Файл: системи штучного інтелекту.doc

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 27.11.2019

Просмотров: 1709

Скачиваний: 4

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

У вигляді бінарного можна переписати й унарний предикат, тобто предикат, який залежить від однієї змінної.

Наприклад, предикат

Птах (X), який означає, що X є птахом, можна переписати в еквівалентному вигляді Є (X, Птах).

Якщо певний унарний предикат описує властивість об'єкта, наприклад:

Бінарним предикатам і бінарним фактам безпосередньо відповідає трІада "об'єктатрибут—значення". Об'єкт у цій тріаді — це, як правило, назва деякої інформаційної одиниці, атрибут — назва певної ознаки, а значення — конкретне значення цієї ознаки для даного об'єкта.

Тріада "об'єкт — атрибут — значення" є просто іншою формою запису бінарного факту. Так, якщо переписати наш приклад у вигляді сукупності згаданої тріади, запис матиме вигляд:

Іванов — Є — Студент Ісп_Шт_Інт — Є — Іспит Іванов — lcn_UJTjHT_ 5.

Остання трІада цього прикладу задає зв'язок між різними об'єктами.

  1. Проблема неточних і неповних знань

Раніше ми розглядали проблеми, які необхідно було вирішувати при проектуванні та розробці баз знань. Середінших проблем можна відмітити такі.


Знання можуть бути неповними. Це означає, що для доведення або спростування певного твердження може не вистачати інформації. У багатьох системах логічного виведення прийнято постулат замкненості світу. Це означає, що на запит проСистеми штучного інтелект>'. C>poia Нм істинність деякого твердження система відповідає "так " тоді I тільки тоді, коли йог0 можна довести; якщо ж довести це твердження неможливо, система відповідає пщ» Водночас "неможливо довести через нестачу Інформації" I "доведено, що нІ" ~. це зовсім не одне й те саме. 3 огляду на це бажано, щоб експертна система запитувані у користувача про факти, яких не вистачає.

зображено у вигляді такої семантичної мережі:


Знання-можугь бути недостовірними. Наприклад, на результат виконання продукціїможуть впливати випадкові чинники (об'єктивна невизначеність) або ж експерт може бути не зовсім упевненим у деякому факті чи правилі виведення (суб'єктивна *• невизначеність).

Ненадійність знань І недостовірність наявних фактів обов'язково повинні враховуватися в процесі логічних побудов. Звичайно, можна було б Просто вщкидати факти та правила виведення, які викликають сумнів, але тоді довелося б відмовитися аід цінної інформації. Тому необхідно розви-Нйіи процедури, які дозволяють здійснювати логічні побудови при недостовірнихданих, і використовувати ці процедури в експертних системах. Необхідно враховувати модальності, а саме: необхЩнІсть або можливість Того чи іншого факту, ставлення суб'єкта до деякого твердження I т. n. Крім того, в таких системах часто доводиться мати справу з неточно визначеними, нечіткими поняттями, такими, як 1великий", "маленький"тощо.

ТЕМА; СЕМАНТИЧНІ МЕРЕЖІ

  1. Визначення та класифікація семантичних мереж

Семантичні мережі є зручним способом графічного подання знань. Особливий акцент при цьому робиться на зв'язках між різними інформаційними одиницями та між різними фрагментами знань. Важливим є те, що вся інформація про дане поняття групується навколо вузла мережі, який відповідає цьому поняттю.

C емантичну мережу можна неформально уявляти у вигляді графу\ вершини якого, як правило, позначають об'єкти предметної області, а дуги відповідають зв'язкам між ними.

Це визначення є неформальним і орієнтоване скоріше на людське розуміння, нІж на проектування I створення систем штучного інтелекту. Остання задача вимагає більш формальних визначень.

Ф ормально семантична мережа визначається як набір </,фф..£я,Г>. Тут I множина інформаційних одиниць, C,.C,,..jC.- типи зв'язків між інформаційними одиницями, Г— відображення, що задає зв'язки між інформаційними одиницями.

