Требования к базам знаний

Можно выделить следующие особенности, которыми должны обладать БЗ:

1. Терпимость к противоречиям. Это означает, что при появлении в БЗ ошибок и противоречий можно допустить определенное сниже­ние эффективности деятельности ИИ, но невозможно допустить пол­ного прекращения этой деятельности. Необходимость терпимости к противоречиям вытекает из открытости внешнего мира и соответст­венно неполноты знаний о нем. Новая информация, воспринимаемая ИИ, может содержать ошибку или не соответствовать информации, уже имеющейся в БЗ.

2. Обеспечение вывода. БЗ, не имеющая полной информации о мире, должна быть способна к логическому выводу как из уже имеющейся информации, так и из вновь поступающих сообщений.

Различают два типа вывода: свободный и направленный.

Направленный вывод запускается при поиске ответа на посту­пающий в БЗ запрос; свободный осуществляется при поступлении в БЗ новой информации.

3. Критичность к новой информации. Это способность проверить достоверность новой информации и согласовать ее с уже имеющими­ся знаниями.

Данному вопросу в проблематике ИИ уделяется много внимания. Здесь усилия исследователей концентрируются в основном на создании естественно-языковых систем, и результаты проведенных работ могут быть использованы при разработке коммуникативных функций ИИ.

4. Дробность БЗ. При поступлении новых сообщений БЗ должна обладать способностью выделить некоторый фрагмент знаний, обес­печивающий эффективную обработку этих сообщений. Это особенно важно при создании БЗ для многофункциональных интегральных роботов. В области ИИ большая часть работ в этом направлении посвящена проблемам формирования и использования фрагментов знаний, интерпретируемых как контексты.

5. Обучаемость и способность к переструктурированию знаний. Совместно с механизмами критичности обучение должно противо­действовать накоплению в БЗ ошибок и противоречий. Обучаемость, а точнее самообучаемость, имеет первостепенную важность. В ходе функционирования БЗ должна обеспечиваться та­кая перестройка структуры знаний, в результате которой улучшаются или поддерживаются на определенном объем занимаемой ею памяти, скорость ответа на запрос и т. п. Способность к переструктурированию знаний, т.е. адаптивность БЗ, весьма важна в тех случаях, когда имеются ограничения на физический объем или временные параметры функцио­нирования БЗ.

Понятие и назначение экспертных систем

Экспертная система - это комплекс компьютерного программного обеспечения, помогающий человеку принимать обоснованные решения. Экспертные системы используют информацию, полученную заранее от экспертов - людей, которые в какой-либо области являются лучшими специалистами. Экспертная система – наиболее известный и распространенный вид интеллектуальных систем.

Они пред­назначены для пользователей, сфера деятельности которых далека от искусственного интеллекта, программирования, математики, логики. Для таких пользователей экспертная система выступает как некая система, помогающая им в повседневной работе. Общения с экспертными систе­мами должны быть так же просты, как просты, например, работа с теле­визором, стиральной машиной или автомобилем.

Экспертные системы должны не только хранить в себе знания про­фессионалов-экспертов в некоторой предметной области, но и передавать их тем, у кого таких знаний нет. Для этого в экспертной системе предусмотрены не только простые средства об­щения между системой и специалистами, но и средства доведения хранимых в системе знаний до специалиста вместе с необходимыми пояснениями и разъяснениями.

На практике экспертные системы используются прежде всего как системы-советчики в тех ситуациях, где специалист сомневается в выборе правильного решения. Экспертные знания, хранящиеся в па­мяти системы, более глубокие и полные, чем соответствующие знания пользователя. Возможны и другие случаи применения экспертных систем.

Существует класс систем, не имеющих собственного названия и поэтому часто называемых экспертными. В отличие от классических экспертных систем они рассчитаны не на пользователя, а на самих экспертов-специалистов. Для таких специалистов нужна не консультирующая или советующая система, а система, спо­собная помочь им в научной работе. Системы такого рода называют системами автоматизации научных исследований (АСНИ). Примером могут быть системы, способные на основании частных знаний экс­перта обнаружить в эмпирическом материале скрытые связи и зако­номерности.