Файл: книга ии.doc

§ 3.3.3. Семантические сети.

Термин семантическая сеть используется для описания модели представления знаний, основанной на сетевой структуре. Семантические сети были первоначально разработаны для применения их в качестве психологических моделей человеческой памяти. Семантические сети состоят из точек, называемых узлами, и связывающих их дуг, описывающих отношения между узлами. Узлы в семантической сети соответствуют объектам, концепциям или событиям. Дуги могут быть определены разными методами, зависящими от вида представляемых знаний. Обычно дуги, используемые для представления иерархии, включают дуги типа isa («является») и has-part («имеет часть»). Отношение «является» и другие типы отношений, устанавливает свойство иерархии наследования в сети. Это экономит память, поскольку информацию о сходных узлах не нужно повторять в каждом узле сети. Вместо этого она может размещаться в одном центральном узле сети.

Таким образом, в основе этого способа представления знаний лежит идея о том, что любые знания можно представить в виде совокупности понятий (объектов) и отношений (связей). Семантическая сеть представляет собой ориентированный граф, вершинами которого являются понятия, а дугами — отношения между ними. Сам термин «семантическая» означает смысловая. Пример семантической сети приведен на рис.3.5.

Рис. 3.5. Семантическая сеть

Семантические сети по организации похожи на фреймовую модель представления знаний и им присущи такие же достоинства и недостатки. Основным преимуществом этой модели является наглядность представления знаний, а также соответствие современным представлениям об организации долговременной памяти человека. Недостаток — сложность поиска вывода, а также сложность корректировки, т.е. удаления и дополнения сети новыми знаниями.

Вопросы для самоконтроля

1. Расскажите о данных и знаниях, применяемых в интеллектуальных системах.

2. В чем состоит разница в базах данных и базах знаний.

3. Приведите классификацию знаний.

4. Расскажите об особенностях моделей представления знаний.

5. Расскажите о структуре представления знаний в интеллектуальных системах.

6. Приведите классификацию логико-лингвистических моделей.

7. Расскажите о моделях представления знаний, основанных на правилах.

8. Расскажите о фреймовых моделях представления знаний.

9. Расскажите о сетевых моделях представления знаний.

§ 3.4. Экспертные системы. Предметные области

Знания, которыми обладает специалист в какой-либо области, можно разделить на:

хорошо формализуемые. Они излагаются в книгах и руководствах в виде законов, формул, моделей, алгоритмов. Формализуемые знания характерны для точных наук, таких как математика, физика, химия, астрономия.

слабо (плохо) формализуемые. Науки, которые принято называть описательными, обычно оперируют с слабо формализуемыми знаниями. К таким наукам можно отнести, например, зоологию, ботанику, экологию, социологию, педагогику, медицину и др.

неформализуемые, которые вообще не попадают в книги и руководства в связи с их неконкретностью, субъективностью, приблизительностью. Знания этого рода являются результатом многолетних наблюдений, опыта работы, интуиции. Они обычно представляют собой множество эмпирических и эвристических приемов и правил. Такие знания передаются из поколения в поколение в виде определенных навыков, ноу-хау, секретов ремесла. Есть также знания, которые не могут быть выражены ни в математическом виде, ни в терминах обычного человеческого языка. Такими знаниями обладают религиозные деятели, экстрасенсы, контактеры, шаманы.

В зависимости от того, какие знания преобладают в той или иной области; ее относят к формализуемым (если преобладают точные знания), к плохо формализуемым или к неформализуемым (если преобладают неточные знания) описательным областям. Знания, которыми обладает специалист в какой-либо области, можно разделить на три класса, указанные ранее.

Задачи, решаемые на основе этих знаний, можно также разделить на следующие группы:

хорошо структуризованные (формализуемые) задачи – задачи, в которых определены численные значения всех переменных;

плохо структуризованные (плохо формализуемые) задачи – задачи, в которых практически все переменные качественного порядка;

неформализуемые задачи – задачи, в которых преобладают неточные знания.

Класс задач, относящихся к неформализуемым и плохо формализуемым знаниям, значительно больше класса задач, для которых знания формализуемы. Этим объясняется особая популярность и широкое практическое применение экспертных систем, которые открыли возможность применения компьютерных технологий в предметных областях, в которых знания плохо формализуемы.

Основным направлением развития интеллектуальных систем в настоящее время является создание экспертных систем (ЭС).

Под экспертной системой понимают комплекс программных средств, обеспечивающих выдачу рекомендаций для решения плохо формализуемых и неформализуемых задач в условиях дефицита времени, противоречивой и недостоверной информации, в том числе и в непредсказуемых ситуациях, на основе обобщенного коллективного опыта, хранящегося в памяти ЭВМ (базе знаний).

