировать данные типы изменений. Для этого используются обозначения вида: например, жидкий азот будет описываться как «азот: жидкий», газообразный азот - «азот: газообразный» и т. д. Таким образом, диаграммы состояния в IDEF5 наглядно представляют изменения состояния или класса объекта в рамках его жизненного цикла. Стандарт IDEF5 отражает методологию, с помощью которой можно наглядно и эффективно разрабатывать онтологии. К сожалению, на сегодняшний день существуют единичные программные средства, поддерживающие IDEF5. Кроме того, данный стандарт охватывает не все этапы создания онтологий.