Модели представлений знаний.

Модели представления знаний

     Модели представления знаний – это одно из важнейших направлений исследований в области искусственного интеллекта. Почему одно из важнейших? Да потому, что без знаний искусственный интеллект не может существовать в принципе. Действительно, представьте себе человека, который абсолютно ничего не знает.

Например, он не знает даже таких элементарных вещей как:

•             для того, чтобы не умереть от голода, необходимо периодически есть;

•             необязательно из одного края города в другой идти пешком, если для этих целей можно воспользоваться общественным транспортом.

     Три наиболее часто используемые и популярные на сегодняшний день модели представления знаний:

•             продукционные модели – модели основанные на правилах, позволяют представить знание в виде предложений типа: «ЕСЛИ условие, ТО действие». Продукционные модели обладает тем недостатком, что при накоплении достаточно большого числа правил, они начинают противоречить друг другу;

•             сетевые модели или семантические сети – как правило, это граф, отображающий смысл целостного образа. Узлы графа соответствуют понятиям и объектам, а дуги – отношениям между объектами;

•             фреймовые модели – основывается на таком понятии как фрейм (англ. frame – рамка, каркас). Фрейм– структура данных для представления некоторого концептуального объекта. Информация, относящаяся к фрейму, содержится в составляющих его слотах. Слоты могут быть терминальными либо являться сами фреймами, т.о. образуя целую иерархическую сеть.

Классификация моделей представления знаний

Первый подход, называемый эмпирическим, основан на изучении принципов организации человеческой памяти и моделировании механизмов решения задач человеком. На основе этого подхода в настоящее время разработаны и получили наибольшую известность следующие модели:

•             продукционные модели – модель основанная на правилах, позволяет представить знание в виде предложений типа: «ЕСЛИ условие, ТО действие». Продукционная модель обладает тем недостатком, что при накоплении достаточно большого числа (порядка нескольких сотен) продукций они начинают противоречить друг другу;

•             сетевые модели (или семантические сети) – в инженерии знаний под ней подразумевается граф, отображающий смысл целостного образа. Узлы графа соответствуют понятиям и объектам, а дуги – отношениям между объектами. Обладает тем недостатком, что однозначного определения семантической сети в настоящее время отсутствует;

•             фреймовая модель – основывается на таком понятии как фрейм (англ. frame – рамка, каркас). Фрейм – структура данных для представления некоторого концептуального объекта. Информация, относящаяся к фрейму, содержится в составляющих его слотах. Слоты могут быть терминальными либо являться сами фреймами, т.о. образуя целую иерархическую сеть.

Продукционная модель знаний

        Продукционные модели можно считать наиболее распространенными моделями представления знаний.Продукционная модель – это модель, основанная на правилах, позволяющая представить знание в виде предложений типа:        «ЕСЛИ условие, ТО действие»

      Системы обработки знаний, использующие продукционную модель получили название «продукционных систем».        Cостав экспертных систем продукционного типа входят:      база правил (знаний), рабочая память и интерпретатор правил (решатель), реализующий определенный механизм логического вывода. 

     Любое продукционное правило, состоит из двух частей: антецендента и консеквента. Антецедент представляет собой посылку правила (условную часть) и состоит из элементарных предложений, соединенных логическими связками «и», «или». Консеквент (заключение) включает одно или несколько предложений, которые выражают либо некоторый факт, либо указание на определенное действие, подлежащее исполнению. Продукционные правила принято записывать в виде антецедентконсеквент.

Существуют два типа продукционных систем – с «прямыми» и «обратными» выводами. 

      Прямые выводы реализуют стратегию «от фактов к заключениям».        При обратных выводах выдвигаются гипотезы вероятностных заключений, которые могут быть подтверждены или опровергнуты на основании фактов, поступающих в рабочую память. 

  Существуют также системы с двунаправленными выводами.

     Основные достоинства систем, основанных на продукционных моделях, связаны с простотой представления знаний и организации логического вывода. 

      К недостаткам таких систем можно отнести следующее:

•                отличие от структур знаний, свойственных человеку;

•                неясность взаимных отношений правил;

•                сложность оценки целостного образа знаний; • низкая эффективность обработки знаний.

     При разработке небольших систем (десятки правил) проявляются в основном положительные стороны продукционных моделей знаний, однако при увеличении объёма знаний более заметными становятся слабые стороны.

