- •Введение
- •Глава 1. Ведение в системы искусственного интеллекта
- •1.1. Архитектура систем искусственного интеллекта
- •1.2. База знаний и данных
- •1.1.1 Понятие модели
- •1.1.2. Логические модели
- •1.1.3 Модели знаний на основе продукций
- •1.1.4 Фреймовая модель знаний
- •1.1.5 Семантические сети
- •1.3. Машина вывода
- •1.3.1. Понятие формальной системы
- •Примеры стратегии вывода
- •Как функционирует машина вывода
- •1.4. Извлечение знаний и обучение
- •1.4.1. Извлечение знаний от многих экспертов
- •1.4.2 Проблема непротиворечивости формализованной базы знаний
- •1.5. Обучение системы
- •1.6. Интерфейс с пользователем
- •1.7. Организация работы
- •1.8. Инструментальные средства создания систем искусственного интеллекта
- •Языки программирования
- •1.8.2. Языки продукционного программирования
- •1. 8. 3. Языки инженерии знаний и инструментальные системы
- •1.8.3.1. Система vpExpert
- •1.8.3.2. Система kas
- •1.8.3.3. Система Expert-Ease
- •Глава 2. База знаний
- •2.1. Методы извлечения знаний
- •2.1.1. Классификация методов извлечения знаний
- •2.1.2. Пассивные методы
- •2.1.2.1. Наблюдения
- •2.1.2.2. Анализ протоколов «мыслей вслух»
- •2.1.2.3. Лекции
- •2.1.3. Активные индивидуальные методы
- •2.1.3.1. Анкетирование
- •2.1.3.2. Интервью
- •2.1.3.3. Свободный диалог
- •2.1.4. Активные групповые методы
- •2.1.4.1. «Круглый стол»
- •2.1.4.2. «Мозговой штурм»
- •2.1.4.3. Экспертные игры
- •2.1.4.3.1. Игры с экспертом
- •2.1.4.3.2. Ролевые игры в группе
- •2.1.4.4. Игры с тренажерами
- •2.1.4.4.1. Компьютерные экспертные игры
- •2.1.5. Текстологические методы
- •2.2.Формальное описание понятий предметной области (по)
- •2.2.1. Методы абстрагирования понятий
- •2.2.1.1.Агрегация и декомпозиция понятий
- •2.2.1.2.Обобщение и специализация понятий
- •2.2.1.3.Типизация и конкретизация понятий
- •2.2.1.4.Ассоциация и индивидуализация понятий
- •2.3.Методы классификации
- •2.3.1. Экстенсиональный и интенсиональный аспекты классификации
- •2.3.2. Таксономия и мерономия
- •2.3.3. Типы классификаций
- •2.3.4. Древовидные классификации
- •2.3.5. Булевы классификации
- •2.3.6. Комбинативные классификации
- •2.4.События и процессы
- •2.4.1. Состояния предметной области
- •2.4.2. Событие
- •2.4.3. Последовательные процессы
- •2.4.4. Рекурсивные процессы
- •2.4.5. Ветвящиеся процессы
- •2.5. Системы продукций: структура, технология, применение
- •2.5.1. Неформальное введение в системы продукций
- •2.5.1.1 Алгоритмические модели
- •2.5.2 Логический вывод
- •2.5.3 Прикладные модели
- •2.5.4. Метамодель систем продукций
- •2.5.4.1. Основные подсистемы
- •2.5.5.2. Метаструктура базы данных и операций
- •2.5.5.2.1. Характер организации данных
- •2.5.5.2.2 Операции над базой данных
- •2.5.5.2.3 Контроль несовместимости
- •2.5.5.2.4 Ассоциативная надстройка
- •2.5.6. Метаструктура модуля правил
- •2.5.6.1 Аппарат активации
- •2.5.6.2 Структура правил
- •2.5.7. Метаструктура модуля управления
- •2.5.8. Технология поддержки разработок продукционных систем
- •2.5.9. Формальные модели систем продукций
- •2.5.9.1. Алгебраическая модель
- •2.5.9.1.1. Основные определения
- •2.5.9.1.2. Операции преобразования ситуации
- •2.5.9.1.3. Условия корректности вычислений над конъюнктивной базой данных
- •2.5.9.1.4. Однозначность вычислений над дизъюнктивной базой
- •2.5.9.2. Управление выводом в системах продукций
- •2.5.9.3. Язык управления применением продукций
- •2.5.9.4. Язык управления выбором данных
- •2.5.9.5. Обзор формальных моделей вычислений
- •2.5.10. Экспериментальные системы продукций
- •2.5.10.1. Система скип
- •2.5.10.2. Система анализа топологических чертежей интегральных схем
- •P(слой) x0, y0 : Dx1, Dy2, .., Dxn-1, Dyn;
- •2.6. Выводы к второй главе
- •3. Машина логического вывода
- •3.1. Формальное определение задачи
- •3.2. Специфика решения задач в сии
- •3.3. Управление процессом решения задачи
- •3.4. Модели эвристического поиска решений
- •3.4.1 Стратегия поиска в глубину
- •3.4.2. Стратегии перебора с отсечениями
- •3.4.2.1. Метод ветвей и границ
- •3.4.2.2. Стратегии поиска на основе эвристической функции оценки
- •3.5. Методы вывода и доказательства теорем
- •3.5.1 Механизм резолюции Робинсона
- •3.5.2. Резолюция в логике высказываний
- •3.5.2.1 Линейная резолюция вL
- •Метод линейного вывода в lЛавленда, Ковальского и Кюнера
- •Эффективная реализация
- •3.5.2.3. Метод поиска в глубину
- •3.5.2.4 Эвристики поиска в дереве
- •3.5.2.5. Семантическая резолюция
- •3.5.3 Резолюция в pl
- •3.6. Методы индуктивного вывода
- •3.6.1. Виды индукции
- •3.6.2. Индукция как вывод и индукция как метод
- •3.6.3. Правила, необходимые для систем автоматического формирования знаний
- •3.7. Дедуктивный вывод на семантических сетях
- •3.7.1. Нерезолютивные методы вывода на семантических сетях
1.4.2 Проблема непротиворечивости формализованной базы знаний
При добавлении информации от экспертов в базу знаний, необходимо обеспечить непротиворечивость базы знаний. Непротиворечивость означает, что в базе знаний не выводимы никакие два факта (формулы) вида аи(из которых один отрицает другой). Проблема непротиворечивости не является тотальной, т.е. вполне допустимы противоречивые системы, однако, нужно иметь в виду следующее.
