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.

1. 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.

2. 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.

3. 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

1. Исчисление предикатов первого порядка

2. Продукционные правила

3. Программы

4. Семантические сети

5. 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

1. Точность полученных результатов

2. Существование теоретической базы

3. Гибкость вследствии модульности (изменение вносятся легко, нет побочных эффектов)

4. Необходимость абсолютной внутренней связи

5. Время интерпретации нарастает очень быстро с возрастанием объема знаний

6. 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.

1. Продукционные правила рассматриваются интерпретатором в точно определенном порядке. Выбираются правила условия которых оказываются выполнимыми в данной ситуации.

2. Если выбрано несколько правил то необходимо выбрать, то правило, которое будет применено (процедура разрешения конфликтов)

3. 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:

1. Модульность – легко расширить и модицифировать БЗ, ибо правила полностью независимы друг от друга.

2. 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.

3. Используемые правила грозит привести к созданию очень медленных систем. С увеличением числа правил процесс становится очень медленным.

4. Трудно вновь воспользоваться опытом правил рассуждений, чтобы направить новое рассуждение.

5. Структура правил ограничивает количество хранимой информации в каждом из них

6. 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

1. Прямой процесс рассуждения

2. Отсутствует слепой поиск знаний

Недостатки

1. Потеря гибкости системы, поскольку нужно предусмотреть все

2. Трудность модификации

3. 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:

1. 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.

2. 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

1. 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.

2. Возможность объединения семантических сетей системами продукции что позволяет сочетать преимущества обоих методов

Недостатки

1. Размер фрагментов часто очень маленький

2. Трудности связанные с объяснениями процесса рассуждения

3. 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

1. 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)