1. Знания в системах искусственного интеллекта (сии). Отличие сии от традиционных программ

Искусственный интеллект - это возможность решения задач, которые до сих пор не удавалось решить человеку, машинным способом с помощью программных средств.

Представление знаний — это соглашение о том, как описать реальный мир.

Основная цель представления знаний - строить модели реального мира и его частей. Представление выполняется в рамках конкретной системы представления знаний.

Система представления знаний (СПЗ) содержит средства, позволяющие:

- описывать знания о предметной области с помощью языка представления знаний;

- организовывать хранение знаний в системах (накопление, анализ, обобщение и организация структурированности знаний);

- вводить новые знания и объединять их с имеющимися;

- находить требуемые знания;

- проверять непротиворечивость накопленных знаний;

- обеспечивать интерфейс между пользователями и знаниями.

Центральное место в СПЗ занимает язык представления знаний (ЯПЗ). Выразительные возможности ЯПЗ определяются лежащей в его основе моделью представления знаний.

Модель представления знаний призвана отобразить статические и динамические свойства предметной области (ПО), т.е.

отобразить объекты и отношения ПО, связи между ними, иерархию понятий и изменение отношений между объектами.

В СИИ используются универсальные модели представления знаний:

- семантические сети;

- фреймы;

- продукционные системы;

- логические модели.

В семантических сетях (СС) структура знаний формируется в виде ориентированного графа с размеченными вершинами и дугами. Вершины обозначают сущности и понятия ПО, а дуги -отношения между ними. Вершины и дуги могут снабжаться именами. Основными связями для СС, с помощью которых формируются понятия, являются:

- класс, к которому принадлежит данное понятие;

- свойства, выделяющие понятия из всех прочих понятий данного класса;

- примеры данного понятия.

С помощью СС можно описывать события и действия. Для этих целей используются специальные типы отношений, называемые падежами: агент - действующее лицо, вызывающее действие; объект - предмет, подвергающийся действию; адресат -лицо, пользующееся результатом действия. Введение падежей позволяет перейти от поверхностной структуры предложения к его смысловому содержанию.

СС не дают ясного представления о структуре ПО, это пассивные структуры, для обработки которых необходимы средства формального вывода и планирования на СС.

Фрейм - это структура, описывающая один объект, а конкретные свойства этого объекта и факты, относящиеся к нему, содержатся в слотах — структурных элементах данного фрейма. Все фреймы взаимосвязаны и образуют иерархическую (древовидную) фреймовую систему, в которой объединены процедурные знания.

Языки представления знаний, основанных на фреймовой модели, эффективны для структурного описания сложных понятий и решения задач, в которых желательно применять различные способы вывода.

Предметная область может быть описана в продукционных системах множеством фактов и множеством правил. Правила описывают причинно-следственные связи между фактами, т.е. как истинность одних фактов влияет на истинность других.

В продукционных системах используются два способа реализации вывода знаний: прямой (вывод от данных) и обратный (вывод от цели). В первом идут от известных фактов и на каждом шаге вывода к этим фактам применяют все возможные правила, которые порождают новые факты, и так то тех пор, пока не будет порожден факт-цель.

Во втором случае вывод идет в обратном направлении - от поставленной цели. Если цель согласуется с заключением правила, то посылку правила принимают за подцель или гипотезу, и этот процесс повторяется до тех пор, пока не будет получено совпадение подцели с известными фактами.

Логическая модель представления знаний представляет собой формальную систему - некоторое логическое исчисление. Все знания о ПО описываются в виде формул этого исчисления или правил вывода. Описание в виде формул дает возможность представить знания в виде аксиом. Правила вывода позволяют строить из ранее определенных аксиом новые правильные выводы.

Па вход СИИ поступает описание задачи в виде запроса (предложения, теоремы), которое явно не представлено в базе знаний, но если оно не противоречит имеющимся знаниям, то решение задачи может быть выражено на основе имеющихся формул. Процесс работы механизма вывода называют доказательством запроса. Если запомнить шаги процесса вывода в виде трассы и представить ее пользователю, то она будет объяснением выработанного СИИ решения задачи.

Особенности ЭС, отличающие их от обычных программ, заключаются в том, что они должны обладать:

1. Компетентностью, а именно: Достигать экспертного уровня решений (т.е. в конкретной предметной области иметь тот же уровень профессионализма, что и эксперты-люди).

Быть умелой (т.е. применять знания эффективно и быстро, избегая, как и люди, ненужных вычислений). Иметь адекватную робастность (т.е. способность лишь постепенно снижать качество работы по мере приближения к границам диапазона компетентности или допустимой надежности данных).

2. Возможностью к символьным рассуждениям, а именно:

Представлять знания в символьном виде. Переформулировать символьные знания. На жаргоне искусственного интеллекта символ - это строка знаков, соответствующая содержанию некоторого понятия. Символы объединяют, чтобы выразить отношения между ними. Когда отношения представлены в ЭС они называются символьными структурами.

3. Глубиной, а именно: Работать в предметной области, содержащей трудные задачи

Использовать сложные правила (т.е. использовать либо сложные конструкции правил, либо большое их количество)

4. Самосознанием, а именно: Исследовать свои рассуждения (т.е. проверять их правильность) Объяснять свои действия

Существует еще одно важное отличие ЭС. Если обычные программы разрабатываются так, чтобы каждый раз порождать правильный результат, то ЭС разработаны с тем, чтобы вести себя как эксперты. Они, как правило, дают правильные ответы, но иногда, как и люди, способны ошибаться. Традиционные программы для решения сложных задач, тоже могут делать ошибки. Но их очень трудно исправить, поскольку алгоритмы, лежащие в их основе, явно в них не сформулированы. Следовательно, ошибки нелегко найти и исправить. ЭС, подобно людям, имеют потенциальную возможность учиться на своих ошибках.

1. Продукционные системы как модель представления знаний.

Предметная область может быть описана в продукционных системах множеством фактов и множеством правил. Правила описывают причинно-следственные связи между фактами, т.е. как истинность одних фактов влияет на истинность других.

В продукционных системах используются два способа реализации вывода знаний: прямой (вывод от данных) и обратный (вывод от цели). В первом идут от известных фактов и на каждом шаге вывода к этим фактам применяют все возможные правила, которые порождают новые факты, и так то тех пор, пока не будет порожден факт-цель.

Во втором случае вывод идет в обратном направлении - от поставленной цели. Если цель согласуется с заключением правила, то посылку правила принимают за подцель или гипотезу, и этот процесс повторяется до тех пор, пока не будет получено совпадение подцели с известными фактами.