- •Лекция №1. Введение Основные понятия
- •Модели представления знаний
- •Какова же цель изучения искусственного разума
- •Лекция №2. Экспертные системы Функциональная структура экспертных систем
- •Ассоциативно рефлекторная теория обучения
- •-Требуемое значение верности правильного решения
- •Лекция №5.
- •Алгоритмический подход к организации процесса обучения (алгоритмизация в обучении) л.Ланда
- •Лекция №6.Модель обучения навыкам на алгоритмической природе (монап)
- •Подзаголовок
- •Подзаголовок
- •Лекция №7.
- •Идентификация (оценка) навыков обучаемого
- •Лекция №8. Исследование инвариантны содержаний свойств в предметных областях обучения.
- •Лекция №9. Подзаголовок
- •Определение свойств формируемой учебной задачи
- •Увеличение сложности любого комопнента задачи и соответственно значения Lj(k) ведет к увеличению трудоемкости задачи для любого обучаемого и наоборот.
- •Трудоемкость конкретной задачи выше для неуспевающего обучаемого и ниже для успевающего
- •Лекция №11. Интеллект.
- •Лекция №11. Алгоритмический подход к организации процесса обучения (алгоритмизация в обучении), относится к обучению
- •Анализ качества модели обучения навыкам алгоритмической природы.
- •Адекватность
- •Лекция №12.
- •Лекция №13.
- •Подзаголовок
- •Подзаголовок
Представление знаний и экспертные системы, Галеев Ильдар Харитович, доцент кафедры АСОиУ
Будет два семестра
Лекции – 34 часа
Лабораторные работы – 4 лабы
Зачет
monap@kstu.ru
Литература
Татьяна Гаврилова, Хорошевский – учебник для вузов.
Лев Тимофеевич Кузин – основы кибернетики, том.2.
Вычислительные машины и мышление. Дж.Фельдман. Фейгенбау 1967
Татьяна Т.А. Гаврилова. Хорошевский. Базы знаний интеллектуальных систем.
Питер Джексон. Введение В экспертные системы.
Папов Э.В. Экспертные системы: решение неформализованных задач в диалоге с ЭВМ. Москва, наука, 1988 год.
Левин Р., Дранг Д. практическое введение в технологию искусственного интеллекта с иллюстрациями на Basic
Нейлор К. Как построить свою экспертную систему. Москва, энергоатомиздат, 1991.
(Будет конференция в горнолыжном)
Лекция №1. Введение Основные понятия
Базовым понятием для экспертных систем (ЭС) и для интеллектуальных систем являются знания. Можно отметить по крайней мере три особенности знаний которыми они отличаются от данных.
Материал рабочей группы 18.
-
Интерпретируемость – содержательная интерпретация данных помещенных в ячейку памяти невозможна, и реализуется лишьпри работе программы с этими данными. В отличии, от данных всегда имеется возможность интерпретации знаний. Т.е. в них, в явном виде указаны связи единиц информации, и компьютер, может сформулировать необходимые ответы на любые вопросы, в которых в явной форме говорится об отношениях зафиксированных выведенной в память информации.
-
Наличие классифицирующих связей – возможность установить между отдельными единицами знаний, которые отражают характер и взаимоотношения что невозможно между данными. Например можно устанавливать связи между знаниями относящемуся к элементу некоторого множества и знаниями об этом множестве, которое позволяет хранить информацию одинаковую для всех элементов этого множества записанного однократно. При необходимости эта информация передается описанию любого элемента множества. Существует несколько видов классифицирующих связи: родовидовые, элемент-класс, класс-подкласс, тип-подтип, ситуация-подситуация и т.д. при этом наследование информации между знаниями связанными классифицирующими отношениями происходит за счет самой формы представления информации в памяти.
-
Наличие ситуативных отношений – т.е. связей определяющих ситуативную совместимость тех или иных знаний хранимых в памяти. С помощью этих связей определяются самые разнообразные отношения типа: одновременно быть в одной области пространства, быть в аварийной ситуации и т.д. что позволяет строить процедуры выявляя при этом противоречивые или несовместимые в рамках одного описания знания. Подобная процедура невозможна или очень трудно реализовать при хранении массива данных. Кроме этих 3 основных отличий знаний от данных можно указать возможность построения специальных процедур пополнения, обобщения (позволяющих вводить связи) и ряда других процедур.
Модели представления знаний
-
Исчисление предикатов первого порядка
-
Продукционные правила
-
Программы
-
Семантические сети
-
Фрейм
Исчисление предикатов первого порядка
Определения
Знания представляются с помощью совокупности правильно построенных формул (ППФ). ППФ конструируется из элементарных высказываний с помощью кванторов и логических связок, по четко определенным правилам, которые называются правилами построения. Элементарное высказывание – представление предиката и связанных с ним элементов. Предикат – логическая функция, которая в отличии от обычной функции принимает значения только trueorfalse. Основной механизм интерпретации знаний являются правила вывода, с помощью которого осуществляется дедуктивный вывод новых формул исходя из набора данных формул. Интерпретация знания и процесс рассуждения используют техники в доказательство теорем.
