- •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
2.5.8. Технология поддержки разработок продукционных систем
Создание конкретных систем продукций позволило сформировать некоторые подходы к их проектированию и разработать набор методов реализации отдельных компонентов. Желание строить системы продукций для новых предметных областей требовало сокращения сроков реализации конкретных систем. Поэтому следующим шагом при разработке явилось использование технологии блочного программирования, а именно: выделение устойчивого набора модулей, их эффективная реализация и генерация проблемно-ориентированных блоков по заказу пользователя с последующей сборкой их в прикладную систему. Такой подход оформился в виде концепции "пустых" экспертных систем, или оболочек.
В случае, когда разработчиков прикладной системы устраивают проектные решения, принятые в оболочке, то ее использование является одним из самых быстрых способов реализации будущей проблемно-ориентированной системы. Однако на практике введенные в оболочках ограничения часто оказываются слишком жесткими. Поэтому в настоящее время широкое распространение получила идея создания специального программного окружения разработки систем продукций (а в общем случае экспертных систем). Такие системы называют инструментальными, или технологическими, пакетами (knowledge engineering environment,knowledge engineering tool kits). К числу таких систем относятEXPERT,AGE,OPSи другие [95].
В настоящее время завоевали популярность системы поддержки инженерии знаний второго поколения. К ним относят KEE,ARTи другие [49]. Эти системы используют богатый спектр возможностей для представления знаний и ориентированы на мощные персональные компьютеры с организацией "дружелюбного" интерфейса на основе многооконной графики. Кроме этого происходит выработка новой парадигмы при разработке средств представления знаний, когда модель определяет средства спецификации, а ЭВМ проектируется под класс моделей.
Одним из путей движения к этой новой парадигме является развитие и внедрение технологии разработки машинных комплексов как пакетов специализированных виртуальных машин. Виртуальная машина определяется [37] как "идеальная машина, представляющая модель, ее структуру, специфические для модели типы данных, операции и характер процесса функционирования и обработки информации". При этом все проектирование идет от модели, и только базовые средства виртуальных машин и их модули учитывают характер конкретных механизмов реализации, определяемых аппаратными компонентами системы. Сейчас технология виртуальных машин используется при разработке базы современных систем программирования. Примером может служить технология создания Lisp-машин и Пролог-машин. В настоящее время технология виртуальных машин используется для конструирования модулей систем продукций.
В заключение данного разделаприведем основные работы, которые посвящены выработке метамодели ПСМ, вопросам технологии, описанию оригинальных алгоритмов отдельных компонентов ПСМ. Большое влияние на развитие технологии конструирования ПСМ оказали работы [23,83]. В монографии [50] содержится богатый перечень компонентов ПСМ различной архитектуры. Подробное описаниеRETEалгоритма можно найти в [94]. Технологии виртуальных машин посвящены статьи [38,40]. Развитие архитектуры ПСМ в сторону параллельных и иерархических предлагается в трудахIJCAI'79 [110,126]. ТрудыIJCAI'81 — 95 содержат описание огромного количества экспертных систем, большая часть которых основана на представлении баз знаний в виде систем продукций. В монографиях [49,53,61] содержится обширный перечень оболочек и инструментальных систем. Подробное изучение метамодели систем продукций позволило перейти к построению формальных моделей и исследовать свойства этого средства представления знаний.