7.2. МОДЕЛИ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ

Представление знаний в СИИ — это не только фундаменталь­ное понятие, но и решающий аспект их разработки. Выбор моде­ли представления знаний (МПЗ) очень сложен ввиду их многооб­разия и размытости критериев выбора и важен, ибо он оказыва­ет огромное влияние на любую часть СИИ и предопределяет их возможности (свойства и характеристики). Последствия неудач­ного решения проблемы представления знаний могут быть ката­строфическими. Кроме того, используемый в СИИ формализм представления знаний определяет характер их получения и на­копления, в результате которого создается БЗ, ориентированная на определенную структуру представления, а не на сущность са­мих знаний. Выбор модели, не адекватной типам знаний, приво­дит к потере многих существенных деталей прикладной задачи и порождает тривиальный интеллект.

Проблемы представления знаний в компьютерных системах решаются на трех уровнях:

♦ техническом — реализация сложных представлений знаний, требующая электронной вычислительной техники с чрезвычайно сложной функциональной архитектурой, обеспечивающей парал­лельные вычисления и гарантирующей протекание процесса пред­ставления знании в режиме реального времени, а также мощны­ми запоминающими устройствами;

•      программном (логическом) — создание программ, которые обеспечивают выполнение всех алгоритмов, необходимых для представления знаний;

♦     концептуальном — выработка концепций, моделей, образу­ющих методологию искусственного интеллекта.

Под представлением знаний подразумевают соглашение о том, как описывать реальную ПрО (понятия и отношения). Иногда такое соглашение называют нотацией. Каждая модель знаний определяет форму представления знаний и является формализ­мом, призванным отобразить объекты, связи между ними и от­ношения, иерархию понятий ПрО и изменение отношений между объектами.

Для решения проблемы представления знаний разработаны разнообразные модели представления знаний (МПЗ). В систе­мах искусственного интеллекта используются в основном четыре типа МПЗ: логические, продукционные, семантические сети и фреймы.

Логические модели представляют знания в виде формул, кото­рые состоят из констант, переменных, функций, предикатов, ло­гических связок и кванторов. Каждая логическая формула дает частичное описание состояния предметной области.

В основе всех логических моделей представления знаний ле­жит понятие формальной системы задаваемой четверкой:

где Т — множество базовых элементов (алфавит формальной системы);

Р — множество синтаксических правил, позволяющих строить син­таксически правильные выражения А из Г;

А — множество априорно истинных аксиом (любое множество син­таксически правильных выражений);

Р — правила вывода, позволяющие расширять множество аксиом.

Среди реализаций логических моделей представления знаний раз­личают системы дедуктивного типа (имеют фиксированную систе­му правил вывода) и индуктивного типа (правила вывода порожда­ются системой на основе конечного числа обучающих примеров).

В логических моделях синтаксис задается набором правил по­строения правильных синтаксических выражений, а семантика —

набором правил преобразования выражений и разрешающей процедурой, позволяющей однозначным образом и за конечное число шагов определить, является ли данное выражение семанти­чески правильным. Преимуществами логических схем пред­ставления знаний являются: высокий уровень модульности зна­ний, лаконичность представления, наличие тела анализа и опре­деление понятия логического вывода, позволяющее получить формальным путем новые знания.

Однако им свойственны и недостатки: чрезмерный уро­вень формализации знаний; слабая наглядность, трудность про­чтения логических формул и сложность их понимания; низкая производительность СИИ при обработке знаний и большая тре­буемая память; отсутствие выразительных средств для отраже­ния особенностей ПрО и структурирования знаний; громоздкость при описании больших объемов знаний.

Логические модели в силу присущих им недостатков самосто­ятельно применяются в СИИ крайне редко. Обычно они исполь­зуются в сочетании с другими МПЗ.

Продукционныемодели. Продукционные правила (продукции) задаются в виде выражений:

ЕСЛИ условие ТО действие;

ЕСЛИ причина ТО следствие;

ЕСЛИ ситуации ТО решение.

Суть этих выражений заключается в том, что если выполняет­ся условие, то нужно произвести некоторое действие. Продукци­онные модели могут быть реализованы как процедурно, так и декларативно. В процедурных системах присутствуют три ком­понента: база данных, некоторое число продукционных правил, состоящих из условий и действий, а также интерпретатор, кото­рый последовательно определяет, какие продукции могут быть активированы в зависимости от содержащихся в них условий. В базе данных хранятся известные факты выбранной ПрО.

Продукционные правила (продукции) содержат специфичес­кие знания предметной области о том, какие еще дополнитель­ные факты могут быть учтены, есть ли специфические данные в базе данных. В системах искусственного интеллекта, построенных на использовании продукционных МПЗ, база данных представ­ляет собой переменную часть, а правила и интерпретатор не из­меняются. Благодаря свойству модульности, присущему продук­ционным МПЗ, можно добавлять и изменять знания (правила, факты). Поэтому продукционные МПЗ применяются в ПрО, где нет четкой логики и задачи решаются на основе независимых правил (эвристик).

Правила продукции несут информацию о последовательнос­ти целенаправленных действий.

