Конспект лекций Белой / Разработка ИИ. Конспект лекции №2. Белая

Конспект: Модели представления знаний

1.Понятие знания и представление знаний

·Знания — это выявленные закономерности предметной области (принципы, связи, законы), позволяющие решать задачи в этой области.

·Представление знаний — это процесс структурирования знаний с целью их формализации для последующей обработки на компьютере (или моделирования процессов мышления).

·Модель представления знаний — это формальный язык (формализм), предназначенный для отображения статических и динамических свойств предметной области.

2.Классификация знаний

Знания можно классифицировать по различным признакам:

·По источнику происхождения:

·Внешние знания: публикации, базы данных, информация от поставщиков и потребителей, интернет-ресурсы, результаты научных исследований.

·Внутренние знания: опыт сотрудников (интеллектуальный капитал), знания о ключевых бизнес-процессах (ноу-хау), знания о продуктах и услугах, «память организации» (архивы, прошлый опыт).

·По содержанию (пример из лекции):

·Продуктивные, декларативные, процедурные, эвристические и т.д.

3.Основные модели представления знаний

В лекции рассматриваются три классические модели.

3.1.Продукционная модель (Модель правил)

Это одна из самых распространенных моделей. Знания представляются в виде правил формата «ЕСЛИ — ТО».

·Структура правила:

·Антецедент (Посылка): Условие, при котором правило может сработать. Состоит из элементарных предложений, соединенных логическими связками (И, ИЛИ).

·Консеквент (Заключение/Действие): Результат применения правила. Это может быть новый факт или указание на конкретное действие.

·Форма записи: ЕСЛИ (условие) ТО (действие) или АНТЕЦЕДЕНТ → КОНСЕКВЕНТ.

·Примеры правил:

·Ситуация → Действие: «ЕСЛИ топливо поступает в двигатель И двигатель вращается, ТО проблема в свечах зажигания».

·Посылка → Заключение: «ЕСЛИ в баке есть топливо И топливо поступает в карбюратор, ТО топливо поступает в двигатель».

·Механизмы логического вывода:

·Прямой вывод (от данных к цели): Система начинает с известных фактов и применяет правила, чтобы получить новые факты, пока не будет достигнута целевая гипотеза.

·Обратный вывод (от цели к данным): Система выдвигает цель (гипотезу) и ищет правила, которые могут ее подтвердить. Если данных для правила не хватает, они становятся новой подцелью.

3.2.Семантическая модель (Семантические сети)

Эта модель ориентирована на описание связей между понятиями и отражает структуру памяти человека.

·Суть: Знания представляются в виде ориентированного графа.

·Вершины: Понятия, объекты, события, факты, свойства.

·Дуги (ребра): Отношения, связывающие вершины.

·Типы отношений (знаний), которые можно описать:

·Знание свойств (объект имеет свойство).

·Знание значений (смысл объекта).

·Знание связей (причинно-следственные, временные).

·Знание отношений (родовидовые — «is a», функциональные — «находится в», количественные).

·Виды семантических сетей:

·Интенсиональные: Описывают общие закономерности и правила для всего класса объектов.

·Экстенсиональные: Описывают конкретные факты и отношения для данной конкретной ситуации (например: «Иван — студент», «МГУ — находится в Москве»).

3.3.Фреймовая модель

Модель предложена Марвином Минским. Она основана на концепции фреймов как структур для восприятия и представления стереотипных ситуаций.

·Фрейм — это структура данных для представления некоторого стереотипного объекта или ситуации. Фрейм можно представить как таблицу или запись.

·Структура фрейма:

·Имя фрейма.

·Слоты (ячейки): Это атрибуты, описывающие объект. Каждый слот заполняется конкретным значением (данными, ссылкой на другой фрейм или процедурой).

·Иерархия и наследование (АКО):

·Фреймы-прототипы: Хранят общие, абстрактные знания о классе объектов.

·Фреймы-образцы (экземпляры): Конкретизируют прототипы для описания реальных ситуаций или объектов. Они наследуют свойства фреймов-родителей.

·Слот АКО (A Kind Of — «Это разновидность»): Указывает на связь с фреймом более высокого уровня (родителем). Благодаря этому слоту работает механизм наследования свойств.

·Пример иерархии фреймов:

·Фрейм-прототип: СТАНОК

·Слот АКО: Изделие

·Слот Функция: Резание

·Фрейм-прототип: ОБРАБАТЫВАЮЩИЙ ЦЕНТР

·Слот АКО: Станок (наследует функцию «Резание»)

·Слот Операции: Сверление, фрезерование

·Фрейм-образец: МОДЕЛЬ 2204 ВМФ4

·Слот АКО: Обрабатывающий центр (наследует все свойства станка и обраб. Центра)

·Слот Рабочая зона: 250250400 мм (конкретное значение)

·Слот Устройство ЧПУ: 2С42

4. Нечеткие знания

Реальные знания часто бывают нечеткими. Это отдельное направление, которое дополняет классические модели.

·Проблема: Традиционные модели требуют однозначности, а человеческие рассуждения опираются на нестрогие понятия (например, «высокий», «быстро», «недорого»).

·Суть: Нечеткие знания допускают суждения об относительной степени истинности. Для их обработки создана теория нечетких множеств и нечеткая логика, позволяющая формализовать такие понятия.