Лекции - Искусственный интеллект

Подождите немного. Документ загружается.

Рис. 5.11

С позиции логики базовую структуру СС можно

рассматривать в качестве эквивалента предиката с двумя

аргументами. Эти два аргумента представлены узлами, а

собственно предикат – направленной дугой, связывающей узлы:

РАБОТАЕТ – В/ИВАНОВ, ПРОИЗВОДСТВЕННЫЙ –

ОТДЕЛ/.

Однако возможности выражения семантики с

использованием только базовых структур весьма ограничены.

Дальнейшее повышение выразительной силы семантических

моделей обеспечивается дифференциацией вершин и дуг по

категориям.

Пример. Рассмотрим модель, в которой предусматривается

четыре категории вершин:

- концепты (понятия) - элементы ПО (приложения), для

которой строится

представление;

- события-действия, наблюдаемые в ПО;

- характеристики (свойства) - вершины, соответствующие

свойствам концепта;

- значения-вершины, соотносящиеся с областями

значений, которые могут принимать характеристики.

Дуги, соединяющие вершины-события и вершины-

концепты, соответствуют ролям концептов в событиях:

- дуга, указывающая вершину-концепт, которая играет

роль агента в событии (исполнителя, либо инициатора действия,

обычно в предложении естественного языка, выражаемого

глаголом);

- дуга, указывающая вершину-концепт, которая является

объектом воздействия в событии.

Дуги, соединяющие вершины-концепты:

103

- дуга, соответствующая представлению утверждения.

Дуги, соединяющие вершины-концепты и вершины-

характеристики:

- дуга, соответствующая представлению связи концепта с

характеристикой.

Дуги, соединяющие вершины-характеристики и вершины-

значения:

- дуга, соответствующая представлению связи

характеристики со значением.

Построим с помощью данной модели представление

следующей ситуации: «Иванов, 1950 года рождения,

работает программистом в вычислительном центре,

расположенном в корпусе А». Представим вначале эту

ситуацию в виде одной из возможных совокупностей простых

бинарных фактов (утверждений):

1.Иванов работает программистом.

2. Иванов работает в вычислительном центре.

3. Иванов 1950 года рождения.

4. Вычислительный центр расположен в корпусе А.

Выполним построение СС:

1. Вершины—события: РАБОТАЕТ.

2. Вершины—концепты:

ИВАНОВ;

ПРОГРАММИСТ;

ВЫЧИСЛИТЕЛЬНЫЙ-ЦЕНТР;

КОРПУС—А.

3. Вершины—характеристики:

ГОД—РОЖДЕНИЯ.

4. Вершины— значения: 1950.

5. Дуга, указывающая агента:

РАБОТАЕТ—ИВАНОВ.

6. Дуга, указывающая объект воздействия:

РАБОТАЕТ—ПРОГРАММИСТ. .

7. Дуга, указывающая вершину-характеристику:

ИВАНОВ-ГОД-РОЖДЕНИЯ.

104

8. Дуга, указывающая вершину-значение:

ГОД—РОЖДЕНИЯ-1950.

9. Дуги, представляющие утверждения:

РАБОТАЕТ—В: ИВАНОВ—ВЫЧИСЛИТЕЛЬНЫЙ—

ЦЕНТР;

РАСПОЛОЖЕН—В: ВЫЧИСЛИТЕЛЬНЫЙ—ЦЕНТР—

КОРПУС/А.

Это один из возможных вариантов СС по данному

фрагменту информации. Можно сделать иное назначение

вершин и дуг и получить другой вариант модели для

рассматриваемой ситуации. На рис. 5.12 приведено графическое

представление полученного варианта модели.

Как видно, проблема проектирования варианта (или

выбора одного из возможных вариантов) СС еще более сложна,

чем; проблема проектирования варианта инфологической

модели базы данных, поскольку одну и ту же порцию

информации можно представить еще большим количеством

различных вариантов. В этом и достоинство, и недостаток СС.

Рассмотрим теперь на данном примере получение вывода

с помощью семантической сети. Обычно интерпретация

семантической сети выполняется с помощью использующих эту

сеть процедур управляющей системы. Существуют различные

подходы к построению этих процедур. Рассмотрим наиболее,

распространенный подход, основанный на сопоставлении

частей сетевой структуры. Он заключается в следующем:

вначале строится подсеть, соответствующая запросу, а затем

выполняется сопоставление этой подсети с базой данных СС.

Например, поступает запрос: «Кем работает Иванов?». Этот

запрос система вначале, представляет в виде подсети (рис. 5.13).

