1 Введение-2011.ppt
- Количество слайдов: 33
Представление знаний в информационных системах Соболева Ирина Анатольевна, к. с. н. , доцент каф. ПИТ
Введение 1. Данные и знания 2. Модели представления знаний 3. Парадигмы программирования
Отличие знаний от данных o Более структурированы и связны, т. е. самое важное в знаниях не сами данные, а связи между ними o Более самоинтерпретируемы o Отвечают не только на вопросы «что» , «кто» , «где» , «когда» , но и на вопросы «как» и «почему» o Субъективны в отличие от объективности данных o Могут быть противоречивы, не полны и не точны
Свойства знаний Знания Активность Семантическая метрика Интерпретация Связность Структурированность Данные
Данные и знания Данные – это формализованная информация об объектах предметной области, их свойствах и взаимосвязях, пригодная для хранения, передачи и обработки человеком или средствами автоматизации Знания – это обобщенная и формализованная информация о свойствах и законах предметной области, с помощью которой реализуются процессы решения задач, преобразования данных и самих знаний, и которая используется в процессе логического вывода Логический вывод – это связь между данными и знаниями, позволяющая получать на основе цепочки рассуждений ответы на вопросы или генерировать новые утверждения
Представление знаний в системах искусственного интеллекта Фундаментальная проблема инженерии знаний проблема представления знаний o разработка такой формы описания знаний, которая гарантировала бы правильную обработку их содержимого по некоторым формальным правилам
Знания Декларативные (множество утверждений , не По формам представления зависимо от того, где применяются) Процедурные (алгоритмы в виде процедур обработки фактов) Декларативные знания представляют собой описания фактов и явлений, а также основных связей и закономерностей, в которые эти факты и явления входят. Процедурные знания описывают действия или процедуры, которые возможно применить к фактам и явлениям для достижения определенных целей.
Виды знаний По способу приобретения Фактические Эвристические Фактические знания представляют собой хорошо известные в данной предметной области факты и зависимости. Эвристические знания основаны на собственном опыте эксперта, работающего в конкретной предметной области, и, как правило, не имеют точных теоретических обоснований.
Виды знаний По степени обобщения/ детализации Интенсиональные (относящиеся к некоторому классу объектов) Экстенсиональные (относящиеся к конкретному объекту из какого-либо класса)
Методы представления знаний Методы, ориентированные на формализацию знаний: n логические модели, в том числе продукционные n семантические сети n фреймы Методы, ориентированные на обучение: n нейронные сети; n байесовские сети (условные вероятности)
Логические модели представления знаний o o o Логика предикатов 1 -го порядка Модальные логики Нечеткие логики Псевдофизические логики Дескрипторная логика
Логика предикатов 1 -го порядка Формальная (логическая) система S=<B, F, A, R>, где: B – алфавит, F – формулы-факты, A – формулы-аксиомы, R – правила-вывода.
Понятие предиката Запись фактов на естественном языке: Объект Отношение Объект Мама мыла раму Петя любит Машу Вася знает языки программирования Вася посылает книгу Маше Запись фактов в виде предикатов: Отношение (Объект, …) мыла (мама, рама) …
Формализованное высказывание состоит из o предикатов o логических связок , , ¬, o квантора всеобщности o квантора существования o импликации: F 1(x 1) F 2(x 2) Из истинности F 1(x 1) следует истинность F 2(x 2)
Формализация высказываний По русски: Логически: Каждый человек x (Человек(x) прогуливается Прогуливается(x)) Некоторые люди x (Человек(x) прогуливаются Прогуливается(x)) Ни один человек не ( х (Человек(x) прогуливается Прогуливается(x))) Все студенты любят информатику
Логическая модель (пример) P: Все импортные товары требуют таможенного оформления Q: Товар Х – импортный товар R: Товар Х требует таможенного оформления Используя для обозначения высказываний логические переменные Р, Q, R, можно составить формулу: То есть: «Если все импортные товары требуют таможенного оформления И товар Х является импортным, то товар Х требует таможенного оформления» .
Правила логики предикатов, реализованные на ПРОЛОГЕ В: - А 1, А 2, …, АN консеквент антецеденты являются предикатами, истинность которых можно проверить, а консеквент – это предикат, который является истинным, если можно доказать истинность всех его антецедентов
Формализация правил Преподавателю нравится любой студент, которому нравится учеба x( ( студент(x) нравится(х, учеба) ) нравится(преподаватель, x)) В терминах языка Пролог нравится(преподаватель, Х) : студент(Х), нравится(Х, учеба).
