Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Искусственный интеллект.doc
Скачиваний:
18
Добавлен:
15.08.2019
Размер:
222.72 Кб
Скачать

12.7.2. Сетевая модель представления знаний

Более наглядными являются языки, опирающиеся на сетевую модель представления знаний. В основе такой модели лежит идея о том, что любые знания можно представить в виде совокупности объектов (понятий) и связей (отношений) между ними. Рассмотрим, например, текст, содержащий некоторые декларативные знания: «Слева от станка расположен приемный бункер. Расстояние до него равно двум метрам. Справа от станка — бункер готовой продукции. Он находится рядом со станком. Робот перемещается параллельно станку и бункерам на расстоянии 1 метр».

На рис. 12.4. показано сетевое представление совокупности знаний (семантическая сеть), зафиксированных в этом объекте. Понятия и объекты, встречающиеся в тексте, представлены в виде сети, а отношения — в виде дуг, связывающих соответствующие вершины.

Известно, что любой текст, описывающий конкретные ситуации в реальном мире, всегда можно представить в виде совокупности взаимосвязанных понятий. Причем число базовых отношений не может быть бесконечным (оно заведомо меньше 300); все остальные отно-

Р и с 124 Пример сетевого представления совокупности знаний

шения выражаются через базовые в виде их комбинаций. Эта гипотеза служит основой утверждения о том, что семантические сети являются универсальным средством для представления знаний в интел-;

лектуальных системах.

Семантические сети являются весьма мощным средством представления знаний. Однако для них характерны неоднозначность-представлений знаний и неоднородность связей. И при автоматизации процесса использования и представления знаний такая неоднозначность и неоднородность заметно усложняют процессы, протекающие в интеллектуальных системах. Поэтому вполне естественно желание как-то унифицировать форму представления знаний, сделать ее максимально однородной. Одним из способов решения этой задачи в искусственном интеллекте послужил переход к специальному представлению вершин в сети и унификация связей между вершинами (фреймами).

12.7.3. Фреймовая модель представления знаний

Фреймы используются в системах искусственного интеллекта (например, в экспертных системах) как одна из распространенных форм представления знаний.

Фрейм — это минимально возможное описание сущности какого-либо явления, события, ситуации, процесса или объекта. (Минимально возможное означает, что при дальнейшем упрощении описания теряется его полнота, оно перестает определять ту единицу знаний, для которой оно предназначено.)

Фрейм имеет почти однородную структуру и состоит из стандартных единиц, называемых слотами. Каждая такая единица — слот — содержит название и свое значение. Изображается фрейм в виде цепочки:

Фрейм=<слот 1> <слот 2>... <слот'М>.

В качестве примера рассмотрим фрейм для понятия «взятие»:

«Взятие». (Субъект, XI);

(Объект, Х2);

(Место, ХЗ);

(Время, Х4);

(Условие, Х5).

В этом фрейме указаны имена слотов (субъект, объект и т.д.), но вместо их значений стоят переменные (XI, Х2 и т.д.). Такой фрейм называется фреймом-прототипом, или протофреймом.

Протофреймы хранят знания о самом понятии. Например, понятие «взять» связано с наличием слотов с указанными именами. Взятие осуществляет XI в месте ХЗ во время Х4, если выполнено условие Х5. Берет XI нечто, обозначенное как Х2. Подставляя вместо всех переменных конкретные значения, получим конкретный факт-описание:

«Взятие»:

(Субъект, Робот);

(Объект, Деталь);

(Место, Приемный бункер), (Время, Х4);

(Условие, В бункере есть деталь, а у робота ее нет)

В искусственном интеллекте фреймы, в которых обозначены все основные слоты (они каким-либо образом помечаются в описании фрейма), называются фреймами-экземплярами, или экзофреймами. В нашем примере, наверное, основными для фрейма «взятие» можно считать слоты с именами «субъект» и «объект». Поскольку в состав фрейма могут входить слоты с именами действий, фреймы годятся для представления как декларативных, так и процедурных знаний.

Чтобы представить семантическую сеть в виде совокупности фреймов, надо уметь представлять отношения между вершинами сети. Для этого также используются слоты фреймов. Эти слоты могут иметь имена вида «Связь Y» , где Y — имя того отношения (его тип), которое устанавливает данный фрейм-вершина с другим фреймом-вершиной.

В качестве значения слота может выступать новый фрейм, что позволяет на множестве фреймов осуществлять иерархическую классификацию. Это очень удобное свойство фреймов, так как человеческие знания, как правило, упорядочены по общности.