ЭУМК_КИТ2012

Классификация видов и форм знания в настоящее время является во многом дискуссионной. Приведем некоторые виды.

Знания могут быть

декларативные

процедурные Декларативные знания содержат в себе лишь представление о структуре неких понятий. Эти

знания приближены к данным, фактам. Например: высшее учебное заведение есть совокупность факультетов, а каждый факультет в свою очередь есть совокупность кафедр.

Процедурные знания имеют активную природу. Они определяют представления о средствах и путях получения новых знаний, проверки знаний. Это алгоритмы разного рода. Например: знания, полученные в результате мозгового штурма или компьютерные программы.

Знания могут быть

научными

вненаучными. Научные знания могут быть

эмпирическими (на основе опыта или наблюдения)

теоретическими (на основе анализа абстрактных моделей). Вненаучные знания могут быть:

паранаучными антинаучными псевдонаучными обыденно-практическими личностными

Знания могут быть

неявные, (скрытые) знания

формализованные (явные) знания;

Неявные знания:

знания людей,

Формализованные (явные) знания:

знания в документах,

знания на компакт дисках,

знания в персональных компьютерах,

знания в Интернете и др.

Для эффективного управления предприятием необходимо организовать совместное использование знаний, их защиту и интеграцию в цепочку бизнеспроцессов. Такая технология известна как управление знаниями (Knowledge Management).

2 Базы знаний. Модели представления знаний

База знаний — это один или несколько специальным образом организованных файлов, хранящих систематизированную совокупность понятий, правил и фактов, относящихся к некоторой предметной области.

Из определения видно, что в отличие от базы данных в базе знаний (БЗ) хранятся не только данные, описывающие рассматриваемую предметную область, но также и правила, описывающих целесообразные преобразования хранящихся данных.

База знаний является основным компонентом интеллектуальных систем: информационных, обучающих, систем программирования, а также экспертных систем.

151

Под экспертной системой (ЭС) понимается система, объединяющая возможности компьютера со знаниями и опытом эксперта в такой форме, что система может предложить разумный совет или осуществить разумное решение поставленной задачи. Дополнительно желаемой характеристикой такой системы является способность системы пояснять по требованию ход своих рассуждений в понятной для спрашивающего форме.

Общую структуру экспертной системы можно представить (Рис 9.2)

Рис. 9.2 Общая структура экспертной системы Подсистема общения служит для ведения диалога с пользователем, в ходе которого ЭС

запрашивает у пользователя необходимые факты для процесса рассуждения, а также, дающая возможность пользователю в какой-то степени контролировать и корректировать ход рассуждений экспертной системы.

Машина логического вывода - механизм рассуждений, оперирующий знаниями и данными с целью получения новых данных из знаний и других данных, имеющихся в рабочей памяти. Подсистема объяснений необходима для того, чтобы дать возможность пользователю контролировать ход рассуждений и, может быть, учиться у экспертной системы. Подсистема объяснений дает информацию:

как получено решение как использована некоторая информация (факты, правила)

почему не использована некоторая информация (факты, правила) что использовано в целом при решении задачи (факты, правила)

Подсистема приобретения знаний служит для корректировки и пополнения базы знаний. В простейшем случае это - интеллектуальный редактор базы знаний, в более сложных экспертных системах - средства для извлечения знаний из баз данных, неструктурированного текста, графической информации и т.д.

База данных предназначена для временного хранения фактов или гипотез, являющихся промежуточными решениями или результатом общения системы с внешней средой, в качестве которой обычно выступает человек, ведущий диалог с экспертной системой.

Процесс построения БЗ на основе информации эксперта состоит из трех этапов: описание предметной области; выбор способа и модели представления знаний; приобретение знаний.

Сам процесс построения БЗ достаточно сложен, как правило, плохо структурирован и носит итеративный характер, заключающийся в циклической модификации БЗ на основе результатов ее тестирования. На первом шаге построения БЗ четко очерчивается предметная область, на

152

решение задач из которой ориентируется проектируемая ЭС, т.е. определяется область применения будущей системы и класс решаемых ею задач.

