Класичні моделі представлення знань

1  

Класичні (символьні) моделі наслідують мислення і структуру пам’яті людини.

До класичних моделей представлення знань відносяться:

• ·        Правила продукції;
• ·        Фрейми;
• ·        Семантичні мережі;
• ·        Логіка(Логіка Арістотеля, Логіка Дж. Буля, Логіка Л. Заде, Логіка Ч. Осгуда)

ПРОДУКЦІЙНА МОДЕЛЬ ЗНАНЬ

2Представлення знань у вигляді правил (продукційна модель знань)

Якщо знання представляють правила «Якщо-то», то для таких систем знання представляються у вигляді продукційних моделей.

Кожне продукційне правило складається з двох частин:
1) антецедент – складається з звичайних логічних звязків (і, не, або, та інш.)

2) консеквент – включає в себе одне або декілька пропозицій що утворюють рішення, яке видається правилом або підлягаючу до виконання дію.

   Кожне правило містить атрибут (двигун, ручка, колесо) і значення (двигун не заводиться, ручка не пише, колесо не котиться).

   Правило спрацьовує у випадку якщо факти з робочої пам’яті при співставляні спрацьовують з його антецедентом, після чого правило важають відпрацьованим.

Продукційні системи поділяються на два типи:

1)  з прямими (спрямованими) висновками: системи MYCIN – використовуються в медичній діагностиці.

2)  із зворотним висновком.

Системи продуктивності з прямими висновками мають 3 складових компоненти:

-     бази правил, які складаються з набору продукції

-     БД яка містить безліч факторів

-     Інтерпретатор для логічного висновку на основі даних і значень.

Бази правил і даних утворюють бази знань, а інтерпретатор забезпечує механізм логічного висновку.

Прямим висновком називають висновок який керується даними (антецедентом). У ньому цей висновок шукають за відомими фактами і гіпотезами за якими він слідує. В цілому продукційні системи з прямим висновком не придатні для розв’язку великомаштабних задач, оскільки описане циклічне зіставлення істотно сповільнює швидкість отримання висновків із більшим числом правил.

В системах зворотнього висновку за допомогою правил, будується дерево (і, або) яке зв’язує в єдине факти і висновки. Логічним висновком тут є оцінка дерева на основі фактів в базі знань. При цьому спочатку висувається гіпотеза, а потім механізм висновку, в процесі роботи повертає назад до пошуку фактів які підтверджують цю гіпотезу. Якщо вона правильна, то вибирають наступну гіпотезу, деталізуючи першу. Дані шукають факти які підтверджують гіпотези.

Існують ще треті, двонаправлені висновки в інформаційних системах. В них спочатку оцінюють не великий об’єм отриманих даних і вибирають гіпотезу прямим висновком. А потім за допомогою зворотнього висновку шукають дані (факти) що необхідні для приймання рішення по виконанні даної гіпотези. Такі системи є найбільш потужними.

Переваги продукційної моделі представлення знань

Основними перевагами є:

• Універсальність - практично будь-яка область знань може бути представлена в продукційній формі;

• Модульність - кожна продукція являє собою елемент знань про предметну область; видалення одних і додавання інших продукцій виконується незалежно;

• Декларативність - продукції визначають ситуації предметної області, а не механізму керування;

• Природність процесу виведення, що багато в чому аналогічний процесу міркувань експерта;

• Асинхронність і природний паралелізм, що робить їх дуже перспективними для реалізації на рівнобіжних ЕОМ:

4.     Недоліки продукційної моделі представлення знань

-         складнощі управління і знаходження продукційного висновку через складність оцінки цілісного образу знань;

-         відсутність гнучкості в логічному висновку;

-         низька ефективність обробки знань через тривалу не продуктивну перевірку застосовності правил;

-         складність представлення родовидової ієрархії понять в явній формі.

Приклад продукційної моделі знань.   Якщо двигун не заводиться і  стартер двигуна не працює, то несправна система електроживлення.

