типов. Но здесь всегда есть проблемы, в частности до какого уровня спускаться к трекам. Структура функционирования программы может быть очень сложная, поэтому на каком уровне эту трассу вести вопрос остается открытым.
Последний тип объяснений – это ориентированный на обучение. Здесь на уровне моделей раскрываете что происходит и одна из задач объясняющих подсистем – это обучить пользователя.
Лекция 12
Мы рассмотрели три способа решения задач методом пространства состояний, ИЛИ – графы доказательства теорем и логические выводы и также рассмотрели один, не способ решения задач, а способ поддержки процессов решения задач, советы и рекомендации не квалифицированных специалистов, т.н. Экспертные системы. Но и в принципе уже достаточно нам материала, который мы уже знаем, чтобы перейти к представлению знаний, потому что база богатая, и у нас начинается тема Представление знаний, но и здесь напоминаю некоторые вещи: для нас знания отдельно от опыта не существует, знания это просто система доступа к умением и навыкам, надо же умениям и навыкам что-то сказать, дать совет. Какая разница это все равно действие. В этом плане знание является подчиненным образованию, на которое ложиться вот такая функция поиск и доступ. Но у нас есть еще одна интерпретация чисто профессиональная, потому что вы все специалисты по вычислительной технике, ее приложениям должны быть; и для нас в любом случае это ляжет в память компьютера и будут активизироваться в компьютерной среде, а значит структурой данных и операциями над ними. Для нас все связанное с опытом рассматривается только на уровне моделей, а на уровне моделей это всегда структура данных и операции над ними. Если вы структурировали хорошо, т.е. выбрали нормальную, удобную структуру данных и операции, проще программировать все, так и у человека, если он хорошо структурировал онтологически что-то и знает как действовать, ему легко. Все это зависит от среды, в которой происходит работа, например у эскимосов 14 названий снега, он выходит на улицу и видит что перед ним, вас пустить для вас все снег, разве что рыхлый добавить, мягкий, талый, т.е. такие какие - то слова будите употреблять, а у них какие-то уникальные имена. В этом плане кто и что структурирует, зависит от действий, поэтому у эскимоса от этих 14 названий много что зависит, стоит ли там за песцами идти или на оленя или еще куда, какие лыжи надеть, чтобы не проваливаться. С этих позиций в любом случае структуризация в компьютерной среде она в форме структур данных и операций над ними. Все в программирование ушло лет 15 назад на объектно-ориентированное представление, так человеку проще понять. Знания отличаются от данных в первую очередь тем, что у них есть интерпретация. Чтобы вы ни сказали с помощью знаков, как бы вы не закодировали, есть еще одно представление, которое называется интерпретация. Причем в представлении знаний также идет работа, т.е.
знания с позиции структур данных имеет две части. В одной части все связанное с моделью, а в другой все с ее интерпретацией. Поэтому и говорят модель – метамодель, знания – метазнания, опыт – мета опыт. В этом плане без интерпретации про знания говорить нельзя. Интерпретация на структурах данных использовалась давно, даже без привязке к проблемам искусственного интеллекта, и результаты интерпретации привязывались к данным сбоку и вот слово тег, где бы вы его не встречали, за ним обычно стоит интерпретация, т.е. это есть что-то
ипотом как бы объясняется что это такое, пусть даже на уровне признаков
идругих характеристик. Над базами данных через какое то время из-за их богатства стали строить словари справочники и появились словари справочники баз данных – это тоже были базы данных, но базы метаданных. Там где есть мета и то что стоит под мета, там всегда ищите знания, т.е. без интерпретации у нас знания не существуют. Самой надежной интерпретацией является сопоставление с действительностью. Т.е. если есть возможность сопоставить, то надо обязательно это приписать, потому что со знанием работает не только компьютер, но и человек. Без толкования, без объяснения, без интерпретации будет тяжело. Мы с вами говорили о том, что в компьютерной памяти всегда мы работаем с моделями знаний.
