• Гідрологія і Гідрометрія
• Господарське право
• Економіка будівництва
• Економіка природокористування
• Економічна теорія
• Земельне право
• Історія України
• Кримінально виконавче право
• Медична радіологія
• Методи аналізу
• Міжнародне приватне право
• Міжнародний маркетинг
• Основи екології
• Предмет Політологія
• Соціальне страхування
• Технічні засоби організації дорожнього руху
• Товарознавство продовольчих товарів

ПРЕДСТАВЛЕННЯ ЗНАНЬ

Представлення знань і пошук рішень утворюють ядро штучного інтелекту.

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.

1.4.1. Дані і знання

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

1. D1 – дані як результат вимірювань і спостережень;

2. D2 – дані на матеріальних носіях інформації (таблиці, протоколи, довідники);

3. D3 – моделі (структури) даних у вигляді діаграм, графіків, функцій;

4. D4 – дані в комп'ютері на мові опису даних;

5. 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.

При обробці на ЕОМ знання трансформуються аналогічно до даних.

1. Z1 – знання в пам'яті людини як результат мислення;

2. Z2 – матеріальні носії знань (підручники, методичні допомоги);

3. Z3 – поле знань умовний опис основних об'єктів предметної області, їх атрибутів і закономірностей, що їх пов’язують;

4. Z4 – знання, описані на мовах представлення знань (продукційні мови, семантичні мережі, фрейми);

5. Z5 – база знань на машинних носіях інформації.

Часто використовується таке визначення знань.

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.

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.

3.1. Знання і їхнє представлення в СШІ

Знання характеризуються послідовністю властивостей, що відрізняють їх від традиційних моделей даних. Перелічимо ці властивості.

Внутрішня інтерпритованість. При збереженні знань у пам'яті СШІ, поряд із традиційними елементами даних, зберігаються й інформаційні структури; що дозволяють інтерпретувати вміст відповідних комірок пам'яті.

Структурованість. Знання складаються з окремих інформаційних одиниць, між якими можна встановити класифікаційні стосунки: рід - вид, клас - елемент, тип - підтип, частина - ціле і т.п.

Зв’язність. Між інформаційними одиницями передбачаються зв'язки різного типу: причина - наслідок, одночасно, бути поруч і ін. Дані зв'язки визначають семантику і прагматику предметної області.

Семантична метрика. На множини інформаційних одиниць, збережених у пам'яті, вводяться деякі шкали, що дозволяють оцінити їхню семантичну близькість. Це дозволяє знаходити в інформаційній базі знання, близькі до вже знайденого.

Активність. За допомогою даної властивості підкреслюється принципова відмінність знань від даних. Виконання тих чи інших дій у СШІ ініціюється станом бази знань; При цьому передбачається, що поява нових фактів і зв'язків може активізувати систему.

Центральним питанням побудови систем, заснованих на знаннях, є вибір форми представлення знань. Представлення знань - це спосіб формального вираження знань про предметну область у комп’ютерно-інтепритованій формі. Відповідні формалізми, що забезпечують зазначене представлення, називають моделями представлення знань.

Моделі представлення знань можна умовно розділити на декларативні і процедурні. У декларативних моделях знання представляються у вигляді описів об'єктів і відносин між об'єктами без вказівки в явному вигляді, як ці знання обробляти. У процедурних моделях значення представляються алгоритмами (процедурами), що містять необхідний опис інформаційних елементів і одночасно визначають способи їх обробки.

Конкретні моделі, застосовувані на практиці, являють собою комбінацію декларативних і процедурних представлень. Найбільш розповсюдженими є наступні моделі представлення знань:

§ логічні моделі;

§ продукційні моделі;

§ мережні моделі;

§ фреймові моделі.

Логічні моделі реалізуються засобами логіки предикатів. У цьому випадку знання про предметну область представляються у вигляді сукупності логічних формул. Тотожні перетворення формул дозволяють одержувати нові знання. Перевагами логічних моделей представлення знань є наявність чіткого синтаксису і широко прийнятої формальної семантики, а також теоретично обґрунтованих процедур автоматичного вивід в. Основним недоліком даних моделей є неможливість одержання висновків в областях, де вимагаються правдоподібні висновки, коли результат виходить з визначеною оцінкою впевненості в його істинності.

У продукційних моделях знання представляються набором правил виду "Якщо А, то В", де умова правила А є твердженням про вміст бази фактів, а наслідок В говорить про те, що треба робити, коли дане продукційне правило активізоване.

Продукційні моделі представлення знань завдяки природній модульності правил, наочності і простоті їхнього створення широко застосовуються в інтелектуальних системах.

Мережні моделі представлення знань розрізняються між собою типами зв'язків (відносин), що використовуються. Якщо в мережі використовуються ієрархічні зв'язки (клас-підклас, рід-вид і т.п.), то мережа називається класифікованою. Якщо зв'язки між інформаційними елементами представляються функціональними відносинами, що дозволяють обчислювати значення одних інформаційних елементів за значеннями інших, то мережі називають функціональними (обчислювальними). Якщо в мережі допускаються зв'язки різного типу, то її називають семантичною мережею.

Семантична мережа являє собою спрямований граф, в якому вершинам відповідають об'єкти (сутності) предметної області, а дугам - відносини, у яких знаходяться ці об'єкти. Вивід в семантичних мережах може виконуватися на основі алгоритмів співставлення, шляхом вигляділення підграфів з визначеними властивостями.

До переваг семантичних мереж відносять: велику виразну здатність, наочність графічного представлення, схожість структури мережі до семантичної структури фраз природної мови. Недоліком представлення знань у вигляді семантичних мереж є відсутність єдиної термінології. Дана модель представлення знань знаходить різне втілення в різних дослідників.

Фреймові моделі представлення знань використовують теорію організації пам'яті, розуміння і навчання, запропоновану М.Мінським. Фрейм (від англ. frame - рамка, каркас, кістяк) - структура даних, призначена для представлення стереотипних ситуацій. Фрейм складається зі слотів (slot - гніздо, щілинка, паз). Значенням слота можуть бути числа, вираження, тексти, програми, посилання на інші фрейми. Сукупності фреймів утворюють ієрархічні структури, побудовані на родовидових ознаках, що дозволяє успадковувати значення слотів. Така властивість фреймів забезпечує ощадливе розміщення бази знань у пам'яті. Крім цього, значення слотів можуть обчислюватися за допомогою різних процедур, тобто фрейми комбінують у собі декларативні і процедурні представлення знань. Фреймові моделі можна розуміти як мережні моделі уявлення знань, коли фрагмент мережі представляється фреймом з відповідними слотами і значеннями. З фреймовими моделями зв'язані моделі представлення знань на основі сценаріїв і об'єктів.

ЛЕКЦІЯ-8.

Теоретичні аспекти інженерії знань

· Поле знань

· Стратегії одержання знань

· Теоретичні аспекти витягу знань

· Теоретичні аспекти структурування знань

Читайте також:

1. II. Актуалізація опорних знань і вмінь учнів
2. III. Актуалізація набутих знань
3. III. Контроль знань
4. IV. Закріплення й узагальнення знань
5. IV. Повідомлення теми та мети уроку V. Сприймання і засвоєння нових знань, умінь та навичок.
6. IІ. Актуалізація опорних знань учнів.
7. V. Закріплення знань
8. V. Засвоєння знань
9. V. Систематизація і узагальнення нових знань, умінь і навичок
10. VI. Узагальнення та систематизація знань
11. VII. Закріплення нового матеріалу і систематизація знань.
12. Аксіоматизація знань та причинні зв'язки у методології наукових досліджень

Переглядів: 2897