- •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
2.5.5.2.3 Контроль несовместимости
Данное средство позволяет объявлять любую пару компонент несовместимой. Это означает, что данные компоненты не могут одновременно входить в структуру, являющуюся результатом поиска по образцу, и, таким образом, все компоненты каждого референта должны быть совместимы между собой. Контроль несовместимости — необходимая составляющая любой многовариантной стратегии вывода (например, стратегии на графах).
Контроль несовместимости может осуществляться несколькими способами:
сочетанием структуры каркаса и образца. Так, например, если каркас — ациклический граф, а образец — всегда цепочка, то компоненты базы, не принадлежащие одновременно одному пути в каркасе, не войдут совместно в один результат операции "поиск", т.е. фактически оказываются несовместимыми. Такая схема может использоваться при обработке цепочки, когда в одной базе данных хранятся промежуточные результаты различных вариантов вывода, локально несовместимых друг с другом;
введением отношения несовместимости в каркасе, т.е. добавлением к каркасу дуг с соответствующей пометкой между всеми несовместимыми вершинами. При этом несовместимость всех вершин референта может обеспечиваться либо процедурно операцией "поиск по образцу", либо включением в образец отрицательного контекста, явно требующего отсутствия у референта дуг несовместимости;
введением специального механизма, контролирующего несовместимость с помощью, например, бинарной матрицы, отражающей совместимость и несовместимость всех компонент в базе данных.
2.5.5.2.4 Ассоциативная надстройка
Последней подсистемой базы данных является ассоциативная надстройка, представляющая собой специальную структуру, используемую для повышения эффективности операции "поиск по образцу" и тем самым оптимизирующую процесс поиска правил, применимых к текущему состоянию базы данных. Ассоциативная надстройка отражает текущее состояние базы данных, являясь как бы "рефератом" ее содержания, организованным с ориентацией на указанные задачи оптимизации.
Очевидно, что при изменении состояния базы данных (при добавлении и исключении компонент) требуется затрата дополнительных усилий на редактирование ассоциативной надстройки. Таким образом, сокращая затраты, связанные с операцией "поиск по образцу", введение этой подсистемы увеличивает затраты на остальные две операции.
2.5.6. Метаструктура модуля правил
Модуль правил служит для размещения и исполнения правил. Главными параметрами, определяющими схему и функциональные характеристики конкретной версии такого модуля, являются: число правил, выбор механизма активации, способ реализации ассоциативного выбора правил, процедура разрешения конфликта и внутреннее представление правил.
Основные составляющие этого модуля — аппарат активации, база правил (П-база) и интерпретатор. Опишем выделенные составляющие более подробно.
2.5.6.1 Аппарат активации
В ПСМ, не включающем аппарата управления активацией, все правила находятся в активированном состоянии в течение всего процесса. Это означает, что условия применимости каждого правила проверяются при каждом изменении состояния базы. Такая организация естественна при небольшом числе правил, отсутствии достаточных оснований для содержательного структурирования правил по их функциям и удовлетворительной эффективности ПСМ.
В общем случае возникает необходимость ограничивать совокупность правил, проверяемых на текущем этапе процесса, для чего в ПСМ вводится аппарат управления активацией.
Очевидно, что существует множество способов организовать такое ограничение. Механизм активации может быть:
статическим, т.е. определенным заранее и не меняющимся в процессе работы ПСМ;
динамическим, т.е. управляемым ходом процесса;
смешанным, комбинирующим статические и динамические элементы управления активацией.
Порядок активации может определяться с помощью явно задаваемой структуры, разделяющей множество правил на группы. При этом возможен выбор разных вариантов внутри- и межгрупповой организации правил.
Другим средством управления активацией является включение в оператор правила указания о переходе к одному или нескольким следующим правилам. В случае, если такое указание зависит от условия, проверяемого оператором, оно относится к динамической составляющей аппарата активации.
Одним из широко распространенных средств активации правил является использование метаправил (правил над правилами), при котором правила разбиваются на классы и в зависимости от состояния базы данных активируется тот или иной класс [84].
Механизм активации правил может осуществляться с помощью проверки сопоставленных им специальных условий, выполнение которых зависит не от текущего состояния базы данных, а от значений особых переменных, посредством которых процесс управляет активацией.