Представление знаний в экспертных системах

Классификация по степени интеграции с другими программами

Классификация по типу ЭВМ

Классификация по связи с реальным временем

Статические ЭС разрабатываются в предметных областях, в которых база знаний и интерпретируемые данные не меняются во времени. Они стабильны.

Пример:

- Диагностика неисправностей в автомобиле.

Квазидинамические ЭС интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.

Пример:

- Микробиологические ЭС, в которых снимаются лабораторные измерения с технологического процесса один раз в 4-5 часов (например, производство лизина) и анализируется динамика полученных показателей по отношению к предыдущему измерению.

Динамические ЭС работают в сопряжении с датчиками объектов в режиме реального времени с непрерывной интерпретацией поступающих в систему данных.

Примеры:

- Управление гибкими производственными комплексами, мониторинг в реанимационных палатах.

- Программный инструментарий для разработки динамических систем – G2.

На сегодняшний день существуют:

- ЭС для уникальных стратегически важных задач на супер-ЭВМ – CRAY, CONVEX.

- ЭС на ЭВМ средней производительности типа Mainframe.

- ЭС на символьных процессорах и рабочих станциях SUN, Silicon Graphics, APOLLO.

- ЭС на мини- и супермини-ЭВМ VAX, micro-VAX.

- ЭС на персональных компьютерах.

Автономные ЭС работают непосредственно в режиме консультаций с пользователем для специфических «экспертных» задач, для решения которых не требуется привлекать традиционные методы обработки данных (расчеты, моделирование и т.д.).

Гибридные ЭС представляют программный комплекс, агрегирующий стандартные пакеты прикладных программ (ППП) (например, матстатистика, линейное программирование, СУБД) и средства манипулирования знаниями. Это может быть интеллектуальная надстройка над ППП или интегрированная среда для решения сложной задачи с элементами экспертных знаний.

Несмотря на внешнюю привлекательность гибридного подхода, следует отметить, что разработка таких систем представляет собой задачу, на порядок более сложную, чем разработка автономной ЭС. Стыковка не просто разных пакетов, а разных методологий (что происходит в гибридных системах) порождает целый комплекс теоретических и практических трудностей.

| 3.1. Проблемы представления знаний

Знания представляют собой совокупность сведений (у индивидуума, общества или системы ИИ) о мире (конкретной предметной области, совокупности объектов или объекта), включающих в себя информацию о свойствах объектов, закономерностях процессов и явлений, правилах использования этой информации для принятия решений.

Первоначально вычислительная техника была ориентирована на обработку данных. Это было связано как с уровнем развития техники, так и со спецификой решаемых задач. Дальнейшее усложнение решаемых задач, их интеллектуализация, развитие вычислительной техники ставят задачу создания машин обработки знаний. Существенным отличием знаний от данных является их интерепретируемость. Если для интерпретации данных нужны программы и сами по себе они не несут содержательной информации, то знания всегда содержательны. Другой отличительной чертой знаний является наличие отношений, например, вида "тип-подтип", "элемент-множество". Знания характеризуются наличием ситуативных связей, определяющих ситуативную совместимость отдельных событий и фактов, позволяющих устанавливать причинно-следственные связи.

Ранее предпринимались попытки определить типы знаний, которые должны быть представлены в СИИ. Этот перечень охватывает:

· структуру, форму, свойства, функции и возможные состояния объекта;

· возможные отношения между объектами, возможные события, в которых эти объекты могут участвовать;

· физические законы;

· возможные эффекты действий и состояний, причины и условия возникновения событий и состояний;

· возможные намерения, цели, планы, соглашения и т.д.

Можно выделить такие типы знаний:

- об объектах и категориях окружающего мира;

- о событиях, определяющих временные последовательности и причинно-следственные связи;

- о деятельности, т.е. о способности выполнять какие-либо действия;

- метазнания, т.е. "знания о размере наших знаний или о границах наших знаний или о границе наших способностей".

Нередко представление знаний провозглашается ядром ИИ, а исследование механизмов представления - определяющей чертой ИИ.

По поводу представления знаний существуют значительные разногласия. Однако можно выделить ряд общих черт для систем представления знаний (СПЗ):

1. Все СПЗ имеют дело с двумя мирами - представляемым и представляющим.

2. Вместе они образуют основу для представления, если решены следующие

вопросы:

Чем является представляемый мир?

Чем является представляющий мир?

Какие аспекты представляемого мира моделируются?

Какие аспекты представляющего мира моделируются?

Каково соответствие между этими мирами?

