978-5-7764-0767-3

слабая структурированность конструируемых программ и сложность органи-

зации процесса вычисления.

В неоднородных семантических сетях Г.С. Осипова [15,19], в отличие от простых семантических сетей и расширенных семантических сетей, имеется возможность определения и использования отношений различных типов на множестве вершин сети. Наличие такой возможности позволяет более точно отображать семантику различных сообщений, извлекаемых из источников знаний, и выполнять над сетью программы моделирования рассуждений раз-

личных типов. Для моделирования рассуждений на неоднородных семанти-

ческих сетях реализованы алгоритмы, основанные на использовании свойств отношений совместности и следования. Доказаны теоремы, устанавливаю-

щие связь между отношениями совместности и выполнимостью событий в различных состояниях НС. Аппарат неоднородных семантических сетей по-

ложен в основу системы прямого приобретения экспертных знаний SIMMER.

Обобщенная модель представления знаний о предметной области А. И.

Башмакова создавалась с учетом следующих требований [1,2]:

1.Возможность настройки на конкретную предметную область.

2.Наглядность представления (геометрическая интерпретация основных компонентов модели; средство визуального проектирования).

3.Высокая однородность модели, обеспечивающая простоту манипули-

рования знаниями.

4.Открытость, понимаемая как возможность расширения без переделки ядра модели.

5.Реализация свойства активности знаний.

6.Высокая структурированность, основанная на наличие в модели меха-

низмов композиции и декомпозиции.

7.Оперирование с нечеткими представлениями.

8.Многоуровневая организация, включающая дружественный интер-

фейсный уровень, уровень базовых информационных структур, уровень ба-

зовых операций над знаниями (полный с точки зрения формальной логики),

101

уровень комплексных операций работы со знаниями (верификация, разреше-

ние противоречий, наследование, поиск), уровень стратегии управления опе-

рациями.

Обобщенная модель задается триадой <вещь – свойство – отношение>,

из применения которой вытекают два основных принципа: взаимообоснова-

ния и взаимоперехода, обеспечивающие высокий уровень однородности средств моделирования представления знаний о предметной области. Объек-

ты предметной области в обобщенной модели в зависимости от ситуаций,

возникающих при решении прикладных задач, могут выступать в роли ве-

щей, свойств или отношений (принцип взаимоперехода). Это же относится к категориям свойств отношений.

В обобщенной модели определена многоуровневая система операций

(интерфейсных, базисных, верификации, разрешения противоречий, наследо-

вания, поиска), а также стратегий управления ими. Обобщенная модель ис-

пользуется в автоматизированной системе ФОРМОД.

Нечеткие семантические сети И. А. Перминова [20,21] возникли в силу необходимости описания и обработки значительных объемов разнородной и плохо формализуемой информации.

В [13] отмечается, что основным недостатком существующих языков искусственного интеллекта является их слабая структурированность в пред-

ставлении данных, в организации процесса вычислений, т.к. помимо задач искусственного интеллекта необходимо решать и общепрограммистские за-

дачи, к которым языки искусственного интеллекта применимы слабо. Это яв-

ляется препятствием для эффективного создания сложных систем. По этим причинам возникла задача создания хорошо структурированного, модульно-

го языка искусственного интеллекта, который в то же время мог бы служить и языком общего назначения. Для устранения этих недостатков предложена модель объектно-ориентированной семантической сети OCC, а за основу языка манипулирования OCC взят Пролог, наиболее соответствующий структуре сети.

102

Объектная модель представлена классами, объектами и экземплярами объектов. Класс содержит выполнимые правила и описания вычислимых и невычислимых свойств. Свойства и методы имеют атрибут доступности из других классов и модулей. Как и в нечетком Прологе, выполнение програм-

мы базируется на методе нечеткой резолюции [20,21].

Данный подход расширяет логическую парадигму представления зна-

ний, но не дает возможности описания всего разнообразия реального мира и его частей.

