Cтраница 2
В терминах более общих категорий обе рассмотренные классификации ( по уровням представления и по уровням детальности) управляют процессом приобретения знаний путем выдачи указаний об использовании соответствующих механизмов для каждой формы знаний. Следует отметить, что эти направляющие указания имеют широкую область применения, т.е. они не ограничиваются ни конкретной областью, ни каким-либо одним формализмом представления. [16]
Система KAS предоставляет хорошо продуманные средства для разработки и отладки правил, семантических сетей и таксономических структур. Редактор базы знаний этой системы имеет три особенно важные черты: ( 1) он работает непосредственно с сетевыми структурами, ( 2) для помощи разработчику базы знаний использует знание формализмов представления знаний и ( 3) облегчает процесс разработки, позволяя разработчику получить немедленную реакцию на изменения, внесенные в базу знаний. Мы рассмотрим по очереди каждую из этих особенностей. [17]
Представление знаний в СИИ является не только фундаментальным понятием, но и решающим аспектом их разработки. Последствия неудачного решения проблемы представления знаний могут быть катастрофическими. Кроме того, используемый в СИИ формализм представления знаний определяет характер их получения и накопления, в результате которого создается БЗ, ориентированная на определенную структуру представления, а не на сущность самих знаний. Выбор модели, неадекватной типам знаний, приводит к потере многих существенных деталей прикладной задачи и порождает тривиальный интеллект. [18]
Помимо найденного решения проблемы, экспертная система должна предоставить пользователю еще и информацию о том, как это решение было получено. Этим она существенно отличается от большинства привычных программных приложений. При использовании простой машины логического вывода и определенного формализма представления знаний такое объяснение включает перечень модулей базы знаний, задействованных в процессе принятия решения, и информацию о том, в каком порядке они активизировались. В главе 16 будет показано, как это выглядит на практике, и вы сможете убедиться, что эта информация не всегда соответствует нашим ожиданиям по части полноты и что желательно в этой области изобрести какую-нибудь более информативную технологию. [19]
Рассмотрены проблемы автоматизации газоконденсатных месторождений Крайнего Севера Российской Федерации на примере Ямбургского га-зоконденсатного месторождения; проведен подробный анализ технического состояния средств автоматизации. Разработана новая концепция построения АСУ ТП промыслов газоконденсатного месторождения ( ГКМ) Крайнего Севера; сформулированы функции системы в целом и ее уровней управления; рассмотрены вопросы интеллектуализации системы принятия решений и управления ГКМ. Проанализировано современное состояние проблемы применения методов искусственного интеллекта в промышленных системах управления; обоснована целесообразность применения методологии искусственного интеллекта в задачах управления технологическими объектами ГКМ; осуществлены выбор формализма представления знаний и. Даны основные требования к комплексу технических средств, составляющих основу АСУ ТП промыслов; проведен обзор рынка программно-технических комплексов. [20]
База знаний часто включает мета-правила ( правила о правилах) для решения проблем и получения выводов. Эвристики выражают формальные суждения о предметной области. Именно знания, а не чистые факты являются первичным материалом для ЭС. Информация базы знаний инкорпорируется в компьютерную программу в процессе представления знаний. Подробно способы и формализмы представления знаний, а также сам процесс получения выводов будут описаны в следующих параграфах. [21]
Эти источники знаний представляли собой Лисп-функции, осуществляющие поиск вверх по ливневой канализации, выдачу рекомендаций по ограждению утечки, уведомление соответствующих инстанций. Модель RLL была организована как набор единиц, представляющих и статические, и процедурные знания для прослеживания вверх по сети и уведомления инстанций. Единицы, представлявшие процедурные знания, содержали слоты для левых и правых частей правил. Лисп-выражения заполняли эти слоты, определяя условия правил и их действия. Модель RLL отличалась от других моделей тем, что ее решения проблемы утечки представлялись несколько абстрактным способом для того, чтобы они были применимы к более широкому классу проблем этого типа. Формализм представления в виде единиц и механизм управления в виде расписания, используемые в системе RLL, облегчали работу с этими более общими знаниями. [22]