Технологии инженерии знаний
реклама
Технологии
инженерии
знаний
Knowledge engineering
Какими практическими методами знания могут быть получены?
Мы предполагали:
некоторое взаимодействие инженера по знаниям и эксперта
в форме непосредственного живого общения и позволяют
получить знания.
+
инженер по знаниям
=
знания
эксперт
Но это не единственная
форма извлечения знаний
Методы извлечения знаний
коммуникативные
Коммуникативные методы
охватывают методы и
процедуры контактов
инженера по знаниям с
непосредственным
источником знаний экспертом
текстологические
Текстологические методы
включают методы извлечения
знаний
из
документов
(методик, пособий, руководств)
и специальной литературы
(статей,
монографий,
учебников).
Разделение методов на коммуникативные и
текстологические не означает их противоречивости,
обычно инженер по знаниям комбинирует различные
методы, например, сначала изучает литературу,
затем беседует с экспертами, или наоборот.
Коммуникативные методы извлечения знаний
Коммуникативные методы извлечения знаний
активные
пассивные
В активных методах инициатива в процессе извлечения
знаний полностью в руках инженера по знаниям, который
активно контактирует с экспертом различными
способами - в играх, диалогах, беседах за круглым
столом и т. д.
Коммуникативные методы извлечения знаний
Коммуникативные методы извлечения знаний
активные
пассивные
Пассивные методы подразумевают, что ведущая роль в
процедуре извлечения как бы передается эксперту, а
инженер по знаниям только протоколирует рассуждения
эксперта во время его реальной работы по принятию
решений или записывает то, что эксперт считает нужным
самостоятельно рассказать в форме лекции.
Пассивные методы извлечения знаний
Пассивные методы извлечения знаний
Протокол «мыслей вслух
лекции
наблюдения
Лекции
Лекция является самым старым способом передачи
знаний. Лекторское искусство издревле очень высоко
ценилось во всех областях науки и культуры.
Чаще всего экспертов не выбирают, и поэтому учить
эксперта чтению лекции инженер по знаниям не
сможет.
В лекции эксперту также предоставлено много
степеней свободы для самовыражения; при этом
необходимо сформулировать эксперту тему и задачу
лекции.
От инженера по знаниям требуется лишь грамотно
законспектировать лекцию и в конце задать
необходимые вопросы.
Анализ протоколов «мыслей вслух»
Протоколирование «мыслей вслух» отличается
от наблюдений тем, что эксперта просят не просто
прокомментировать свои действия и решения, но и
объяснить, как это решение было найдено, то есть
продемонстрировать всю цепочку своих рассуждений.
Во время рассуждений эксперта все его слова,
весь «поток сознания» протоколируется инженером по
знаниям, при этом полезно отметить даже паузы и
междометия. Иногда этот метод называют «вербальные
отчеты».
Обычно «мысли вслух» дополняются потом
одним из активных методов для реализации обратной
связи между интерпретацией инженера по знаниям и
представлениями эксперта.
Наблюдения
В процессе наблюдений инженер по знаниям
находится непосредственно рядом с экспертом во время
его профессиональной деятельности или имитации этой
деятельности.
Непременное условие этого метода невмешательство аналитика в работу эксперта хотя бы на
первых порах. Именно метод наблюдений является
единственно «чистым» методом, исключающим
вмешательство инженера по знаниям и навязывание им
каких-то своих структур представлений.
Существуют две основные разновидности
проведения наблюдений:
наблюдение за реальным процессом;
наблюдение за имитацией процесса.
Активные методы извлечения знаний
Активные методы извлечения знаний
групповые
индивидуальные
Активные методы извлечения знаний
Активные методы извлечения знаний
групповые
индивидуальные
круглый стол
мозговой штурм
ролевые игры
Активные групповые методы извлечения знаний
Мозговой штурм
Как правило,
штурм длится недолго
(около 40 минут).
Участникам (до 10
человек) предлагается
высказывать любые
идеи (шутливые,
фантастические,
ошибочные) на заданную
тему (критика
запрещена). Обычно
высказывается более 50
идей.
Основной девиз штурма - «чем больше идей, тем лучше».
Фиксация хода сеанса - традиционная (протокол или
магнитофон).
Активные групповые методы извлечения знаний
Круглый стол
Метод круглого стола (термин заимствован из журналистики)
предусматривает обсуждение какой-либо проблемы из
выбранной предметной области, в котором принимают участие
с равными правами несколько экспертов.
