Модели представления знаний. Фреймы.
Поволжский государственный университет связи
Заочный факультет
РЕГИСТРАЦИОННЫЙ № ______
Контрольная работа № ____1____ Вариант _17__
по _____Интеллектуальным информационным системам_______
Студент _____________ Иванова Г.П._________________
Факультет _ПИвЭ_ курс __1__ шифр __080009__ гр. __56я_
Работа выслана «_____»_________________ 200__г.
Оценка _______________ Дата _______________200___г.
Подпись преподавателя ___________________
Контрольная работа вместе с рецензией предъявляется
экзаменатору при сдаче экзамена
СОДЕРЖАНИЕ
Введение
Модели представления знаний
Фреймы
Список используемых источников
ВВЕДЕНИЕ
При изучении интеллектуальных систем возникает вопрос - что же такое знания и чем они отличаются от обычных данных, обрабатываемых ЭВМ.
Данные - это отдельные факты, характеризующие объекты, процессы и явления предметной области, а также их свойства.
При обработке на ЭВМ данные трансформируются.
Знания основаны на данных, полученных эмпирическим путем. Они представляют собой результат мыслительной деятельности человека, направленной на обобщение его опыта, полученного в результате практической деятельности.
Знания - это закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области.
При обработке на ЭВМ знания трансформируются аналогично данным.
Часто используется такое определение знаний.
Знания - это хорошо структурированные данные, или данные о данных, или метаданные.
Для хранения знаний используются базы знаний (для них характерны небольшой объем, но исключительно дорогие информационные массивы). База знаний - основа любой интеллектуальной системы.
Знания могут быть классифицированы по следующим категориям:
Поверхностные - знания о видимых взаимосвязях между отдельными событиями и фактами в предметной области.
Глубинные - абстракции, аналогии, схемы, отображающие структуру и природу процессов, протекающих в предметной области. Эти знания объясняют явления и могут использоваться для прогнозирования поведения объектов.
Пример
Поверхностные знания: "Если нажать на кнопку звонка, раздастся звук. Если болит голова, то следует принять аспирин".
Глубинные знания: "Принципиальная электрическая схема звонка и проводки. Знания физиологов и врачей высокой квалификации о причинах, видах головных болей и методах их лечения".
МОДЕЛИ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
Модели представления знаний – это одно из важнейших направлений исследований в области искусственного интеллекта. Потому что, что без знаний искусственный интеллект не может существовать в принципе. Представьте себе человека, который абсолютно ничего не знает. Например, он не знает даже таких элементарных вещей как:
для того чтобы не умереть от голода, необходимо периодически есть;
необязательно из одного края города в другой идти пешком, если для этих целей можно воспользоваться общественным транспортом.
Таких примеров удастся привести еще много.
Поведение такого человека может считаться не разумным. Именно поэтому, при создании систем искусственного интеллекта особенное внимание уделяется моделям представления знаний.
Существуют десятки моделей (или языков) представления знаний для различных предметных областей.
Модели представления знаний относятся к прагматическому направлению исследований в области искусственного интеллекта. Это направление основано на предположении о том, что мыслительная деятельность человека – «черный ящик». При таком подходе не ставится вопрос об адекватности используемых в компьютере моделей представления знаний тем моделям, которыми пользуется в аналогичных ситуациях человек, а рассматривается лишь конечный результат решения конкретных задач.
Типы моделей показаны на рисунке.
Самые распространенные из них:
продукционные модели;
семантические сети;
фреймы;
формальные логические модели.
Продукционная модель.
Продукционная модель или модель, основанная на правилах, позволяет представить знания в виде предложений типа "Если (условие), то (действие)
Под "условием" понимается некоторое предложение-образец, по которому осуществляется поиск в базе знаний, а под "действием" - действия, выполняемые при успешном исходе поиска. Чаще всего вывод на такой базе знаний бывает прямой (от данных к поиску цели) или обратный (от цели для ее подтверждения - к данным). Данные - это исходные факты, хранящиеся в базе фактов, на основании которых запускается машина вывода или интерпретатор правил, перебирающий правила из продукционной базы знаний.
Продукционная модель чаще всего применяется в промышленных экспертных системах. Она привлекает разработчиков своей наглядностью, высокой модульностью, легкостью внесения дополнений и изменений и простотой механизма логического вывода.
Имеется большое число программных средств, реализующих продукционный подход (язык OPS 5; "оболочки" или "пустые" ЭС - EXSYS Professional, Kappa, ЭКСПЕРТ; ЭКО, инструментальные системы ПИЭС [Хорошевский, 1993] и СПЭИС [Ковригин, Перфильев, 1988] и др.), а также промышленных ЭС на его основе (например, ЭС, созданных средствами G2 [Попов, 1996]) и другие.