Достоинства и недостатки
-
Точность полученных результатов
-
Существование теоретической базы
-
Гибкость вследствии модульности (изменение вносятся легко, нет побочных эффектов)
-
Необходимость абсолютной внутренней связи
-
Время интерпретации нарастает очень быстро с возрастанием объема знаний
-
Трудность учтения эвристик в процессе решения
Продукционные правила
Определения
Знания представлены в виде совокупности правил и фактов. Продукционные правила имеют следующую структуру. Если <условие>то <действие>, где условие – образец по которому осуществляется поиск в БЗ, а действия – определяет совокупность действий выполняемых при успешном исходе поиска.
Процесс интерпретации знаний является циклическим в трех стадиях.
-
Продукционные правила рассматриваются интерпретатором в точно определенном порядке. Выбираются правила условия которых оказываются выполнимыми в данной ситуации.
-
Если выбрано несколько правил то необходимо выбрать, то правило, которое будет применено (процедура разрешения конфликтов)
-
Правило выбрано, выполняется специфицируемое им действие,что переходит в данное состояние. После этого повторяется та же процедура проверки и выбора, т.е. возврат к пункту 1. Вычислительный процесс останавливается, когда нет применимой продукции, либо когда достигнуто желаемое (целевое) состояние базы.
Достоинства и недостатки
Характеристики этого типа представления очень близки к характеристикам исчисления предикатов, и поэтому для них характерны те же самые преимущества и недостатки
Преимущество:
-
Модульность – легко расширить и модицифировать БЗ, ибо правила полностью независимы друг от друга.
-
Унифицированность представлений – структура продукционного правила жесткая, что обеспечивают хорошую читабельность, самообучение, естественность. Помимо простоты это представление очень естественно для человека, благодаря чему облегчается сбор знаний.
-
Используемые правила грозит привести к созданию очень медленных систем. С увеличением числа правил процесс становится очень медленным.
-
Трудно вновь воспользоваться опытом правил рассуждений, чтобы направить новое рассуждение.
-
Структура правил ограничивает количество хранимой информации в каждом из них
-
Невозможно избавится от отрывочности знаний (большинство экспертных систем являются продукционными)
Программы
Определения
Знания представлены в виде программ (процедур) умеющих реагировать на определенные ситуации. Внутри программ структура данных и механизм интерпретации связано сложными связями, что обеспечивает очень большую эффективность использования знаний. Программы вызываются следующими способами: из других программ, путем вызова процедуры (классический вызов), по средствам идентификации определенной конфигурации данных позволяющие выполнение программ. Этот вид ЭС применим на базе индукционных правил. Инструкции содержаться вследствие соответствующего правила.
Достоинства
-
Прямой процесс рассуждения
-
Отсутствует слепой поиск знаний
Недостатки
-
Потеря гибкости системы, поскольку нужно предусмотреть все
-
Трудность модификации
-
Трудность в понимании схемы
Семантические сети
Определения
Знания представленные в виде сети, вершинам которых соответствуют понятия (объекты, события, процессы, явления) а дугом – отношения существующие между понятиями. Существуют различные техники интерпретации сети. Выделяют две базовые:
-
Прогрессирующая активация сети – при активации процесса рассуждения активируется одна или несколько вершин. Каждая активированная вершина передает сигнал соседним, а они в свою очередь передают этот сигнал своим соседям. И т.д.
-
Сравнение фрагментов в сети – поставленный вопрос сформулирован в виде части сети, затем эта часть сравнивается с сетью сохраненной в Базе Знаний, для того чтобы установить существует ли идентичная часть сети
Достоинства
-
Семантические сети позволяют учесть важный аспект запоминания знаний. Их группирование в более крупные наборы по средствам указателей. Это представляет интерес для областей, в которых знания структурированы и необходимо показать связи между фрагментами знаний.
-
Возможность объединения семантических сетей системами продукции что позволяет сочетать преимущества обоих методов
Недостатки
-
Размер фрагментов часто очень маленький
-
Трудности связанные с объяснениями процесса рассуждения
-
Проблемы связанные с переносом свойств внутри сети
Фрейм (М.Мелиский)
Определения
Структура данных позволяющая представить стереотипную ситуацию. Фрейм можно представить как сеть вершин и отношений. Высшие уровни фрейма жесткие, и представляют концепцию всегда истины предложенной ситуации. Низшие уровни рассматриваются как терминальные элементы, которые необходимо преобразовать в данные которые в соответствии со специфической ситуацией с реальной ситуацией описанной в фреймах. В самом упрощенном виде фрейм аналогичен понятию записи в обычной БД, но содержит как данные, так и процедурную информацию. Каждая система имеет собственную реализацию понятия фрейм. И соответственно имеются разные имена отдельных элементов. Полную характеристику конструкции можно оценить только после детального их исследования и использования. Сущность механизма: при заданной ситуации для интерпретации система выбирает фрейм, который она считает самым подходящим. Представленные системе данные сравниваются. Если предусмотрены и эксперементальные данные ситуации то говорят что фрейм хорошо описывают ситуацию. Если соответствия нет – выбирается другой фрейм (как потенциальное описание ситуации), и снова выполняется процедура установления соответсвия.
Достоинства
-
Прямота и быстрота рассуждения вследствии смешанного представления (декларативного и процедурально)
Недостатки
-
Сложность модификации
-
Сложность приобретения новых знаний.
И…
Не существует оптимального и универсального метода представления знаний. Выбор модели зависит от типа конкретного применения (характера предметной области и функционального назначения проектируемых систем)