Искусственный интеллект

Размещено на http://www.allbest.ru/

Искусственный интеллект

В зависимости от типа связи семантические сети подразделяют на:

классифицирующие,

функциональные,

сценарии.

В классифицирующие сети вводят различные иерархические отношения между единицами информации. Такие отношения используются в биологии. Функциональные сети описывают процедуры вывода одних информационных единиц через другие. В сценариях используют казуальные отношения, то есть типа средства - результат, орудие - действие.

Продукционные модели. Данный тип модели является промежуточным между логическими и сетевыми моделями. Из логических моделей здесь заимствована идея правил вывода, которая называется продукцией, из сетевых - описание знаний в виде семантической сети. Данный тип представления знаний является сейчас наиболее широко используемым. При работе продукционные модели в результате применения правил вывода происходит трансформация семантической сети за счет смены фрагментов и исключения добавления элементов.

Фреймовые модели. Во фреймовых моделях жестко фиксируется структура представления информации, называемая протофреймом. Протофрейм - структурная единица информации, из которой порождаются другие типы информации. Он состоит из:

Имя фрейма

Имя слота (значение слота)

.

.

.

Имя слота (значение слота).

ПРОДУКЦИОННЫЕ МОДЕЛИ.

Продукции наряду с фреймами являются наиболее популярными формами представления знаний. Продукции наиболее наглядно отражают знания, чем другие модели представления знаний. В общем виде продукция может быть представлена выражением следующего вида:

i ; Q ; P ; A => B ; N ,

где: I - имя продукции. В качестве имени может выступать порядковый номер или выражение из символов, отражающее суть данной продукции. Пример : покупка книг.

Q - элемент, характеризующий сферу применения. Он позволяет разделить знания на области, что экономит время поиска нужных знаний.

А => В - основной элемент продукции, называемый ядром. Под ним понимаются выражения типа: если А, то В. Сложная конструкция :

Если А , то В1 , иначе В2.

Р - условие применения ядра продукции. Обычно Р представляется логическим выражениям. Если выражение Р - ложно, то ядро не может быть исполнено.

Р А=>В

Наличие денег “ Если хочешь купить вещь Х, то

Заплати в кассу ее стоимость.”

N - описание постусловия продукции. Здесь описываются действия и процедуры, которые необходимо выполнить после реализации. Например: уменьшить количество вещей на складе после соответствующей покупки.

Все продукции объединяют в систему. В системе продукций должны быть специальные процедуры управления продукциями, с помощью которых производится выбор продукции и актуализация имеющихся продукций.

КЛАССИФИКАЦИЯ ЯДЕР ПРОДУКЦИИ.

Ядра продукции классифицируют различными способами. Прежде всего выделяются два типа: детерминированные и недетерминорованные.

В детерминированных ядрах соотношение А=>В выполняется с необходимостью.

В недетерминированных - если А, то возможно В с вероятностью Р.

Возможность может быть задана некоторой долей вероятности. Представим экспертную систему из трех частей:

Внешний мир
Рассуждающая система
База знаний
W
R
K

1. AW => BR (Вн.мир => Расс. с-ма)

2. AW => BK

3. AK => BW

4. AR => BK

5. AK => BR

1)В результате прихода внешнего сообщения изменится ход рассуждений экспертной системы.

2)Данная запись означает запоминание полученной информации внешнего мира в базе знаний.

3)Данная запись означает выдачу сообщения из базы знаний во внешний мир. Данное сообщение срабатывает при обнаружении противоречивой информации.

4)Передача факта информации из рассуждающей системы на хранение в базе знаний. Результат был получен рассуждающей системой.

5)Необходимость для рассуждения информации берется из базы знаний для обработки в рассуждаемую систему.

6)Aw =>Bw. Продукция непосредственного отклика. Рассуждающая система просто не успевает сработать. Она аналогична рефлексам живой природы.

7)AR => BW. Данный тип продукции описывает воздействия на внешний мир , которые порождаются в результате работы рассуждающей системы.

8)AR => BR. Внутренняя продукция рассуждающей системы. Описывает промежуточные шаги процесса выбора. При этом не влияют на ни на внешний мир, ни на базу знаний.

9)AK => BK. Процедура преобразования знаний. Рассуждающая система в данном случае используется в качестве инструмента преобразования.

