2.4.1. Дедуктивные модели

Эти модели полностью основываются на логике исчисления высказываний и исчисления предикатов.

Язык исчисления предикатов можно использовать в качестве языка запросов к реляционной БД (см. гл. 1). Обычные БД (например, реляционные) являются экстенсиональными. Дедуктивными называются БД, содержащие интенсиональную и экстенсиональную части и, следовательно, являющиеся комбинацией БЗ и ДБ. В дедуктивных БД для получения фактов из аксиом используются методы доказательства теорем.

2.4.2. Индуктивные модели

Системы индуктивного вывода относятся к классу формальных систем М, в которых правила вывода F порождаются в процессе получения общих выводов на основе совокупности частных утверждений. Индуктивный вывод позволяет получить общие закономерности на основе экспериментальных наблюдений. Есть два способа получать такие закономерности: вероятностно-статистический и логический.

Первый заключается в выявлении некоторых закономерностей путем применения методов матстатистики к большим выборкам экспериментальных данных (или ко множеству описаний повторяющихся событий) и применим только в случае репрезентативности выборок. В реальных условиях часто возникает необходимость принятия решений в условиях малого объема выборок. Иными словами, необходимо осуществлять рассуждения от частного к общему. Это и есть индуктивный вывод.

Попытки построения моделей индуктивных рассуждений последовательно предпринимали: Сократ, Аристотель, Ф. Бекон (1620 г.).

Идеи Ф. Бекона были развиты Д. С. Миллем (1900 г.), который предложил следующие индуктивные методы: сходства, различия, остатков и сопутствующих изменений. Были предприняты попытки построить формальные имитации индуктивных методов Д. С. Милля: группа П. Гаека (ЧССР), группа В. К. Финна (СССР) – ДСМ-метод на основе использования многозначной логики [14].

ДСМ-метод показал высокую эффективность при реализации АСНИ.

Для проверки гипотез целесообразно привлечение дедуктивных методов. В связи с этим возникает проблема объединения дедуктивных и индуктивных формализмов в единую систему.

Г. Саймоном в 1975 г. была разработана программа индуктивного вывода BACON, предназначенная для открытия законов в естественных науках методами искусственного интеллекта. Усовершенствованная программа BACON-S описана в статье [21]. Примечательно, что с помощью программы BACON на основе экспериментальных данных были переоткрыты закон идеального газа, закон Кулона, третий закон Кеплера, закон Ома, законы Галилея для маятника и постоянного ускорения.

24.3. Псевдофизические логики

Применение псевдофизических логик позволяет:

• имитировать нестрогие человеческие рассуждения об окружающем физическом мире (рассуждения о временных соотношениях событий, пространственном расположении объектов, причинно-следственных связях между физическими явлениями, частоте их возникновения и т. п.);

• генерировать на основе правил вывода новые знания. Эти знания пополняют описания ситуаций, полученные из текстов на естественном языке или от сенсорных систем, и вводятся в память интеллектуальных систем.

Создание псевдофизических логик включает построение формальной системы, учитывающей семантику отношений (времени, пространства и т.д.) и построение модели той физической реальности, которая определяет данную псевдофизическую логику. Например, логика времени включает формальную систему, позволяющую выводить временные отношения, неявно присутствующие в описании ситуации (на основании базовых отношений и правил вывода) и систему декларативных описаний (в виде семантических сетей, фреймов и сценариев), с помощью которых восстанавливаются отношения, явно не присутствующие в описании ситуации (см. пример в 1.1).

Основная проблема, связанная с псевдофизическими логиками, заключается в разработке такой совокупности этих логик (пространственная, временная, каузальная, логика действий), которая позволит решать задачу имитации нестрогих рассуждений человека и задачу получения новых знаний с необходимой для функционирования интеллектуальной системы полнотой.