4. Критерії представлення знань

Представлення знань - це угода про те, як описувати реальний світ. У природничих і технічних науках прийнятий наступний традиційний спосіб представлення знань. Природною мовою вводяться основні поняття і відносини між ними. Але при цьому використовуються раніше визначені поняття і відносини, зміст яких вже відомий. Далі встановлюється відповідність між характеристиками (найчастіше кількісними) понять знання і підходящої математичною моделлю. Основна мета представлення знань - будувати математичні моделі реального світу і його частин, для яких відповідність між системою понять проблемного знання може бути встановлено на основі збігу імен змінних моделі та імен понять без попередніх пояснень та встановлення додаткових неформальних відповідностей. Представлення знань зазвичай виконується в рамках тієї чи іншої системи представлення знань.

Системою представлення знань (СПЗ) називають засоби, що дозволяють описувати знання про предметну область за допомогою мови представлення знань, організувати зберігання знань в системі (накопичення, аналіз, узагальнення та організація структурованості знань), виводити нові знання і об'єднувати їх з наявними, виводити нові знання з наявних, знаходити необхідні знання, усувати застарілі знання, здійснювати інтерфейс між користувачем і знаннями.

Однією з найважливіших задач при розробці систем прийняття рішення є забезпечення цілісності, повноти, несуперечності баз знань і баз даних. Надійність і коректність роботи системи не може бути забезпечена, якщо інформація неповна або суперечлива. На жаль, в даний час не існує єдиного підходу як до оцінки надійності систем, так і до оцінки цілісності, повноти і суперечливості знань і даних.

Доцільно розглянути методику проектування, розробки та супроводу інтелектуальних систем, яка б дозволяла об'єктивно, кількісно оцінювати якість системи та її компонентів по заданих критеріях і підтримувати заданий рівень.

Поняття цілісності, повноти і несуперечності можуть тлумачитися по різному стосовно до різних об'єктів, оскільки вони істотно залежать від природи об'єкта.

Для реляційних баз даних критерії цілісності, повноти і несуперечності традиційні. Несуперечність означає, що однакові атрибути одних і тих же об'єктів збігаються. Отже, наприклад, дублювання даних в базі підвищує ризик суперечливості.

Повнота бази даних припускає, що всі запити користувача в рамках завдання повинні бути виконані. Цілісність бази даних припускає узгоджене подання інформації для зв'язаних об'єктів. Усі зв'язки в базі даних повинні бути явно описані в специфікаціях системи.

Таким чином для надійності знань потрібне забезпечення усіх цих критеріїв. Недотримання хоча б одного з них може призвести до помилкових знань під час самонавчання експертної системи. Як показує практика надійні знання повинні закладатись під час розробки ЕС, а нові перевірятись експертами після тривалої роботи системи для уникнення помилкових тверджень.

ВИСНОВКИ

Експертні системи охоплюють лише невеликий простір пошуку, який характеризує завдання та містить знання і дані, що відповідають за область задачі.

При вирішенні складних завдань в умовах обмежених ресурсів використання декількох моделей може значно підвищити потужність системи.

Експертні системи здатні отримувати нові знання, але вони потребують перевірки на невдачу.

Причиною невдач є припущення, тобто недоведені твердження. Тому при виявленні невдачі необхідно повертатися в стан, де це припущення було зроблено, і тестувати інше припущення.

Однією з найважливіших задач при розробці систем прийняття рішення є забезпечення цілісності, повноти, несуперечності баз знань і баз даних. Надійність і коректність роботи системи не може бути забезпечена, якщо інформація неповна або суперечлива. На жаль, в даний час не існує єдиного підходу як до оцінки надійності систем, так і до оцінки цілісності, повноти і суперечливості знань і даних.

СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ

1. Новикова В.А. Андреева Е.Ю. Туйкина Д.К. Искусственный интеллект и экспертные системы, Курск: КГУ, 2004

2. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб: Питер, 2001г.

3. Моисеев В.Б. Представление знаний в интеллектуальных системах. Информатика и образование,. №2, 2003 г. с. 84-91

4. Курс лекций по дисциплине "Системы искусственного интеллекта". Експертні системи [посилання][http://www.mari-el.ru/mmlab/home/AI/7_8/]