Обычно вначале участники
высказываются в
определенном порядке, а затем
переходят к живой свободной дискуссии. Число участников
дискуссии колеблется от трех
до пяти – семи.
Активные групповые методы извлечения знаний
Ролевые игры
Роль - это комплекс образцов
поведения
Обычно в игре принимает участие от трех до шести экспертов,
если их больше, то можно разбить всех на несколько
конкурирующих игровых бригад. Элемент состязательности
оживляет игру. Например, чей диагноз окажется ближе к
истинному, чей план рациональнее использует ресурсы, кто
быстрее определит причину неисправности в техническом
блоке.
Активные методы извлечения знаний
Активные методы извлечения знаний
групповые
анкетирование
индивидуальные
интервью
диалог
экспертные игры
Активные индивидуальные методы извлечения знаний
Анкетирование
Анкетирование - наиболее жесткий метод, то есть наиболее
стандартизированный. В этом случае инженер по знаниям
заранее составляет вопросник или анкету, размножает ее и
использует для опроса нескольких экспертов. Это основное
преимущество анкетирования. Сама процедура может
проводиться двумя способами:
1. Аналитик вслух задает вопросы
и сам заполняет анкету по ответам
эксперта.
2. Эксперт самостоятельно заполняет
анкету
после
предварительного
инструктирования.
Активные индивидуальные методы извлечения знаний
Диалог
Диалог — это метод извлечения
знаний в форме беседы инженера по
знаниям и эксперта, в которой нет
жесткого
регламентированного
плана и вопросника.
Подготовка к диалогу так же, как и к другим активным
методам извлечения знаний, включает составление плана
проведения сеанса извлечения, в котором необходимо
предусмотреть следующие стадии:
1. Начало беседы (знакомство, создание у эксперта «образа»
аналитика, объяснение целей и задач работы).
2. Диалог по извлечению знаний.
3. Заключительная стадия (благодарность эксперту, подведение
итогов, договоренность о последующих встречах).
Активные индивидуальные методы извлечения знаний
Интервью
Под интервью будем понимать
специфическую форму общения
инженера по знаниям и эксперта,
в которой инженер по знаниям
задает эксперту серию заранее
подготовленных
вопросов
с
целью извлечения знаний о
предметной области.
Наибольший опыт в проведении интервью накоплен в журналистике и
социологии.
Основное отличие интервью в том, что оно позволяет аналитику
опускать ряд вопросов в зависимости от ситуации, вставлять новые
вопросы в анкету, изменять темп, разнообразить ситуацию общения.
Активные индивидуальные методы извлечения знаний
Экспертные игры
ИГРЫ С ЭКСПЕРТОМ
В этом случае с экспертом играет инженер по знаниям, который
берет на себя какую-нибудь роль в моделируемой ситуации.
Например, можно разыгрывать с экспертом игру «Учитель и ученик»,
в которой инженер по знаниям берет на себя роль ученика и на
глазах у эксперта выполняет его работу, а эксперт поправляет
ошибки «ученика».
ИГРЫ С ТРЕНАЖЕРАМИ
Игры с тренажерами в значительной степени ближе не к играм, а к
имитационным упражнениям в ситуации, приближенной к
действительности. Наличие тренажера позволяет воссоздать почти
производственную ситуацию и понаблюдать за экспертом.
Текстологические методы извлечения знаний
Группа текстологических
методов объединяет
методы извлечения знаний, основанные на изучении
специальных текстов из учебников, монографий, статей,
методик и других носителей профессиональных знаний.
Выделяют три вида
текстологических методов:
анализ специальной
литературы;
анализ учебников;
анализ методик.
История развития
систем искусственного
интеллекта
Artificial Intelligence
В Древнем Египте была создана
«оживающая» механическая статуя бога
Амон-Pа.
Идея создания
искусственного
подобия человека
для
решения
сложных задач и
моделирования
человеческого
разума витала в
воздухе
еще
в
древнейшие
времена.
Амон-Ра
В литературе идея создания AI
обыгрывалась многократно
была
УВначале
Гомера вэто
«Илиаде»
простоГефест,
скульптура
кузнец
бог огня,
из металла.
создал
в своейНо она
мастерской
первую
была так красива,
женщину.
что Зевс решил её
оживить. А боги
дали ей разные
дары.
Гомер
Бог Гефест
В литературе идея создания AI
обыгрывалась многократно
Буратино папы Карло
Рождение
искусственного
интеллекта
как научного
направления
произошло
только после
создания ЭВМ
в 40-х годах
ХХ века.
