- •Лекция 4
- •Системы когнитивной графики.
- •Системы когнитивной графики.
- •Системы когнитивной графики.
- •Системы когнитивной графики.
- •Системы контекстной помощи.
- •Программное обеспечение систем
- •Программное обеспечение систем
- •Признаки ИИС
- •Признаки ИИС
- •Напряжем воображение и постараемся представить себе следующую картину: пользователь вводит запрос в поисковую
- •Только одна подобная система, CADUCEUS, содержит одних голых фактов больше, чем 80% мировой
- •Возникшее в середине 60-х годов прошлого века новое направление в искусственном интеллекте с
- •Обязательными частями любой ЭС являются также модуль приобретения знаний и модуль отображения и
- •Все началось в далеких шестидесятых. В то время в космос отправился первый человек,
- •Он считал, что ответ удастся получить, только сконструировав такую "мыслящую" систему. Но какое
- •В 1965 году в Стэндфордском университете (Stanford University) Эдвард Фейгенбаум, Джошуа Ледерберг и
- •Для этого разработчикам DENDRAL пришлось опросить как можно больше экспертов. Приобретение знаний -
- •С 70-х годов ЭС стали ведущим направлением в области искусственного интеллекта. В этот
- •Первая версия ЭС MYCIN была построена в уже знакомом нам Стэндфордском университете в
- •Исследования работы ЭС MYCIN, проведенные в Стэндфордском университете, показали, что система для диагностики
- •Экспертная система PROSPECTOR разрабатывалась SRI International с 1974 по 1983 год. Как уже
- •В качестве современных ЭС можно назвать быстродействующую систему OMEGAMON (фирма Candle, с 2004
- •На этом рисунке показана ситуация, определяющая критическое количество сообщений в очередях транспортной системы
- •Разработка ЭС связана с определенными трудностями, которые необходимо хорошо знать, так же как
- ••Проблема формализации знаний экспертов. Эксперты -специалисты в определенной области, как правило, не в
- •Правила, формализованные экспертом, не дают необходимой точности. Проблему можно избежать, если решать вместе
- •Модели представления знаний
- •Трактовки знаний
- •Трактовки знаний
- •Классификация знаний
- •Классификация знаний
- •Классификация знаний
- •Классификация знаний
- •Классификация знаний
- •Классификация знаний
- •Классификация знаний
- •Классификация знаний
- •Классификация знаний
- •Классификация знаний
- •Классификация знаний
- •Классификация знаний
- •10. Процессуальные, алгоритмические, процедурные знания. Являются основными в практической деятельности. Овладение этими знаниями
- •11. Технологические знания. Эти знания представляют собой особый вид знаний, проявляющихся на разных
- •12. Вероятностные знания. Такие знания нужны в случаях неопределенности, нехватки имеющихся знаний, неточности
- •13. Абстрактные знания. Эти особый вид знаний, при котором оперируют идеализованными понятиями и
- •13. Метазнания - знания о знании, о том, как оно устроено и структурировано;
- •Конечно, между видами знаний нет непроходимой границы . Более того, иногда бывает так,
- •По степени научности
- •Вненаучные знания могут быть:
- •Вненаучные знания могут быть:
- •Всовременной практике термин «паранаука» применяется в разнообразных контекстах:
- •По отношению к комплексу практического познания мира, для которого не обязателен идеал научной
- •По отношению к концепциям и учениям, преувеличивающим роль определенных природных закономерностей или постулирующим
- •Псевдонаучные знания:
- •Псевдонаучные знания:
- •Квазинаучные знания
- •Выдвинул концепцию наследственности, изменчивости и видообразования, которую назвал "мичуринским учением". Считал, что искусственным
- •Обыденно-практические знания — доставляют элементарные сведения о природе и окружающей действительности. Люди, как
- •Классификация знаний
- •Концептуальные свойства знаний
- •Внутренняя интерпретация знаний
- •Внутренняя интерпретация знаний
- •Наличие внутренней и внешней структур связей
- •Шкалирование знаний
- •Шкалирование знаний
- •Шкалирование знаний
- •Шкалирование знаний
- •Многомерное семантическое пространство
- •Многомерное семантическое пространство
- •Активность знаний
- •Классификация по степени использования различных видов знаний
- •1. Если в программной системе используются только фактографические
- •2. Если в программной системе используются главным образом алгоритмические знания, то
- •3. Если в программной системе в той
- •Классификация по виду ответа при решении задач
- •2.Процедурный ответ; решая задачу, система может создать и запустить процедуру (система синтеза программ,
- •Приведем примеры ответов разных уровней, используя модельный пример с сортировкой чисел из параграфа
- •На уровне 0 мы предъявляем последовательность, а система только проверяет, отсортирована она или
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
Чтобы осуществить этот примитивный логический вывод, высказывание Q следует разделить на две части: «Сократ» (субъект) и «человек» (свойство субъекта) и представить в виде отношения «субъект — свойство», которое можно записать с помощью функции человек (Сократ).