На відміну від неформального визначення, останнє вимагає жорсткої фіксацІЇ схеми бази знань, тобто наборуможливих інформаційних одиниць і типів можливих зв'язків.

Існує значна кількість моделей знань на основі семантичних мереж; історично першою була модель Квілліана.

Наведемоприклад.

Твердження "Студент Іванов отримав 5 на іспиті зі штучного інтелекту" може буги

Таке подання, зрозуміло, не є єдино можливим. У n. 5 обговорюється, які переваги I недоліки можуть бути пов'язані з різними формами задання баз знань у вигляді семантичних мереж.

Семантичні мережі є найбільш широким класом мережних моделей, в яких поєднані різні типи зв'язків. Часткові випадки семантичних мереж відповідають спеціальним типам зв'язків. Виокремлюють, зокрема, класифікуючі мережі, функціональні мережі та сценарІЇ.

Класифікуючі мережі дозволяють задавати відношення ієрархії мІж Інформаційними одиницями.

Функціональні мережі характеризуються наявністю функціональних відношень, які дозволяють описувати процедури обчислень одних інформаційних одиниць через інші, їх часто називають обчислювальними моделями, оскільки вони дозволяють описувати процедури обчислення одних інформаційних одиниць через інші.

У сценаріях використовуються відношення типу "причина — наслідок", "дія", "засіб дії" та ін.

  1. Семантичні мережі • пам'яті людини

Є ряд свідчень на користь того, що знання в людській пам'яті зберігаються у вигляді структур, якІ нагадують семантичні мережі. Про це свідчать, зокрема, результати дослідів, що проводилися школою Жана ПІаже.

Дівчинці трьох з половиною років показали квадрат і попросили намалювати його. Спочатку вона намалювала фігуру, показану на рис. 2, що зовсім не дивно


.^4

CwRHR DtyiHOro int*

Але вона потім намалювала зовсім Іншу фігуру



'** <w,.

Ряс 2 Перше іображеіпія квадрт



Коли дівчинку попросили пояснити свіЙ малюнок, вона вказала на три елементи: "жорсткі речі", "речі, що йдуть вгору — вниз" і "боковинки". Коли вона показала на початковому квадраті, що малося на увазі, з'ясувалося, що "жорсткі речі" відповідають кутам квадрата, "боковинки" — горизонтальним сторонам, а "речі, що йдуть вгору - вниз" — вертикальним.

Жан Піаже та його учні дають цьому таке пояснення. Людина зберігає зображення в своїй пам'яті не так, як воно сприймається органами чуттів, а у вигляді структурного опису. Так, семантична мережа, що задає структурний опис квадрата, могла б мати вигляд:



туши імимі> <^yfmmMU

побачити схожість цІсІ структури (особливо фрагмента, обмденого рамкою) а гіяппмтри. зробленим дівчинкою. Очевидно, коли дВмимм робила другий малюнок, воиа пропустила стадію рекоиструкцП зображення I намалювала иаадрат у вигляд) структури, яка вбереглася в її пам'яті.

.S. ТрирІвнева архітектура семантичним мереж

Семантичні мережі можне розглядати на трьох рівнях йірархЛ (див рис.. S)

ПоанІЙ баїІ анамь відповідає вся семантична мережа; окремій иоицетуельИй одиниці (окремому теердженню або опису окремого поняття) «* концептуальний граф, що пЩмможиною семантичної мережі, яку прийнято розглядати як структуру, ЩО утворюється в результаті композиції окремих концептуальних графів. Запропоновані пеанІ правила, як! дозволяють формалізувати таку композицію.

Семантична мережа, зображена на рисі, відповідає окремому реченню. Тому вона фактично e концептуальним графом, який може бути складовою частиною складнішої семантичної мережі.

Рис. 5 ТрирІвнева архітектура семантичних мереж

Найнижчому рівню (тріаді "об'єкт — атрибут — значення") відповідають два зв'язані вузли семантичної мережі разом Із зв'язком між ними. Найчастіше атрибутуз цієї тріади відповідає зв'язок семантичної мережі.