5.     Фреймова модель представлення знань:

Фреймові моделі представлення знань використовують теорію організації пам'яті, розуміння і навчання, запропоновану М.Мінським. Фрейм (від англ. frame - рамка, каркас, кістяк) - структура даних, призначена для представлення стереотипних ситуацій. Фрейм складається зі слотів (slot - гніздо, щілинка, паз, комірка). Значенням слота можуть бути числа, вираження, тексти, програми, посилання на інші фрейми. Сукупності фреймів утворюють ієрархічні структури, побудовані на родовидових ознаках, що дозволяє успадковувати значення слотів. Така властивість фреймів забезпечує ощадливе розміщення бази знань у пам'яті. Крім цього, значення слотів можуть обчислюватися за допомогою різних процедур, тобто фрейми комбінують у собі декларативні і процедурні представлення знань. Фреймові моделі можна розуміти як мережні моделі уявлення знань, коли фрагмент мережі представляється фреймом з відповідними слотами і значеннями. З фреймовими моделями зв'язані моделі представлення знань на основі сценаріїв і об'єктів. Знання, якими оперує людина, часто мають якісну природу, характеризуються неповнотою, неточністю, нечіткістю.

6.Переваги фреймових моделей.

         Переваги: 1) Ефективність структурованого опису складних понять і рішень задач з різними способами висновку в наслідок різної виродженості родововидових зв'язків;

2) Можливість економії робочої пам'яті комп'ютера,  оскільки значення слотів зберігається в єдиному примірнику і включає лише той фрейм, який містить слот з даними фреймів;

3) Допустимість обчислення значення будь-якого слота, за допомогою відповідних процедур або еврестики;

7.Недоліки фреймових моделей.

Недоліки: висока істотна складність трудомісткість щодо внесення змін і повільна швидкість роботи і маленька швидкість отримання висновку.

Приклад фреймової  моделі знань.   

Автомобіль таксі{<автомобіль таксі>;  <номерний знак><ВО5014ТЕ>;  <стан > <справний>; <гараж>; <автоколона>}.

Шаблон фреймової моделі знань.

Ім’я слота {<Ім’я слота>;<f_i> <v_i>; …<f_n> <v_n>; <q₁>;… <q_n>}, де f_i  –  імена характеристик, v_i  – значення атрибутів,  q _i –  посилання на інші слоти.

8. Модель семантичної мережі

Модель семантичної мережі представляє собою  орієнтований позначений граф, вершини якого є поняття, а дугами – семантичні відносини між поняттями. В основу була покладена так звана семантична мережа – визначає смисл понять прородної людської мови.  Об'єкти можуть виражати події, процеси, властивості об'єктів; вершини мережі сполучаються дугою, якщо відповідні об'єкти знаходяться у деякому відношенні. Наприклад, Студент отримує стипедію, вчться в університеті, це людина, здає екзамен у професора. Професор – це людина, працює в університеті. Університет – це ВНЗ. Як і в моделі фреймів в семантичній мережі можуть бути відображені видовидові відношення, що дозволяє реалізувати успадкування властивостей. Тому семантичні мережі мають всі переваги і недоліки представлення знань фреймової моделі. Основний недолік семантичних мереж – це збільшення часу пошуку і зростання розмірів мережі та складність обробки висновку.

Приклад моделі семантичної мережі представлення знань.

Студент – отримує стипендію, це людина, здає екзамену професора, вчиться в університеті;  професор – це людина, котра працює в університеті; університет – це вищий навчальний заклад.

9. Логічна модель представлення знань

Логічна модель представлення знань являє собою структурований набір відповідних речень(суджень) природної (людської) мови, поданих  у вигляді логічних формул числення предикатів першого порядку.

Логічна модель містить у собі – елементи логіки, елементи обчислення висловлювань (силогістика Арістотеля), елементи обчислення предикатів( елементи обчислення предикатів І, ІІ, ІІІ порядків), елементи теорії множин (елементи класичної та альтернативних теорії множин), елементи теорії алгоритмів.

Предикат – це логічна функція, яка залежить від однієї чи декількох аргументів і приймає одне із двох значень – хибність або істина.

За допомогою логічних операторів (кон’юнкція, диз’юнкція, заперечення, імплікація, тотожність, помилковість) можуть бути побудовані складні ланцюги логічних значень (правил).

