Cтраница 1
Форма представления знаний оказывает существенное влияние на характеристики ИИС. Базы знаний являются моделями человеческих знаний. Однако все знания, которые привлекает человек в процессе решения сложных задач, смоделировать невозможно. Поэтому в интеллектуальных системах требуется четко разделить знания на те, которые предназначены для обработки компьютером, и знания, используемые человеком. [1]
Форма представления знаний или непроцедурного описания программы в виде множества правил ( продукций) вида если А, то В, где А - некоторое условие, а В - соответствующее действие, причем В может содержать переменные, используемые в А. [2]
Форма представления знаний оказывает существенное влияние на характеристики ИИС, Базы знаний являются моделями человеческих знаний. Однако все знания, которые привлекает человек в процессе решения сложных задач, смоделировать невозможно. Поэтому в интеллектуальных системах требуется четко разделить знания на те, которые предназначены для обработки компьютером, и знания, используемые человеком. [3]
Гипертекстовая форма представления знания, заданная техническими требованиями Интернет, с одной стороны, расширяет рамки научного и образовательного дискурса, в частности, инициирует разработку новой гипертекстовой дидактики, с другой - сопряжено с появлением таких негативных феноменов, как, например, клиповое мышление, симулятивное мышление. [4]
По форме представления знаний системы могут быть близки, например, использовать базу знаний в виде иерархии уровней описания предметной области. Для передачи знаний могут быть реализованы итеративные, эволюционные процессы. Однако существуют и различия. Традиционные системы моделирования имеют дело с общепризнанными количественными фактами. В экспертных системах внимание сосредоточено на эмпирических ассоциациях. База знаний в виде дерева отношений является концентрированным выражением экспертизы и представляет собой набор описательных атрибутов и их взаимосвязей. [5]
При выборе форм представления знаний для БЗ статистических ИИС большое значение имеет наличие и уровень развития соответствующих языков и систем программирования, ориентированных на работу со знаниями. Здесь следует отметить возможность использования в САПР ИИС инструментальной системы программирования ПРИЗ ЕС [2.34], языков ПРОЛОГ, ЛИСП и других задач проектирования может успешно решаться и с помощью обычных баз данных. [6]
Численная оценка позиций является весьма ограниченной формой представления знаний о конкретной игре. Более богатый по своим возможностям метод представления знаний должен предусматривать внесение в программу знаний о типовых ситуациях. Язык Советов Advice Language) реализует такой подход. На этом языке знания представляются в терминах целей и средств для их достижения. [7]
При записи предикатов часто используется декларативная форма представления знаний, хотя могут быть использованы и процедуральные формы. [8]
Нечеткая логика [ fuzzy logici ] - в математике и вычислительных системах: форма представления знаний или данных, связанных с описанием различных объектов понятиями вида тяжелый, громкий, горячий и т.п., имеющими неточные или неопределенные значения. Более строгое определение значения указанных понятий возможно только с привлечением ряда дополнительных сведений или данных, входящих в нечеткие множества и составляющих перечни дополнительных данных или условий. Центральным понятием нечеткой логики является понятие вероятность члена множества, определяющее степень правомерности отнесения данного члена к указанному множеству. Например, для члена нечеткого множества, относящего предметы к тяжелым, вес 20 кг может иметь такое значение с вероятностью 90 % для миниатюрных женщин и, скажем, только для 20 % мужчин. [9]
Раньше уже неоднократно высказывалась идея, что экспертная система может содержать не одну форму представления знаний. Даже в таких ранних системах, как MYCIN ( см. главу 3), информация, специфическая для предметной области, хранилась в разных формах - например, в виде порождающих правил и в виде таблиц медицинских параметров. Программы, аналогичные CENTAUR ( см. главу 13), уже можно было считать гибридными в том смысле, что в них объединялись разные способы представления знаний, а затем эти знания использовались с разной целью - для решения проблемы и формирования пояснений. [10]
Существует, однако, более фундаментальное ограничение на возможности минимаксных игровых программ, проистекающее из той ограниченной формы представления знаний, которая в них используется. Хорошая программа просматривает миллионы ( и даже больше) позиций, прежде чем принимает решение об очередном ходе. Психологические опыты показали, что шахматные мастера, как правило, просматривают десятки ( максимум, несколько сотен) позиций. Несмотря на эту явно меньшую производительность, мастера-шахматисты обыгрывают программы без особых усилий. Преимущество их состоит в их знаниях, значительно превосходящих знания шахматных программ. Игры между машинами и сильными шахматистами показали, что огромное превосходство в вычислительной мощности не способно скомпенсировать недостаток знаний. [11]
Тем не менее, на примере теоретического курса линейной алгебры попробуем понять, чем может не устраивать книга как источник знаний и чем может оказаться полезным компьютер при выборе форм представления знаний. Безусловно, использование компьютера очень эффективно в организации различных видов поиска. Но не очень ясно, что стоит искать, если иметь в виду тот материал, который дается в книге. С помощью компьютера легко показывать различные рисунки, фотографии, схемы, таблицы. Но линейная алгебра является в высшей степени абстрактной наукой. Многомерность ее объектов не позволяет в полной мере использовать иллюстративный материал для сопровождения процесса обучения. Конечно, на начальном этапе освоения линейной алгебры какие-то ее положения можно иллюстрировать соответствующими рисунками из аналитической геометрии. [12]
Как упоминалось ранее, знания в базе знаний представлены в определенной форме. Форма представления знаний оказывает существенное влияние на характеристики и свойства системы, поэтому представление знаний является одной из наиболее важных проблем, характерных для систем, основанных на знаниях. В связи с этим для представления знаний разрабатываются формальные модели представления знаний. [13]
Выше, в главах 11 и 12, были рассмотрены экспертные диагностические системы, в которых использовался метод эвристической классификации. Такая форма представления знаний иногда называется поверхностной, поскольку знания не содержат информации о причинных связях между симптомами и неисправностями ( теорию функционирования диагностируемого объекта - машины или живого организма), а отражают только эмпирический опыт. Информация о причинно-следственных связях, определяющих поведение и свойства диагностируемого объекта, принято называть глубинным знанием. [14]
Рассмотренные модели представления знаний широко используются в современных интеллектуальных системах и прежде всего в экспертных системах. Каждая из форм представлений знаний может служить основой для создания языка программирования, ориентированного на работу со знаниями. Такими, например, языками являются язык ФРЛ ( Frame Representation Language), основанный на фреймовых представлениях, и язык Пролог, опирающийся на модель представления в виде продукций. Однако разные модели представления знаний имеют свои преимущества и недостатки. Поэтому в конце 80 - х годов наметилась тенденция создавать комбинированные языки представления знаний. Чаще всего комбинируются фреймовые и продукционные модели. [15]