–Иерархическая структура. Фрейм обычно соответствует представлению общего понятия с классификационной иерархической структурой. Особенность иерархической структуры заключается в том, что информация об атрибутах, которую содержит фрейм верхнего уровня, совместно используется всеми фреймами нижних уровней, связанных с ним.
–Сети фреймов. Если процесс сопоставления не привел к успеху, возникает необходимость поиска фрейма, подобного предыдущему. Такой поиск, осуществляемый с использованием указателей различия, возможен благодаря соединению фреймов, описывающих объекты с небольшими различиями, с данными указателями
иобразованию сети подобных фреймов.
–Отношения «абстрактное-конкретное» и «целое-часть». Ие-
рархическая структура основывается на отношениях «абстрактноеконкретное», однако помимо такого типа структур существуют и другие, основанные на отношениях «целое-часть». Отношения «абст- рактное-конкретное» характерны тем, что на верхних уровнях расположены абстрактные объекты, а на нижних – конкретные объекты, причем объекты нижних уровней наследуют атрибуты объектов верхних уровней. Отношение «целое-часть» касается структурированных объектов и показывает, что объект нижнего уровня является частью объекта верхнего уровня. Наибольшее практическое применение во фреймовых системах получили лишь отношения «абстрактноеконкретное». Но в некоторых областях иногда требуется описывать
иуправлять структурированным объектом. Поэтому в таких случаях не обойтись без обработки отношений типа «целое-часть».
1.2.3.Семантические сети
Важной схемой представления знаний являются семантические сети. Впервые это понятие было введено в 60-х годах для представления семантических связей между концепциями слов. Семантические сети не являются однородным классом схем представления. Имеется лишь несколько общих черт, объединяющих ряд механизмов представления, называемых семантическими сетями. Часто общей основой являются лишь сходство формального обозначения (направленный граф с помеченными вершинами и ребрами) и основной принцип, заключающийся в том, что элементы знаний должны храниться смежно, если они семантически связаны.
16
Под семантической сетью понимают направленный граф с помеченными вершинами и дугами, в котором вершины соответствуют конкретным объектам, а дуги, их соединяющие, отражают имеющиеся между ними отношения. Отношения, используемые в семантических сетях, можно разделить на следующие:
–лингвистические, включающие в себя отношения типа «объект», «агент», «условие», «место», «инструмент», «цель», «время»;
–атрибутивные, к которым относят форму, размер, цвет и т.д.;
–характеризации глаголов, т. е. род, время, наклонение, залог,
число;
–логические, обеспечивающие выполнение операций для исчисления высказываний (дизъюнкция, конъюнкция, импликация, отрицание);
–квантифицированные, т. е. использующие кванторы общности и существования;
–теоретико-множественные, включающие понятия «элемент множества», «подмножество», «супермножество» и др.
Семантические сети нашли применение в основном в системах обработки естественного языка, частично в вопросно-ответных системах, а также в системах искусственного видения. В последних семантические сети используются для хранения знаний о структуре, форме и свойствах физических объектов. В области обработки естественного языка с помощью семантических сетей представляют семантические знания, знания о мире, эпизодические знания (т.е. знания о пространственно-временных событиях и состояниях).
1.2.4. Продукционные модели
Продукционные модели были первоначально предложены Постом в 1943 г. Продукционные модели могут быть реализованы как процедурно, так и декларативно. Их простота и строгая форма послужили основой ряда интересных свойств, что сделало их удобным средством представления знаний. Рядом исследователей отмечалось, что использование продукционных моделей имеет уже само по себе особую психологическую важность, хотя они могут быть с успехом использованы и вне рамок психологического моделирования.
Продукционные модели – это набор правил вида «условиядействие», где условиями являются утверждения о содержимом не-
17
кой базы знаний, а действия представляют собой процедуры, которые могут изменять содержимое БЗ.
Впродукционных системах можно выделить три основных компонента:
– неструктурированная или структурированная БЗ;
– некоторое число продукционных правил или просто продукций, состоящих из двух частей: условий (антецендент), которые должны выполняться в БЗ для того, чтобы были выполнены соответствующие действия, и действий (консеквент), которые должны быть совершены над БЗ в случае выполнения соответствующих условий;
– интерпретатор, который последовательно определяет, какие продукции могут быть активированы в зависимости от условий, в них содержащихся; выбирает одно из применимых в данной ситуации правил продукций; выполняет действие из выбранной процедуры.
Продукционные модели в основном находят применение в качестве решателей или механизмов выводов.
ВБЗ системы хранятся известные факты о некоторой предметной области. Продукции содержат специфические для данной области знания о том, какие дополнительные факты могут быть допущены, если специфические данные найдены в БЗ.