В перечень работ данного шага входят:

определение характера решаемых ЭС задач и основных понятий, объектов предметной области, а также отношений между ними;

установление специфических особенностей предметной области; выбор модели представления знаний.

После первых двух шагов формально описывается предметная область на языке представления знаний (ЯПЗ), т.е. создается модель представления знаний. В настоящее время универсальный способ представления знаний отсутствует, поэтому необходимо максимально учитывать специфику исходной предметной области.

Полученная после формализации предметной области БЗ может быть уже конкретно реализована программными средствами, например, таких, как Pascal, C, Prolog, Fortran, Forth и др.

Следует отметить, что во многих случаях для принятия решений в той или иной области человеческой деятельности неизвестен алгоритм решения, т.е. отсутствует четкая последовательность действий, заведомо приводящих к необходимому результату. В любой предметной области есть свои понятия и связи между ними, своя терминология, свои законы, связывающие между собой объекты данных предметной области, свои процессы и события. Кроме того, каждая предметная область имеет свои методы решения задач.

Все это обуславливает выбор модели представления знаний. Основными моделями представления знаний являются:

продукционные модели; семантические сети; фреймовые модели; формальные логические модели

9.3 Продукционные модели

Продукционная модель, или модель, основанная на правилах, позволяет представлять знания в виде предложений типа:

Если (условие), то (действие).

Записываются эти правила обычно в виде:

ЕСЛИ А1,А2,…,Аn ТО В.

В качестве условия может выступать любая совокупность суждений, соединенных логическими связками И, ИЛИ.

Под условием понимается некоторое предложение – образ, по которому осуществляется поиск в базе знаний, а под действием – действия, выполняемые при успешном исходе поиска (они м.б. промежуточными, выступающими далее как условие, и терминальными или целевыми, завершающими работу системы).

«Условие» называют иногда «Посылкой», а «Действие» - «Выводом» или «Заключением».

153

Условия А1,А2,…,Аn обычно называют фактами. С помощью фактов описывается текущее состояние предметной области. Факты могут быть истинными, ложными, либо, в общем случае, правдоподобными, когда истинность факта допускается с некоторой степенью уверенности.

Действие В трактуется как добавление нового факта в описание текущего состояния предметной области.

В упрощенном виде описание предметной области с помощью правил (продукций)

базируется на следующих основных предположениях об устройстве предметной области:

1.Предметная область может быть описана в виде множества фактов и множества правил. Факты – это истинные высказывания (повествовательные предложения) об объектах или явлениях предметной области.

2.Правила описывают причинно-следственные связи между фактами (в общем случае и между правилами тоже) - как истинность одних фактов влияет на истинность других.

3.Продукционные модели могут отражать следующие виды отношений:

ситуация - > действие, посылка -> заключение, причина -> следствие.

В продукционных системах используются два основных способа реализации механизма вывода:

прямой вывод, или вывод от данных; обратный вывод, или вывод от цели.

В первом случае идут от известных данных (фактов) и на каждом шаге вывода к этим фактам применяют все возможные правила, которые порождают новые факты, и так до тех пор, пока не будет порожден факт-цель. Возможны несколько проходов для проверки правил.

Для применения правила используется процесс сопоставления известных фактов с правилами и, если факты согласуются с посылками в правиле, то правило применяется.

Во втором случае вывод идет в обратном направлении – от поставленной цели. Если цель согласуется с заключением правила, то посылку правила принимают за подцель или гипотезу, и этот процесс повторяется до тех пор, пока не будет получено совпадение подцели с известными фактами.

Пример: Набор правил:

П1: Если ―отдых – летом‖ и ‖человек – активный‖, то ―ехать в горы‖. П2: Если ―любит солнце‖, то ―отдых - летом‖.

