2. Проблема представления знаний. Понятие модели Одной из наиболее важных проблем, характерных для систем, основанных на знаниях, является проблема представления знаний. Она состоит:  в описании смыслового содержимого проблем самого широкого диапазона;  в отыскании такой формы описания знаний, которая гарантирует, что обработка их содержимого формальными правилами преобразования будет осуществляться правильно. При проектировании модели представления знаний следует учитывать такие требования, как однородность представления, простоту понимания, непротиворечивость и полноту. Однородность представления приводит к упрощению механизма управления логическим выводом и упрощению управления знаниями. Кроме этого, представление знаний должно быть понятным экспертам и пользователям системы. Одной из наиболее важных проблем, характерных для систем, основанных на знаниях, является проблема представления знаний. Она состоит:  в описании смыслового содержимого проблем самого широкого диапазона;  в отыскании такой формы описания знаний, которая гарантирует, что обработка их содержимого формальными правилами преобразования будет осуществляться правильно. При проектировании модели представления знаний следует учитывать такие требования, как однородность представления, простоту понимания, непротиворечивость и полноту. Однородность представления приводит к упрощению механизма управления логическим выводом и упрощению управления знаниями. Кроме этого, представление знаний должно быть понятным экспертам и пользователям системы.

3. Рисунок 1 - Классификация моделей представления знаний Рисунок 1 - Классификация моделей представления знаний

4. Не смотря на обширную классификацию моделей представления знаний, в данном курсе мы будем рассматривать только:  продукционные модели – модель основанная на правилах, позволяет представить знание в виде предложений типа: «ЕСЛИ условие, ТО действие».  сетевые модели (или семантические сети) – в инженерии знаний под ней подразумевается граф, отображающий смысл целостного образа. Узлы графа соответствуют понятиям и объектам, а дуги – отношениям между объектами.  фреймовые модели – основывается на таком понятии как фрейм (англ. frame – рамка, каркас). Фрейм – структура данных для представления некоторого концептуального объекта. Информация, относящаяся к фрейму, содержится в составляющих его слотах. Слоты могут быть терминальными либо являться сами фреймами, т.о. образуя целую иерархическую сеть.  логические модели - вся информация, необходимая для решения прикладных задач, рассматривается как совокупность фактов и утверждений, которые представляются как формулы в некоторой логике. Не смотря на обширную классификацию моделей представления знаний, в данном курсе мы будем рассматривать только:  продукционные модели – модель основанная на правилах, позволяет представить знание в виде предложений типа: «ЕСЛИ условие, ТО действие».  сетевые модели (или семантические сети) – в инженерии знаний под ней подразумевается граф, отображающий смысл целостного образа. Узлы графа соответствуют понятиям и объектам, а дуги – отношениям между объектами.  фреймовые модели – основывается на таком понятии как фрейм (англ. frame – рамка, каркас). Фрейм – структура данных для представления некоторого концептуального объекта. Информация, относящаяся к фрейму, содержится в составляющих его слотах. Слоты могут быть терминальными либо являться сами фреймами, т.о. образуя целую иерархическую сеть.  логические модели - вся информация, необходимая для решения прикладных задач, рассматривается как совокупность фактов и утверждений, которые представляются как формулы в некоторой логике.