Модель – это отображение, нацеленное на выполнение определенной работы, на решение определенных задач. Модель – это форма вопроса. Модель надо обязательно запустить в работу и она потом что-то скажет, ответит на вопрос который вы закодировали, создавая модель. Модель не отделима от моделирования. Моделирование такую функцию имеет: знания применяют в разных задачах, с разными целями, для поиска и доступа, и там же интерпретацию надо проводить для человека, что бы он включал свои способности в процессы решения задач. Поэтому моделей как таковых много. Их вообще-то бесконечное количество, потому что
знания является больше природным феноменом, оно локализовано в мозговых структурах человека, а там слишком большое богатство и слишком много разных структур данных можно наложить и операций на то что там происходит, причем наложить с определенной целью. На слайде показано, что моделей может быть много разных и в любом случае они каким-то образом отражают одно и тоже, а значит связаны друг с другом. В тоже время какая-то характеристика, часть того что называют знанием отражается в конкретной модели. Моделей много и этот слайд об этом указывает, а еще здесь показаны экземпляры, это для того чтобы у вас объектно-ориентированное у вас в голове тоже всегда активизировалось. Объектно-ориентированное представление любой модели конкретной – это экземпляр. С моделями работают давно, даже о том что представление знаний является центральным в искусственном интеллекте стало известно более 30 лет назад и туда были направлены основные усилия, значит накопили опыт в моделировании знаний и значит есть типовые модели, опять параллельность с языками программирования. Точно также типовые модели данных выносят в определение типов конкретных языков программирования, т.е. наиболее удачные модели структур данных включают в состав средств языка и вам дают. Говорят: "Если миллионы людей этим пользуются, и вам скорее всего пригодиться", а если человеку не пригодиться он сам строит свои структуры данных из этих блоков, т.е. в итоге там тоже моделируете данные, а здесь моделируете знания.
Те модели, которые устоялись они следующих типов: на слайде приведена обобщенная классификация: 1-й блок – это логиколингвистические модели. В любом случае знания - это средства систематизации, значит они коды записываться должны, должен быть язык. Самый универсальный язык для систематизации знаний – это естественный язык. Естественный язык – это модель знаний, причем очень богатая модель знаний. Вы все время используете язык, чтобы что-нибудь найти. Но в языке, поскольку это богатая структура и тоже такая природноискусственная, все-таки выделяют части, которые составляют модели.
Некоторые модели здесь приведены: функциональные классы, синтагматические цепи, RX – коды.
Подробнее они мы рассмотрим позже. Но факт остается фактом. Вам же надо идти по дереву вниз, а сама, если даже возьмем просто словарь, вы же по словарю ходите, по алфавиту или еще как-то, но ходите. Можно по другому ходить в гипертекстовом плане вы ходите по смысловым каким-то цепочкам и сетям. Раз вы ходите, значит есть куда вас в классы отгоняют. Функциональные классы – это в общем-то актуальный, даже так, грубо, например: существительные, прилагательные, глаголы, наречия; они же отражают что-то конкретное семантически. Прилагательные, например, означают свойства и отношения, а наречие: свойство свойств. Есть объекты, прилагательные отражают свойства, наречие свойства свойств, например "очень большой", оно нам зачем-то нужно, но в принципе никуда не денешься это нужно отображать.
Чуть ниже мы детальнее все рассмотрим, и синтагматические цепи рассмотрим позже, но сети, если это сети доступа, конечно сетевые модели должны быть. Даже не слишком много думая, можно сказать, да, сетевые модели должны быть и должны использоваться представления продукционными. Продукционные это значит по сути дела смотрите, мы уже говорили продукция это форма представления советов , действий, тех же экспертных систем. В основе продукции лежит "если-то", ядро продукции, если то чаще действие, но и в принципе оно подталкивает к действию, т.е это специфика, здесь нет сети, а есть внутрисетийный элемент если - условие – то, и куда-то вас гонит или заставляет делать.
Фреймовые представления, за ними стоят какие-то схемы типовых ситуаций – это не сети. Фрейм тоже с помощью сети можно зарыть, но это не сети доступа, а средства структуризации сетей доступа, т.е. мы хотим по сути дела сети строить из кусков типовых, и вот эти типовые куски при построении сетей это фреймовые какие-то представления. Здесь я общее введение в классификацию дал, а теперь переходим в детальное и конкретное.