УПРАВЛЕНИЕ СИСТЕМОЙ ПРОДУКЦИИ.

1.Если А, то В.

2.Если А1 , то В2.

3.Если А , то С.

4.Если А , то D.

Обычно условия применимости выполняются сразу для нескольких продукций. В этом случае возникают проблемы выбора конкретной продукции для реализации. Возможно два пути решения данной проблемы: централизованный и децентрализованный.

При централизованном методе решение об актуализации принимается специальной системой управления. При децентрализованном - определяются складывающиеся в данный момент ситуации . рассмотрим несколько стратегий управления выбором продукции:

1. Принцип “ стопки книг ”. Основная идея состоит в том, что наиболее часто используемая продукция является наиболее полезной. Готовые продукции образуют “ стопку ”, в которой порядок определяется наибольшей частотой ее использования в прошлом. Подобный принцип управления удобен при оценке исполнения. Его целесообразно применять при относительной неуязвимости продукции друг от друга.

2. Принцип наиболее длинного условия.

ФронтЕсли А и В ,то С

Готовой { Если А или В , или К , то М

Продукции Если А , то L.

Принцип заключается в выборе той продукции, у которой наиболее длинное условие выполнения ядра. Он опирается на соображения здравого смысла. Частные правила, относящиеся к узкому классу ситуаций важнее общих правил. Принцип целесообразно применять в случаях, когда знвния и продукции хорошо структурированы и заданы соотношения “ частное - общее ”.

3.Принцип метапродукции. Основан на идее ввода в систему продукции управления продукциями, задача которых организовать выбор продукции из фронта готовых к актуализации.

4. Принцип “классной доски”. При реализации этого принципа в экспериментальной системе выделяют специальное рабочее поле - аналог классной доски. На этой доске параллельно выполняются процессы , находящие информацию, запускающую их, туда же они заносят результаты своей работы, которые могут быть полезны для других процессов. Однозначного выбора продукции часто не бывает, поэтому принцип “классной доски” может комбинироваться с другими методами, например, с принципом метапродукции.

5.Принцип приоритетного выбора. Связан с введением статистических и динамических приоритетов на продукции. Статистические приоритеты формируются заранее, а динамические в процессе работы.

6.Логический метод выбора. При этом методе существуют два типа управления системой продукции: прямой и обратный. В прямом случае поиск идет от левых частей продукции, то есть проверки условий А и их актуализации с последующим выбором ( восходящий тип ). Во втором случае поиск осуществляется по заключению продукции (нисходящий тип ).

7.Управление по именам. В этом случае продукциям задают специмена, которые обеспечивают сужение фронта готовой продукции.

ПРЕИМУЩЕСТВА И НЕДОСТАТКИ ПРОДУКЦИОННЫХ СИСТЕМ.

Популярность продукционных моделей определяется следующими факторами:

1. Подавляющая часть человеческих знаний может быть представлена в виде продукций.

2. Системы продукции являются модульными. Удаление или добавление продукций приводит к изменению остальных продукций.

3. При необходимости системы продукций могут реализовывать сложные алгоритмы.

4. Наличие в продукциях указания на сферу применения позволяет эффективно реализовать память, сокращая время поиска необходимой информации.

5. Объединение систем продукций с сетевыми представлениями позволяет создавать мощные экспериментальные системы.

6. Параллельность и асинхронность работы системы продукций делает их наиболее подходящими для ЭВМ новой архитектуры ( наличие нескольких процессоров ).

Продукционные модели имеют два недостатка: при большом числе продукций (> 1000) проверка непроворечивости становится сложнее; неоднозначность выбора из фронта готовой продукции.

ЗАПОЛНЕНИЕ ЗНАНИЯМИ ОБОЛОЧКИ ЭКСПЕРТНОЙ СИСТЕМЫ.

Для преобразования экспертных знаний в доступные для машины факты и правила их необходимо оформить в форме, доступной для оболочки экспертной системы. Для ввода информации в имеющуюся экспертную систему надо создать текст файла с именем rules, содержащий базу знаний в форме:

1. Вопросы

2. Разрешенных значений

3. Правил.

Порядок их написания не имеет значения.

Правила.

Правило1: Если

костюм официальный

То

надеть галстук = да

Правило2: ( составить 13 - 20 правил )

Разрешенные значения.