5. Проблема представления знаний. Понятие модели В математике моделью называется некоторое множество М с заданным на нем набором отношений {r 1,r 2,…,r n }. N-местное отношение определяется как множество n-ок объектов (n≥1). Например, одноместное отношение prim(x), определяющее свойство числа быть простым, характеризуется бесконечным множеством M=prim(1), prim(2), prim(3), prim(5), prim(7), prim(11). Отношение математически представляется в следующей форме имя_отношения (список_аргументов). В общем случае отношение предполагает некоторую процедуру (называемую разрешающей процедурой), которая устанавливает истинность или ложность отношения. Такая процедура может задаваться алгоритмом, правилами, таблицами и иными способами. Например, разрешающей процедурой для отношения prim(x), является алгоритм разложения числа x на простые множители. В математике моделью называется некоторое множество М с заданным на нем набором отношений {r 1,r 2,…,r n }. N-местное отношение определяется как множество n-ок объектов (n≥1). Например, одноместное отношение prim(x), определяющее свойство числа быть простым, характеризуется бесконечным множеством M=prim(1), prim(2), prim(3), prim(5), prim(7), prim(11). Отношение математически представляется в следующей форме имя_отношения (список_аргументов). В общем случае отношение предполагает некоторую процедуру (называемую разрешающей процедурой), которая устанавливает истинность или ложность отношения. Такая процедура может задаваться алгоритмом, правилами, таблицами и иными способами. Например, разрешающей процедурой для отношения prim(x), является алгоритм разложения числа x на простые множители.

6. Продукционная модель представления знаний Систему продукций можно считать наиболее распространенной моделью представления знаний (ПЗ). Продукционная система состоит из трех основных компонентов: базы правил, рабочей памяти и механизма логического вывода. База правил состоит из набора продукций : «ЕСЛИ (условие), ТО (действие)» В рабочей памяти хранятся предпосылки, касающиеся конкретных задач предметной области, и результаты выводов, полученные на их основании. Механизм логического вывода использует правила в соответствии с содержимым рабочей памяти и решает какое правило следует применить следующим. Так же в дополнение к основным компонентам обычно входят: подсистема приобретения знаний; средства общения на естественном языке; подсистема объяснения. Таким образом схема ЭС продукционного типа имеет вид, представленный на рисунке 2. Систему продукций можно считать наиболее распространенной моделью представления знаний (ПЗ). Продукционная система состоит из трех основных компонентов: базы правил, рабочей памяти и механизма логического вывода. База правил состоит из набора продукций : «ЕСЛИ (условие), ТО (действие)» В рабочей памяти хранятся предпосылки, касающиеся конкретных задач предметной области, и результаты выводов, полученные на их основании. Механизм логического вывода использует правила в соответствии с содержимым рабочей памяти и решает какое правило следует применить следующим. Так же в дополнение к основным компонентам обычно входят: подсистема приобретения знаний; средства общения на естественном языке; подсистема объяснения. Таким образом схема ЭС продукционного типа имеет вид, представленный на рисунке 2.

7. Рисунок 2 – ЭС продукционного типа

8. Продукционная модель представления знаний

9. Любое правило состоит из одной или нескольких пар «атрибут-значение». В рабочей памяти систем, основанных на продукционных моделях, хранятся пары атрибут-значение, истинность которых установлена в процессе решения конкретной задачи к некоторому текущему моменту времени. Содержимое рабочей памяти изменяется в процессе решения задачи. Это происходит по мере срабатывания правил. Правило срабатывает, если при сопоставлении фактов, содержащихся в рабочей памяти, с антецедентом анализируемого правила имеет место совпадение, при этом заключение сработавшего правила заносится в рабочую память. Поэтому в процессе логического вывода объём фактов в рабочей памяти, как правило, увеличивается (уменьшаться он может в том случае, если действие какого-нибудь правила состоит в удалении фактов из рабочей памяти). В процессе логического вывода каждое правило из базы правил может сработать только один раз. Любое правило состоит из одной или нескольких пар «атрибут-значение». В рабочей памяти систем, основанных на продукционных моделях, хранятся пары атрибут-значение, истинность которых установлена в процессе решения конкретной задачи к некоторому текущему моменту времени. Содержимое рабочей памяти изменяется в процессе решения задачи. Это происходит по мере срабатывания правил. Правило срабатывает, если при сопоставлении фактов, содержащихся в рабочей памяти, с антецедентом анализируемого правила имеет место совпадение, при этом заключение сработавшего правила заносится в рабочую память. Поэтому в процессе логического вывода объём фактов в рабочей памяти, как правило, увеличивается (уменьшаться он может в том случае, если действие какого-нибудь правила состоит в удалении фактов из рабочей памяти). В процессе логического вывода каждое правило из базы правил может сработать только один раз.

