ПОИСК Статьи Чертежи Таблицы Представление знаний в экспертных системах из "Компьютерная поддержка принятия решений " В системах искусственного интеллекта, получающих в настоящее время все большее развитие, существенную роль играет представление знаний. [c.92] Представление знаний может быть определено как множество соглашений об описании каких-либо объектов. Знания о мире можно разделить на две категории факты, указывающие, что истинно или было истинным, и правила (алгоритмы), позволяющие производить оценку состояния объекта или предсказать изменение его состояния во времени в результате выполнения некоторой последовательности действий. [c.93] Факты представляются в ЭВМ в виде данных, а алгоритмы - в виде программ. Всегдашним стремлением программистов было отделить данные от программ. Именно это стремление определило появление баз данных и систем управления ими. [c.93] Развитие программирования позволило перейти к имитации интеллектуальных функций человека, позволяющих ему создавать программы решения конкретных задач. На этом этапе стало происходить, по крайней мере, частичное слияние данных с алгоритмами (программами) и создаваться базы знаний . [c.93] Применительно к задачам, составляющими такие базы знаний, кирпичиками САПР являются экспертные системы и модели, совокупность которых позволяет проектировать отдельные узлы и устройства. [c.93] Создание такого набора экспертных систем и моделей позволяет использовать одни и те же экспертные системы и модели при проектировании различных устройств и узлов, как это показано на рис. 2.9. Кроме того, отдельные элементы искусственного интеллекта могут встраиваться в систему. [c.93] Методы представления знаний традиционно разделяются на 4 класса семантические сети, логические подходы, фреймы и системы продукций. Это подразделение носит несколько условный характер, так как в реально работающих системах часто используют различные классы представления знаний [2.19, 2.20]. [c.94] Понятие семантических сетей возникло в конце 60-х годов впервые, по-видимому, в работах [2.21, 2.22]. Этот термин определяет класс подходов, для которых общим является использование графических схем с узлами, соединенными дугами. Узлы представляют понятия, а дуги выражают отношения между ними. [c.94] Сети различного вида получаются в зависимости от того, какие ограничения накладываются на вершины и дуги. Если вершины не имеют собственной внутренней структуры, то соответствующие сети называют простыми сетями. Если вершина обладает некоторой структурой, то такие сети называют иерархическими сетями. [c.94] Одно из основных отличий иерархических семантических сетей от простых семантических сетей состоит в возможности разделить сеть на подсети и устанавливать отношения не только между вершинами, но и между подсетями. [c.94] Различные подсети, существующие в сети, могут быть упорядочены в виде дерева подсетей, вершинами которого являются подсети, а дугам - отношения видимости. Понятие подсети аналогично понятию скобок в математической нотации, а понятие видимости - связи переменных, находящейся в скобках к переменным, находящимся вне скобок. [c.94] Попробуем сделать описание хорошо известной конструкции -арки. Арку легко представить как перекладину, опирающуюся на две опоры, которые не должны соприкасаться между собой. Описание арки легко представить в виде семантической сети, узлы которой представляют конструкции, а дуги - отношения. Такая семантическая сеть показана на рис. 2.13 [2.23]. [c.94] Эти два выражения являются примерами двух основных форм утверждений, используемых в искусственном интеллекте предикат, выражающий принадлежность индивидуума (Джона) к определенному типу (холостяков), и связанный квантор всеобщности, определяющий, что один тип (собака) является подтипом другого (животное). Простейший путь отображения такого рода утверждений на семантические сети - создать связь, которая прямо представляла бы части is а этих предложений. Так появилась связь IS-A. [c.95] Сразу было замечено, что связи IS-A образуют иерархию, что они частично упорядочены. Иерархическая организация облегчает распределение свойств так, чтобы они, будучи разделяемыми между узлами, запоминались в иерархии, покрывая максимальное множество узлов, использующих эти свойства . Такая организация делает семантическую сеть достаточно эффективным средством организации памяти, поскольку копии свойств не запоминаются во всех точках, в которых они используются. Они наследуются всеми узлами, расположенными ниже тех, в которых они запомнены. [c.96] Такая структура позволяет легко осуществить поиск необходимых данных в экспертной системе. [c.96] Теперь в качестве примера рассмотрим язык системы Омега, использующий семантическую сеть для построения базы знаний [2.24, 2.25]. [c.96] Утверждение может быть использовано для связи произвольных описаний. Например, в предложении (а Human) is (а Mortal) утверждается, что любой индивид класса люди является также индивидом класса смертный . [c.96] Вернуться к основной статье