Представление знаний, рассуждений и задач
Представление знаний в системах искусственного интеллекта
Основная особенность интеллектуальных систем состоит в том, что они основаны на знаниях, а вернее, на некотором их представлении. Знания в данном случае понимаются как хранимая (с помощью ЭВМ) информация, формализованная в соответствии с некоторыми правилами, которую компьютер может использовать при логическом выводе по определенным алгоритмам. Наиболее фундаментальная и важная задача – описание смыслового содержания проблем самого широкого диапазона, т.е. должна использоваться такая форма описания знаний, которая гарантировала бы правильную обработку их содержимого по некоторым правилам. Эта задача называется проблемой представления знаний.
В настоящее время наиболее применимы три подхода к представлению знаний в обсуждаемых системах:
- продукционная и логическая модели;
- семантические сети;
- фреймы.
Продукционные правила – наиболее простой способ представления знаний. Он основан на представлении знаний в форме правил, структурированных в соответствии с образцом «ЕСЛИ – ТО». Часть правила «ЕСЛИ» называется посылкой, а «ТО» – выводом или действием. Правило в общем виде записывается так:
ЕСЛИ А1, А2,...,Аn ТО В.
Такая запись означает, что «если все условия от А1 до An являются истинными, то В также истинно» или «когда все условия от А1 до An выполняются, то следует выполнить действие В».
|
|
|
Рассмотрим правило:
ЕСЛИ (1) у является отцом х
z является братом у
ТО (2) z является дядей х
В данном случае число условий n=2.
В случае n=0 продукция описывает знание, состоящее только из вывода, т.е. факт. Примером такого знания является факт– «атомная масса железа 55,847 а.е.м.».
Переменные х, у и z показывают, что правило содержит некое универсальное, общее знание, абстрагированное от конкретных значений переменных. Одна и та же переменная, использованная в выводе и посылках, может получать различные конкретные значения.
Знания, представленные в интеллектуальной системе, образуют базузнаний (БЗ). База знаний – один или несколько специальным образом организованных файлов, хранящих систематизированную совокупность понятий, правил и фактов, относящихся к некоторой предметной области. Таким образом, представление знаний – это метод структурирования фактов и отношений для включения их в базу знаний.
В интеллектуальную систему входит также механизм выводов – часть продукционной системы, которая позволяет на основе знаний, имеющихся в базе знаний, получать новые знания.
Проиллюстрируем сказанное. Положим, что в БЗ вместе с описанным выше правилом содержатся и такие знания:
|
|
|
ЕСЛИ (1) z является отцом х
(2) z является отцом у
(3) х и у не являются одним и тем же человеком
ТО х и у являются братьями
Иван является отцом Сергея
Иван является отцом Павла
Сергей является отцом Николая
Из представленных знаний можно формально вывести заключение, что Павел – дядя Николая. При этом считается, что одинаковые переменные, входящие в разные правила, независимы; объекты, имена которых эти переменные могут получать, никак не связаны между собой. Формализованная процедура, использующая сопоставление (при котором устанавливается, совпадают ли между собой две формы представления, включая подстановку возможных значений переменных), поиск в БЗ, возврат к исходному состоянию при неудачной попытке решения, представляет собой механизм выводов.
Простота и наглядность представления знаний с помощью продукций обусловила его применение во многих системах, которые называются продукционными.
Семантическая сеть – иной подход к представлению знаний, который основан на изображении понятий (сущностей) с помощью точек (узлов) и отношений между ними с помощью дуг на плоскости. Семантические сети способны отображать структуру знаний во всей сложности их взаимосвязей, увязать в единое целое объекты и их свойства. В качестве примера может быть приведена часть семантической сети, относящейся к понятию «фрукты» (рис. 1.3).
|
|
|
Рис. 1.3. Пример семантической сети
Фреймоваясистема имеет все свойства, присущие языку представления знаний, и одновременно представляет собой новый способ обработки информации. Слово «фрейм» в переводе с английского языка означает «рамка». Фрейм – это единица представления знаний об объекте, которую можно описать некоторой совокупностью понятий и сущностей. Фрейм имеет определенную внутреннюю структуру, состоящую из множества элементов, называемых слотами, т.е. слот – это элемент фрейма, который представляется определенной структурой данных, процедурой, или может быть связан с другим фреймом.