Разрешен ( костюм ) = официальный, деловой, спортивный, никакой.

Разрешен ( время ) = рабочий день, уикенд.

Вопрос. семантический продукционный ядро

Вопрос ( костюм ) = какой костюм наденете ?

Вопросы необходимы для уточнения задания экспертных систем.

СЕМАНТИЧЕСКИЕ СЕТИ.

Семантическая сеть - наиболее общая модель представления знаний об окружающем мире. В самом общем виде семантическую сеть можно представить в виде множества вершин, каждая из которых соответствует определенному понятию, факту или явлению. Между вершинами заданы различные отношения, изображаемые дугами. Дуги снабжены именами, описаниями, задающими семантику отношений. Вершины также помечены именами, содержащими нужную для понимания семантики информацию.

Можно считать, что каждая такая пара представляет простой шаг, дуга имеет направленность, выражающую факт отношения субъекта и объекта. Практический интерес имеет связь вида “является”, отражающая принадлежность к этому классу объектов. Эта связь позволяет классифицировать объекты по иерархии. Если связи отражают казуалльные отношения, то мы имеем дело с семантическими сетями, называемыми сценариями. Если отношения в сети таковы, что они связывают между собой аргументы и значения функций, то такие семантические сети принято называть вычислительными моделями. Кроме связи “ является ” часто используется связь “имеет”, которая указывает, что одно понятие представляет часть другого.

Отношение “есть” служит для выражения, когда одно понятие является атрибутом другого. Различие между частными объектами и общими имеет решающее значение для семантических сетей.

< СМИТ1 >

Представление знаний в информационных системах

Лекция 2

МОДЕЛИ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ.

Продукционная модель

Продукционная модель, или модель, основанная на правилах, позволяет представить знания в виде предложений типа: Если (условие), то (действие).

Под условием понимается некоторое предложение-образец, по которому осуществляется поиск в базе знаний, а под действием - действия, выполняемые при успешном исходе поиска (они могут быть промежуточными, выступающими далее как условия, и терминальными или целевыми, завершающими работу системы).

При использовании продукционной модели база знаний состоит из набора правил, Программа, управляющая перебором правил, называется машиной вывода. Чаще всего вывод бывает прямой (от данных к поиску цели) или обратный (от цели для ее подтверждения - к данным). Данные - это исходные факты, на основании которых запускается машина вывода - программа, перебирающая правила из базы.

Пример MYCIN: 500 правил. одно из них: если окраска организма грамположительна и морфология организма соответствует кокку а также если организм растёт в сгустках то имеются основания пологать(0.7), что этот организм является стафилококком.

Пример Имеется фрагмент базы знаний из двух правил:

/71: Если "отдых - летом" и "человек - активный", то "ехать в горы",

/72: Если "любит солнце", то "отдых летом",

Предположим, в систему поступили данные - "человек активный" и "любит "солнце"

Прямой вывод - исходя из данных, получить ответ.

1-й проход.

Шаг 1. Пробуем П1, не работает (не хватает данных "отдых - летом").

Шаг 2. Пробуем П2, работает, в базу поступает факт "отдых - летом".

2-й проход.

Шаг 3. Пробуем /7/, работает, активируется цель "ехать в горы", которая и выступает как совет, который дает ЭС.

Обратный вывод - подтвердить выбранную цель при помощи имеющихся правил и данных.

1-й проход.

Шаг 1. Цель - "ехать в горы": пробуем П1 - данных, "отдых - летом" нет, они становятся новой целью, и ищется правило, где она в правой части.

Шаг 2. Цель "отдых - летом": правило П2 подтверждает цель и активирует ее.

2-й проход.

Шаг 3. Пробуем П1, подтверждается искомая цель.

Правила вывода бывает удобно представлять в виде дерева решений. Граф- множество вершин, связанных дугами. Дерево - граф, не содержащий циклов.

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.

Имеется большое число программных средств, реализующих продукционный подход (язык OPS 5 ; "оболочки" или "пустые" ЭС - EXSYS , ЭКСПЕРТ ; инструментальные системы 11ИЭС и СПЭИС и др.), а также промышленных ЭС на его основе и др.

Семантические сети

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

Семантическая сеть- это ориентированный граф, вершины которого - понятия, а дуги - отношения между ними.

