Учебное пособие: Теория искусственного интеллекта

Процесс формирования поля знаний экспертом и инженером по знаниям может быть представлен следующим алгоритмом:

1.  Восприятие и интерпретация действительности предметной области некоторым экспертом, в результате образуется некоторая модель как семантическое представление действительности и его личного опыта.

2.  вербализация опыта некоторого эксперта, когда он объясняет свои рассуждения и передает свои знания инженеру по знаниям. В результате образуется некоторое текстовое или речевое сообщение. Именно в процессе объяснения эксперт на размытые ассоциативные образы в лабиринтах своей памяти «надевает» четкие словесные ярлыки, т.е. вербализирует знания.

3.  Восприятие и интерпретация некоторого сообщения инженером по знаниям. В результате в памяти инженера образуется некоторая модель предметной области.

4.  Кодирование и вербализация модели в форме некоторого поля знаний, спроектированного инженером по знаниям для реализации в базе знаний.

Это трудная задача – добиться максимального соответствия между действительным состоянием предметной области и некоторым полем знаний. Поле знаний может быть представлено как пирамида, где следующий уровень служит для восхождения на новую ступень обобщения и углубления знаний.

В искусственном интеллекте используется термин – формирование знаний, который обозначает процесс анализа данных и выявления скрытых закономерностей с использованием специального математического аппарата и программных средств ЭВМ. Основные методы извлечения знаний представлены на рис.

Все эти методы позволяют сформировать поле знаний на основании следующего алгоритма:

1.Определение входных и выходных данных, структура которых существенно влияет на форму и содержание поля знаний.

2.Составление словаря терминов и наборов ключевых фраз, при этом особенно важен словарь терминов.

3.Выявление объектов и понятий, выбор значимых понятий и их признаков.

4.Выявление связей между понятиями, построение сети ситуаций, где связи только намечены, но пока не поименованы.

5.Структуризация понятий с выявлением понятий более высокого уровня обобщенгия и детализацией на более низком уровне.

6.Построение пирамиды знаний с иерархической лестницей понятий по уровню общности.

7.Определение временных, причинно-следственных и других отношений с их обозначением путем присвоения имен свеем связям.

8.Определение стратегий принятия решений. Выявление цепочек рассуждений связывает все сформированные ранее понятия и отношения в динамическую систему поля знаний.

Модели представления знаний

От формы представления знаний зависит характеристика и свойства систем искусственного интеллекта. В отличие от знаний, используемых человеком, в компьютере используется моделирование знаний. Под моделью знаний понимается способ описания знаний в базе знаний.

В общем случае модели представления знаний могут быть условно разделены на декларативные и процедурные. Декларативная модель основывается на предположении, что проблема представления некоторой предметной области решается независимо от того, как эти знания будут использоваться. Поэтому модель состоит как бы из двух частей: структур, описывающих знания и механизма вывода, оперирующего этими структурами, независимо от содержательного наполнения структур. При этом синтаксические и семантические аспекты разделены. Описания выполняемых процедур не содержатся в явном виде. Предметная область представляется в виде описания ее состояния, а вывод решения основывается в основном на процедурах поиска в пространстве состояний.

Процедурная модель основывается не небольших программах (процедурах), которые определяют, как поступать в конкретных ситуациях. В этой модели семантика заложена непосредственно в описании элементов базы знаний. Общие правила представлены в виде специальных целенаправленных процедур.

Требования к моделям представления знаний:

- однородность представления;

- простота понимания;

- упрощение механизма управления выводом.

Наиболее распространенными являются четыре модели представления знаний в интеллектуальных системах и их комбинации:

- логическая или логика предикатов;

- продукционная;

- семантические сети;

- фреймовая модель.

Представление знаний с помощью логики предикатов

Логика предикатов используется как один из языков представления знаний. В любом языке для создания языковых форм должно быть определено следующее:

- множество знаков, которое можно в нем использовать;

- полное определение слов через знаковые последовательности;

- грамматические правила образования предложений из слов (синтаксические правила).

Каждое слово из предложения соответствует объектам и действиям того реального мира, который описывается этим языком. Таким образом в языке присутствуют слова, которые описывают сущности, и слова, которые описывают атрибуты сущностей и действия над ними.