Предположим, в систему поступили данные: ―человек – активный‖ и ―любит солнце‖.

Необходимо выяснить может ли человек ехать в горы.

Прямой вывод:
1-й проход.
Шаг	1. Пробуем	П1,	не работает	(не	хватает данных ―отдых –	летом‖).
Шаг	2.Пробуем	П2,	работает, в	базу	поступил факт ―отдых	летом‖.

2-й проход.

Шаг 3. Пробуем П1, работает, активизирует цель ―ехать в горы‖, которая и выступает как совет, который дает ЭС.

154

Обратный вывод: - подтвердить выбранную цель при помощи имеющихся правил и данных.

1-й проход.

Шаг 1. Цель – ―ехать в горы‖. Пробуем П1 – данных ―отдых – летом‖ нет, они становятся новой целью, и ищется правило, где она в правой части.

Шаг 2. Цель ―отдых – летом‖. Правило П2 подтверждает цель и активизирует ее. 2-й проход.

Шаг 3. Пробуем П1, искомая цель подтверждается.

Продукционная модель чаще всего применяется в промышленных ЭС.

Она привлекает разработчиков своей наглядностью, высокой модульностью, легкостью внесения дополнений и изменений и простотой механизма логического вывода. Продукционная модель обладает тем недостатком, что при накоплении достаточно большого числа (порядка нескольких сотен) продукций они начинают противоречить друг другу. Имеется большое число программных средств, реализующих продукционный подход. Например, экспертные системы ЭКСПЕРТ, ЭКО и др.

9.4 Семантические сети

Семантическая сеть – это модель, в которой структура знаний предметной области формализуется в виде ориентированного графа с помеченными вершинами и дугами. Вершины графа обозначают понятия различных категорий: объекты, события, свойства, операции, а

дуги – отношения между ними.

(Семантика - значение единиц языка).

Семантические сети вначале использовались для представления смысла выражений естественного языка человека, откуда и появилось название этого класса сетей.

При построении семантической сети отсутствуют ограничения на число связей и на сложность сети. Поэтому систематизация отношений между объектами в сети необходима для дальнейшей формализации.

В качестве понятий выступают абстрактные или конкретные объекты. Наиболее часто в семантических сетях используются следующие отношения:

1)связи типа “часть-целое” (например, ―класс-подкласс'', ―элемент-множество‖ и т.п.);

2)функциональные связи, определяемые обычно глаголами (производит, влияет и др.);

3)количественные (>, <, = и др.);

4)пространственные (далеко от, близко от, за, под, на и др.);

5)временные (раньше, позже, в течение и др.);

6)атрибутивные (иметь свойство, иметь значение и др.);

7)логические (и, или, не);

8)лингвистические и др.

Поиск решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, отражающий поставленный запрос к базе.

Пример

155

Рис.9.3

Пример

семантической сети

Для реализации семантических сетей существуют специальные сетевые языки: NET, язык реализации систем SIMER+MIR и др. Широко известны экспертные системы, использующие семантические сети в качестве языка представления знаний: PROSPECTOR, CASNET, TORUS. Семантические сети получили широкое применение в системах распознавания речи и экспертных системах.

9.5 Фреймовые модели

Теории представления знаний фреймами была разработана М.Минским в 70-е годы XX века. В ее основе лежит восприятие фактов посредством сопоставления полученной извне информации с рамками, определенными для каждого объекта в памяти человека.

Слово "фрейм" в переводе с английского языка означает "рамка".

Фрейм является единицей представления знаний об объекте, которую можно описать некоторой совокупностью понятий и сущностей.

Под фреймом понимается абстрактный образ или ситуация.

В психологии и философии известно понятие абстрактного образа. Например, слово «комната» вызывает у слушателя образ комнаты: «жилое помещение с четырьмя стенами, полом, потолком, окнами и дверью, площадью 6-20 м2». Из этого описания ничего нельзя убрать (например, убрав окна, мы получим чулан, а не комнату), но в нем есть «дырки», или «слоты», - это незаполненные значения некоторых атрибутов – количество окон, цвет стен, высота потолка, покрытие пола и т.д.

