Cтраница 1
Метод представления знаний посредством сети узлов, соответствующих понятиям или объектам, связанных дугами, описывающими отношения между узлами. [1]
Фрейм ( frame) Метод представления знаний, который связывает свойства с узлами, представляющими понятие и объекты. Свойства описываются атрибутами ( называемыми слотами) и их значениями. [2]
В этом разделе рассматривается метод представления знаний о конкретной игре с использованием семейства Языков Советов. Языки Советов ( Advice Languages) дают возможность пользователю декларативным способом описывать, какие идеи следует использовать в тех или иных типовых ситуациях. [3]
Традиционно выделяются две группы методов представления знаний: декларативные и процедурные. В декларативных методах знания структурируются тем или иным способом, не зависят от конкретной системы знаний и полностью определяются синтаксисом и семантикой языка представления знаний. В процедурных методах знания также представляются структурами данных, но при этом с элементами структур ассоциируются некоторые специализированные процедуры. Эти процедуры разрабатываются проектировщиком интеллектуальной системы на том или ином языке программирования. Базовые операции над системой знаний здесь, как правило, проще, чем в декларативных методах, но результаты этих операций не определяются полностью программными средствами, реализующими метод. В процессе выполнения операций эти средства инициируют работу ассоциированных процедур, которые и определяют результаты операций. Опыт показал, что процедурный метод недостаточен для построения больших БЗ. По этой причине чисто процедурные методы представления знаний применяются редко. Как правило, эти методы представления знаний рассматриваются с позиции расширения возможностей декларативных методов. [4]
Термин семантическая сеть применяют для описания метода представления знаний, основанного на сетевой структуре. Семантические сети состоят из точек, называемых узлами, и связывающих их дуг, описывающих отношения между узлами. Узлы в семантической сети соответствуют объектам, концепциям или событиям. Дуги могут быть определены разными методами, зависящими от вида представления знаний. [5]
Однако в последние годы происходят быстрые положительные изменения в сторону улучшения методов представления знания, получения выводов, их обоснования, отображения и обучения ЭС - все это благодаря интенсивному развитию инженерии знаний. [6]
В действительности форма вклада, который математическая логика должна вносить в развитие методов представления знаний и рассуждений, остается предметом нескончаемых дебатов. [7]
Суммируя вышесказанное, можно отметить, что на первом этапе была сформирована значительная коллекция методов представления знаний и соответствующих ЯПЗ. Все это способствовало формированию новой стадии исследований в области ИИ, которая характеризуется переходом от экспериментальной программной проверки идей и методов к созданию практически значимых инструментов. [8]
Тем не менее, Пролог сохраняет свое значение в структуре подготовки специалиста по информатике, реализуя парадигму дескриптивного программирования, альтернативную процедурной и функциональной парадигмам. Пролог является прекрасной иллюстрацией метода представления знаний на основе продукций в интеллектуальных системах, с ним связаны очень большие ожидания в исследованиях по искусственному интеллекту. Есть уверенность в том, что идеи, реализованные в Прологе, будут в дальнейшем развиваться в промышленных интеллектуальных информационных системах, т.е. будущее этого языка программирования - впереди. [9]
Сказанное выше нужно расценивать как констатацию реально существующей ситуации. Я не сомневаюсь, что дальнейшие исследования методов представления знаний позволят нам лучше понять смысл этих компромиссов, но в настоящее время мы располагаем методами, которые вполне устраивают нас на практике. [10]
В дополнение к этому некоторые команды в системе устроены таким образом, что могут объяснять свое выполнение. Понятно, что все это с точки зрения сегодняшнего развития методов искусственного интеллекта и исследований в области экспертных систем - явно полумеры математиков, интуитивно чувствующих необходимость использования методов представления знаний и работы с ними. Основные функции ADVISOR следующие: он получает от пользователя описание непонятной ситуации и пытается реконструировать пользовательский план решения задачи. На основе этого плана и собственного знания системы MACSYMA, ADVISOR генерируют необходимое пользователю разъяснение. [11]
Обычно продукции лучше всего применимы для представления простых ассоциаций вида наблюдение-действие. Механизм человеческой компетентности и опыта часто можно удовлетворительно смоделировать на поверхностном уровне без содержательного отображения глубинной сути, значения и причинных связей между явлениями. Продукционное программирование используется как метод представления знаний и программирования в разработке экспертных систем. [12]
Стадия 3 известна всем инженерам знаний; на самом деле, это то состояние, до которого доводится большинство экспериментальных систем. При этом на разработанной системе прогоняются неформальные тестовые примеры, наблюдается функционирование системы и налаживаются обратные связи с участвующими в работе экспертами и с потенциальными конечными пользователями. Эти обратные связи служат для того, чтобы выявить вызывающие наибольшие трудности места в разработанной системе, и она определяет следующую итерацию разработки. Этот итеративный процесс может продолжаться от нескольких месяцев до нескольких лет, в зависимости от сложности проблемной области, гибкости методов представления знаний и наличия средств реализации специфичных для области процессов управления или стратегий. Можно, однако, заметить, что неформальное оценивание является частью этого цикла. Постоянно задается вопрос: как работала эта система в этом случае. Детальный анализ достоинств и недостатков приводит к дальнейшим исследованиям; в этом смысле оценивание оказывается неотъемлемой частью процесса разработки системы. [13]
Эта проблема возникает при передаче знаний, которыми обладают эксперты-люди, ЭС. Это может показаться парадоксальным, но большинство экспертов ( за исключением, может быть, математиков), успешно используя в повседневной деятельности свои обширные знания, испытывают большие затруднения при попытке сформулировать и представить в системном виде хотя бы основную часть этих знаний: иерархию используемых понятий, эвристики, алгоритмы, связи между ними. Оказывается, что для подобной формализации знаний необходим определенный систематический стиль мышления, более близкий математикам и программистам, чем, например, юристам и медикам. Кроме того, необходимы, с одной стороны, знания в области математической логаки и методов представления знаний, с другой - знания возможности ЭВМ, из программного обеспечения, в частности, языков и систем программирования. [14]