Можно выделить общие проблемы для всех СПЗ:

· приобретение новых знаний и их взаимодействие с уже существующими;

· организация ассоциативных связей;

· выбор диапазона в размере элементов представления, связанный с тем, насколько детально могут быть описаны объекты и события, и какая часть внешнего мира может быть представлена в конкретной системе;

· неоднозначность и выбор семантических примитивов;

· модульность и понимание;

· явность знаний и доступность;

· выбор соотношения декларативной и процедуральной составляющих представления, что влияет на экономичность системы, полноту, легкость кодировки и понимания.

В общем виде модели представления знаний могут быть разделены на концептуальные и эмпирические.

Концептуальная модель дает эвристический метод для решения проблемы. Метод эвристичен, поскольку концептуальное описание не дает гарантии того, что он может быть применен во всех соответствующих практических ситуациях.

Концептуальная модель делает возможным распознавание проблемы, позволяет уменьшать время для ее предварительного анализа.

Практическое использование концептуальной модели влечет за собой необходимость преобразования ее в эмпирическую. Знания могут быть накоплены в виде эмпирических моделей, как правило, описательного характера. Эти модели могут варьировать от простого набора правил до полного описания того, как лицо, принимающее решение, решает задачу.

Модели представления знаний можно условно разделить на декларативные и процедуральные.

Декларативная модель представления знаний основывается на предположении, что проблема представления некоей предметной области решается независимо от того, как эти знания потом будут использоваться. Поэтому модель как бы состоит из двух частей: статических описательных структур знаний и механизма вывода, оперирующего этими структурами и практически независимо от их содержательного наполнения.

При этом в какой-то степени оказываются раздельными синтаксические и семантические аспекты знания, что является определенным достоинством указанных форм представления из-за возможности их универсализации.

В декларативных моделях не содержатся в явном виде описания выполняемых процедур. эти модели представляют собой обычно множество утверждений. Предметная область представляется в виде синтаксического описания ее состояния (по возможности полного). Вывод решений основывается в основном на процедурах поиска в пространстве состояний.

В процедуральном представлении знания содержатся в процедурах - небольших программах, которые определяют, как выполнять специфические действия (как поступать в специфичных ситуациях). При этом можно не описывать все возможные состояния среды или объекта для реализации вывода. Достаточно хранить некоторые начальные состояния и процедуры, генерирующие необходимые описания ситуаций и действий.

При процедуральном представлении знаний семантика непосредственно заложена в описание элементов базы знаний, за счет чего повышается эффективность поиска решений. По сравнению с процедуральной частью статическая база знаний у них мала. Она содержит не "неизменные аксиомы", а лишь так называемые "утверждения", которые приемлемы в данный момент, но могут быть изменены или удалены в любое время.

Общие знания и правила вывода представлены в виде специальных целенаправленных процедур, активизирующихся по мере надобности. Процедуры могут активизировать друг друга, их выполнение может прерываться, а затем возобновляться. Возможно использование процедур-"демонов", активизирующихся при выполнения операций введения, изменения или удаления данных.

Средством повышения эффективности генерации вывода в процедуральных моделях является добавление в систему знаний о применении, т.е. знаний о том, как использовать накопленные знания для решения конкретной задачи. Эти знания, как правило, также представляются в процедуральной форме.

Главное преимущество процедуральных моделей представления знаний заключается в большей эффективности механизмов вывода за счет введения дополнительных знаний о применении, что однако снижает их общность. Другое важное преимущество заключается в выразительной силе. Процедуральные системы способны смоделировать практически любую модель представления знаний. Выразительная сила процедуральных систем проявляется в расширенной системе выводов, реализуемых в них. Большинство расширенных форм выводов можно охарактеризовать понятием "предположение об отсутствии" и сводится к схеме: "Если А (предварительное условие) - истинно и нет доказательств против В, то предложить В". Подобные правила вывода оказываются полезными в основном в двух случаях:

1. Неполнота знаний. Если в системе представления отдельные факты не представлены или невыводимы, правила вывода позволяют гипотетически признавать их верными при условии, что в системе нет или в ней невыводимы доказательства противного.

2. Вывод в условиях ограниченности ресурсов. Из-за ограниченности ресурсов процессы вывода не могут завершиться, а должны быть оставлены для получения результатов. В этом случае правила определяют дальнейшие действия системы.

Системы представления, содержащие подобные правила, оказываются немонотонными, т.е. добавление новых утверждений может запретить генерацию вывода, который первоначально мог быть получен. Добавление новых фактов может привести к возникновению противоречий. В некоторых системах кроме самих утверждений содержатся также записи причин, по которым были приняты утверждения. При добавлении новых фактов осуществляется проверка того, сохраняются ли справедливость утверждений и соответствие причинам.

Деление моделей представления знаний на декларативные и процедуральные весьма условно, т.к. в реальных системах представления знаний используются в равной мере элементы и сочетания всех указанных выше форм моделей представления знаний.