4. Асиміляція нових знань на осноаІ семантичних мереж

Формалізми, якІ можна застосовувати для "приєднання" нового концептуального графу, що вІдповЩає новому твердженню, до вже існуючої семантичної мережі, можливо використовувати для вирішення на основі мережних моделей дуже важливої задачі — розуміння інтелектуальною системою нової інформації.

Розуміння нової інформації можна уявляти як переклад цІєї інформації на внутрішню мову системи шляхом зіставлення зі знаннями системи та формування вторинного опису у термінах знань системи. Цей процес прийнято називати асиміляцією нової інформації.

Асиміляція може бути повною і модальною. За повної асиміляції система сприймає нову інформацію як істинну і просто Інтегрує ЇЇ до бази знань у вигляді сукупності нових



Ряс. б Концешу&льний граф у першому варіанті



факт/в. За модальної асиміляції система включає нові факти до своєї бази знань, але з певними помітками, які відображають джерело знань, міру згоди І т. п. Йдеться проте що система розуміє Інформацію і може погоджуватися з нею або ні.

Приклад. Оператор Василь вводить до інтелектуальної системи факт "Дніпро ' впадає в Азовське море".

За повної асиміляцІЇ система просто перекладає цей факт на свою внутрішню мовуі заносить його до своєї бази знань. Надалі він може бути використаний у процесі | логічного виведення порядзіншими фактами.

За модальної асиміляції система може сформувати такі знання, як: "Василь вважає, що Дніпро впадає в Азовське море" або "Василь вважає, що Дніпро впадає в Азовське море, але це не так", або "Є свіДчення на користь того, що Дніпро впадає в Азовське море, ступінь достовірності цього факту дорівнює 0.1" тощо. Подібні знання можна враховувати при логічному виведенні, але лише при використанні спеціальних методик.


Для кожної моделі задання знань характерні свої процедури асиміляцІЇ. Остання на основі семантичних мереж може бути описана таким чином:

  • сприйняття нової інформації і формування її вторинного опису у вигляді одного або кількох концептуальних графів або нового фрагмента семантичної мережі;

  • підключення сформованих фрагментів до існуючої семантичної мережі на основі тих чи інших формальних процедур.

  1. Різні способи задання семантичних мереж

Ми уже зазначали, що одні й ті самі твердження можна зображати різними семантичними мережами і концептуальними графами. Повернемося до речення "Студент Іванов отримав 5 на іспиті зі штучного Інтенекту". Концептуальний граф для задання цього речення був наведений у п. 1. Повторимо його тут.

Скешмк vrpuwo итяипу. CywHH Наведеному концептуальному графу вЩповідає такий набір бінарних фактів у формі "об'єкт— атрибут — значення":

Іванов — Є — Студент

Іванов — Здав — Штучний Інтелект

Іванов — Оцінка — 5

Штучний Інтелект — Є — Іспит

Основна перевага цього рішення — його "природність". Об'єкт "Іванов" відповідає реальній сутності — студентові Іванову.

Проте таке рішення має очевидні вади. Це, зокрема, слабка інтерлретоваи^ть дуг "Здає" та "Оцінка", ігнорування того факту, що "Штучний інтелект" — це ме тільки "іспит", але й наукова дисципліна I т. n. Але найважливіший недолік — це складність задання зв'язків "один до багатьох" !"багато до багатьох".

Уявіть собІ, що в базі знань зберігається ще один факт про цього ж студента, а саме: "Студент Іванов отримав 2 на іспиті з Ліспу". Цей факт може бути описаний аналогічним концептуальним графом, але як об'єднати цІ два графи в семантичну мережу? "Очевидний" розв’язок такий:



Pnc..7. Незадовільне задання зв'язків "один до багатьох"

Він є незадовільним через свою неоднозначність: незрозум^е, яку оцінку з якого предмета отримав Іванов.