Функциональные классы. На слайде более детально приведены функциональные классы. С позиции понятий мы различаем объекты, процессы, состояния. Раз мы вводим такие различия между сущностями и их характеристиками, значит это важно, значит это мы можем использовать и в языке это для чего-то используют. Эта категория понятий , за ней скрыта то что все состоит из групп. Там группы есть, потому что понятия – это средства классифицирования, т.е. это средства разбиения на группы. Имена – это не средства разбиения на группы, потому что есть имена собственные, это имена для того чтобы мы могли отличать, цель такая: если понятия – чтобы разбивать на группы, то имена – чтобы отличать друг от друга близкие, или члены групп. Дальше здесь идут отношения и здесь целая такая цепочка временные, пространственные, динамические, классификационные, идентификационные, прагматические, причинно-следственные, не думайте что закончилось, т.е. много и других. Но все таки вот здесь есть вопрос: сколько же вот так вообще то в мире существует значимых отношений с которыми сталкивается человек. Их примерно около 200, а вообще то были попытки построить языки, которые работают с естественными языками, в которых около 20 всего отношений, и в принципе системы работали. Снова повторяю, это общезначимых отношений, а не то что вот я иду быстро, потом очень быстро, т.е. иду – это значит движение.
Здесь приведены разные типы отношений, это они приведены чтобы вы их знали, и сталкиваясь с конкретной ситуацией вам нужно ее специфицировать.
Модификаторы, квантификаторы, оперативы, иттеративы. Оперативы
– это приказы, это все связанное с приказом.
Синтагматические цепи. В основе синтагматических цепей лежит: уже два объекта из словаря, но за которыми стоят сущности, а между ними связь, отношение которое существует – это значит я могу создать матрицу, по вертикали все слова словаря , по горизонтали все слова словаря, а на точках пересечения связь стоит, а где нет связи ноль. Между любыми двумя связь. Вообще то делают не между любыми элементами словаря, а между любыми элементами раздела понятий. Т.е. два понятия и связь между ними. Получается вполне конкретная конструкция, называемая синтагмой. Появляются пары с отношениями, а используя такие блоки их можно составлять и получаются фигуры разные, многосвязные. Тот человек, который пытался ограничится 20 отношениями, он как раз и пытался с помощью этих 20 отношений все изобразить такими конструкциями, создал теорию концептуальной зависимости, концептуальной – это понятийной зависимостью. Это теория концептуальной зависимости Шенка. Вообще то она оказалась бесполезной, потому что ничего серьезного с помощью такого его упрощения слишком грубого создавать не удается, но такого рода формы представления знаний широко используются. Здесь во как раз эти R1,R2,R3 стараются таблички этих отношений вести и их значимых около 200. Сама форма простая, она добавляет предыдущую. В предыдущей были только узлы (точки), т.е. считайте плоскость, а на ней точки везде стоят, а сейчас появились точки и связи между ними, т.е. своего рода другая модель. У нее свои предназначения, в частности предназначение описывать ситуации с помощью синтагматических сетей в которых оказался человек или автомат. В ситуативном управлении используют чтото подобное синтагматическим сетям, но там все-таки ближе к логике предикатов 1-го порядка. Но имейте ввиду и то, и то там есть.
RX-коды они похожи на синтагматические цепи, только язык формализованный. Автор языка RX русский. Он создавал свои языки в основном для целей информационного поиска.
Две модели мы разобрали, третью упомянули, связанную с логиколингвистическими моделями, а теперь немного отвлеклись на структуризацию знаний, на структуризацию знаний чуть-чуть с других позиций, а не просто говоря что есть разные модели и не связаны друг с другом. На слайде приведена базовая структура знаний, которая отражает динамику становления знания, т.е. не было знания, вот теперь стало, или не было знаний о чем-то, а теперь оно встает или встало до какого-то состояния. Этот слайд познавательный, потому что он тоже на многое обращает внимание и помогает при разработках конкретных приложений искусственного интеллекта. С точки зрения базового становления знания, эта ось – ось времени, а здесь моменты t1,t2,t3 и показано что там что-то растет с асимптотическом каким-то таким уклоном к насыщению. Самое нижнее что растет – это дотеоретическая фаза. Она отражает во-первых есть состояния знаний, когда оно хорошо систематизировано и можно уже говорить о том, что оно имеет вид той или иной теории или содержит элементы теории, а вот есть время и есть слой знаний, который не систематизирован. По сути нижний слой это не систематизированные знания. Не систематизированные знания – это факты, которые были кемто, на какой базе это вопрос второй, зарегистрированы. Во здесь регистрация факта кто-то проводит эксперимент, кто-то случайно что-то увидел какое-то явление и он записал, записал … и там тьма предложений лежит. Не надо считать что там и о животноводстве, и о сварке, и о механике, мы имеем ввиду всегда конкретный фрагмент, конкретное приложение, конкретную предметную область. В области той же механики кто что зарегистрировал, что увидел, все записал и там множество предложений лежит. Из предложений куски какие-то, но эти куски просто
как результат регистрации, и почему он кусок никто даже ни задумывался и не делал предположений, почему он кусок. Там предложения, что там лежит, мы, кстати, говорили пусть оно даже сложно сочиненное даже предложение, или простое предложение там всегда у нас лежит или несколько подлежащих со сказуемыми и дополнениями или одно. Значит там зафиксированы свойства и отношения, которые удалось обнаружить и вот они кучей там лежат. Это дотеоретическая фаза. Ни какой систематизации не было.