Существуют и другие, менее распространенные подходы к представлению знаний в интеллектуальных системах, в том числе гибридные, на основе уже описанных подходов.
Перечислим главные особенности машинного представления данных.
|
|
|
1. Внутренняя интерпретируемость. Обеспечивается наличием у каждой информационной единицы своего уникального имени, по которому система находит ее для ответа на запросы, в которых это имя упомянуто.
2. Структурированность. Информационные единицы должны обладать гибкой структурой, для них должен выполняться «принцип матрешки», т.е. вложенности одних информационных единиц в другие, должна существовать возможность установления соотношений типа «часть – целое», «род – вид», «элемент – класс» между отдельными информационными единицами.
3. Связность. Должна быть предусмотрена возможность установления связей различного типа между информационными единицами, которые бы характеризовали отношения между информационными единицами. Эти отношения могут быть как декларативными (описательными), так и процедурными (функциональными).
4. Семантическая метрика. Позволяет устанавливать ситуационную близость информационных единиц, т.е. величину ассоциативной связи между ними. Такая близость позволяет выделять в знаниях некоторые типовые ситуации, строить аналогии.
5. Активность. Выполнение действий в интеллектуальной системе должно инициироваться не какими-либо внешними причинами, а текущим состоянием представленных в системе знаний. Появление новых фактов или описание событий, установление связей должны стать источником активности системы.
Моделирование рассуждений
Рассуждение – один из важнейших видов мыслительной деятельности человека, в результате которого он формулирует на основе некоторых предложений, высказываний, суждений – новые предложения, высказывания, суждения. Действительный механизм рассуждений человека остается пока недостаточно исследованным. Человеческим рассуждениям присущи: неформальность, нечеткость, нелогичность, широкое использование образов, эмоций и чувств, что делает чрезвычайно трудными их исследование и моделирование. К настоящему времени лучше всего изучены логические рассуждения и разработано много механизмов дедуктивных выводов, реализованных в различных интеллектуальных системах, основанных на представлении знаний с помощью логики предикатов 1-го порядка.
Предикат – это конструкция вида P(t1, t2, ..., tn), выражающая какую-то связь между некоторыми объектами или свойствами объектов. Обозначение этой связи или свойства Р называют «предикатным символом»; t1, t2, ..., tn обозначают объекты, связанные свойством (предикатом) Р, и называют термами. Терм – представление объекта (элемента) описываемого мира.
Термы могут быть только трех типов:
1) константа (обозначает индивидуальный объект или понятие);
2) переменная (обозначает в разное время различные объекты);
3) составной терм – функция f(t1, t2, ..., tm), имеющая в качестве своих аргументов от термов t1, t2, ..., tm.
Примеры
1. Предложение «Волга впадает в Каспийское море» можно записать в виде предиката:
впадает (Волга, Каспийское море).
«Впадает» – предикатный символ; «Волга» и «Каспийское море» – термы-константы. Мы могли обозначить отношение «впадает» и объекты «Волга» и «Каспийское море» символами.
Вместо термов-констант можно рассматривать переменные:
впадает (X, Каспийское море)
или
впадает (X,Y).
Это тоже предикаты.
2. Отношение х + 1 <у можно записать в виде предиката А(х,у). Предикатный символ А здесь обозначает то, что останется от х + 1 <у, если выбросить из этой записи переменные х и у.
Итак, предикат – это логическая функция, принимающая значения «истина» или «ложь» в зависимости от значений своих аргументов. Количество аргументов у предиката называют его арностью.
Так, для наших примеров предикат «впадает» имеет арность 2 и при Х=«Волга», а Y=«Каспийское море» истинен, а при Х = «Дон», Y=«Бискайский залив» ложен. Предикат А в примере 2 также имеет арность 2, истинен при Х=1, Y=3 и ложен при X=3, Y=1.
Предикаты могут быть объединены в формулы с помощью логических связок (союзов): («и», конъюнкция), («или», дизъюнкция), ~ («не», отрицание), («следует», импликация), («тогда, и только тогда, когда», эквиваленция).
Ниже приведены таблицы истинности этих союзов, позволяющие определить, истинно или ложно значение формулы-связки при различных значениях входящих в нее предикатов А и В.
Таблица 1.1
Дата добавления: 2019-07-15; просмотров: 371; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!