Дані і знання

ПРЕДСТАВЛЕННЯ ЗНАНЬ

ЛЕКЦІЯ-7.

Представлення знань і пошук рішень утворюють ядро штучного інтелекту. Зосередимо свою увагу на основних моделях представлення знань.

Поняття "знання" трактується окремими авторами по-різному і багато в чому носить дискусійний характер.

Модель представлення знань повинна відбивати істотні характеристики задачі, що розв’язується і забезпечувати відповідною інформацією процедури, що виконують пошук рішень. При цьому вона повинна володіти необхідною виразною здатністю, щоб відбивати всі цікавлячі деталі предметної області задачі, а також бути досить ефективною з точки зору пошуку рішень, що розглядають як вивід на знаннях. Виразна сила й обчислювальна ефективність - дві основні характеристики моделей представлення знань. Багато моделей представлення знань, що володіють великими виразними можливостями, не піддаються ефективній реалізації. Тому пошук оптимального співвідношення між виразною силою моделі представлення знань, що використовується і ефективністю її реалізації - основна задача розроблювача СШІ.

Вивчення моделей представлення знань починається з логічної моделі, що базується на численні предикатів. Така модель характеризується добре визначеною семантикою і формально обґрунтованими правилами вивід в. Використовуючи логіку, вводяться основні поняття представлення, знань, і демонструється взаємозв'язок представлення знань з пошуком рішень (виводом).

Крім логічних моделей, у СШІ широко застосовують такі моделі представлення знань, як продукційні системи, семантичні мережі, фрейми.

При вивченні інтелектуальних систем традиційно виникає питання що ж таке знання і чим вони відрізняються від звичайних даних, що десятиліттями обробляються ЕОМ. Можна запропонувати декілька робочих визначень, в рамках яких це стає очевидним.

Дані – це окремі факти, що характеризують об'єкти, процеси і явища предметної області, а також їх властивості.

При обробці на ЕОМ дані трансформуються, умовно проходячи наступні етапи:

D1 – дані як результат вимірювань і спостережень;
D2 – дані на матеріальних носіях інформації (таблиці, протоколи, довідники);
D3 – моделі (структури) даних у вигляді діаграм, графіків, функцій;
D4 – дані в комп'ютері на мові опису даних;
D5 – бази даних на машинних носіях інформації.

Знання засновані на даних, отриманих емпіричним шляхом. Вони являють собою результат розумової діяльності людини, направленої на узагальнення її досвіду, отриманого внаслідок практичної діяльності.

Знання – це закономірності предметної області (принципи, зв'язки, закони), отримані внаслідок практичної діяльності і професійного досвіду, що дозволяють фахівцям ставити і вирішувати задачі в цій області.

При обробці на ЕОМ знання трансформуються аналогічно до даних.

Z1 – знання в пам'яті людини як результат мислення;
Z2 – матеріальні носії знань (підручники, методичні допомоги);
Z3 – поле знань умовний опис основних об'єктів предметної області, їх атрибутів і закономірностей, що їх пов’язують;
Z4 – знання, описані на мовах представлення знань (продукційні мови, семантичні мережі, фрейми);
Z5 – база знань на машинних носіях інформації.

Часто використовується таке визначення знань.

Знання – це добре структуровані дані, або дані про дані, або метадані.

Існує багато способів визначати поняття. Один з способів, що широко застосовуються заснований на ідеї інтенсіоналу. Інтенсіонал поняття – це визначення його через співвіднесення з поняттям вищого рівня абстракції з вказівкою специфічних властивостей. Інтенсіонали формулюють знання про об'єкти. Інший спосіб визначає поняття через співвіднесення з поняттями нижчого рівня абстракції або перелік фактів, які відносяться до об'єкта, що визначається. Це є визначення через дані, або екстенсіонал поняття.

Приклад 1.1.

Поняття “персональний комп'ютер”. Його інтенсіонал: “Персональний комп'ютер це дружня ЕОМ, яку можна поставити на стіл і купити менш ніж за $1000”.

Екстенсіонал цього поняття: “Персональний комп'ютер це Мас, IВМ РС, Sincler...”.

Для зберігання даних використовуються бази даних (для них характерні великий об'єм і відносно невелика питома вартість інформації), для зберігання знань – бази знань (невеликого об'єму, але виключно дорогі інформаційні масиви). База знань – основа будь-якої інтелектуальної системи. Знання можуть бути класифіковані за наступними категоріями:

Поверхневі – знання про видимі взаємозв'язки між окремими подіями і фактами в предметній області.
Глибинні – абстракції, аналогії, схеми, що відображають структуру і природу процесів, які протікають в предметній області. Ці знання пояснюють явища і можуть використовуватися для прогнозування поведінки об'єктів.

Приклад 1.2

Поверхневі знання: “Якщо натиснути на кнопку дзвінка, роздасться звук. Якщо болить голова, то потрібно прийняти аспірин”.

Глибинні знання: “Принципова електрична схема дзвінка і проводки. Знання фізіологів і лікарів високої кваліфікації про причини, види головних болів і методи їх лікування”.

Сучасні експертні системи працюють в основному з поверхневими знаннями. Це пов'язано з тим, що на даний момент немає універсальних методик, що дозволяють виявляти глибинні структури знань і працювати з ними.

Крім того, в підручниках зі ШІ знання традиційно ділять на процедурні і декларативні. Історично первинними були процедурні знання, тобто знання, “розчинені” в алгоритмах. Вони управляли даними. Для їх зміни потрібно було змінювати програми. Однак з розвитком штучного інтелекту пріоритет даних поступово змінювався, і все більша частина знань зосереджувалася в структурах даних (таблиці, списки, абстрактні типи даних), тобто збільшувалася роль декларативних знань.

Сьогодні знання набули чисто декларативної форми, тобто знаннями вважаються пропозиції, записані на мовах представлення знань, наближених до природної і зрозумілих нефахівцям.

Читайте також:

<== попередня сторінка	\|	наступна сторінка ==>
Оцінка системи	\|	Знання і їхнє представлення в СШІ

Не знайшли потрібну інформацію? Скористайтесь пошуком google:

Генерація сторінки за: 0.003 сек.