В основі знань лежить мова математичної логіки, яка поєднує логіку висловлювань і опис предикатів. Висловлюванням називається вираз, в якому стверджується або заперечується властивості об'єкта. Звідси можливі 2-а (варіанти) факти істинності або хибності. Використання алгебри  логіки, будуються логічні висновки. Наприклад: висловлювання «Тварина є птахом» виходить з двох інших висловлювань, а саме ЯКЩО тварина має пір'я І відкладає йця, ТО ця тварина є птахом.

Логічна модель представлення знань.

 ЯКЩО тварина має пір’я і відкладає яйця, ТО ця тварина є птахом.

Інформаційні системи створюються для досягнення різноманітних цілей. Однією з головних цілей є ефективна обробка інформації в інформацію або знання. Визначимо ці поняття.
Дані являють собою елементарні описи предметів, подій, дій і транзакцій, які запам'ятали, класифіковані і збережені, але не організовані для передачі будь - якого особливого значення. Дані – це інформація, яку подано у формалізованому вигляді й призначено для її подальшого опрацювання за допомогою технічних засобів, штучного інтелекту. Елементи даних можуть бути числовими, алфавітно - числовими, цифровими, звуковими або образними. База даних містить (зберігає) елементи даних, організовані для доступу.
Інформація - це дані, які організовані так, що вони мають значення і цінність для одержувача. Одержувач (користувач) осягає  значення  інформації і виводить  її на новий досвідний рівень та ув'язує її смисл в контектсті відомих  знань. Інформація містить два компоненти: змістовний і матеріальний. Тобто інформація має бути зрозумілою тим, для кого призначена(змістовний компонент), та подана на тому чи іншому фізичному носієві(матеріальний компонент).
Знання складаються з даних або інформації, які організовані та оброблені з метою передачі розуміння, накопиченого досвіду, результатів навчання і експертизи таким чином, що вони можуть використовуватися для вирішення поточних проблем або виконання дій. Дані, які оброблені для вилучення смислів і для відображення минулого досвіду та експертизи, забезпечують користувача організованим знанням, яке має дуже високу потенційну цінність.
Ці три терміни, особливо дані та інформація, часто використовуються як взаємозамінні. Дані, інформація і знання можуть бути для інформаційної системи вхідними або вихідними.
Інформаційна система – це сукупність апаратних та програмних засобів, які забезпечують автоматизацію, збирання, накопичення, опрацювання, систематизацію, зберігання, подання, й передавання інформації.
Інформаційні процеси – послідовна зміна стану та / або уявлення про інформацію в результаті дій, які з нею можна виконувати: вимірювання, зберігання, опрацювання, передавання, захисту, тощо.
Інформаційні технології –  це сукупність засобів та методів керування інформаційними процесами, що забезпечують виконання завдань щодо пошуку, опрацювання, передавання, інформації для отримання нової інформації про стан об’єкта, явища або процесу.
Інформаційна культура – це практичні уміння та навички працювати з інформацією, використовуючі сучасні інформаційні технології.

Дані в інформаційній системі підтримки рішень можуть включати: документи, ілюстрації, карти, звуки і анімацію, мультимедіа, таблиці, тощо. Ці дані можуть бути збережені і організовані різними шляхами до і після їх використання. Вони також включають поняття, предмети і думки (оцінки). Дані можуть бути попередні, необроблені або узагальнені. Багато прикладних систем  підтримки рішень використовують узагальнені або витягнуті дані, які отримують з трьох основних джерел: внутрішніх, зовнішніх і персональних.

Внутрішні дані зберігаються в одному або більше місцях в корпорації. Це дані про людей, продукцію, послуги і процеси. Інформаційна керуюча система може використовувати як необроблені, так і оброблені дані (такі, як звіти і зведення). Внутрішні дані доступні через комп'ютерні мережі організації.

Існує багато джерел зовнішніх даних. Наприклад, комерційні бази даних, Інтернет, супутникова інформація, фільми, музика, звукова інформація, ілюстрації, діаграми, атласи, телебачення.