91
ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
Очевидно, что свойство конкретного субъекта с именем «Сократ» быть «человеком» может быть присуще и ряду других субъектов, что позволяет заменить константу «Сократ» на некоторую переменную, например X. Тогда получим запись человек (X), которая обладает внутренней структурой, т.е. значение такого высказывания будет зависеть от его компонент. Записанная функция уже не является элементарным высказыванием, она называется предикатом.
92
ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
«Под предикатом будем понимать некоторую связь, которая задана на наборе из констант или переменных.
Пример предиката: «Р больше Q».
Если семантика P и Q не задана, то о предикате сказать особенно нечего. Но при задании семантики ( т.е. областей определения переменных Р и Q) о предикате можно будет сказать существенно больше.
93
ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
Например, если P и Q - площади городов в России и Японии, то при задании списков городов и подстановке значений из этих списков в переменные мы получим отношение между двумя сущностями и сможем судить о его истинности, например:
«Площадь Волгограда больше площади Хиросимы» = Т.
«Площадь Вологды больше площади Токио»=F.
94
ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
В логике предикатов факты обозначаются n- арными логическими функциями – предикатами F(x1,x2,...,xm), где F – имя предиката (функтор) и xi – аргументы предиката. Имена предикатов неделимы, т.е. являются так называемыми атомами.
95
ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
Аргументы могут быть атомами или функциями f(x1,x2,...,xm), где f – имя функции, а x1,...,xm, так же как и аргументы предикатов являются переменными или константами предметной области. В результате интерпретации предиката функторы и аргументы принимают значения констант из предметной области (строк, чисел, структур и т.д.).
96
ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
Выше приведенные примеры высказываний в виде предикатов будут выглядеть как "расстояние(Земля, Солнце, 150000000000)" и "расстояние(Земля, Марс, 60000000)". Так как они имеют определенную структуру, их можно сравнивать по частям, моделируя работу с содержащимся в них смыслом.
97
ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
Предикат с арностью n > 1 может используется в инженерии знаний для представления n-арного отношения, связывающего между собой n сущностей (объектов) – аргументов предиката. Например, предикат отец("Иван", "Петр Иванович") может означать, что сущности "Иван" и "Петр Иванович" связаны родственным отношением, а именно, последний является отцом Ивана или наоборот.
98
ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
Предикат "компьютер(память, клавиатура, процессор, монитор)" может обозначать понятие "компьютер" как отношение, связывающее между собой составные части компьютера, предикат "внутри(процессор_Pentium, компьютер)" – то, что внутри компьютера находится процессор Pentium.
99
ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
Предикат с арностью n = 1 может представлять свойство сущности (объекта), обозначенного аргументом или характеристику объекта, обозначенного именем предиката. Например, кирпичный(дом), оценка(5), улица("Красный проспект"), дата_рождения("1 апреля 1965 г."), быстродействие("1 Мфлопс").
Предикат с арностью n = 0 (без аргументов) может обозначать событие, признак или свойство, относящееся ко всей предметной области. Например, "конец работы".
100