В то же время Норберт
Винер создал свои
основополагающие работы
по новой науке –
кибернетике.
Вскоре после признания искусственного интеллекта отдельной областью
науки произошло разделение его на два направления: нейрокибернетика
и кибернетика «черного ящика».
Искусственный интеллект
Нейрокибернетика
Основная идея
нейрокибернетики
состоит в том, что
любое «мыслящее»
устройство должно
каким – то образом
воспроизводить
структуру
человеческого мозга.
Кибернетика «черного ящика»
Кибернетика
«черного ящика»
полагает: не имеет
значения как устроено
«мыслящее» устройство.
Главное, чтобы на
заданные входные
воздействия оно
реагировало так же, как
человеческий мозг.
Что такое искусственный интеллект?
Искусственный интеллект это одно из направлений информатики, цель которого
разработка аппаратно-программных средств,
позволяющих пользователю-непрограммисту ставить и
решать свои задачи, традиционно считающиеся
интеллектуальными, общаясь с ЭВМ на ограниченном
подмножестве естественного языка.
Искусственный интеллект это научная дисциплина, возникшая в 50-х годах на
стыке кибернетики, лингвистики, психологии и
программирования.
НАПРАВЛЕНИЯ РАЗВИТИЯ
ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Представление знаний и разработка систем, основанных на
знаниях
Разработка естественно-языковых интерфейсов и машинный
перевод
Специальное программное обеспечение
Новые архитектуры компьютеров
Игры и творчество
Распознавание образов
Обучение и самообучение
Интеллектуальные роботы
Данные и знания
При изучении интеллектуальных систем традиционно возникает
вопрос — что же такое знания и чем они отличаются от обычных
данных, десятилетиями обрабатываемых ЭВМ.
Данные -
это отдельные факты, характеризующие
объекты, процессы и явления предметной
области, а также их свойства.
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
Представление
знаний
Artificial Intelligence
Что такое представление знаний?
Представление знаний является одной из наиболее важных
проблем при создании системы искусственного интеллекта
(СИИ).
Форма представления знаний оказывает существенное влияние
на характеристики и свойства системы
Представление знаний - это соглашение о
том, как описывать реальный мир.
Основная цель представления знаний - строить
математические модели реального мира и его частей, для
которых соответствие между системой понятий проблемного
знания может быть установлено на основе совпадения имен
переменных модели и имен понятий без предварительных
пояснений и установления дополнительных неформальных
соответствий.
Модели представления знаний
Модель представления знаний является формализмом,
призванным отобразить статические и динамические свойства
предметной области, т.е. отобразить объекты и отношения
предметной области, связи между ними, иерархию понятий
предметной области и изменение отношений между объектами.
Продукционная модель представления знаний
Фреймовая модель представления знаний
Логическая модель представления знаний
Семантические сети
Модель, основанная на нечеткой логике
Продукционная модель
представления знаний
Продукционная модель или модель, основанная на правилах, позволяет
представить зна-ния в виде предложений типа
«Если (условие), то (действие)».
ЕСЛИ А1,А2..Аn ТО В.
Если температура в помещении меньше +20, То включить
обогреватель
Условия А1,А2...Аn
называют фактами.
Действие В трактуется как
добавление нового факта в
описание текущего состояния
предметной области.
Структура продукционной
системы
Модификация,
управление
Механизм логического
вывода
поиск
ссылки
Рабочая память
База правил
1. Набор правил, используемых как база знаний. Его называют базой правил.
2. Рабочая память, в которой хранятся предпосылки, касающиеся конкретных
задач предметной области и результаты выводов, полученных на их
основании.
3. Механизм логического вывода, использующий правила в соответствии с
содержимым рабочей памяти.
Продукционная модель
представления знаний
Достоинства:
Недостатки:
Достоинством применения правил продукций
является их модульность. Это позволяет
легко добавлять и удалять знания в базе
знаний. Можно изменять любую из
продукций, не затрагивая содержимого
других продукций.
Недостатки продукционных систем проявляются
при большом числе правил и связаны с
возникновением непредсказуемых побочных
эффек-тов при изменении старых и добавлении
новых правил. Кроме того, отмечают также низкую
эффективность обработки систем продукций и
отсутствие гибкости в логическом выводе.
Семантические сети
Термин семантическая означает «смысловая»
Семантическая сеть — это ориентированный граф,
понятие
вершины которого понятия, а дуги - отношения
между ними.