Постанови, нормативні акти і звіти уряду є головними джерелами зовнішніх даних.

Інформація торгово-промислових палат, локальних банків, дослідницьких інститутів, фінансово - аналітичних структур, біржових зведень та інша, подібно повені обрушується на користувача інформаційної системи, викликаючи у нього інформаційні перевантаження.

Більшість зовнішніх даних  не відносяться до діяльності конкретної інформаційної системи. Тому здійснюється цілеспрямований моніторинг даних з метою вилучення необхідної інформації і мінімізації можливості пропуску і недооцінки важливості інформації.

Користувачі інформаційних систем або інші співробітники корпорації або підприємства можуть використовувати свої власні експертні знання та інформацію для створення персональних даних. Вони включають суб'єктивні оцінки продажів, думки про можливі дії конкурентів, інтерпретації ринкової або виробничої інформації, прогнозні оцінки і т.д.

Необхідність виділення даних з багатьох внутрішніх та зовнішніх джерел ускладнює завдання побудови інформаційної системи підтримки рішень.

Необроблені дані можуть бути зібрані вручну або за допомогою інструментів і сенсорів.

Типовими методами збору даних є вивчення в часі (за допомогою спостереження), обстеження (з використанням анкетування), спостереження (наприклад, використовуючи відеокамери) і інформація від експертів (наприклад, з використанням інтерв'ю).

Загальновідома необхідність в достовірних і точних даних для будь-якої системи підтримки рішень. Однак в реальному житті користувачі стикаються зі слабоструктурованих завданнями в зашумлених предметних областях з високим рівнем невизначеності.

Дані повинні бути доступні системі або система повинна включати підсистему вилучення даних.

Як зазначалося, зовнішні дані стікаються в організацію з багатьох джерел. Деякі дані надходять на постійній основі за допомогою міжмашинного обміну по каналах зв'язку між організаціями, інші - за допомогою Інтернет, який робить можливим доступ до багатьох тисяч баз даних у всьому світі.

Розвиток Web - систем привело до використання Web - браузерів для доступу до життєво - важливої  інформації для співробітників і покупців.

Інші Web - системи включають виконавчі інформаційні системи, системи підтримки, розгорнуті за допомогою Web - браузерів і системи управління базами даних (СКБД), які забезпечують даними безпосередньо в форматі, який подається web - браузером з передачею у вигляді Інтернет або Інтранет.

Велика трійка продавців реляційних СУБД - компанії Informix, Oracle і Sybase переробили свої основні продукти з метою пристосування клієнт - серверних і Інтернет інтранет додатків, які включали б нетрадиційні або мультимедійні типи даних.

10. Визначення інтелекту. Його відміності від алгоритму.

Інтелект – це здатність мозку вирішувати інтелектуальні задачі шляхом набуття,  запам’ятовування і ціленаправленого перетворення знань у процесі навчання і адаптації  до різних обставин.

Алгоритм – це точна послідовність дій, яка приводить до рішення задач.

З точки зору алгоритму – інтелект – це універсальний алгоритм, який може створювати інші алгоритми рішення конкретних задач.

11. Історія розвитку систем штучного інтелекту

XVIII ст. Лейбніц – розробив  першу систему формальної логіки і розробив машину для автоматизації її обчислень. В цей й же ж період відбувається формалізація теорії графів, де вузли графів розглядалися як теорії станів і розв’язок задача розглядався як пошук шляхів в множині графу станів.

XIX ст. поява праць Чарльза Бебіджа, Джона Буля. Зокрема останній створив формальну мову для опису мислення.

ХХ ст. зроблені важливі кроки для розуміння фундаментальних принципів ШІ. Зокрема праці Рассела, заявлено мету логічного виведення з набору аксіом шляхом формальних операцій.

1940р. – створено перший робочий комп’ютер на електромагнітних реле. Призначався для розшифрування німецьких переговорів.

1945 р. – в університеті Пенсільванія створено комп. ENIAK. Його задача полягала в розрахунках балістичних таблиць. Побудовані перші нейронні мережі. Віннер створив галузь кібернетики, яка  охоплювала матем. теорію для біологічних і матем. систем.