Для формулировки знаний о некоторой предметной области средствами логики предикатов в проблемной области выделяют два основных типа понятий:

- дискретные объекты, которые называют сущностями;

- отношения между сущностями.

Именам отношений соответствует термин «предикат», а сущностям – аргументы. Символы, используемые для обозначения высказываний, называют атомами. Таблицей истинности формулы называется таблица, содержащая истинностные значения формулы при всех возможных комбинациях истинностных значений входящих в нее атомов..

Логика предикатов (исчислений) основана на логике (исчислении) высказываний. Высказыванием (суждением) называют предложение, принимающее только два значения – «истина» или «ложь». Логический вывод (силлогизм) в классической логике строится двумя путями: дедукцией и индукцией. В современной логике вывод строится также абдукцией. Индукция и абдукция называются вероятностными силлогизмами.

Дедукция – вывод, позволяющий получать заключение из большой или малой посылки. Большая посылка называется дедуктивным правилом, малая – фактическим заявлением (декларацией).

Пример: Большая посылка: рыба – живое существо, умеющее плавать.

Малая посылка: карась – рыба.

Вывод: карась – живое существо, умеющее плавать.

Большая и малая посылка называются данными о знаниях или просто знаниями и их объем должен быть достаточно большим.. Упорядоченное множество таких знаний составляет базу знаний..

Дедуктивное правило позволяет детализировать и формализовать причинно-следственные связи явлений (процессов) и дел (предметов), т.е. это знания, необходимые для выполнения алгоритма принятия решений. Основная часть знаний кодируется не только арифметическими, но и логическими символами. Таким образом требуется специальный язык для ЭВМ.

Индукция – получение большой посылки из заключения ее малой посылки. Можно ли считать правомерным определение «рыба – это живое существо, умеющее плавать»» в качестве большой посылки, исходя из того, что известны многие виды рыб? Вывод неправомерен, т.к. могут быть неизвестные виды рыб, перемещающиеся по суше. По мере накопления наблюдений повышается достоверность большой посылки.

Абдукция – получение малой посылки из заключения и большой посылки. На основании факта, что некоторые из живых существ умеют плавать, делается заключение, что это живое существо – рыба. Однако этот вывод нельзя считать безусловно достоверным. Человек в обыденной жизни имеет постоянно дело с нечеткими, вероятностными оценками.

Пример силлогизма:

- Все металлы электропроводны;

- медь – металл;

Заключение: медь электропроводна.

Предикатом или логической функцией называется функция от любого числа аргументов, принимающая истинностные значения «истина» или «ложь». Аргументы принимают значения из произвольного конечного или бесконечного множества М, называемого предметной областью. Предикат от n аргументов является n-местным предикатом.

Все операции исчисления высказываний переносятся в исчисления предикатов и используются для связывания предикатов и формул, т.е. позволяют получить из простых высказываний сложные. Основные операции алгебры логики:

Отрицание. Высказывание истинно, если высказывание А ложно. А ложно, если А истинно.

Конъюнкция. А ^ В (А*В) – логическое умножение. Высказывание истинно только в тех случаях, когда истинны А и В.

Дизъюнкция. А В – логическое сложение А+В. Высказывание истинно только в случае, если истинно хотя бы одно из слагаемых.

А В (А В) Импликация или следование В из А. Читается также «если А, то В». Высказывание ложно только в том случае, если А истинно и В ложно.

А В – эквивалентность. «А тогда и только тогда, когда В». Высказывание истинно тогда и только тогда, когда А и В имеют одно и то же истинное значение.

В логике предикатов используются основные свойства логических операций: свойства ассоциативности, коммутативности, дистрибутивности, законы идемпотентности и де Моргана.

В логике предикатов для компактной записи высказываний типа « для любого x истинно F(x)» и «существует такое x, для которого истинно F(x)», дополнительно вводятся две операции – квантор общности  и квантор существования . Вышеприведенные высказывания можно записать в следующем виде:

xF(x) – высказывание истинно, когда F(x) истинно для всех x  M и ложно в противоположном случае.

xF(x) – высказывание истинно, когда существует элемент x  M, для которого F(x) истинно и ложно в противоположном случае.

Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17