Экспертные системы Представление знаний Экспертные системы Лекция 1

Экспертные системы Представление знаний Экспертные системы Лекция 1. В. И. Корольков 1

Введение в интеллектуальные системы Представление знаний и вывод на знаниях 1. Данные и знания При изучении интеллектуальных систем традиционно возникает вопрос — что же такое знания и чем они отличаются от обычных данных. Данные — это отдельные факты, характеризующие объекты, процессы и явления предметной области, а также их свойства. При обработке на ЭВМ данные трансформируются, условно проходя следующие этапы: D 1 — данные как результат измерений и наблюдений; D 2 — данные на материальных носителях информации (таблицы, протоколы, справочники); D 3 — модели (структуры) данных в виде диаграмм, графиков, функций; D 4 — данные в компьютере на языке описания данных; Экспертные системы Лекция 1. D 5 — базы данных на машинных носителях информации. В. И. Корольков 2

Введение в интеллектуальные системы Знания основаны на данных, полученных эмпирическим путем. Они представляют собой результат мыслительной деятельности человека, направленной на обобщение его опыта, полученного в результате практической деятельности. • Знания — это закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области. • При обработке на ЭВМ знания трансформируются аналогично данным. Z 1 — знания в памяти человека как результат мышления; Z 2 — материальные носители знаний (учебники, методические пособия); Z 3 — поле знаний — условное описание основных объектов предметной области, их атрибутов и закономерностей, их связывающих; Z 4 — знания, описанные на языках представления знаний (продукционные языки, семантические сети, фреймы — см. далее); Z 5 — база знаний на машинных носителях информации. Экспертные системы Лекция 1. В. И. Корольков 3

Введение в интеллектуальные системы Знания — это хорошо структурированные данные, или данные о данных, или метаданные. Для хранения данных используются базы данных (для них характерны большой объем и относительно небольшая удельная стоимость информации), для хранения знаний — базы знаний (небольшого объема, но исключительно дорогие информационные массивы). База знаний — основа любой интеллектуальной системы. Знания могут быть классифицированы по следующим категориям: • Поверхностные — знания о видимых взаимосвязях между отдельными событиями и фактами в предметной области. • Глубинные — абстракции, аналогии, схемы, отображающие структуру и природу процессов, протекающих в предметной области. Эти знания объясняют явления и могут использоваться для прогнозирования поведения объектов. Экспертные системы Лекция 1. В. И. Корольков 4

Введение в интеллектуальные системы • Пример Поверхностные знания: «Если нажать на кнопку звонка, раздастся звук. Если болит голова, то следует принять аспирин» . Экспертные системы Лекция 1. В. И. Корольков 5

Введение в интеллектуальные системы Глубинные знания: «Принципиальная электрическая схема звонка и проводки. Знания физиологов и врачей высокой квалификации о причинах, видах головных болей и методах их лечения» . Современные экспертные системы работают в основном с поверхностными знаниями. Сегодня знания приобрели чисто декларативную форму, то есть знаниями считаются предложения, записанные на языках представления знаний, приближенных к естественному и понятных неспециалистам. Экспертные системы Лекция 1. В. И. Корольков 6

Введение в интеллектуальные системы 2. Модели представления знаний Существуют десятки моделей (или языков) представления знаний для различных предметных областей. Большинство из них может быть сведено к следующим классам: • продукционные модели; • семантические сети; • фреймы; • формальные логические модели. Продукционная модель или модель, основанная на правилах, позволяет представить знания в виде предложений типа «Если (условие), то (действие)» . 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. Экспертные системы Лекция 1. В. И. Корольков 7

Введение в интеллектуальные системы Имеется большое число программных средств, реализующих продукционный подход (язык OPS 5; «оболочки» или «пустые» ЭС — EXSYS Professional, Kappa, ЭКСПЕРТ; ЭКО, инструментальные системы ПИЭС и СПЭИС и др. ), а также промышленных ЭС на его основе (например, ЭС, созданных средствами G 2. Семантические сети Термин семантическая означает «смысловая» , а сама семантика — это наука, устанавливающая отношения между символами и объектами, которые они обозначают, то есть наука, определяющая смысл знаков. В качестве понятий обычно выступают абстрактные или конкретные объекты, а отношения — это связи типа: «это» , «имеет частью» , «принадлежит» . Характерной особенностью семантических сетей является обязательное наличие трех типов отношений: • класс — элемент класса (цветок — роза); • свойство — значение (цвет — желтый); • пример элемента класса (роза — чайная). Экспертные системы Лекция 1. В. И. Корольков 8

Введение в интеллектуальные системы Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, отражающей поставленный запрос к базе. Пример 1. 3 На рис. изображена семантическая сеть. В качестве вершин тут выступают понятия «человек» , «т. Иванов» , «Волга» , «автомобиль» , «вид транспорта» и «двигатель» . Экспертные системы Лекция 1. В. И. Корольков 9

Введение в интеллектуальные системы Фреймы Термин фрейм (от английского frame, что означает «каркас» или «рамка» ) был предложен Марвином Минским, одним из пионеров ИИ, в 70 -е годы для обозначения структуры знаний для восприятия пространственных сцен. Эта модель, как и семантическая сеть, имеет глубокое психологическое обоснование. Фрейм — это абстрактный образ для представления некоего стереотипа восприятия. Различают фреймы-образцы, или прототипы, хранящиеся в базе знаний, и фреймы-экземпляры, которые создаются для отображения реальных фактических ситуаций на основе поступающих данных. Экспертные системы Лекция 1. В. И. Корольков 10

Введение в интеллектуальные системы Модель фрейма является достаточно универсальной, поскольку позволяет отобразить все многообразие знаний о мире через: • фреймы-структуры, использующиеся для обозначения объектов и понятий (заем, залог, вексель); • фреймы-роли (менеджер, кассир, клиент); • фреймы-сценарии (банкротство, собрание акционеров, празднование именин); • фреймы-ситуации (тревога, авария, рабочий режим устройства) и др. Экспертные системы Лекция 1. В. И. Корольков 11

Введение в интеллектуальные системы Традиционно структура фрейма может быть представлена как список свойств: (ИМЯ ФРЕЙМА: • (имя 1 -го слота: значение 1 -го слота), (имя 2 -го слота: значение 2 -го слота), • (имя N-ro слота: значение N-ro слота)). Экспертные системы Лекция 1. В. И. Корольков 12

Введение в интеллектуальные системы Основным преимуществом фреймов как модели представления знаний является то, что она отражает концептуальную основу организации памяти человека Экспертные системы Лекция 1. В. И. Корольков 13

Введение в интеллектуальные системы Формальные логические модели Традиционно в представлении знаний выделяют формальные логические модели, основанные на классическом исчислении предикатов 1 -го порядка, когда предметная область или задача описывается в виде набора аксиом. Мы же опустим описание этих моделей по следующим причинам. Исчисление предикатов 1 -го порядка в промышленных экспертных системах практически не используется. Эта логическая модель применима в основном в исследовательских «игрушечных» системах, так как предъявляет очень высокие требования и ограничения к предметной области. В промышленных же экспертных системах используются различные ее модификации и расширения, изложение которых выходит за рамки этого учебника. Экспертные системы Лекция 1. В. И. Корольков 14