Следующая фаза, она называется описательная. Там из предложений куски записаны - это абзацы, или как говорят дискурсы. А может быть из дискурсов более сложные части, которые текстами называют. Второй слой
– там лежат описания, а не простые предложения в куче. Описание – это уже есть элемент систематизации, более того есть такой класс теорий, они называются содержательными. Вот все эти ботаники и все остальные, что они могли, что они логически выводили. Они просто регистрировали то что видели текстами и описывали. Описательные науки, их много (география, ботаника и т.д.), т.е. там формулу не удается записать никакую, максимум классы можно записать, но даже до классов еще далеко идти по этой схеме. Описательная фаза – это куски, в которых собраны вот эти предложения. Повторяю есть теории которые ничего другого и не могут и у них накапливается вот эта дотеоретическая фаза и описательная фаза.
Следующий слой называется классификационная фаза, т.е. здесь я не только задумался, или тот ученый который данный слой знаний формирует задумался, что там за факты и как они связаны, он еще задумался и о классах вот если здесь в логике предикатов стоят просто константы, то здесь считайте он задумался о переменных логических. Эта фаза называется классификационная, классификационная фаза она состоит из множества классификаций, причем даже если я беру какую-то конкретную науку, пусть механику, я там могу классифицировать разные вещи, разные состояния, разные характеристики. Нет одной классификации, всегда есть группа нескольких классификаций. В классификационной фазе пытаются построить эту группу классификаций и связать их в единую классификацию. Связать в единую классификацию сложно, но пытаются. Иногда можно фиктивный корень поставить и на уровне этого фиктивного корня все классификации (классификации это дерево), эти узлы корневые базовых классификаций можно соединить в одну, получится у единое общее. Это единое общее на рисунке, но нам интересна система классификаций. Если взять конкретный класс, необходимо задать перечень его свойств. Если взять классификацию как дерево это значит у каждой вершины классификации свой набор свойств. В этом наборе свойств две составляющие: одна для того, чтобы отличить одну вершину от другой, чтобы ходить по сети доступа. Такие признаки, которые позволяют отличать одну вершину классификации от другой называются дифференциальными признаками. Это чтобы легче бежать было и меньше усилий тратить. Кроме дифференциальных признаков есть
просто признаки существенные, которые характеризуют класс. Эти признаки существенные, они начинают переплетаться, если дифференциальные отличают только одну вершину от другой, то существенные признаки, среди них могут быть и дифференциальные, они могут оказаться в разных классификациях. Они начинают классификации связывать друг с другом, образуется система классификаций. Всегда необходимо для себя использовать некоторые параллели, чтобы легче понималось. Например, в математике любую функцию можно представить разложением в базисе ортогональных функций. Эти базисы они разные, есть базис тригонометрических функций. Любую функцию можно представить базисе ортогональных функций, если набор ортогональных функций существует. Любую сущность реальную можно представить классификацией, точно так же как представляют любую функцию в базисе ортогональных функций. Ортогональные функции базис там , а здесь базис классификаций. Любой вектор в n-мерном пространстве можно представить через его представление в ортогональном базисе. Это распространенный прием, главное найти тот базис в котором можно представить. Причем не только в ортогональном, а в любом базисе, но только чтобы эти векторы удовлетворяли определенному условию. В классификационной фазе есть базис классификаций, он создается и используется подобно тому, как используют в математике различного рода ортогональные наборы функций. Для представления мы хотим в базе классификации представить любую сущность, объект, процессы и т.д. в этом базисе.
Кроме базиса классификаций нам необходимо каким-то образом эти признаки измерять, идентифицировать. Какие-то признаки вы измеряете с помощью специальных датчиков, какие-то формируете в процессе обработки данных с этих первичных датчиков и доходите до каких-то качественных признаков. Этот слой связан с интерпретации, т.е. этот слой идентификационно-измерительный.