Формальные логические модели

Фреймы

Фрейм (англ. frame - каркас или рамка) предложен М.Минским в 70-е гг. Как структура знаний для восприятия пространственных сцен. Эта модель, как и семантическая сеть, имеет глубокое психологическое обоснование.

Под фреймом понимается абстрактный образ или ситуация. В психологии и философии известно понятие абстрактного образа. Например, слово "комната" вызывает у слушающих образ комнаты: "жилое помещение с четырьмя стенами, полом, потолком, окнами и дверью, площадью 6-20 м² ". Из этого описания ничего нельзя убрать (например, убрав окна мы получим уже чулан, а не комнату), но в нем есть "дырки", или "слоты", - это незаполненные значения некоторых атрибутов -количество окон, цвет стен, высота потолка. покрытие пола и др.

В теории фреймов такой образ называется фреймом. Фреймом называется также и формализованная модель для отображения образа.

Структуру фрейма можно представить так;

ИМЯ ФРЕЙМА :

(имя 1-го слота: значение 1-го слота),

(имя 2-го слота: значение 2-го слота),

- - - -

(имя N-го слота: значение N-гo слота).

Ту же запись представим в виде таблицы, дополнив двумя столбцами.

В таблице дополнительные столбцы предназначены для описания тина слота и возможного присоединения к тому или иному слоту специальных процедур, что допускается в теории фреймов. В качестве значения слота может выступать имя другого фрейма; так образуют сети фреймов.

Различают фреймы-образцы, или прототипы, хранящиеся в базезнаний, и фреймы-экземпляры, которые создаются для отображения реальных ситуаций на основе поступающихданных.

Модель фрейма является достаточно универсальной, поскольку позволяет отобразить все многообразие знаний о мире через:

• фреймы-структуры, для обозначения объектов и понятий (заем, залог, вексель);

• фреймы-роли (менеджер, кассир, клиент);

• фреймы-сценарии (банкротство, собрание акционеров, празднование именин);

• фреймы-ситуации (тревога, авария, рабочий режим устройства) и др.

Важнейшим свойством теории фреймов является заимствованное из теории семантических сетей наследование свойств. И во фреймах, и в семантических сетях наследование происходит по АКО-связям (A-Kind-Of = это). Слот АКО указывает на фрейм более высокого уровня иерархии, откуда неявно наследуются, т.е. переносятся, значения аналогичных слотов.

Пример 16.4. Например, в сети фреймов на рис. 16.2 понятие "ученик" наследует свойства фреймов "ребенок" и "человек", которые находятся на более высоком уровне иерархии. Гак, на вопрос: "Любят ли ученики сладкое?" Следует ответ: "Да", так как ним свойством обладают все дети, что указано во фрейме "ребенок". Наследование свойств может быть частичным, так, возраст для учеников не наследуется ил фрейма "ребенок", поскольку указан явно в своем собственном фрейме.

Основным преимуществом фреймов как модели представления знаний является способность отражать концептуальную основу организации памяти человека [13], а также гибкость и наглядность.

Специальные языки представления знаний в сетях фреймов FRL (Frame Representation Language) [1] и другие позволяют эффективно строить промышленные ЭС. Широко известны такие фреймо-ориентированные экспертные системы, как ANALYST, МОДИС [3,8].

Рис. 16.2. Сеть фреймов

Традиционно в представлении знаний выделяют формальные логические модели, основанные на классическом исчислении предикатов 1 порядка, когда предметная область или задача описывается в виде набора аксиом. Мы же опустим описание этих моделей по следующим причинам. Исчисление предикатов 1 порядка в промышленных экспертных системах практически не используется. Эта логическая модель применима в основном в исследовательских "игрушечных" системах, так как предъявляет очень высокие требования и ограничения к предметной области.

 

Вопросы к семинарскому занятию №1:

 

1. Основные понятия и определения ИИ. Задачи ИИ. Цель изучения дисциплины.

2. Два направления в области ИИ. Область применения.

3. Понятие интеллекта, мышления, искусственного интеллекта. Цель создания СИИ.

4. История развития СИИ.

5. Нейрокибернетика, кибернетика «чёрного ящика», нейросети.

6. Основные направления исследований в области ИИ:

Экспертные системы, Программное обеспечение систем ИИ, Робототехника. Распознавание образов, Машинный перевод, Модели игр, Доказательство теорем, Генетические алгоритмы,Обучающие сети (нейросети), Когнитивное моделирование, Мультиагентные системы, Онтологии, Менеджмент знаний, Формальные модели, Сочинении машинной музыки,

Мягкие вычисления.

7. Данные и знания. Основные определения.

8. Особеннсти знаний и их отличие от данных.

9. Переход от базы данных к базе знаний.

10. Классификация моделей представления знаний