Во-первых, практически многие хорошо разработанные теории вывода работают с непротиворечивыми системами формул. Действительно, если система противоречива, то в ней выводимо все что угодно! Это обстоятельство практически лишает смысла само понятие вывода в противоречивой системе. В такой системе, следовательно, вывод заменяется иными механизмами (например, механизмами классификации - распознавания и принятия решений).
Во-вторых, сам характер задачи, стоящей перед СИИ, не допускает противоречивого толкования знаний (например, заключения : "пациента нужно немедленно прооперировать" и: "пациента не нужно немедленно оперировать" таковы, что неясность в смысле их выбора может стоить жизни человеку. (Такова, к примеру, фабула романа А. Хейли "Окончательный диагноз").
В формальных логических системах первого порядка противоречивость эквивалентна выводимости в системе пустой формулы (интерпретируемой как ложь).
Неизбыточность. Требование незбыточности означает, что в базе знаний хранятся лишь независимые друг от друга знания. Формулазависима от формул1,2, ...,k, есливыводима из1,2, ...,kв силу правил вывода. Неизбыточность знаний не является императивным требованием. Фактически, избыточность имеет сильный положительный момент, который заключается в следующем.
Пусть СИИ в результате доказательства цели построила цепочку
Пi1, Пi2, Пi3, ..., Пi n-1
C0 C1 C2 ... Cn,
где Сk-k-ый контекст вывода (k-ое состояние трассы вывода);Пij- правило вывода (продукция), применяемое к контекстуСj-1.
Это позволяет ввести в базу знаний новую продукцию
,
где является выводом по образцу из С0иСi1(Ci1- условная часть продукцииПi1),
П* = <Пi1, Пi2, ..., Пi n-1> - представляет последовательную цепочку операционных частей продукций Пi1, Пi2, ..., Пi n-1.
Добавление продукции в базу знаний при следующем решении задачи<, Cn - ?>избавит от необходимости строить план решения задачи снова, т.е. приводит к увеличению быстродействия СИИ. Рассмотрим, как определяется зависимость формул в логике высказывании, являющейся той частью логики предикатов, которая позволяет формализовать фактуальные знания (т.е. знания, представленные совокупностью фактов). Итак, пусть требуется установить выводимость пропозициональной формулыG, представленной в виде
G = g1 g2 g3 ... gm, (1.41)
где gi- формулы (гипотезы), взятые с отрицанием или без него, из формулыFпроизвольного вида, т.е. доказать справедливость:
F g1 g2 g3 ... gm, (1.42)
Суть предлагаемого метода заключается в последовательном умножении обеих частей (1.42) на ,. Например, в порядке возрастания индексаi, пока не будет получена одна из следующих ситуаций:
(a1) F*
(a2) F* F* ( или F* 1)
(a3) F*,
где - символ пустой формулы,= х &;F- непустая формула формальной системы.
Тогда справедливы следующие заключения:
Ситуация (а1) означает невыводимость GизF(Gне находится в отношении логического следствия изF);
Ситуация (а2 и а3) означает, что Gлогически следует изF,1 = х .
Таким образом, для доказательства произвольной формулы F G, ее необходимо привести к виду (1.42) и выполнить описанную процедуру, доказательство которой здесь опускается.
Пример. Пусть даны формулы
f1 = a b&c&,
f2 = b &f,
f3 = c x y.
Покажем, что имеет место
a&f1&f2&f3 x.
Умножим обе части на х:
.
Заменим (p q)на:
.
Откуда, раскрывая скобки, имеем
,
что устанавливает доказываемое соотношение.
С другой стороны, отношение
a&f1&f2&f3 y
невыводимо, поскольку имеет место:
.
Или .
Итак, проблема избыточности решается с помощью механизма вывода.