Представления знаний. База знаний.

В интеллектуальных системах для хранения и использования знаний создаются специальные представления знаний, включающие в свой состав всю совокупность процедур, необходимых для записи знаний, извлечения их из памяти и поддержки хранилища знаний в рабочем состоянии. Системы представления знаний часто оформляются как базы знаний, являющиеся естественным развитием баз данных. Теория баз знаний составляет заметную часть современного искусственного интеллекта. Именно в них сосредотачиваются сейчас все основные процедуры манипулирования знаниями. Среди этих процедур можно прежде всего отметить процедуры пополнения знаний. Все человеческие знания, содержащиеся в текстах, таковы, что они принципиально не полны. Воспринимая тексты, мы как бы пополняем их за счет той информации, которая нам известна и которая имеет отношения к данному тексту. Аналогичные процедуры должны происходить и в базы знаний. Новые знания, поступающие в них, должны вместе с теми сведениями, которые уже были ранее записаны в базу, сформировать расширение поступивших знаний. Это и есть процедуры пополнения знаний.

Среди этих процедур особое место занимает псевдофизические логики (времени, пространства, действий и т. п.), которые, опираясь на законы внешнего мира, пополняют поступающую в базы знаний информацию.

Знания, как и у человека, в интеллектуальных системах хранятся не бессистемно, они образуют некоторые упорядоченные структуры, что облегчает поиск нужных знаний и поддержание работоспособности баз знаний, для этого используются различные классифицирующие процедуры.

Типы классификаций могут быть весьма различными, это могут быть родовидовые классификации, классификации типа " часть-целое " или ситуативные классификации, когда в одно множество объединяются все те знания, которые релевантны некоторой типовой ситуации. В этой области исследования по искусственному интеллекту тесно соприкасаются с теорией классификации, давно существующей, как некоторая самостоятельная ветвь науки.

В процессе классификации часто происходит абстрагирование от отдельных элементов описаний, от отдельных фрагментов знаний об объектах или явлениях. Это приводит к появлению обобщенных знаний.

Обобщение может идти на несколько шагов, что приводит в конце концов к абстрактным знаниям, для которых нет прямого прообраза во внешнем мире. Манипулирование абстрактными знаниями повышает интеллектуальные возможности систем, делая эти манипуляции весьма общими по своим свойствам и результатам. Обобщение знаний и формирование понятий в системах искусственного интеллекта - одно из активно развивающихся направлений, в котором работает немало специалистов.

Особое место занимают процедуры, связанные с выводом на знаниях, получениям на основании имеющихся знаний новых знаний. Вывод на знаниях зависит от той модели, которая используется для их представления. Если в качестве представления используются логические системы или продукции, то вывод на знаниях становится весьма близок к стандартному логическому выводу. Это же происходит при представлении знаний в клаузальной форме, во всех случаях в интеллектуальных системах используются методы вывода, опирающиеся на идеи метода резолюций или на идею обратного вывода С. Ю. Маслова (как на языке Пролог при клаузальной форме представления).

Но простое заимствование идей и методов математической логики, под знаком чего происходило развитие работ в искусственном интеллекте в семидесятых годах, не привело к сколько-нибудь значительным результатам. Основное отличие баз знаний и баз данных интеллектуальных систем от тех объектов, с которыми имеет дело формальная логическая система, это их открытость. Возможность появления в памяти интеллектуальной системы новых файлов, новых сведений приводит к тому, что начинает разрушаться принцип монотонности, лежащий в основе функционирования всех систем, изучаемых математической логикой. Согласно этому принципу, если некоторое утверждение выводится в данной системе, то никакие дополнительные сведения не могут изменить этот факт. В открытых системах это не так. Новые сведения могут изменить ситуацию, и сделанный ранее вывод может стать неверным.

Немонотонность вывода в открытых системах вызывает немалые трудности при организации вывода на знаниях. В последнее десятилетие сторонники логических методов в искусственном интеллекте делают попытки построить новые логические системы, в рамках которых можно было бы обеспечить немонотонный вывод. Но на этом пути больше трудностей, чем результатов, и дело не только не в монотонности вывода, по сути, системы, с помощью которых представляются знания о предметных областях, не являются строго аксиоматическими, как классические логические исчисления, в этих последних аксиомы описывают извечные истины, верные для любых предметных областей. А в интеллектуальных системах каждая предметная область использует свои, специфические, верные только в ней утверждения.