Фрейм имеет определѐнную внутреннюю структуру, состоящую из множества элементов, называемых слотами.

156

Каждый слот в свою очередь, представляется определенной структурой данных, процедурой, или может быть связан с другим фреймом.

Значением слота может быть практически что угодно (числа или математические соотношения, тексты на естественном языке или программы, правила вывода или ссылки на другие слоты данного фрейма или других фреймов).

Фрейм можно определить и как формализованную модель для отображения образа.

Различают:

•фреймы–образцы или прототипы, хранящиеся в базе знаний

•фреймы–экземпляры, которые создаются для отображения реальных ситуаций на основе поступающих данных.

Структуру фрейма можно представить так:

ИМЯ ФРЕЙМА:

(имя 1-го слота: значение 1-го слота), (имя 2-го слота: значение 2-го слота),

…………………………………………,

(имя N-го слота: значение N-го слота).

Фрейм может содержать процедуры, которые будут выполняться при определенных условиях (при записи или удалении информации из слота, при обращении к слоту, в котором отсутствуют данные и т.д.) С каждым слотом может быть связано любое количество процедур. Процедуры, связанные с определенным слотом фрейма, зависят от конкретной прикладной системы, использующей фреймовые структуры для представления знаний.

Существует несколько способов получения слотом значений во фрейме-экземпляре:

по умолчанию от фрейма-образца;

через наследование свойств от фрейма, указанного в слоте АКО (A-Kind-Оf, это); по формуле, указанной в слоте; через присоединенную процедуру; явно из диалога с пользователем; из базы данных.

Таким образом, структуру фрейма-экземпляра можно представить в виде следующей таблицы:

			Способ получения	Присоединенная
Имя	Значение		значения слота	процедура
		157

9.4 Пример сети фреймов

слота слота

В качестве значения слота может выступать имя другого фрейма. Тогда образуются сети фреймов.

Существование сетей фреймов обусловлено тем, что между различными объектами можно провести некоторые аналогии. Поэтому фреймы, представляющие такие образы, выстраиваются в иерархическую систему. При этом сложные объекты представляются комбинацией нескольких подчиненных фреймов.

В сетях фреймов происходит наследование свойств по АКО-связям. Слот АКО указывает на фрейм более высокого уровня, откуда неявно наследуются (переносятся) значения слотов. На рис. 9.4. приведен пример сети фреймов.

Сотрудник

Руководитель

АКО человек

Менеджер

умеет работать

АКО человек

АКО человек

возраст

30-60 лет

образование

обязанности

высшее		работает	В отделе
Управление		возраст	20-40 лет
отделом

Работа с

обязанности клиентами Фрейм «Менеджер» наследует свойства фреймов «Сотрудник» и «Руководитель», которые на

более высоком уровне иерархии. Так, на вопрос «Является ли менеджер человеком с высшим образованием?» или ЭС ответит «Да», так как этим свойством обладают все руководители, что указано в фрейме «Руководитель». На вопрос «Умеет ли менеджер работать?» также будет ответ «Да», т.к. этим свойством обладают все сотрудники.

Наследование свойств может быть частичным. Так, возраст для менеджеров и их обязанности не наследуется из фрейма «Руководитель», поскольку указаны явно во фрейме «Менеджер».

158

Основным преимуществом фреймов как модели представления знаний является то, что она

отражает концептуальную основу организации памяти человека, а также ее гибкость и наглядность. Кроме того, отмечают однородность представления знаний и возможность их типового текстового описания с помощью специальных языков.

В сетях фреймов используются такие специальные языки представления знании, как FRL

(Frame Representation Language) и KRL (Knowledge Representation Language). Они позволяют эффективно строить промышленные экспертные системы.

Широко известны такие фрейм-ориентированные экспертные системы, как ANALYST,

МОДИС, TRISTAN, ALTERID.