Семантические сети.
Термин семантическая означает "смысловая", а сама семантика - это наука, устанавливающая отношения между символами и объектами, которые они обозначают, то есть наука, определяющая смысл знаков.
Семантическая сеть - это ориентированный граф, вершины которого - понятия, а дуги - отношения между ними.
В качестве понятий обычно выступают абстрактные или конкретные объекты, а отношения - это связи типа: "это" ("АКО - А-Kind-Of", "is"), "имеет частью" ("has part"), "принадлежит", "любит".
Характерной особенностью семантических сетей является обязательное наличие трех типов отношений:
класс - элемент класса (цветок - роза);
свойство - значение (цвет - желтый);
пример элемента класса (роза - чайная).
Можно предложить несколько классификаций семантических сетей, связанных с типами отношений между понятиями.
По количеству типов отношений:
Однородные (с единственным типом отношений).
Неоднородные (с различными типами отношений).
По типам отношений:
Бинарные (в которых отношения связывают два объекта).
N-арные (в которых есть специальные отношения, связывающие более двух понятий).
Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, отражающей поставленный запрос к базе.
Основным преимуществом данной модели является то, что она более других соответствует современным представлениям об организации долговременной памяти человека [Скрэгг, 1983].
Для реализации семантических сетей существуют специальные сетевые языки, например NET [Цейтин, 1985], язык реализации систем SIMER+MIR [Осипов, 1997] и др. Широко известны экспертные системы, использующие семантические сети в качестве языка представления знаний - PROSPECTOR, CASNET, TORUS [Хейес-Рот и др., 1987; Durkin, 1998].
Фреймы
Термин фрейм (от английского frame, что означает "каркас" или "рамка") был предложен Марвином Минским [Минский, 1979], одним из пионеров ИИ, в 70-е годы для обозначения структуры знаний для восприятия пространственных сцен. Эта модель, как и семантическая сеть, имеет глубокое психологическое обоснование.
Фрейм - это абстрактный образ для представления некоего стереотипа восприятия.
Специальные языки представления знаний в сетях фреймов FRL (Frame Representation Language) [Байдун, Бунин, 1990], KRL (Knowledge Representation Language) [Уотермен, 1989], фреймовая "оболочка" Kappa [Стрельников, Бори- сов, 1997] и другие программные средства позволяют эффективно строить промышленные ЭС. Широко известны такие фрейм-ориентированные экспертные системы, как ANALYST, МОДИС, TRISTAN, ALTERID [Ковригин, Перфильев, 1988; Николов, 1988; Sisodia, Warkentin, 1992].
Формальные логические модели
Традиционно в представлении знаний выделяют формальные логические модели, основанные на классическом исчислении предикатов I-го порядка, когда предметная область или задача описывается в виде набора аксиом.
Логические выражения, построенные в данной модели, могут быть истинными или ложными. Некоторые из этих выражений, являющиеся всегда истинными, объявляются аксиомами (или пос
Если перечисленные условия выполняются, то говорят, что модель удовлетворяет требованиям формальной теории. Ее так и называют формальной системой (ФС). Система, построенная на основе формальной теории, называется также аксиоматической системой.
Формальная теория должна, таким образом, удовлетворять следующему определению:
всякая формальная молель, определяющая некоторую аксиоматическую систему, характеризуется:
наличием алфавита (словаря), A,
множеством синтаксических правил, V,
множеством аксиом, лежащих в основе теории, W,
множеством правил вывода, R.
Исчисление высказываний (ИВ) и исчисление предикатов (ИП) являются классическими примерами аксиоматических систем. Эти ФС хорошо исследованы и имеют прекрасно разработанные модели логического вывода - главной метапроцедуры в интеллектуальных системах. Поэтому все, что может и гарантирует каждая из этих систем, гарантируется и для прикладных ФС как моделей конкретных предметных областей. В частности, это гарантии непротиворечивости вывода, алгоритмической разрешимости (для исчисления высказываний) и полуразрешимости (для исчислений предикатов первого порядка).
ФС имеют и недостатки, которые заставляют искать иные формы представления. Главный недостаток - это "закрытость" ФС, их негибкость. Модификация и расширение здесь всегда связаны с перестройкой всей ФС, что для практических систем сложно и трудоемко. В них очень сложно учитывать происходящие изменения. Поэтому ФС как модели представления знаний используются в тех предметных областях, которые хорошо локализуются и мало зависят от внешних факторов.
Исчисление предикатов I-го порядка в промышленных экспертных системах практически не используется. Эта логическая модель применима в основном в исследовательских "игрушечных" системах, так как предъявляет очень высокие требования и ограничения к предметной области.
ФРЕЙМЫ.