Можно отметить, что существующие методы представления знаний поз-

воляют расширить области их использования, но в полной мере не обеспечи-

вают соответствие эволюционирующих знаний действительности, их даль-

нейшее использование для решения задач непрерывного образования. Это связано с тем, что в структуризации получаемых знаний сформировались объектное и процессное представление знаний. Для каждого из этих пред-

ставлений формировались свои методы представления и использования зна-

ний и эти методы редко дополняли друг друга.

При появлении задач одновременного представления и использования всех видов знаний, существующие методы оказались недостаточно эффектив-

ными, из-за своей изначальной ориентации на вычислительную обработку.

В данной монографии рассматривается метод интегрированного пред-

ставления процедурных и фактуальных знаний, учитывающий особенности механизмов и приемов работы со знаниями, свойственных биологическим системам и в первую очередь – человеку.

Один из подходов к пониманию, представлению и использованию этих механизмов основывается на том, что в ходе эволюции кибернетических си-

стем живой природы происходило развитие как аппарата восприятия и пере-

работки информации о реальном мире, так и аппарата, обеспечивающего си-

стеме возможность воздействовать на реальный мир. Изначально нервная сеть

(подсистема управления кибернетической системой) содержала рецепторы и эффекторы (для технических систем это датчики и исполнительные устрой-

103

ства), соединенные связями. Эволюционируя биологические системы научи-

лись воспринимать окружающий мир не только как набор отдельных призна-

ков (рецепторов), но и их комбинаций, иерархических структур – понятий, ас-

социаций. От изначально простых функций нервной системы, заключающихся в передаче возбуждения от рецептора к эффектору, происходит переход к бо-

лее сложным действиям: формированию понятий о различных ситуациях, ас-

социаций, регулированию, ассоциированию, моделированию и управлению ассоциациями (созданию новых планов достижения цели) [45].

Начиная с некоторого уровня возможно формирование моделей внешне-

го мира, т.е. «… происходит постепенное усовершенствование «познания» закономерностей в окружающей среде» [24,45]. В нервной системе появля-

ются представления о рецепторах, эффекторах, признаках, понятиях, ситуа-

циях, совершаемых действиях, ассоциациях. Нервная система представляет собой сложную иерархическую структуру, вершины которой представляют понятия (рис. 3.6).

5

4

3

2

1

0

Рис. 3.6. Иерархия классификаторов (понятий)

В кибернетике под понятием понимается множество ситуаций (аристо-

телевское понятие) [45]. Понятия образуются из признаков или понятий нижнего уровня структуры.

104

Признаки, понятия нижнего уровня структуры могут быть как просты-

ми, так и сложными (составными).

Элементарным признаком для биологических систем является рецептор.

Из элементарных признаков образуются элементарные понятия, которые уже могут быть и сложными признаками. Возбужденная вершина-понятие иерар-

хической структуры может передавать свое возбуждение на эффектор и/или на вершину-понятие верхнего уровня, выступая при этом в роли признака.

Одновременно возбуждающиеся вершины-понятия могут порождать

(при постоянном сочетании) ассоциации. В процессе порождения ассоциаций

(ассоциирования) происходит отбрасывание лишней информации, сжатие ее полезной части за счет организованности окружающей среды [45].

Признаки (рецепторы), понятия, ассоциации, управляющие воздействия

(эффекторы) представляют собой сущности реального мира, поэтому основ-

ной единицей интегрированного метода представления является описание сущности.

Система понятий, ситуаций в биологической системе представляется в виде многоуровневой, сложноорганизованной сети. Вершины представляют понятия, описания ситуаций, действия (процессы), отношения – сущности, а

дуги – это сформированные связи между вершинами-сущностями. Для пред-

ставления многоуровневой, сложноорганизованной сети предлагается ис-

пользовать описание вершины-сущности, включающее:

имя описываемой вершины-сущности;

список имен вершин-сущностей, связанных своими выходами с рас-

сматриваемой, – список имен вершин-сущностей нижнего уровня;

список имен вершин-сущностей, связанных одним из своих входов с вы-

ходом рассматриваемой, – список имен вершин-сущностей верхнего уровня;

список имен вершин-сущностей составных связей,

список имен вершин-сущностей ассоциаций.