Затем управляющей системой проводится сопоставление, по

результатам которого и формируется ответ на запрос.

105

Рис. 5.12

Рис. 5.13

Дальнейшее повышение выразительной силы модели

достигается введением различий между вершинами-

концептами, представляющими знаки, и вершинами-

концептами, представляющими типы вершины — классы,

причем концепт может принадлежать более чем одному классу.

106

Различие между вершинами-концептами и вершинами-классами

приводит к. необходимости выделения еще двух типов дуг:

1. Дуга между классом и концептом, отображающая

порождение экземпляра.

2. Дуга между классами, характеризуемая как

бинарное отношение, и, в частности, отношение ЕСТЬ – НЕК

или ЕСТЬ – ЧАСТЬ.

Следует отметить, что в случае необходимости бинарное

отношение само по себе может рассматриваться как класс. На

рис. 5.14 приведен пример использования вершин этого типа.

Рис. 5.14

Теперь в сети может быть построена иерархия типов в

соответствии со связями ЕСТЬ—НЕК или ЕСТЬ—ЧАСТЬ. В

модели может присутствовать специальная вершина,

являющаяся корнем иерархии (если это требуется),— класс

классов. В некоторых моделях вводят специальные вершины —

метаклассы, которые включают в себя в качестве экземпляров

другие классы. Поскольку метаклассы есть классы, на них также

могут быть построены иерархии ЕСТЬ—НЕК и ЕСТЬ-ЧАСТЬ.

Иерархия, построенная на основе наследования свойств,

107

обеспечивает эффективный способ упрощения представления

знаний и сокращения объема информации, которую требуется

запоминать для каждого конкретного узла.

Концепция времени может быть введена следующим

образом: каждому классу или событию приписывается два

специальных атрибута, т. е. вершины-характеристики – «время

включения» и «время удаления». Введение этих атрибутов

позволяет полностью описывать соответствующие вершины и

обеспечить ответы на соответствующие запросы.

В семантических сетевых моделях спецификация

ограничений целостности — часть полной спецификации сети,

которая интегрируется с описанием сети. Ограничения — это

некоторые данные, относящиеся к концепту или классу, т. е.

ограничения описываются как факты, относящиеся к другим

фактам. Ограничения наследуются аналогично другим

свойствам, и оперировать ими можно так же, как и другими

данными. Многие СС поддерживают язык исчисления

предикатов для описания дуг, и этот же язык используется для

задания явных ограничений целостности в сети.

В качестве основных операций над классами, и их

экземплярами в семантических сетях используются следующие

операции:

создания экземпляра некоторого класса;

установления принадлежности существующего

экземпляра некоторого класса еще к одному классу;

устранения принадлежности экземпляра к некоторому

классу или полного исключения этого экземпляра из сети;

выборки экземпляров, принадлежащих определенному

классу;

определения принадлежности экземпляра указанному

классу.

Эти операции выступают средствами манипулирования

данными сети. Как средство реализации запросов эти операции

ограничены по своим возможностям. Поэтому в развитых СС в

спецификацию сети вводят программы, реализующие

соответствующие правила обработки декларативных знаний

108

(вводятся в СС в виде вершин-программ). Эти, программы, по

существу, представляют собой обобщенные процедуры,

аналогичные процедурам базы данных. Программы вводятся в

сеть как классы. Выполнение программы, называемое

процессом, рассматривается как экземпляр конкретного класса.

Например, программа ЛИКВИДАЦИЯ – СЧЕТА (см. рис.

5.15) в сети будет представлена как класс с данным именем.

Экземпляры этого класса есть конкретные действия по снятию

денег со счета.

Рис. 5.15

Так как программы вводятся как вершины-классы, они

могут быть связаны в иерархии типа ЕСТЬ – НЕК и ЕСТЬ –

ЧАСТЬ, что позволяет специфицировать для них также правила

наследования. Например, класс ЛИКВИДАЦИЯ – СЧЕТА

может быть объявлен подклассом класса БАНКОВСКАЯ –

ОПЕРАЦИЯ (т. е. ЛИКВИДАЦИЯ – СЧЕТА ЕСТЬ – НЕК

БАНКОВСКАЯ – ОПЕРАЦИЯ).

В общем случае программа состоит из следующих

разделов:

предпосылки;

действия;

состояние завершения.

В разделе «предпосылки» проверяется правильность

вызова программы в виде выполнения совокупности проверок

на удовлетворение заданных условий.

В разделе «действия» выполняется последовательность

специфицированных в теле программы операций.

109

В разделе «состояние завершения» выполняется проверка

успешности завершения программы.