9.6Формальные логические модели

•Логическая (предикатная) модель представления знаний основана на алгебре высказываний и предикатов, на системе аксиом этой алгебры и ее правилах вывода.

•Из предикатных моделей наибольшее распространение получила модель предикатов первого порядка, когда задача описывается в виде набора аксиом).

•Предметная область описывается при этом с помощью предикатов и системы аксиом.

Языки предназначенные для описания предметных областей называются языками представления знаний.

Логические выражения, построенные на языке представления знаний, могут быть истинными или ложными. Некоторые из этих выражений, являющиеся всегда истинными, объявляются аксиомами (или постулатами). Они составляют ту базовую систему посылок, исходя из которой и пользуясь определенными правилами вывода, можно получить заключения в виде новых выражений, также являющихся истинными.

Если перечисленные условия выполняются, то говорят, что система удовлетворяет требованиям формальной теории и такую систему называют формальной или

аксиоматической.

Классическими примерами аксиоматических систем являются исчисление высказываний и

исчисление предикатов.

Исчисления высказываний

Логика высказываний – самый простой раздел математической логики, лежащий в основе всех остальных ее разделов. Основными объектами рассмотрения являются высказывания.

Под высказыванием понимают повествовательное предложение, о котором можно сказать одно из двух: истинно оно или ложно.

Высказывание – это утверждение, которое может быть только истинно или ложно. Его принято обозначать символами T (от True), или F (от False), или соответственно, 1 (для истинного значения) или 0 (для значения ложь).

Значение высказывания зависит от предметной области.

Например, высказывание «температура 30 градусов – жара» будет истинным в Беларуси и ложным на экваторе. Поэтому весьма важно конкретизировать область на которой определено употребляемое высказывание.

Из элементарных высказываний строятся более сложные высказывания с помощью логических связок «НЕ», «И», «ИЛИ», «ТО ЖЕ,ЧТО»(«ЭКВИВАЛЕНЦИЯ»),«ИЗ… СЛЕДУЕТ…»(« …

159

ВЛЕЧЁТ…», «…ПОТОМУ, ЧТО…»). Связки логики высказываний представляют функции истинности или функции алгебры логики.

В таб.9.1 представлены логические связки и их обозначения.

		Таблица 9.1. Логические связки
Название	Обозначение	Как читается	Другие обозначения
Отрицание	¬	НЕ	s, not, не
Конъюнкция		И	&, . , and, и
Дизъюнкция		ИЛИ	, or, или
Импликация	→	ВЛЕЧЕТ	,
Эквивалентность		ЭКВИВАЛЕНТНО	↔, ≈

Отрицанием высказывания p называется высказывание ¬p, которое истинно только тогда, когда p ложно.

Пример.

Высказывание «Неправда, что идѐт снег» является отрицанием высказывания «идѐт снег».

Конъюнкцией высказываний p и q называется высказывание, которое истинно только тогда, когда p и q истинны., т.е. p = 1 и q = 1.

Дизъюнкцией высказываний p и q называется высказывание, которое ложно тогда и только тогда, когда оба высказывания ложны, т. е. p= 0 и q =0.

Пример.

(«7 больше 3» «4 равно 2») =1; («7 меньше 3» «4 равно 2») =0

Импликацией высказываний p и q называется высказывание, которое ложно тогда и только тогда, когда p истинно, q ложно, т.е. p = 1 и q = 0 (из p следует q).

Эквиваленцией высказываний p и q называется высказывание, которое истинно только и только тогда, когда значения высказываний p и q совпадают (p эквивалентно q).

Таким образом, значения истинности для связок представлены в табл.2.2.

Таблица 9.2. Истинность связок

p	q	¬ p	p q	p q	p → q	p q
0	0	1	0	0	1	1
0	1	1	0	0	1	0
1	0	0	0	1	0	0
1	1	0	1	1	1	1
			160