12.7.3. Фреймовая модель представления знаний

Фреймы используются в системах искусственного интеллекта как одна из распространенных форм представления знаний.

Фрейм - это минимально возможное описание сущности какого-либо явления, события, ситуации, процесса или объекта. Фрейм имеет почти однородную структуру и состоит из стандартны единиц, называемых слотами. Каждая такая единица - слот - содержит название и свое значение. Изображается фрейм в виде цепочки:

Фрейм=<слот 1> <слот 2>... <слот N>.

В искусственном интеллекте фреймы, в которых обозначены все основные слоты (они каким-либо образом помечаются в описании фрейма, называются фреймами-экземплярами, или экзофреймами. 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.

12.7.4. Продукционная модель представления знаний

Продукция - один из распространенных в интеллектуальных системах способов представления знаний. Основу модели составляют системы продукций. Каждая продукция в наиболее общем виде запи1 ищется как стандартное выражение следующего вида:

<Имя продукции>:

Имя сферы;

Предусловие;

Условие ядра;

Если А, то В;

Постусловие.

Основная часть продукции - ее ядро имеет вид: <Если А, то В>, где А и В могут иметь разные значения. Остальные элементы, образующие продукцию, носят вспомогательный характер. В наиболее простом виде продукция может состоять только из имени ( например, ее порядкового номера в системе продукций) и ядра.

<Если сверкнет молния, то гремит гром>.

<Если в доме вспыхнул пожар, то вызывайте по телефону 01 пожарную команду>.

<Если в путеводителе указано, что в городе есть театр, то надо пойти туда>.

Первый пример иллюстрирует тот случай, когда ядро продукция описывает причинно-следственную связь явлений А и В. Во второе примере А и В представляют собой некоторые действия. В третьем примере А - это некоторые знания, а В - действие. Возможны другие варианты ядра продукции. Таким образом, при помощи ядер можно представлять весьма разнообразные знания.

Имя сферы указывает ту предметную область, к которой относятся знания, зафиксированные в данной продукции: В интеллектуальной системе может храниться совокупность знаний (ее называют базой знаний), относящихся к разным областям (например, знания различных заболеваниях человека или знания из различных разделов математики). Ясно, что если в данный момент решается задача и области физики твердого тела или из геометрии треугольника, то надо использовать знания, относящиеся именно к этой области. Сферы и выделяют такие подобласти знаний.

Когда речь шла о различных А и В в ядрах продукций, то практически было показано, что в такой форме можно представлять декларативные знания, так и процедурные, хотя сама форма продукций весьма удобна для задания именно процедурных знаний.

Рассмотренные модели представления знаний широко используются в современных интеллектуальных системах и прежде всего экспертных системах. Каждая из форм представлений знаний может служить основой для создания языка программирования, ориентированного на работу со знаниями. Такими, например, языками являются язык FRL (Frame Representation Language), основанный на фреймовых представлениях, и язык Пролог, опирающийся на модель представления в виде продукций. Однако разные модели представления знаний имеют свои преимущества и недостатки. Поэтому в конце 80-х годов наметилась тенденция создавать комбинированные языки представления знаний. Чаще всего комбинируются фреймовые и продукционные модели.

Достаточно богатая предметная область содержит большое количество декларативных и процедурных знаний. Создание баз знаний большого размера - дело весьма сложное, ведь необходимо не только накапливать знания, представляя их выбранным способом, но и проверять полноту знаний и их непротиворечивость. Источниками знаний могут быть книги, документы, изобразительная продукция, тексты, получаемые от специалистов, и т.п. Эти различные источники знаний надо уметь объединять между собой, что приводит к сложным, интегрированным базам знаний. Отдельные базы знаний, территориально разнесенные между собой, могут совместно использоваться при решении задач. Так возникают распределенные базы знаний, образуются сложные по конфигурации сети баз знаний. Тате сети хранения и обработки знаний являются не только общенациональными, но и международными, доступными любому специалисту.