Огромный интерес к ЭС вызван рядом причин.

Во-первых, они ориентированы на решение широкого круга задач в неформализованных областях, что значительно расширяет возможности по применению вычислительной техники.

Во-вторых, с помощью ЭС специалисты, не знающие программирования, могут самостоятельно разрабатывать интересующие их приложения, что также позволяет расширить сферу использования вычислительной техники.

В-третьих, ЭС при решении практических задач достигают результатов, не уступающих, а иногда и превосходящих возможности людей-экспертов, не оснащенных ЭС.

Применение ЭС является перспективным не только при автоматизации управления технологическими процессами, но и производством в целом. ЭС выступают как важное звено при выполнении работами, где присутствие человека невозможно или опасно для жизни, что делает их притягательными для применения во многих областях знаний.

§ 3.5. Назначение и область применения экспертных систем

Эффективность программы при решений задач зависит от знаний, которыми она обладает, а не только формализмов и схем вывода, которые она использует.

Традиционное программирование в качестве основы для разработки программы использует алгоритм, т.е. формализованное значение. До недавнего времени считалось, что ЭВМ приспособлены для решения неформализуемых задач. Расширение сферы использования ЭВМ показало, что неформализуемые задачи, составляют очень важный класс задач, вероятно, значительно больший, чем класс формализуемых задач. Как правило, неформализуемые задачи обладают неполнотой, ошибочностью, неоднозначностью и (или) противоречивостью знаний.

Экспертные системы не отвергают и не заменяют традиционного подхода к программированию, они отличаются от традиционных программ тем, что ориентированы на решение неформализуемых задач и обладают следующими особенностями.

1. Алгоритм решений не известен заранее, а строится самой ЭС с помощью символических рассуждений, базирующихся на эвристических приемах.

2. Ясность полученных решений, т.е. система «осознает» в терминах пользователя, как она получила решение.

3. Способность анализа и объяснения своих действий и знаний.

4. Способность приобретения новых знаний от пользователя-эксперта, не обладающего профессиональными знаниями в области программирования, и изменения в соответствии с ними своего поведения.

5. Обеспечение «дружественного», как правило, естественно-языкового интерфейса с пользователем.

6. Ограничение определенной сферой экспертизы.

7. Способность рассуждать при сомнительных данных.

8. Экономическая выгода от ее использования.

Экспертная система - компьютерная программа, использующая экспертные знания для обеспечения высокоэффективного решения задач в некоторой узкой предметной области. Такие программы, как правило, представляют знания символически, исследуют и объясняют свои процессы, рассуждения и предназначены для тех предметных областей, в которых людям для достижения мастерства необходимы годы специального обучения и практики.

Сердцевину экспертной системы составляет база знаний (БЗ), которая накапливается в процессе ее построения (рис.3.6). База знаний — ядро экспертной системы, совокупность знаний предметной области, записанная на машинном носителе в форме, понятной эксперту и пользователю. Она предназначена для хранения долгосрочных данных, описывающих рассматриваемую область, и правил, описывающих целесообразные преобразования данных этой области.

Объяснение

Эксперт-пользователь

Правила

Приобретение знаний

Рис. 3.6. Схема обобщенной экспертной системы

Решатель (дедуктивная машина, блок логического вывода), используя исходные данные из рабочей памяти и знания из базы знаний, формирует определенную последовательность правил; которые будучи примененными к исходным данным, приведут к решению задачи. Иначе – это программа, моделирующая ход рассуждений эксперта на основании знаний, имеющихся в базе знаний.

Компонент приобретения знаний (интеллектуальный редактор базы знаний) автоматизирует процесс наполнения ЭС знаниями, осуществляемый пользователем-экспертом. Это программа, представляющая инженеру-когнитологу и программисту возможность создавать базу знаний в диалоговом режиме. Она включает в себя системы вложенных меню, шаблонов языка представления знаний, подсказок (help-режим) и других сервисных средств, облегчающих работу с базой знаний.

Объяснительный компонент (подсистема объяснений) объясняет, как система получила решение задачи. Это программа, позволяющая пользователю получать ответы на вопросы: «Как была получена та или иная рекомендация?» и «Почему система приняла такое решение?». Ответ на вопрос «Как?» — это трассировка всего процесса получения решения с указанием исполняющих фрагментов базы знаний, т.е. всех шагов цепи умозаключений. Ответ на вопрос «Почему?» — ссылка на умозаключение, непосредственно предшествовавшее полученному решению, т.е. отход на один шаг назад.