Системы искусственного интеллекта Бондаренко Иван Юрьевич ассистент каф

Системы искусственного интеллекта Бондаренко Иван Юрьевич, ассистент каф. ПМИ

Инженерия знаний Развитие ЭС привело к появлению новой области информатики – инженерии знаний (технологии выявления знаний и наполнения ими ЭС). Возникла соответствующая новая специальность – инженер по знаниям. Его функции: ь построение концептуальной модели предметной области; ь выбор эффективных способов представления знаний и механизмов вывода. 2

Данные и знания. Что такое знания? • Данные – это отдельные факты, характеризующие объекты, процессы и явления предметной области. • 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. 3

К знаниям относятся: 1. Факты из предметной области 2. Закономерности 3. Гипотезы о возможных связях между явлениями 4. Процедуры решения типовых задач 5. Средства, используемые экспертом 4

Источники знаний • Специалист-профессионал • Текст (книги, инструкции, документы) • Рисунки, фотографии • Наблюдение 5

Стратегии получения знаний Идентификация проблемы Получение знаний Без применения компьютера Извлечение знаний Структурирование знаний С применением компьютера Приобретение знаний Формирование знаний 6

Методы извлечения знаний Коммуникативные методы ПАССИВНЫЕ Текстологические методы АКТИВНЫЕ наблюдение анкетирование лекции интервью «мозговой штурм» круглый стол анализ учебников анализ литературы анализ документов 7

Потери информации при общении хранится в памяти 100 % эксперт приобрело словесную форму 90 % высказано 80 % выслу -шано 70 % понято 60 % осталось в памяти 24 % 8 инженер по знаниям

Методы приобретения знаний 1. Прямые методы • • • структурированное интервью методы когнитивной психологии диагностические игры 2. Приобретение знаний из примеров 3. Приобретение знаний из текста 4. Приобретение знаний из БД 9

Модели представления знаний • • Продукционные модели Семантические сети Фреймы Формальные логические модели 10

Продукционная модель, или модель, основанная на правилах, позволяет представить знания в виде предложений типа «Если (условие), то (действие)» . Условие (антецедент) – это некоторое предложение-образец, по которому осуществляется поиск в базе знаний. Действие (консеквент) – это действие, выполняемое при успешном исходе поиска. 11

Пример БЗ с продукционной архитектурой 1. ЕСЛИ машина заводится = да И машина едет = да ТО неисправность = отсутствует 2. ЕСЛИ машина заводится = да И НЕ (машина едет=да) И ходовая часть = исправна ТО неисправность = колесо застряло или буксует 3. ЕСЛИ машина заводится = да И НЕ(машина едет = да) И НЕ(ходовая часть = исправна) И ведущие колеса = вращаются. . . . ТО неисправность =. колеса пробуксовывают 12

Логический вывод в продукционной БЗ 1. Прямой вывод – от данных к цели. 2. Обратный вывод – от цели к данным для её подтверждения. Данные – это исходные факты, хранящиеся в базе фактов, на основании которых запускается машина вывода. Машина вывода в данном случае – это интерпретатор правил, перебирающий правила из продукционной базы знаний. 13

Экспертные системы с продукционной моделью БЗ Продукционная модель часто применяется в промышленных ЭС. Примеры экспертных систем, использующих продукционную модель базы знаний: • G 2; • EXSYS Professional; • GURU. 14

Преимущества и недостатки продукционной модели - Преимущества: наглядность; высокая модульность; лёгкость внесения изменений; простота механизма вывода. Недостатки: при накоплении большого числа правил они начинают противоречить другу. 15

Семантические сети Данная модель предложена американским психологом Куиллианом в 1967 году. Семантическая сеть – это ориентированный граф, вершины которого – понятия, а дуги – отношения между ними. Понятия – это абстрактные или конкретные объекты. Отношения – это связи типа «это» ( «AKO – A-Kind-Of» , «is» ), «имеет частью» ( «has part» ), «принадлежит» , 16 «любит» , и т. п.

Отношения в семантических сетях Характерной особенностью семантических сетей является обязательное наличие трёх типов отношений: 1) класс – элемент класса (цветок – роза); 2) свойство – значение (цвет – жёлтый); 3) пример элемента класса (роза – чайная). 17

Пример семантической сети 18

Экспертные системы с БЗ в форме семантической сети • • PROSPECTOR (геологоразведка); CASNET (медицина: офтальмология); TORUS (интеллект. интерфейс к БД); язык реализации экспертных систем SIMER+MIR (экология Каспия). 19

Преимущества и недостатки семантических сетей Преимущества: - соответствие современным представлениям об организации долговременной памяти человека. Недостатки: - сложность организации процедуры поиска вывода из семантической сети. 20

Фреймы Термин фрейм (англ. «каркас» , «рамка» ) предложен Марвином Минским в 70 -х г. г. Фрейм – это абстрактный образ для представления некоего стереотипа восприятия. Фрейм – это также и формализованная модель для отображения этого образа. Различают фреймы-образцы, хранящиеся в БЗ, и фреймы-экземпляры, которые создаются для отображения реальных ситуаций на основе 21 поступающих данных.

Типы фреймов • фреймы-структуры – для обозначения объектов и понятий (заём, залог, вексель); • фреймы-роли (менеджер, кассир, клиент); • фреймы-сценарии (банкротство, собрание акционеров, празднование именин); • фреймы-ситуации (тревога, авария, рабочий режим устройства) и др. 22

Структура фрейма Имя слота Значение слота Способ получения значения Присоединённая процедура . . . 23

Наследование свойств Важнейшим свойством теории фреймов является заимствование из теории семантических сетей – т. н. наследование свойств. И во фреймах, и в семантических сетях наследование происходит по AKO-связям. Слот AKO указывает на фрейм более высокого уровня иерархии, откуда неявно наследуются значения аналогичных слотов. 24

Пример фреймового представления знаний 25

Экспертные системы с фреймовой архитектурой БЗ • ANALYST (прогноз военных действий); • МОДИС (медицина – диагностика гипертонии); • язык представления знаний FRL (Frame Representation Language). 26

Преимущества и недостатки фреймовых моделей Преимущества: - хорошо отражает концептуальную основу организации памяти человека; - гибкость и наглядность фреймового представления. Недостатки: - сложность организации логического вывода (как и в семантических сетях). 27

Формальные логические модели Исчисление предикатов — классическая форма представления знаний в исследованиях по ИИ, использовавшаяся еще в 50 -е годы. Предметная область описывается в виде набора аксиом. Все остальные знания получать из них по правилам вывода. 28

Преимущества и недостатки формальных логических моделей Основное преимущество: - наличии мощного механизма вывода, имеющего строгое математическое обоснование. Недостатки: - ограниченные выразительные возможности; - предъявляет очень высокие требования и ограничения к предметной области. 29

Экспертные системы на основе исчисления предикатов Ввиду вышеперечисленных недостатков формальные логические модели, основанные на исчислении предикатов, не применяются в промышленных ЭС. 30