Списки имен вершин-сущностей нижнего уровня и имен вершин-

сущностей верхнего уровня отражают таксономию понятий предметной об-

105

ласти. Это позволяет представлять структуру описания реального мира и его частей в виде дерева или иерархии вершин-сущностей [5,6].

Для представления процессов взаимодействия вершин-сущностей (от-

ражения процессов реального мира) в описание сущности добавляются логи-

ческие компоненты:

предусловия, описывающие условия активизации рассматриваемой вер-

шины-сущности через признаки активизации вершин-сущностей нижнего уровня;

постусловия – состояние признака активизации рассматриваемой вер-

шины-сущности,

множество представлений о ситуациях, которые активизируют рассмат-

риваемую вершину-сущность.

В итоге, интегрированный подход к представлению знаний о реальном мире предполагает задание множества вершин-сущностей и взвешенных свя-

зей между ними. Каждая вершина-сущность описывается такими атрибутами как:

имя,

условия для активизации (предусловия),

условия контроля наличия активизации вершины-сущности (постусло-

вия),

список имен вершин-сущностей нижнего уровня,

список имен вершин-сущностей верхнего уровня,

список имен вершин-сущностей ассоциаций,

список имен вершин-сущностей составных связей,

множество представлений о ситуациях, которые активизируют рассмат-

риваемую вершину-сущность.

Каждый из атрибутов, описывающих вершину-сущность, – имя сущно-

сти (NS), предусловия (PRUS), список имен нижнего уровня (LNLS), посту-

словия (PSUS), список имен верхнего уровня (LNHS), список ассоциаций

(LNA), список имен связей (LNR), множество представлений ситуаций –

106

(SPS), выполняет свою, строго определенную роль в описаниях реального мира и его частей. Ниже представлен анализ каждого из этих атрибутов.

Имя (NS). Может выступать в роли идентифицирующего вершину-

сущность элемента, т.е. обеспечивать уникальность обозначения описания рассматриваемой сущности. В этом случае имя представляет собой набор символов, обеспечивающих уникальную комбинацию. Используется такой подход в вычислительных, информационно-вычислительных и некоторых информационно-поисковых системах для адресации областей информацион-

но-вычислительного пространства.

При решении задач, связанных с исследованиями в области искусствен-

ного интеллекта, имя выступает как единица языка, соответствующая [18], со стороны семантики отражению отдельного предмета, объекта или явления реального мира, а сточки зрения синтаксиса – субъекту или объекту выска-

зывания. Для имени в описании сущности будет справедливо следующее утверждение

( NS)( NS_LN_LS)( NS_LN_HS)( NS_CS)[(NS=NS_LN_LS)(NS=NS _LN_HS)(NS=NS_CS)],

где

NS – набор символов, идентифицирующий рассматриваемую вершину-

сущность;

NS_LN_LS – имя из множества имен вершин-сущностей нижнего уров-

ня, которое является частью описания вершины-сущности, имя которой при-

надлежит множеству имен верхнего уровня рассматриваемой сущности;

NS_LN_HS – имя из множества имен вершин-сущностей верхнего уров-

ня, которое является частью описания сущности, имя которой принадлежит множеству имен нижнего уровня рассматриваемой сущности;

NS_CS – имя обсуждаемой (рассматриваемой) вершины-сущности ре-

ального мира.

Построение модели действительности, в соответствии с точкой зрения принятой в [15,18], предполагает выделение не только имен, но и содержания

107

тех понятий, которые этими именами представлены. Набор признаков (вер-

шин-сущностей) описывающих рассматриваемую вершину-сущность должен быть достаточен, как для отличения этой вершины-сущности от других вер-

шин-сущностей, так и для соотнесения с действительностью. Имя указывает на описание конкретной сущности и эта его функция является достаточной для объектного подхода к представлению знаний.

Для процессного подхода имя должно всегда выступать как признак,

означающий активизацию вершины-сущности или ее покой.