Фреймовая модель основана на концепции Марвина Мински (Marvin Minsky) – профессора Массачусетского технологического института, основателя лаборатории искусственного интеллекта, автора ряда фундаментальных работ. Фреймовая модель представляет собой систематизированную психологическую модель памяти человека и его сознания.
Фрейм (англ. frame – рамка, каркас) – структура данных для представления некоторого концептуального объекта. Информация, относящаяся к фрейму, содержится в составляющих его слотах.
Слот (англ. slot – щель, прорезь) может быть терминальным (листом иерархии) или представлять собой фрейм нижнего уровня.
Каждый фрейм, как показано на рисунке ниже, состоит из произвольного числа слотов, причем несколько из них обычно определяются самой системой для выполнения специфических функций, а остальные определяются пользователем.
Пояснение:
имя фрейма (имя фрейма) – это идентификатор, присваиваемый фрейму. Фрейм должен иметь имя, единственное в данной фреймовой модели (уникальное имя);
имя слота (имя слота) – это идентификатор, присваиваемый слоту. Слот должен иметь уникальное имя во фрейме, к которому он принадлежит. Обычно имя слота не несет никакой смысловой нагрузки и является лишь идентификатором данного слота, но в некоторых случаях оно может иметь специфический смысл;
указатель наследования – только для фреймовых моделей иерархического типа; они показывают, какую информацию об атрибутах слотов во фрейме верхнего уровня наследуют слоты с такими же именами во фрейме нижнего уровня;
указатель атрибутов – указатель типа данных слота. К таким типам относятся: FRAME (указатель), INTEGER (целое), REAL (вещественное), BOOL (
значение слота – значение, соответствующее типу данных слота и удовлетворяющее условиям наследования;
демон – процедура, автоматически запускаемая при выполнении некоторого условия. Демоны запускаются при обращении к конкретному слоту фреймовой модели. Например, демон IF-NEEDED запускается, если в момент обращения к слоту его значение не было установлено,
IF-ADDED запускается при подстановке в слот значения,
IF-REMOVED запускается при стирании значения слота.
Пример фреймовой модели иерархического типа представлен на рисунке ниже:
Фреймы образуют иерархию. Иерархия во фреймовых моделях порождает единую многоуровневую структуру, описывающую либо объект, если слоты описывают только свойства объекта, либо ситуацию или процесс, если отдельные слоты являются именами процедур, присоединенных к фрейму и вызываемых при его актуализации.
Формально фрейм – это тип данных вида:
N – имя объекта;
S1 – множество слотов, содержащих факты, определяющие декларативную семантику фрейма;
S2– множество слотов, обеспечивающих связи с другими фреймами (каузальные, семантические и т. д.);
S3 – множество слотов, обеспечивающих преобразования, определяющие процедурную семантику фрейма.
Различают фреймы-образцы, или прототипы, хранящиеся в базе знаний, и фреймы-экземпляры, которые создаются для отображения реальных фактических ситуаций на основе поступающих данных. Модель фрейма является достаточно универсальной, поскольку позволяет отобразить все многообразие знаний о мире через:
фреймы-структуры, использующиеся для обозначения объектов и понятий (заем, залог, вексель);
фреймы-роли (менеджер, кассир, клиент);
фреймы-сценарии (банкротство, собрание акционеров, празднование именин);
фреймы-ситуации (тревога, авария, рабочий режим устройства) и др.
Состав фреймов и слотов в каждой конкретной фреймовой модели может быть разный, однако в рамках одной системы целесообразно единое представление для устранения лишнего усложнения.
Разнотипные объекты или объекты, соответствующие концепции «множественности миров», заключающейся, к примеру, в том, что лошадь – животное бескрылое для одного (реального) мира и одновременно крылатое (Пегас в мифическом мире) для другого, могут описываться отличающимися друг от друга фреймами.
В психологии и философии известно понятие абстрактного образа. Например, произнесение вслух слова "комната" порождает у слушающих образ комнаты: "жилое помещение с четырьмя стенами, полом, потолком, окнами и дверью, площадью 6-20 м2". Из этого описания ничего нельзя убрать (например, убрав окна, мы получим уже чулан, а не комнату), но в нем есть "дырки" или "слоты" - это незаполненные значения некоторых атрибутов - например, количество окон, цвет стен, высота потолка, покрытие пола и др.
В теории фреймов такой образ комнаты называется фреймом комнаты.
В целом фреймовая модель допускает представление всех свойств декларативных и процедурных знаний. Глубина вложенности слотов во фрейме (число уровней) зависит от предметной области и языка, реализующего модель.
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ
1. Базы знаний интеллектуальных систем: Учебник для вузов, Хорошевский В. Ф.,Гаврилова Т. А.
2. http://www.aiportal.ru/article
3. http://semochkina-elena.narod.
11