Для каждого возможного варианта успешного или

неуспешного завершения в программе специфицируются

определенные действия.

При составлении программы предусматривается проверка

ограничений целостности, заданных в сети.

СС, включающие в себя программы, поддерживают

концепцию транзакций, т. е. могут устанавливать связи

транзакций между собой и соотносить их с обрабатываемыми

данными.

Управляющие структуры для СС очень разнообразны. В

основном они являются зависимыми от предметной области

(т.е. часть прикладных знаний перенесена в управляющую

структуру (УС) в виде правил организации поиска данных, реле-

вантных запросу) и реализованы в виде управляющей програм-

мы, поддерживающей все основные функции экспертной

системы.

При программировании СС широко используется алгорит-

мический язык ЛИСП, разрабатываются также

специализированные языковые средства.

Богатство структур семантической сетевой модели

способствует реализации различных способов представления

семантики, СС позволяет в одинаковой мере манипулировать

как данными, так и знаниями о них. Однако сложность создания

и реализации этих средств выдвинула задачу поиска путей,

позволяющих ввести некоторую регулярность в сеть для

облегчения ее программирования. Одним из таких путей

являются фреймы.

Для реализации семантических сетей существуют

специальные сетевые языки, например, NЕТ. Широко известны

экспертные системы, использующие семантические сети в

качестве языка представления знаний РRОSРЕСТОR [2].

Систематизация отношений конкретной семантической

сети зависит от специфики знаний предметной области и

является сложной задачей. Особого внимания заслуживают

110

общезначимые отношения, присутствующие во многих

предметных областях. Именно на таких отношениях основана

концепция семантической сети. В семантических сетях, так же

как при фреймовом представлении знаний, декларативные и

процедурные знания не разделены, следовательно, база знаний

не отделена от механизма вывода. Процедура логического

вывода обычно представляет совокупность процедур обработки

сети. Семантические сети получили широкое применение в

системах распознавания речи и экспертных системах.

Контрольные вопросы

1. Чем отличаются знания от данных? Приведите

определения знаний.

2. Дайте характеристику основных признаков, по которым

классифицируются знания (природа знаний, способ

приобретения знаний, тип представления знаний).

3. Расскажите о логических способах представления

знаний. Укажите преимущественную область применения

логической модели.

4. Проведите формализацию небольшого фрагмента

знаний средствами логики высказываний (логики предикатов).

5. Охарактеризуйте продукционную модель представления

знаний. Приведите примеры представления знаний правилами.

В чем отличия между продукционными системами с прямыми,

обратными и двунаправленными выводами?

6. Опишите фреймовую модель представления знаний.

Приведите пример фреймового представления.

7. Охарактеризуйте модель представления знаний в виде

семантической сети. Расскажите об основных видах

используемых в этой модели отношений.

111

6. СПОСОБЫ ОБРАБОТКИ ЗНАНИЙ

Компьютерная обработка знаний является одной из

областей обработки информации. Традиционная технология

обработки информации ориентирована на вычисления,

основанные на теории Тьюринга, которая реализована в ЭВМ с

архитектурой фон Неймана. Этот подход основан на концепций

последовательной обработки информации во времени, поэтому

в таких ЭВМ используются в основном языки процедурного

типа, а в качестве операционных механизмов — устройства

управления и арифметические устройства. Процессы обработки

знаний моделируют такие сферы человеческой деятельности,

как рассуждения, систематизация, обучение и т.д. Если

попытаться «переложить подобные задачи на плечи

компьютеров», последним будет явно недостаточно жесткого

набора инструкций в виде программы на процедурном языке

программирования, даже если эта программа очень сложна.

Адекватное представление знаний требует разработки и

применения языков декларативного типа в интеллектуальных

системах, а в качестве операционных механизмов - различных

способов реализации логического вывода. Очевидно, будущее в

этом направлении принадлежит компьютерам с архитектурой,

отличной от фон-неймановской. Какими должны быть

компьютеры, ориентированные на выполнение интеллектуаль-

ных задач, покажут дальнейшие теоретические и практические

исследования. В настоящее время эксперименты проводятся в

основном на машинах Тьюринга—фон Неймана и на машинах с

параллельной обработкой данных.

Характерная черта ИИС, отличающая их от традиционных

систем обработки информации, — использование знаний.

Выбор способа представления знаний в интеллектуальной

системе является ключевым моментом разработки. С точки

зрения человека, желательно, чтобы описательные возможности

используемой модели были как можно выше. С другой стороны,

сложное представление знаний требует специальных способов

обработки (усложняется механизм вывода), что не только

112