Лекция № 12. Базы знаний.

Рассмотрим вопросы представления знаний, структуру базы знаний и вопросы вывода в заданной модели некоторой типичной экспертной системы. Чаще всего для представления знаний в экспертных системах используются логические, продукционные и семантические модели. Логические и семантические модели достаточно подробно рассмотрены в гл. 3 и 2 соответственно, поэтому здесь рассмотрим только продукционные модели.

Продукционные модели основываются на продукционной системе Поста, предложенной для формальной замены последовательностей символов. Под продукционными системами понимаются программные системы, управляемые с помощью правил продукций и состоящие из трех основных частей: множества правил продукций, базы данных (множество фактов) и интерпретации (означивания).

На множестве правил обычно задано отношение порядка. В функции интерпретатора входит просмотр левой части правила (антецедентов) и сравнение их с фактами из базы данных. В случае их совпадения над фактами применяется некоторая процедура, определенная в правой части правила. После этого процесс просмотра продолжается со следующего по порядку правила.

Работа продукционной системы состоит из последовательности итераций «идентификация — действие» [23]. Каждая итерация включает в себя процедуры принятия решения о вызове очередного правила и выполнения действий, определяемых им. Действия вызывают изменения во множестве фактов, которые могут влиять на выбор подходящего правила. Идентификация основана на сопоставлении условий из левой части правила продукции с содержанием базы данных. Из множества правил, у которых совпали левые части, формируется так называемый конфликтный набор. После этого применяется та или иная процедура разрешения конфликта, в результате чего выбирается некоторое правило из конфликтного набора, исполняется его правая часть и цикл повторяется. Существует ряд способов повышения эффективности выбора требуемой продукции из множества (процедур разрешения конфликта). К ним относятся:

— упорядочение продукций (линейное или частичное), т.е. указывается порядок применения правил;

— задание правил недавности (свежести) данных, т. е. используется возраст данных;

— введение правил различий, т. е. используется память состояний, например если данная интерпретация выполнялась, то она уже не выполняется;

— задание класса специальных случаев, т.е. используется отношение между означиваниями: некоторое правило используется, если искомая продукция является специальным случаем другой продукции;

— применение в первую очередь продукций с наиболее жесткими требованиями (продукций с наиболее длинным списком условий).

Процедур разрешения конфликтов и информация о последовательности примененных к базе данных продукций составляет ядро стратегии управления продукционной системы.

Кроме прямых и обратных стратегий, последовательных и параллельных стратегий (см. гл. 3) существует классификация стратегий и по возможности возвращения в некоторое предыдущее состояние, стратегии с возможностью возвращения и безвозвратные.

При стратегии с возможностью возвращения существует возможность возвращения к предыдущему состоянию базы данных, чтобы применить альтернативную продукцию. Одна из наиболее распространенных стратегий этого класса — стратегия бэктрекинг (ее описание см. в гл. 3). Более сложными стратегиями с возможностью возвращения являются стратегия управления поиском на графе, которая обеспечивает возможность хранения следов от нескольких последовательностей продукций одновременно, и двунаправленная стратегия.

При безвозвратной стратегии в каждый момент поиска выбирается одна из подходящих продукций, она применяется и в дальнейшем, если поиск завершается неудачей, нет возможности вернуться к этой точке и применить другую продукцию. Безвозвратную стратегию можно успешно применять при параллельном порождении всех возможных вариантов вывода.

Одной из основных характеристик экспертных систем является необходимость работы с большим объемом знаний, подобно тому, как это делает квалифицированный эксперт данной проблемной области. В этих условиях актуален вопрос об организации этих знаний в некоторую структуру.

Обычно в развитых экспертных системах выделяют четыре типа знаний: фактуальные (декларативные); процедурные; управляющие; метазнания.

Фактуальные знания (база фактов) представляют собой информацию о конкретных фактах, собираемую посредством диалога с пользователем, который указывает, какие факты следует считать истинными.

Процедурные знания обычно собираются заранее путем опроса эксперта и составляют ядро базы знаний. В продукционных моделях — это, по существу, множество правил продукции.

Управляющие знания представляют собой некоторый набор стратегий.

Метазнания — это знания о знаниях, т. е. это знания экспертной системы о себе, своей работе, своей структуре, своей базе знаний и схеме рассуждения. Метазнания играют важную роль в рассуждениях эксперта-человека, они же в конце концов определяют уровень компетентности экспертной системы.

В большинстве современных экспертных систем метазнания либо вообще отсутствуют, либо присутствуют в неявном виде. Однако исследования в этом направлении ведутся очень интенсивно ввиду их большой значимости для повышения эффективности функционирования ЭС и, в частности, для корректного объяснения пользователю хода рассуждения при принятии того или иного решения и достаточных оснований для выбранного решения.

Метазнания могут выступать в разнообразных формах. В [22] приводятся примеры применения метазнаний:

— для адекватного выбора правила продукции при текущем состоянии базы фактов;

— для обеспечения информации архивного типа о правилах и знаниях, такой, как, например, насколько быстро работает то или иное правило, кто ввел некоторую совокупность данных и т. д.;

— для помощи в обнаружении ошибок;

— для усиления возможностей ЭС давать объяснения;

— для облегчения ввода в систему новых знаний

(фактов, правил) с использованием демонстрации основных конструкций знании аналогичного типа.