Логические модели представления знаний

Согласно логическому подходу, вся система знаний, необходимая для решения прикладных задач, рассматривается как совокупность утверждений.

Система знаний представляется совокупностью формул логики предикатов. Эта логика оперирует простыми высказываниями, расчлененными на субъект (нечто лежащее в основе) и предикат (нечто утверждаемое о субъекте). Предикат отображает наличие или отсутствие у субъекта того или иного признака.

Формулы в базе знаний неделимы. Модификация базы предполагает лишь добавление и удаление формул. Логические методы обеспечивают развитый аппарат вывода новых фактов на основе тех, что представлены в базе знаний.

Основной недостаток логических методов — отсутствие четких принципов организации фактов в базе знаний. Без формулирования таких принципов модель может превратиться в плохо обозримый конгломерат независимых фактов, не поддающихся анализу и обработке. Поэтому логические методы используются преимущественно в тех предметных областях, где система знаний невелика по объему и относительно проста по структуре [33].

В основе логических моделей лежит формальная система, задаваемая четверкой вида [33]:

M = < T, P ,A, B >.

Множество T есть множество базовых элементов различной природы, входящих в состав некоторого набора. Важно, что для множества T существует некоторый способ определения принадлежности или непринадлежности произвольного элемента к этому множеству.

Множество Р есть множество синтаксических правил. С их помощью из элементов T образуют синтаксически правильные совокупности.

В множестве синтаксически правильных совокупностей выделяется подмножество А. Элементы А называются аксиомами.

Множество В есть множество правил вывода. Применяя их к элементам А, можно получить новые синтаксически правильные совокупности, к которым снова можно применять правила из В.

Правила вывода являются наиболее сложной составляющей формальной системы. В базе знаний хранятся лишь те знания, которые образуют множество А, а все остальные знания получаются из них по правилам вывода.

Продукционные модели представления знаний

Продукционная модель, или модель, основанная на правилах, позволяет представить знания в виде предложений типа: Если (условие), то (действие). В общем случае продукционное правило можно представить в следующем виде [52]:

i: S; L; A → B; Q,

где i — индивидуальный номер продукции; S — описание класса ситуаций, в котором данная структура может использоваться; L — условие, при котором продукция активизируется; А→В — ядро продукции, например: «ЕСЛИ A₁, A₂,..., A_п ТО В». Такая запись означает, что «если все условия от A₁, до A_п являются истиной, то В также истина»; Q — постусловие продукционного правила, описывает операции и действия (процедуры), которые необходимо выполнить после выполнения В.

В левой части правила продукции ставится некоторое условие, а в правой части — действие. Если все условия истинны, то выполняется действие, заданное в правой части продукции.

При использовании продукционной модели база знаний состоит из набора правил. Программа, управляющая перебором правил, называется машиной вывода. Чаще всего вывод бывает прямой (от данных к поиску цели) или обратный (от цели для ее подтверждения — к данным). Данные — это исходные факты, на основании которых запускается машина вывода — программа, перебирающая правила из базы.

Свойства продукционных моделей [52]:

• модульность — отдельные продукционные правила могут быть добавлены, удалены или изменены в базе знаний независимо от других;

• каждое продукционное правило является самостоятельным элементом знаний;

• простота смысловой интерпретации;

• естественность с точки зрения здравого смысла.

Продукционная модель чаще всего применяется в промышленных экспертных системах. Она привлекает разработчиков своей наглядностью, высокой модульностью, легкостью внесения дополнений и изменений и простотой механизма логического вывода.

Имеется большое число программных средств, реализующих продукционный подход (язык OPS; "оболочки" или "пустые" ЭС — EXSYS, ЭКСПЕРТ; инструментальные системы ПИЭС и СПЭИС и др.), а также промышленных ЭС на его основе (ФИАКР) и др.

Недостатки продукционных систем проявляются тогда, когда число правил становится большим и возникают непредсказуемые побочные эффекты от изменения старого и добавления нового правила. Кроме того, затруднительна оценка целостного образа знаний, содержащихся в системе [52].