1939 Год Всемирная выставка в Нью-Йорке,

Экспонируется советский шагающий робот «Электро» с верным маленьким помощником — роботом-собакой «Снарко». «Хозяин» при этом любезно беседовал с многочисленными посетителями, а «собака» лаяла и служила.

1930-1940 гг.

Появились советские роботы: «Телевокс», «Эрик», «Альфа». Они умели двигать руками, отвечать на вопросы, садиться и вставать.

№6 Логические методы представления знаний

Модели представления знаний – продукционные, логические, семантические, фреймовые, интегрированные (смешанные).

Логическая

Содержание предметной области – знания о логических зависимостях между понятиями, причинно-следственных связях между событиями, закономерностях, эвристике.

Классы решаемых задач – доопределения, планирования.

МПЗ - продукции, логические модели.

Формальные логические модели

Основа: Логика высказываний

Предметная область: Описывается в виде фактов и утверждений, представляемых формулами в некоторой логике

Отображение знаний: Совокупность формул в некоторой логике

Получение новых знаний: С помощью процедур логического вывода

Запись факта РМ с помощью атомарных формул: P (x, y, z, …)

где P - отношение, а x, y, z, … - объекты на которых задано отношение.

Представления фактов с помощью предикатов:

ОБСЛУЖИВАНИЕ (менеджер, клиент):

менеджер обслуживает клиента

УЧИТСЯ (Смирнов, институт):

Смирнов учится в институте

ЛУЧШИЙ_СПЕЦИАЛИСТ (Рыбин):

Рыбин – лучший специалист

Пример фрагмента базы знаний на языке ПРОЛОГ

Обозначения: ":-" - "если", "," - "и", "." - "конец утверждения".

vibor (Fio,Dolgnost) :-

pretendent (Fio, Obrazov, Stag),

vacancy (Dolgnost, Obrazov, Opyt),

Stag>=Opyt.

pretendent ("Иванов","среднее" 10).

pretendent ("Петров","высшее", 12).

vacancy ("менеджер", "высшее", 10).

vacancy ("директор", "высшее", 15).

Правильно построенные логические формулы включают кванторы существования ($) и общности ("). ($ x) {ПРЕДПРИЯТИЕ (x) Ú РЕНТАБЕЛЬНОСТЬ (x) }: некое предприятие является рентабельным (" x) {СОТРУДНИК ОТДЕЛА (x) Ú ВЫСШЕЕ ОБРАЗОВАНИЕ (x) Ú СТАЖ РАБОТЫ (х) }: все сотрудники отдела имеют высшее образование и стаж работы.

Достоинства логических моделей

единственность теоретического обоснования и возможность реализации системы формально точных определений

использование формальных методов вывода (метод резолюций)

поддержка языком логического программирования (Пролог)

Недостатки логических моделей

высокие требования и ограничения к предметной области

сложность создания подсистемы объяснений

необходимость использования в промышленных СОЗ различных модификаций и расширений формальных логических моделей

Вопрос 7. Представление знаний в виде продукций

Продукционная модель позволяет представлять знания в виде совокупности специальных информационных единиц, именуемых правилами или продукционными правилами (продукциями).

Продукционная модель

Структура правила: ЕСЛИ (перечень условий), ТО (перечень действий).

Перечень условий (антецедент) - это некоторое предложение-образец, по которому осуществляется поиск в базе знаний.

Перечень действий (консеквент) – это действия, которые выполняются при успешном исходе поиска.

Правила позволяют представлять:

отношения объектов: пространственно-временные, причинно-следственные, функционально-поведенческие (ситуация - действие),

так и сами объекты: объект-свойство (набор свойств - объект), атрибут – значение (используются в качестве переменных внутри правил).

Продукционная модель предназначена в основном, для описания последовательности различных ситуаций или действий, в какой-то мере, для структурированного описания объектов

Продукционная модель (по сравнению с логической МПЗ) предполагает более гибкую организацию работы механизма вывода.

Различаются два типа продукционных систем:

• с прямыми и обратными выводами.

В зависимости от направления вывода возможна:

• прямая аргументация и обратная.

Прямая аргументация – управление ведется исходными данными (от исходных данных к цели).

Могут использоваться при решении задач:

• - интерпретации (по исходным данным нужно определить сущность некоторой ситуации),

• - прогнозирования (из описания некоторой ситуации выводятся все следствия) и др.

• Обратная аргументация – управляемая целями (от целей к исходным данным).

Применяется для

• проверки определенной гипотезы или небольшого множества гипотез на соответствие фактам (задачи диагностики).

Обработка неопределенностей знаний, исходных данных и результатов основывается на методах:

• обработки условных вероятностей Байеса,

• нечеткой логики Л. Заде.

Достоинства:

• модульность –легко редактировать в БЗ, не затрагивая других продукций;

• единообразие структуры – основные компоненты продукционной системы могут применяться для ИИС с различной проблемной ориентацией;

• естественность – ядро продукции во многом аналогично процессу рассуждений эксперта;

• не требуется явно задавать способ взаимодействия правил друг с другом.

Недостатки:

• процесс вывода менее эффективен, чем в других системах, из-за необходимости непроизводительной проверки применимости правил;

• процесс вывода трудно поддается управлению;

• затруднительна оценка целостного образа знаний, содержащихся в системе;

• могут возникать непредсказуемые побочные эффекты при большом числе правил в продукционной системе в случаях изменения старого и добавления нового правила;

сложно представить родовидовую иерархию понятий.