Лекция №5. Модели представления знаний. Семантическая модель.

 

В связи с организацией базы знаний в информационной системе, возникли задачи по поиску оптимального и верного решения на поставленную задачу перед информационной системой. Таким образом, неструктурированную массу знаний нужно было представить в такой форме, которая позволяла бы найти оптимальное решение с наименьшими затратами, например, временными. И начиная со второй половины 20-ого века в области искусственного интеллекта стали появляться различные методы представления знаний.

Представление -- это действие, делающее некоторое понятие воспринимаемым посредством фигуры, записи, языка или формализма.

Представление знаний-- формализация истинных убеждений посредством фигур, записей или языков.

Нас особенно интересуют формализации, воспринимаемые (распознаваемые) ЭВМ.

Представлению знаний присущ пассивный аспект: книга, таблица, заполненная информацией память. В ИИ подчеркивается активный аспект представления: знать должно стать активной операцией, позволяющей не только запоминать, но и извлекать воспринятые (приобретенные, усвоенные) знания для рассуждений на их основе.

Выбор модели представления знания

Часто сводят к обсуждению баланса между деклара­тивным(ДП) и процедурным представлением(ПП). Различие между ДП и ПП можно выразить различием между вопросами «знать, что?» и «знать, как?».

Процедурное представление основано на предпосылке, что интеллектуальная деятельность есть знание проблемной среды, вложенное в програм­мы, то есть знание о том, как можно использовать те или иные сущности.

Декларативное представление основано на предпосылке, что знание неких сущностей «знать, что?» не имеет глубоких связей с процедурами, исполь­зуемыми для обработки этих сущностей. При использовании ДП счи­тается, что интеллектуальность базируется на некотором универсаль­ном множестве процедур, обрабатывающих факты любого типа, и на множестве специфических фактов, описывающих частную область знаний.

Основное достоинство ДП по сравнению с ПП заключается в том, что в ДП нет необходимости указывать способ использования конкретных фрагментов знания. Простые утверждения могут ис­пользоваться несколькими способами, и может оказаться неудобным фиксировать эти способы заранее. Указанное свойство обеспечивает гибкость и экономичность ДП, так как позволяет по-разному исполь­зовать одни и те же факты. В ДП знание рассматривается как множество незави-симых или слабо зависимых фактов, что позволяет осуществлять модификацию знаний и обучение простым добавлением или устранением утверж­дений. Для ПП проблема модификации значительно сложнее, так как здесь необходимо учитывать, каким образом используется дан­ное утверждение.

Модели представления знаний обычно делят на логические(формальные) и эвристические (формализованные) модели. В ло­гических моделях, как правило, используется исчисление предикатов первого порядка (то, что в суждении высказывается о предмете суждения), дополненное рядом эвристических стратегий. В логических моделях представления знаний отношения, су­ществующие между отдельными единицами знаний, выражаются только с помощью синтаксических правил используемой формальной системы.

В отличие от формальных моделей эвристические моделиимеют разнообразный набор средств, передающих специфические особен­ности той или иной проблемной области. Именно поэтому эвристи­ческие модели превосходят логические как по возможности адекват­но представить проблемную среду, так и по эффективности исполь­зуемых правил вывода.

К эвристическим моделям, используемым в экспертных системах, можно отнести:

· сетевые,

· фреймовые,

· продукционные,

· объектно-ориентированные модели.

К типичным моделям представления знаний относятся:

· семантические сети;

· фреймы;

· продукционные модели;

· формальные логические модели (в курсе не рассматриваются).

В свою очередь это множество классов можно разбить на две большие группы:

· модульные (продукционные модели и формальные логические модели) используются для представления поверхностных знаний. Поверхностные знания - знания о видимых взаимосвязях между отдельными событиями и фактами в предметной области;

· сетевые (семантические сети и фреймы) используются для представления глубинных знаний. Глубинные знания - абстракции, аналогии, схемы, отображающие структуру и природу процессов, протекающих в предметной области. Эти знания объясняют явления и могут использоваться для прогнозирования поведения объектов.