Понятиями обычно выступают абстрактные или конкретные объекты, а отношения - это связи типа: "это" ("is"), "имеет частью" ("has part"), "принадлежит", "любит". Характерной особенностью семантических сетей является обязательное наличие трех типов отношений:

класс - элемент класса;

свойство - значение;

пример элемента класса.

Простая семантическая сеть с использованием отношения является.

Простая семантическая сеть для понятия корабль



Можно ввести несколько классификаций семантических сетей. Например, по количеству типов отношений:

однородные (с единственным типом отношений);

неоднородные (с различными типами отношений).

По типам отношений:

бинарные (в которых отношения связывают два объекта);

парные (в которых есть специальные отношения, связывающие более двух понятий).

Наиболее часто в семантических сетях используются следующие отношения:

связи типа "часть-целое" ("класс-подкласс", "элемент-множество" и т.п.);

функциональные связи (определяемые обычно глаголами "производит", "влияет"...);

количественные (больше, меньше, равно...);

пространственные (далеко от, близко от, за, под, над...);

временные (раньше, позже, в течение...);

атрибутивные связи (иметь свойство, иметь значение...);

логические связи (и, или, не) и др.

Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, соответствующей поставленному вопросу.

Семантическая сеть используется в научных работах по естественному языку для представления сложных грамматических предложений.

Основное преимущество этой модели - в соответствии современным представлениям об организации долговременной памяти человека. Недостаток модели - сложность поиска вывода на семантической сети.

Для реализации семантических сетей существуют специальныесетевые языки, например NET и др. Широко известны экспертные системы, использующие семантические сети в качестве языка представления знаний - PROSPECTOR, CASNBT, TORUS .

Фреймы

Фрейм (англ. frame - каркас или рамка) предложен М.Минским в 70-е гг. Как структура знаний для восприятия пространственных сцен. Эта модель, как и семантическая сеть, имеет глубокое психологическое обоснование.

Под фреймом понимается абстрактный образ или ситуация. В психологии и философии известно понятие абстрактного образа. Например, слово "комната" вызывает у слушающих образ комнаты: "жилое помещение с четырьмя стенами, полом, потолком, окнами и дверью, площадью 6-20 м2 ". Из этого описания ничего нельзя убрать (например, убрав окна мы получим уже чулан, а не комнату), но в нем есть "дырки", или "слоты", - это незаполненные значения некоторых атрибутов -количество окон, цвет стен, высота потолка. покрытие пола и др.

В теории фреймов такой образ называется фреймом. Фреймом называется также и формализованная модель для отображения образа.

Структуру фрейма можно представить так;

ИМЯ ФРЕЙМА:

(имя 1-го слота: значение 1-го слота),

(имя 2-го слота: значение 2-го слота),

- - - -

(имя N-го слота: значение N-гo слота).

Ту же запись представим в виде таблицы, дополнив двумя столбцами.

Табл. Структура фрейма:

Имя слота	значение слота	способ получ. значения	присоединённая процедура

В таблице дополнительные столбцы предназначены для описания способа получения слотом его значения и возможного присоединения к тому или иному слоту специальных процедур, что допускается в теории фреймов. В качестве значения слота может выступать имя другого фрейма; так образуют сети фреймов.

Различают фреймы-образцы, или прототипы, хранящиеся в базе знаний, и фреймы-экземпляры, которые создаются для отображения реальных ситуаций на основе поступающих данных.

Модель фрейма является достаточно универсальной, поскольку позволяет отобразить все многообразие знаний о мире через:

фреймы-структуры, 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.

Важнейшим свойством теории фреймов является заимствованное из теории семантических сетей наследование свойств. И во фреймах, и в семантических сетях наследование происходит по АКО-связям (A-Kind-Of = это). Слот АКО указывает на фрейм более высокого уровня иерархии, откуда неявно наследуются, т.е. переносятся, значения аналогичных слотов.

рис. Понятие писменного отчёта

Представление понятия отчёта с помощью фреймов

Основным преимуществом фреймов как модели представления знаний является способность отражать концептуальную основу организации памяти человека, а также гибкость и наглядность.

Специальные языки представления знаний в сетях фреймов FRL (Frame Representation Language) [1] и другие позволяют эффективно строить промышленные ЭС. Широко известны такие фреймо-ориентированные экспертные системы, как ANALYST, МОДИС.

Размещено на Allbest.ru

...