Модель знаний

Модель знаний – способ обработки. Информация, которой заполняются экспертные системы, получается в результате опроса экспертов, мнения которых субъективны и различны. Если это касается количественных показателей, это не страшно.

Интеллектуальные, в частности ЭС, хранят не только эвристические правила, но и ???, которые редко могут быть нечеткими. Возникает противоречие между нечеткими и четкими знаниями и можно преодолеть это либо преодолев нечеткость знаний, либо использовать специальные представления и обработки нечетких знаний.

Важной проблемой, которая требует обязательного решения в рамках аппарата логического вывода, является подтверждение или оценка достоверности формируемых системой частичных или общих решений. Трудность заключается в том, что ЭС как правило, работают с нечеткими, часто неопределенными понятиями, которые должны быть строго оценены и иметь четкую форму выражения.

Основные компоненты определения нечеткости:

1. Под недетерминированностью вывода подразумевается возможность формирования плана решения задачи из определенных правил методом проб и ошибок, с возвратами при необходимости для построения других, более эффективных планов. С целью ускорения поиска эффективного плана в систему вводят оценочные функции разного вид, а также эвристические значения экспертов.

недетерминированность выводов. Означает, что заранее путь решения задачи определить невозможно, поэтому в большинстве случаев методом проб и ошибок выбирается цепочка логических заключений, согласующихся с имеющимися знаниями. Если эта цепочка не приводит к успеху, организуется перебор с возвратом для поиска другой цепочки. Такой подход начинается с выбора начального пути, *** множества эвристических алгоритмов. Недетерминированность вывода – черта, которая неустранима. Для компенсации построения таких алгоритмов используют метазнания.

2. многозначность. Чаще всего проблема распознавания. Проблема понимания смысла. *** при компьютерной обработке знаний многозначность может устранена и это делается путем выбора правильной интерпретации. Метод релаксации применяется для систематического определения многозначности при интерпретации изображений.

3. ненадежность знаний (т.е. по поводу достоверности не можем сказать истина/ложь) и выводов. Для оценки достоверности применяется 1) вероятностный подход, основанный на теореме Баеса; 2) метод коэффициента уверенности; 3) нечеткие выводы, основывающиеся на нечеткой логике, ведущий свое происхождение из теорем нечетких множеств. В системах с ненадежными значениями кроме связей «и» и «или», есть еще и «комбинированная связь».

Если связь «и», то степень надежности заключения выбирается как min значение.

Если «или», то – max значение.

Если «комбинированная», то заключение основанное на фактах, объединяемых этим видом связи будет получено с оценкой достоверности полученной тем или иным способом. Один из способов – коэффициент достоверности, за него принимается значение 1 или -1 или 0. При выводе заключения А на основе посылок х и у коэффициент уверенности вычисляется:

4. неполнота знаний и немонотонная логика. Неполные знания характерны для реального мира и предполагают наличие множества исключений и ограничений для конкретных высказываний, которые не принимаются во внимание, исходя из здравого смысла.

Абсолютно полных БЗ не бывает. Состояния БЗ изменяется с течением времени. При добавлении новых знаний в БЗ возникает возможность противоречий, следовательно, механизм вывода (решатель) станет неработоспособным. ЭС на первом этапе строились на модели закрытого мира, т.е. в БЗ включаются исключительно верные знания, все то, что ненадежно и неопределенно заведомо считается ложным. Такие БЗ строились на формальной логике, и возможности такой БЗ ограничены.

«-« формальная логика исходит из предпосылок, что набор аксиом в системе является полным (теория полная, если любой факт можно доказать с помощью этой теории). Для полного набора знаний справедливость ранее полученных выводов не нарушается с появлением новых фактов.

В качестве средства формальной обработки неполных знаний реализующих немонотонные выводы разрабатываются методы немонотонной логики. Существуют несколько немонотонных логик:

- Мондермотт и Доуэло. В нее вводятся условные логические операции

- рейтера – логика умолчания;

- маккарти и др.

Для организации логических выводов в системах вместо дедукции применяется абдукция – процесс формирования объясняющей гипотезы на основе заданной теории и имеющихся фактов. Целью абдуктивного вывода является формирование одного или нескольких объяснений  наблюдаемого факта G на основе информации, хранящейся в БЗ на основе Т-теории.

***Чтобы Т было непротиворечиво, т.е. наблюдение G можно вывести из теории Т лишь ее расширением некоторым множеством гипотез ***

Теорию Т можно рассматривать как основу всех возможных расширений для каждой абдукции вывода. *** когда существуют отклонения в наблюдении систем; задачи, связанные с пониманием естественного языка и в системах обучения, когда нужно диагностировать степень накопления знаний.

Для работы с неполными знаниями предназначены системы поддержания знания истинности, т.е. это элемент, включенный в ИИС, в которой все знания делятся на достоверные и недостоверные (устраняются). Когда добавляются некоторые знания в систему, то вновь происходит проверка достоверности знаний и происходит миграция из класса в класс.

5. неточность знаний. Неточность вывода присутствует в ЭС и связана с тем, что в реальном мире система работает с нечеткими множествами, поэтому для устранения неточности используется теория нечетких множеств. Количественные знания могут быть неточными. Существует ряд оценки неточности: уровень значимости ***. Лингвистические знания тоже могут быть неточными. При этом применяется теория нечетких множеств.