10. Продукционная модель представления знаний Различают продукционные системы с прямыми и обратными выводами.  В прямых выводах выбирается один из элементов данных, содержащихся в базе данных, и если при сопоставлении этот элемент согласуется с левой частью правила (посылкой), то из правила выводится соответствующее заключение и помещается в базу данных или исполняется действие, определяемое правилом, и соответствующим образом изменяется содержимое базы данных.  В обратных выводах процесс начинается от поставленной цели. Если эта цель согласуется с правой частью правила (заключением), то посылка правила принимается за подцель или гипотезу. Этот процесс повторяется до тех пор, пока не будет получено совпадение подцели с данными. Различают продукционные системы с прямыми и обратными выводами.  В прямых выводах выбирается один из элементов данных, содержащихся в базе данных, и если при сопоставлении этот элемент согласуется с левой частью правила (посылкой), то из правила выводится соответствующее заключение и помещается в базу данных или исполняется действие, определяемое правилом, и соответствующим образом изменяется содержимое базы данных.  В обратных выводах процесс начинается от поставленной цели. Если эта цель согласуется с правой частью правила (заключением), то посылка правила принимается за подцель или гипотезу. Этот процесс повторяется до тех пор, пока не будет получено совпадение подцели с данными.

11. Продукционная модель представления знаний

14. 1-й проход. Шаг 1. Возможно применения правил 2 и 3. Применяем 2. Шаг 2. Возможно применение правил 1 и 3. Применяем 1 и выполняется условие останова системы. Но если применить на этапе 2 правило 3, то потребуется еще один шаг вывода. Следовательно, выбор правила влияет на эффективность. 1-й проход. Шаг 1. Возможно применения правил 2 и 3. Применяем 2. Шаг 2. Возможно применение правил 1 и 3. Применяем 1 и выполняется условие останова системы. Но если применить на этапе 2 правило 3, то потребуется еще один шаг вывода. Следовательно, выбор правила влияет на эффективность.

15. Продукционная модель представления знаний Сильные стороны систем продукций:  модульность;  единообразие структуры (основные компоненты продукционной системы могут применяться для построения интеллектуальных систем с различной проблемной ориентацией);  естественность (вывод заключения в продукционной системе во многом аналогичен процессу рассуждения эксперта);  гибкость родовидовой иерархии понятий, которая поддерживается только как связь между правилами (изменение правила ведет за собой изменение в иерархии);  простота создания и понимания отдельных правил;  простота пополнения и модификации;  простота механизма логического вывода. Сильные стороны систем продукций:  модульность;  единообразие структуры (основные компоненты продукционной системы могут применяться для построения интеллектуальных систем с различной проблемной ориентацией);  естественность (вывод заключения в продукционной системе во многом аналогичен процессу рассуждения эксперта);  гибкость родовидовой иерархии понятий, которая поддерживается только как связь между правилами (изменение правила ведет за собой изменение в иерархии);  простота создания и понимания отдельных правил;  простота пополнения и модификации;  простота механизма логического вывода.

16. Продукционная модель представления знаний Слабые стороны систем продукций:  процесс вывода менее эффективен, чем в других системах, поскольку большая часть времени при выводе затрачивается на непроизводительную проверку применимости правил;  сложно представить родовидовую иерархию понятий;  неясность взаимных отношений правил;  сложность оценки целостного образа знаний;  отличие от человеческой структуры знаний;  отсутствие гибкости в логическом выводе. Слабые стороны систем продукций:  процесс вывода менее эффективен, чем в других системах, поскольку большая часть времени при выводе затрачивается на непроизводительную проверку применимости правил;  сложно представить родовидовую иерархию понятий;  неясность взаимных отношений правил;  сложность оценки целостного образа знаний;  отличие от человеческой структуры знаний;  отсутствие гибкости в логическом выводе.