Продукционные модели благодаря причинно-следственному характеру правил (продукций) хорошо отражают прагматичес­кую составляющую знаний.

СИИ продукционного типа проявляют свои сильные сторо­ны, если решается небольшая задача. При увеличении объема зна­ний эффективность СИИ падает.

Следующим шагом на пути выявления структуры, присущей зна­ниям, являются модели, в которых в явной форме выделяются все отношения, образующие эту структуру, с описанием их семантики.

Семантические сети основываются на результатах изучения организации долговременной памяти человека. Характерной осо­бенностью для семантических сетей является то, что они для об­разования своей структуры используют два компонента — поня­тия и отношения. Вершинам сети соответствуют понятия (объек­ты, события, процессы, явления), а дугам, их соединяющим, — отношения между понятиями.

В зависимости от структуры узлов и характера отношений между ними различают следующие сети: простые, иерархические, однородные и неоднородные. Последние делятся на функциональ­ные сети, сценарии и семантические сети.

В семантических сетях знания представлены в терминах есте­ственного языка и отношений между ними (элемент — класс; класс — подкласс; функциональные дуги).

Основные характеристики семантических сетей:

♦    объекты описываются на естественном языке;

♦     все знания накапливаются в относительно однородной структуре памяти;

♦     на сетях определяются унифицированные отношения меж­ду объектами, которым соответствуют унифицированные мето­ды вывода;

♦     методы вывода в соответствии с запросами определяют уча­стки семантического знания, имеющего отношение к поставлен­ной задаче, формулируя акт понимания запроса и некоторую цепь выводов, соответствующих решению задачи.

Семантические сети обладают следующими м и: повышенной гибкостью за счет наличия свойств ассоциатив­ности и иерархичности; гармоничным и естественным сочетани­ем декларативного и процедурного, синтаксического и семанти­ческого знания; наглядностью отображения объектов, связей, отношений в силу присущей им возможности графической нота­ции; легкой читаемостью и понимаемостью знаний; высокой сте­пенью структуризации знаний.

Среди недостатков сетевого представления выделяют: сложность и трудность разработки алгоритмов их анализа ввиду нерегулярности структуры и большого количества дуг, несущих синтаксическую информацию; пассивность структуры сети, для обработки которой необходим сложный аппарат формального вывода и планирования; разнообразие типов вершин и связей, произвольность структуры, требующей большого разнообразия процедур обработки; трудность представления и обработки не­точных и противоречивых знаний.

В целом семантические сети позволяют представлять семан­тику      а также осуществлять за наличия связей и отно­шений между понятиями целевую ориентацию и таким образом отражать прагматическую составляющую знаний.

В связи с указанными недостатками предприняты попытки усо­вершенствования семантических сетей, которые в основном наце­лены на организацию процессов обобщения в сети, решение про­блемы поиска и повышения их изобразительных возможностей.

Фреймы — это особые познавательные структуры, дающие целостное представление о явлениях и их типах. Фреймы отра­жают концептуальную основу организации памяти человека.

Структура фрейма имеет вид:

где / — имя фрейма;

Ук — имя слота;

Цк — значение слота;

Рк — процедура (необязательный элемент).

Слоты — это некоторые структурные элементы фрейма, за­полнение которых приводит к тому, что фрейм ставится в соот­ветствие некоторой ситуации, явлению, объекту или процессу. В качестве слота может быть указано имя другого фрейма.

Значениями слота могут быть конкретные данные, процеду­ры и даже продукция. Слот может быть пустым (незаполненным).

Из всех ранее рассмотренных МПЗ только фреймам свойствен­ны высокая структурируемость, внутренняя интерпретируемость посредством имен и значений и связность слотов и их значений. Кроме того, фреймы обладают высокой наглядностью и модуль­ностью, объединяют достоинства декларативного и процедурного представления знаний. Однако фреймы наиболее эффективны при обработке семантической составляющей знаний. У фреймов, как и у семантических сетей, отсутствуют универсальные процедуры их обработки, что приводит к неэффективному использованию ресурсов вычислительной техники (памяти и быстродействия).

Рассмотренные МПЗ наследуют ряд структур данных и явля­ются в некотором смысле их разновидностями, хотя ются в СИИ для обработки знаний.

Общими слабыми сторонами моделей представления знаний являются ограниченные выразительные возможности для описа­ния экспертных знаний, невозможность описания знаний слож­ной структуры, недостаточная эффективность нотации (вычис­лительная эффективность).

Одной из попыток расширения возможностей СИИ является использование сочетания различных МПЗ: фреймов и продукций (продукционные правила в слотах фрейма являются формой при­соединения к фрейму процедурных знаний); семантических сетей и логических моделей; семантических сетей и продукций. Однако простое объединение в одной базе знаний нескольких МПЗ, по­лучивших название комбинированных или смешанных, как прави­ло, малоэффективно. Различные МПЗ не обязательно несовмес­тимы друг с другом, однако они отличаются по степени соответ­ствия конкретным внутренним представлениям эксперта.

Сейчас ведется поиск новых МПЗ, базирующихся на идеях, отличных от формальной системы или сети понятий, ориентиру­ющихся на языковые конструкции (семантику естественного языка).