Представление знаний в интеллектуальных системах

1.

Тема 1.
Представление знаний
в интеллектуальных системах

2.

План:
1.
2.
Данные и знания.
Модели представления знаний.
2.1. Семантические сети.
2.2. Фреймы.
2.3. Процедурные модели

3.

1. Данные и знания

4.

Информация, с которой имеют дело компьютеры, разделяется
на процедурную и декларативную. При этом процедурная
информация реализуется в форме программ, которые выполняются
в процессе решения задач, а декларативная информация – в форме
данных, с которыми работают эти программы.

5.

Данные – это
отдельные факты,
характеризующие
объекты, процессы и
явления в предметной
области, а также их
свойства.

6.

Одновременно с развитием структуры
ЭВМ происходило развитие
информационных структур для
представления данных. Появились способы
их описания в виде векторов и матриц,
возникли списочные и иерархические
структуры.
В настоящее время в языках
программирования высокого уровня
используются абстрактные типы данных,
структура которых задается программистом.

7.

Появление баз данных (БД, англ.
DataBase, DB) ознаменовало собой еще один
шаг на пути организации работы с
декларативной информацией. В базах данных
могут одновременно храниться большие
объемы информации, а специальные
средства, образующие систему управления
базами данных (СУБД), позволяют
эффективно манипулировать данными, при
необходимости извлекать их из БД или
записывать в БД в нужном порядке, вести
поиск данных в БД и пр.

8.

По мере развития исследований в
области ИС возникла концепция
знаний, которые объединили в себе
многие черты процедурной и
декларативной информации.

9.

В компьютере знания, так же как
и данные, отображаются в знаковой
форме – в виде формул, текста,
файлов, информационных массивов
и т. д. Поэтому можно сказать, что
знания – это особым образом
организованные данные.

10.

Но это слишком узкое понимание.
Знания связаны с данными,
основываются на них, но, в отличие от
данных, представляют результат
мыслительной деятельности человека,
обобщают его опыт, полученный в ходе
выполнения какой-либо практической
деятельности. Знания добываются
эмпирическим путем.

11.

Знания – это выявленные
закономерности предметной области
(принципы, связи, законы),
позволяющие решать задачи в этой
области.

12.

В системах ИИ знания являются
основным объектом формирования,
обработки и исследования. База
знаний (БЗ, англ. Knowledge Base,
KB) – это необходимая составляющая
программного комплекса ИИ. Машины,
реализующие алгоритмы ИИ, также
называют машинами, основанными на
знаниях.

13.

Любая база знаний содержит в
себе базу данных в качестве
составляющей, но вовсе не
сводится к ней.

14.

Главное отличие базы знаний от
базы данных состоит в следующем: из
базы данных можно извлечь лишь ту
фактическую информацию, которая в
нее заложена, тогда как благодаря
закономерностям и связям из базы
знаний можно выводить новые
факты, которые непосредственно в
нее заложены не были.

15.

При построении баз знаний
традиционные средства, основанные
на числовом представлении данных,
являются неэффективными. Для
этого используются специальные
языки представления знаний,
основанные на символьном
представлении данных.

16.

2.
Модели представления знаний

17.

Требования к системам знаний:
1. Терпимость к противоречиям, которая вытекает из открытости внешнего
мира и соответственно неполноты знаний о нем.
2. Обеспечение вывода, т.е. система знаний должна быть способна к логическому выводу как из
уже имеющейся информации, так и из вновь поступающих сведений. Различают два типа вывода:
‒ свободный (вывод осуществляется при поступлении новой информации в СЗ);
‒ направленный (вывод запускается при поступлении в СЗ конкретного
запроса).
3. Критичность к новой информации. Это способность проверить достоверность новой
информации и согласовать её с имеющимися знаниями.
4. Дробность системы знаний – знания в системе должны быть разбиты на
фрагменты, каждый из которых может быть эффективно использован.
5. Обучаемость и способность к переструктуированию знаний, т. е. в ходе
функционирования должна обеспечиваться перестройка структуры СЗ, повышающая ее
эффективность.

18.

Направления ИИ

19.

Существуют десятки моделей (языков)
представления знаний для различных предметных
областей. Рассмотрим наиболее часто
применяемые на практике модели:
семантические
сети
фреймы
продукционные
модели

20.

2.1. Семантические сети

21.

Термин «семантическая»
означает «смысловая», а сама
семантика –это наука,
устанавливающая отношения между
символами и объектами, которые они
обозначают, т. е. наука,
определяющая смысл знаков.

22.

Семантические сети (англ.
Semantic Networks) предложены
Ч.Пирсом в 1909 году,
семантическая сеть для компьютеров
разработана в 1956 году
Р.Риченсом. Понятие семантическая
память введено М.Квиллианом в
1966 году

23.

Семантическая сеть – это
ориентированный граф, вершины
которого представляют собой
понятия, а дуги – отношения между
ними.

24.

В качестве понятий обычно
выступают абстрактные или
конкретные объекты, а отношения – то
связи типа: «это», «имеет частью»,
«принадлежит», «любит» и т. д.

25.

Характерной особенностью
семантических сетей является
обязательное наличие трех типов
отношений:
класс – элемент класса;
свойство –значение;
пример элемента класса.

26.

Наиболее распространенные типы
отношений:
быть (являться) элементом класса
являться следствием
иметь свойства
иметь значение.
Во времени используются отношения:
раньше,
позже,
в течение.

27.

Важнейшей концепцией
представления семантических сетей
является иерархия понятий.
Мудрость
Знания
Информация
Данные

28.

Проблема поиска решения в базе
знаний типа семантической сети
сводится к поиску путей на графе,
позволяющих от вершин с исходными
данными добраться до вершин с
искомыми величинами. Такой поиск
можно автоматизировать.

29.

Вывод (продуцирование) новых
знаний в семантической сети может
проводиться «в двух направлениях»: от
известных данных к цели (результатам)
или, наоборот, от цели к известным
данным. Первый способ называется
прямой волной, прямым поиском,
прямой стратегией вывода, а второй –
обратной волной, обратным
поиском, обратной стратегией
вывода.

30.

Пример: на рис.
Семантическая сеть
изображена
семантическая сеть, где
вершинами являются
понятия: «Человек»,
«Иванов», «Волга»,
«Автомобиль», «Вид
транспорта»,
«Двигатель».
Основной недостаток
подобной модели –
сложность поиска вывода
на семантической сети.

31.

Семантическая сеть
на основе сказки «Колобок»

32.

Преимущества семантических сетей:
описание понятий и событий производится на
уровне, очень близком к естественному языку;
возможность сцепления различных
фрагментов сети;
отношение между понятиями и событиями
образуют достаточно небольшое и хорошо
формализованное множество.
Ограничения семантической сети:
количество ситуаций
только бинарные отношения