Семантические сети или сетевые модели знаний.

     Однозначное определение семантической сети в настоящее время отсутствует. В инженерии знаний под ней подразумевается граф, отображающий смысл целостного образа. Узлы графа соответствуют понятиям и объектам, а дуги – отношениям между объектами. 

     Как правило, различают экстенсиональные и интенсиональные семан тические сети. Экстенсиональная семантическая сеть описывает конкретные отношения данной ситуации. Интенсиональная – имена классов объектов, а не индивидуальные имена объектов. Связи в

интенсиональной сети отражают те отношения, которые всегда присущи объектам данного класса.

Пример семантической сети.

      В этом случае факты, отношения и процедуры представлены как вершины, а связи объединяют их в единое понятие. 

Фреймовая модель знаний

 Фреймовая модель представляет собой систематизированную психологическую модель памяти человека и его сознания. 

•            Фрейм (англ. frame – рамка, каркас) – структура данных для представления некоторого концептуального объекта. Информация, относящаяся к фрейму, содержится в составляющих его слотах.  

•            Слот (англ. slot – щель, прорезь) может быть терминальным (листом иерархии) или представлять собой фрейм нижнего уровня. 

     Каждый фрейм

          состоит из произвольного  числа слотов, причем           несколько из них обычно      определяются самой   системой для выполнения   специфических функций,   а остальные определяются           пользователем.

       Пояснение:

•            имя фрейма (имя фрейма) – это идентификатор, присваиваемый фрейму (уникальное имя);

•            имя слота (имя слота) – это идентификатор, присваиваемый слоту (уникальное имя во фрейме, к которому он принадлежит). 

•            указатель наследования – только для фреймовых моделей иерархического типа; они показывают, какую информацию об атрибутах слотов во фрейме верхнего уровня наследуют слоты с такими же именами во фрейме нижнего уровня;

•            указатель атрибутов – указатель типа данных слота: (указатель), (целое), (вещественное), (булево),

(присоединенная процедура), (текст), (список), (таблица), (выражение) и другие;

•            значение слота – значение, соответствующее типу данных слота и удовлетворяющее условиям наследования;

•            демон – процедура, автоматически запускаемая при выполнении некоторого условия. Демоны запускаются при обращении к конкретному слоту фреймовой модели. Например, демон запускается, если в момент обращения к слоту его значение не было установлено, запускается при подстановке в слот значения, запускается при стирании значения слота.

 Фреймы подразделяются на:

•            фрейм-экземпляр – конкретная реализация фрейма, описывающая текущее состояние в предметной области;

•            фрейм-образец – шаблон для описания объектов или допустимых ситуаций предметной области;

•            фрейм-класс – фрейм верхнего уровня для представления совокупности фреймов образцов.

      Состав фреймов и слотов в каждой конкретной фреймовой модели может быть разный, однако в рамках одной системы целесообразно единое представление для устранения лишнего усложнения.     В целом фреймовая модель допускает представление всех свойств декларативных и процедурных знаний. Глубина вложенности слотов во фрейме (число уровней) зависит от предметной области и языка, реализующего модель.

Логическая модель знаний

     Основная идея– вся информация, необходимая для решения прикладных задач, рассматривается как совокупность фактов и утверждений, которые представляются как формулы в некоторой логике. Знания отображаются совокупностью таких формул, а получение новых знаний сводится к реализации процедур логического вывода. 

      Основные достоинства логических моделей знаний:

•              в качестве «фундамента» используется классический аппарат математической логики, методы которой достаточно хорошо изучены и формально обоснованы;

•              существуют достаточно эффективные процедуры вывода, в том числе реализованные в языке логического программирования «Пролог»; •   в базах знаний можно хранить лишь множество аксиом, а все остальные знания получать из них по правилам вывода.

    В логических моделях знаний слова, описывающие сущности предметной области, называются термами

(константы, переменные, функции), а слова, описывающие отношения сущностей – предикатами. 

    Предикат – логическая -арная пропозициональная функция, определенная для предметной области и принимающая значения либо истинности, либо ложности. 

    Пропозициональной называется функция, которая ставит в соответствие объектам из области определения одно из истинностных значений («истина», «ложь»). Предикат принимает значения «истина» или «ложь» в зависимости от значений входящих в него термов.