Поэтому и системы, которые возникают при таких условиях, следует называть квазиоаксиоматическими. В таких системах вполне возможна смена исходных аксиом в процессе длительного вывода, и, как следствие этого, изменение этого вывода.

И, наконец, еще одна особенность вывода на знаниях, доставляющая немало забот исследователям, занятым формированием решений в интеллектуальных системах. Это неполнота сведений о предметной области и протекающих в ней процессах, неточность входной информации, не совсем полная уверенность в квазиаксиомах. А это означает, что выводы в интеллектуальных системах носят не абсолютно достоверный характер, как в традиционных логических системах, а приближенный, правдоподобный характер. Такие выводы требуют развитого аппарата вычисления оценок правдоподобия и методов оперирования с ними. Подобные исследования сейчас в искусственном интеллекте развиваются широким фронтом. По сути, рождается новая теория вывода, в которую лишь как небольшая часть входит достоверный вывод, изучавшийся в течение многих десятилетий логиками.

В интеллектуальных системах специалисты стремятся отразить основные особенности человеческих рассуждений, опыт тех специалистов, которые обладают профессиональными умениями, пока не полностью доступными искусственным системам, вывод: всего лишь одна из форм того, как человек приходит к нужным ему заключениям. Поэтому бурно развивается та область, которую в искусственном интеллекте называют моделированием человеческих рассуждений.

К ним относятся аргументация на основе имеющихся знаний, рассуждения по аналогии и ассоциации, оправдание заключения в системе имеющихся прагматических ценностей и многое другое, чем люди пользуются в своей практике. Привнесение всех этих приемов в интеллектуальные системы, без сомнения, сделает их рассуждения более гибкими, успешными и человечными.

Когда некто высказывает свое мнение, то для того, чтобы согласиться или не согласиться с ним, необходимо знать те же основания, которые лежат в его основе. Если эти основания неизвестны, то имеется возможность попросить оппонента объяснить, как он пришел к своему мнению. Аналогичная функция возникла и в интеллектуальных системах. Поскольку они принимают свои решения, опираясь на знания, которые могут быть неизвестны пользователю, решающему свою задачу с помощью интеллектуальной системы, то он может усомниться в правильности полученного решения. Интеллектуальная система должна обладать средствами, которые могут сформировать пользователю необходимые объяснения.

Объяснения могут быть различного типа. Они могут касаться самого процесса получения решения оснований, которые были для этого использованы, способов отсечения альтернативных вариантов и т.п. Все это требует развитой теории объяснения, что стимулирует сейчас активность исследований в этом направлении.

Контрольные вопросы.

1. Системы представления знаний часто оформляются как базы знаний. Объясните почему.

2. Назовите основные процедуры манипулирования знаний?

3. Какие вы знаете процедуры пополнения знаний?

4. Знания у человека образуют некоторые упорядоченные структуры, что облегчает поиск знаний и поддержание работоспособности баз знаний, для этого используются различные классифицирующие процедуры. Какие именно?

5. Назовите основное отличие баз знаний и баз данных интеллектуальных систем от тех объектов, с которыми имеет дело формальная логическая система? Почему?

6. Какие системы называют квазиоаксиматическими?

7. В искусственном интеллекте бурно развивается область моделирования человеческих рассуждений. Назовите каких именно.

8. Какое направление в искусственном интеллекте образует его фундамент?

9. Как называют специалистов, которые занимаются всеми вопросами, связанными со знаниями?

10. В области извлечения знаний можно выделить два основных направления – каких? (пояснить каждое из направлений).

11. С чьим именем связано направление нечеткой математики? (пояснить это направление).

12. Назовите и поясните четыре основных модели знаний в интеллектуальных системах?

13. Кем было введено в научный оборот понятие «фрейм»? Что понимается под фреймом?