Во многих задачах признак активизации вершины-сущности и имя этой вершины-сущности могут представляться одним элементом описания. Но существуют задачи, где необходимо рассматривать не только активизиро-

ванные концепты, но и пассивные, поэтому целесообразно разделять элемент описания, обозначающий активность или пассивность вершины-сущности и элемент, обозначающий сущность как объект.

Предусловия для рассматриваемой вершины-сущности (PRUS). Пред-

ставляют собой описание ситуации (ситуаций) при которых вершина, соот-

ветствующая рассматриваемой сущности, будет активной. Описание ситуа-

ции (ситуаций) представляет собой, в простейшем случае, логическое выра-

жение, состоящее из признаков активизации соответствующих вершин-

сущностей, которые поступают от активизированных вершин-сущностей без преобразований. В процессе формирования новой вершины-сущности ее свя-

зи могут иметь различные веса. Веса связей могут меняться в ходе эволюции знаний. С этой целью в описание связей (признаков активизации) вводятся веса этих связей W.

Список имен нижнего уровня для рассматриваемой вершины-сущности

(LNLS). Включает имена вершин-сущностей которые определяют рассматри-

ваемую вершину-сущность на объектном уровне.

Постусловие для рассматриваемой вершины-сущности (PSUS). Пред-

ставляет собой признак активизации, свидетельствующий о переходе рас-

сматриваемой вершины-сущности в активное состояние.

108

Список имен верхнего уровня для рассматриваемой вершины-сущности

(LNHS). Включает имена вершин-сущностей, которые определяются рас-

сматриваемой вершиной-сущностью на объектном уровне.

Список имен ассоциаций для рассматриваемой вершины-сущности

(LNAS). Включает имена тех вершин-сущностей, которые постоянно присут-

ствуют в представлении ситуации совместно с рассматриваемой вершиной-

сущностью.

Список имен составных связей для рассматриваемой вершины-сущности

(LNRS). Состоит из множества имен вершин-сущностей, определяющих со-

ставные связи между вершинами-сущностями. Сложная связь представляет собой структуру из множества элементарных связей и условия. Условие мо-

жет быть, как простейшим, так и иметь очень сложную, многоуровневую структуру.

Основная функция связи заключается в передаче сигнала от активизиро-

ванной вершины-сущности на входы других сущностей, для их активизации.

Простые (элементарные) связи передают сигнал активизации без искажения,

что приводит к выделению многих вершин и, тем самым, создает множество интерпретаций (возможных действий) для текущей ситуации. Для сокраще-

ния объема возможных решений должны активизироваться не все связи, а

только те, которые соответствуют содержанию (контексту) текущей (рас-

сматриваемой) ситуации. С этой целью элементарная связь между концепта-

ми разрывается и в разрыв вставляется мнимая вершинасущность, которая имеет один вход условий активизации, один выход для сигнала о собствен-

ной активизации и множество входов, определяющих условие возможности передачи сигнала активизации.

Условие, определяющее возможность передачи сигнала активизации может быть, как простым логическим выражением, так и представлять собой сложное логическое выражение, описывающее правило распознавания ситу-

ации или ее фрагмент.

109

Множество представлений ситуаций (SPS). Задает множество представ-

лений о ситуациях, которые активизируют рассматриваемую вершину-

сущность.

Вершина-сущность

Множество представлений о ситуациях, активизирующих вершину-сущность

Рис. 3.7. Структура представления вершины-сущности действительности

Данный подход к представлению предметных областей [36,38,41] позво-

ляет осуществлять полную навигацию по сети, строить проблемную область при принятии решений, накапливать опыт и максимально отображать суще-

ственные для объекта закономерности реального мира.

Для работы с представлениями действительности – D, D = {EDu}, u=1,… ,v , где v – максимально доступное для кибернетической системы число сущностей, представляющих действительность, существуют различ-

ные операции – ОПD, ОПD = {опdj}, j = 1, … , η, где η – число различных операций над представлениями действительности D. Способ выполнения

110