Продукционная модель, основанная на правилах типа IF …Then … Если То < условие 1, условие 2, … > <заключение> CF <значение> Фактор определенности o если все условия являются истинными, то заключение также истинно o когда все условия выполняются, то следует выполнить действие «ТО»
Примеры правил продукции o Правило 1: Если Коэффициент рентабельности > 0. 2 То Рентабельность = "удовл. " CF 100 o Правило 2: Если Задолженность = "нет" и Рентабельность = "удовл. " То Финансовое_сост. = "удовл. " CF 80 o Правило 3: Если Финансовое_сост. = "удовл. " и Репутация="удовл. " То Надежность предприятия = "удовл. " CF 90
Семантические сети «семантическая» – смысловая, «семантика» – наука, определяющая смысл знаков o Семантическая сеть – это ориентированный граф, вершины которого – понятия, а дуги – отношения между ними o Построение модели основано на современном представлении об организации долговременной памяти человека
Пример семантической сети например Иванов Человек принадлежит Волга любит это Автомобиль свойство значение Цвет это Вид транспорта Красный имеет частью Двигатель Поиск решения в БЗ сводится к задаче поиска фрагмента сети, соответствующего поставленному вопросу
Фреймы Англ. Frame- каркас или рамка o Фрейм – абстрактный образ или ситуация o Фрейм – формализованная модель для отображения образа Имя слота Слоты- характеристики фрейма тип слота Значение слота Присоединенная процедура
Сеть фреймов Человек АКО млекопита ющее умеет мыслить Ребенок АКО Ученик человек возраст 0 -16 лет рост 50 -180 см любит сладкое АКО ребенок возраст 7 -17 лет В школе носит АКО – A-Kind-Of - это учится формы
Получение знаний Знания могут формализованы и вложены в системы человеком o Системы, основанные на знаниях экспертные системы Знания могут быть результатом обучения системы (с учителем или без учителя) o Обучающиеся системы (нейронные сети, интеллектуальные роботы, когнитивные системы)
Нейросетевые технологии x 1 x 2 x 3 w 1 w 2 f(u) выход=f(Σwixi) w 3 o Способность обучаться на конкретном множестве примеров o Умение стабильно распознавать, прогнозировать новые ситуации с высокой степенью точности, причем в условиях внешних помех 26
Пример алгоритма обучения нейронной сети Алгоритм обратного распространения ошибки 1. задать произвольно значения весов связей нейронов 2. вычислить выход сети (Y) 3. выполнить рекурсивный алгоритм для вычисления новых значений весов 4. выполнить шаг 2 и т. д. до достижения min Σ(Ti-Yi)2 T – известное выходное значение 27
Парадигмы программирования v Процедурное программирование v Функциональное программирование v Логическое программирование Императивные языки Декларативные языки
Процедурное программирование o Программа состоит из последовательности операторов (инструкций), задающих процедуру решения задачи o Выполнение программы сводится к последовательному выполнению операторов с целью преобразования значений исходных данных для получения результата Программирование в машинных кодах Ассемблер Языки высокого уровня • Фортран • ПЛ/1 • Basic • Си • КОБОЛ • Pascal • …
Функциональное программирование o основным конструктивным элементом является математическое понятие функции o Тексты программ описывают «как решить задачу» , но не предписывают последовательность действий для решения • Лисп • Miranda • Haskell
Логическое программирование o Программа может быть записана при помощи логических формул, играющих роль аксиом o Ее выполнение представляет собой доказательство формулы-запроса o Программа – база знаний, описание отношений между понятиями и фактами, а формула-запрос – запрос к этой базе знаний o Для решения задачи вместо алгоритма – логические формулы
Парадигмы программирования Парадигма Алгоритмическая модель Языки программирования Процедурное (императивное) Машина Тьюринга, фон Неймана С, Pascal, … Функциональное (аппликативное) -исчисление SML, F#, Haskell, … Логическое (декларативное) Логика предикатов Prolog, Mercury, … Ситуационное Нормальные Рефал, … алгоритмы Маркова ФП более популярно в Америке, ЛП – в Европе
Контрольные вопросы 1. Чем отличаются знания от данных? 2. Основные свойства знаний. 3. В чем отличие нейрокибернетического подхода к построению ИИ от логического? 4. Формализуйте высказывания: n n У каждой группы есть любители У каждого есть любимая группа The Beatles нравится всем Существуют люди, которым не нравится «Тату»
1 Введение-2011.ppt