1949 р. – автор Хеббс  відкрив спосіб створення нейронних мереж , що самонавчаються.

1950р. – відзначився в історії як роки народження штучної системи. Алан Тюринг запропонував спеціальний тест для розпізнавання інтелектуальних машин.

60-ті роки  ХХ ст. – стрибок в розвитку ШІ, який викликаний прогресом в комп’ютерних технологіях та збільшенням кількості розробок в цій галузі. Найбільш важливі успіхи: представлення знань, реалізація комп’ютерного зору, робототехніки, обробки природньої мови.

70-ті роки ХХ ст. – відбувся спад інтересу до ШІ через те, що дослідникам не вдалося досягнути успіху у завищених обіцянках і у зв’язку із мінімальним практичним застосуванням. Все ж велись розробки, зокрема, винайдено і використано нечітку логіку, розроблено мову «Пролог».

80-ті роки ХХ ст. – проходили у програмних реалізаціях експертних систем для прогнозування, діагностування, відроджується дослідження над нейронними мережами.

90-ті роки  ХХ ст. – епоха розвитку слабкого ШІ, зокрема розробки впровадженні в ряді додатків, таких як розпізнавання облич, системи розпізнавання прибутку, кредитних карток, розвиток в космічній галузі.

В цілому історично склалися 3 основних напрямки в моделюванні ШІ:

-1-й – об’єктом дослідження є стуктура і механізм роботи людського мозку, а кінцевою метою – розкриття сутності мислення

-2-й - в якості дослідження об’єкта розглядається ШІ. Метою є створення алгоритмічного та програмного забезпечення штучного інтелекту, яке дозволяє вирішувати інтелектуальні задачі не гірше людини.

-3-й – орієнтований на створення змішаних інтерактивних інтелектуальних систем.

12. Характеристики інтелектуальних задач систем штучного інтелекту

         Одна із поширених задач – ігрове середовище. В більшості ігор застосовуються набір чітких правил, що дозволяють вести пошук по іншому. Ігри можуть породжувати великий простір станів, тому для пошуку потрібні потужні методи, котрі визначають, які альтернативи потрібно розглядати. Більшість вик. евристичні методи. Інші задачі. Автоматичні міркування та доведення АОМ. Автоматичне доведення теорем одна з найдавніших методів ШІ. Завдяки дослідженням у галузі доведення теорем було формалізовано алгоритм пошуку, а також розроблені мови формальних зображень – логічні. Такі методи базуються на логіці.

         Практичне застосування знаходять у перевірці конкретних програм при проектуванні складних систем пошуку інформації.

Експертні системи – це поєднання теоретичного розуміння проблеми і набору правил для її вирішення, які є ефективними в даній предметній галузі. Вони створюються за допомогою запозичених знань у людини експерта і кодування їх у форму, яку комп. може застосовувати до аналогічних проблем.

13. Основні напрями в розвитку систем штучного інтелекту

         В цілому виділяють 3  напрямки:

1-а частина фахівців вважають, що частину інформації можна взяти на комп., які дозоляють отримати результат подібно людському, або ще й кращий. Пр. гра в шахи, шашки.

2-а частина фахівців вважає, що ШІ повинен імітувати не розв*язок окремих задач, а базуватися на створенні автоматично генерованим програм рішень задач.

3-а частина – програмісти, які створюють програми для розв*язку задач ШІ, вважають, що засоби створення ПП і носить такий характер.

14. Підходи до побудови систем штучного інтелекту

         Існує що найменше 2-і точки зору щодо того що вважати ШІ. Перша називається нейробінічна. ЇЇ прихильники ставлять перед собою мету створити штучним чином такі процеси, які протікають  в мозку людини. Це шлях дослідження мозку людини, виявлення способу його роботи, створення біологічних структур і процесів, які в них протікають.

Друга точка зору є домінуючою в ШІ називають інформаційною. ЇЇ прихильники вважають, що основною метою в ШІ є не побудова аналогав штучній системі, а створення засобів для розв’язку задач, які є постійно інтелектуальними.