Действия продукций могут состоять из активных процедур, которые автоматически производят необходимые операции над содержимым БЗ (либо, подобно «демонам», проверять самих себя на предмет того, выполняются ли их условия активации). В этом случае форма представления знаний является процедурной, хотя
ив весьма ограниченном виде. В последующих итерациях факты, добавленные в БЗ, могут подключать (активировать) другие продукции и т. д.
Вклассических продукционных системах БЗ представляют собой переменную часть системы, в то время как правила и интерпретатор чаще всего не меняются. Будучи реализованы процедурно, классические продукционные модели обладают весьма привлекательным свойством модульности. Поэтому правила могут быть добавлены или удалены без возникновения неожиданных побочных эффектов. Причина этого заключается также в том, что в классических системах вызов процедур осуществляется только в зависимости от состояния данных; процедуры, как правило, не активируются другими процедурами.
18
Продукционные системы с большим успехом используются для предметных областей, знания о которых могут быть представлены некоторым набором независимых правил (эвристик), а не четкой теорией, вполне завершенной и последовательной и где поэтому нет алгоритмов, прямо приводящих к цели.
Как правило, классические продукционные системы не содержат сведений о применении, т. е. знаний о том, какие продукции использовать для достижения цели. Это ведет к значительному снижению эффективности их работы: хотя в каждой итерации только одна продукция может быть активирована, должны быть проверены условия всех продукций. Для большого числа правил это может потребовать значительного расхода ресурсов. Более того, последовательность выполнения продукций зависит на каждой итерации от состояния всех переменных системы. В этом случае появляется проблема комбинаторного «взрыва».
Для решения этих проблем предлагались подходы, связанные с методами структурного совершенствования БЗ и условий в продукциях, что позволило бы повысить эффективность функционирования. Предпринимаются также попытки повлиять на ход управления.
В каждом цикле все правила, условия которых удовлетворены содержимым БЗ, считаются определенными. Если существует несколько таких правил, то вопрос о том, какое из правил выбрать, решается с помощью какой-либо приемлемой стратегии «разрешения конфликтов» (например, выбирается правило с наивысшим приоритетом из заранее определенного перечня приоритетов). Все действия, связанные с выбранным правилом, выполняются и вызывают соответствующие изменения в БЗ.
Другая возможность заключается в осуществлении точного контроля последовательности выполнения продукций. В простейшем случае продукции могли бы формировать специальные сигналы в БЗ, которые подключали бы соответствующие продукции в других циклах. В некоторых системах сами продукции могут активировать или дезактивировать другие продукции и даже влиять на работу интерпретатора.
Если систему продукций рассматривать как модель представления знаний, то правилам, рассматриваемым с точки зрения человека как средства прямого описания способа логического вывода для решения задач в предметной области, можно придать ясный смысл. При
19
этом отличительной чертой представления знаний с высокой модульностью является простота дополнения, модификации и аннулирования. Кроме того, со стороны компьютера имеется возможность определения простого и точного механизма использования знаний с высокой однородностью, описанных по одному синтаксису.
Эти две отличительные черты, по-видимому, являются причинами столь широкого распространения метода представлений знаний правилами.
1.2.5. Логические модели представления знаний
Классическим механизмом представления знаний в системах является исчисление предикатов (использовалось уже в 50-х годах в исследованиях по ИИ). В системах, основанных на исчислении предикатов, знания представляются с помощью перевода утверждений об объектах некоторой предметной области в формулы логики предикатов и добавления их как аксиом в систему.
В логике высказываний для обозначения фактов используются буквы (имена или идентификаторы), не имеющие структуры и принимающие значения «1» или «0» («да» или «нет»). В логике предикатов факты обозначаются n-арными логическими функциями – предикатами F(x1,x2,...,xm), где F – имя предиката (функтор) и xi – аргументы предиката. Имена предикатов неделимы, т.е. являются так называемыми атомами. Аргументы могут быть атомами или функциями f(x1,x2,...,xm), где f – имя функции, а x1,...,xm, так же как и аргументы предикатов, являются переменными или константами предметной области. В результате интерпретации (конкретизации) предиката функторы и аргументы принимают значения констант из предметной области (строк, чисел, структур и т.д.).
Предикат с арностью n > 1 может использоваться в инженерии знаний для представления n-арного отношения, связывающего между собой n сущностей (объектов) – аргументов предиката. Например, предикат отец («Иван», «Петр Иванович») может означать, что сущности «Иван» и «Петр Иванович» связаны родственным отношением, а именно последний является отцом Ивана или наоборот. Уточнение семантики этого предиката связано с тем, как он используется, т.е. в каких операциях или более сложных отношениях он участвует и какую роль в них играют его 1-й и 2-й аргументы. Предикат компьютер (память, клавиатура, процессор, монитор) может обозначать понятие
20