отношение
Являются
исторически
первым классом
моделей
представления
знаний
Семантические сети
В качестве понятий обычно выступают абстрактные или
конкретные объекты, а отношения — это связи типа: «это»
(«АКО — A-Kind-Of», «is»), «имеет частью» («has part»),
«принадлежит», «любит».
Особенность семантических сетей:
обязательное наличие трех типов отношений:
класс — элемент класса
(цветок — роза)
свойство — значение
(цвет — желтый)
пример элемента класса
(роза — чайная)
Семантические сети
Наиболее часто в семантических
следующие отношения:
сетях
используются
связи типа «часть — целое» («класс — подкласс», «элемент множество»,и т. п.);
функциональные связи (определяемые обычно глаголами
производит»,«влияет»...);
количественные (больше, меньше, равно...);
пространственные (далеко от , близко от, за, под, над...);
временные (раньше, позже, в течение...);
атрибутивные связи (иметь свойство, иметь значение);
логические связи (И, ИЛИ, НЕ);
лингвистические связи
Пример семантической сети
вид транспорта
двигатель
имеет частью
это
это
автомобиль
Волга
принадлежит
цвет
свойство
белый
значение
любит
Петров
человек
это
Проблема поиска решения в базе знаний типа семантической
сети
сводится
к
задаче
поиска
фрагмента
сети,
соответствующего
некоторой
подсети,
отражающей
поставленный запрос к базе.
Семантические сети как модель представления
знаний была предложена американским
психологом Куиллианом
Достоинством семантических сетей как
модели представления знаний является
наглядность описания предметной области,
гибкость, адаптивность.
Однако, свойство наглядности с увеличением
размеров и усложнением связей базы знаний
предметной области теряется
Кроме того, возникают значительные сложности
по обработке различного рода исключений.
Для преодоления указанных проблем используют метод
иерархического описания сетей (выделение на них
локальных подсетей, расположенных на разных уровнях).
Представление
знаний
Artificial Intelligence
Фреймовая модель
В основе теории фреймов лежит восприятие фактов
посредством сопоставления полученной извне информации
с конкретными элементами и значениями, а также с
рамками определенными для каждого концептуального
объекта в нашей памяти.
Фрейм был предложен Марвелом Минским в 70-е годы
Фрейм -
структура для описания стереотипной
ситуации, состоящая из характеристик этой
ситуации и их значений.
Характеристики называют слотами
Структура фрейма
Имя фрейма
Имя
Слота
Значение
слота
Указатель наследования
Демон
Слот 1
……………..
……………..
Слот n
Имя фрейма -
идентификатор, присваиваемый фрейму.
Фрейм должен иметь имя единственное (уникальное) в
данной фреймовой системе.
Структура фрейма
Имя фрейма
Имя Слота
Значение
слота
Указатель наследования
Демон
Слот 1
……………..
……………..
Слот n
Имя слота -
идентификатор, присваиваемый слоту.
Слот должен иметь уникальное имя во фрейме. Имя слота не
несет смысловой нагрузки кроме специфических: IS-A;
DDESENDANTS (указатель дочернего фрейма) и др., а также
системных слотов, используемых при управлении выводом.
Структура фрейма
Имя фрейма
Имя
Слота
Значение
Слота
Указатель наследования
Демон
Слот 1
……………..
……………..
Слот n
Указатель наследования
показывает, какую информацию об атрибутах
слотов во фрейме верхнего уровня наследуют
слоты с такими же именами во фрейме нижнего
уровня.
Типичные указатели наследования:
U (уникальный),
S (такой же),
R (установление границ).
Структура фрейма
Имя фрейма
Имя
Слота
Значение
слота
Указатель наследования
Демон
Слот 1
……………..
……………..
Слот n
Демон -
1.
2.
3.
процедура, автоматически запускаемая при появлении запроса
или обновлении информации в структуре.
IF-ADDED (если добавлено). Он запускается, когда новая
информация поступает
в слот.Запускается при стирании
IF-REMOVED
(если удалено).
значения слота.
IF-NEEDED
(если нужно). Запускается если в момент
обращения к слоту его значение не было установлено.
Фреймовая система
Совокупность фреймов, моделирующая какую либо предметную
область,
представляет собой иерархическую структуру, в
которой фреймы соединяются с помощью родовидовых связей.
Человек
IS-A
Млекопитающее
Умеет
мыслить
Ребенок
В одной системе
IS-A
Человек
различные фреймы
Возраст
0 – 16
могут иметь общие
Любит
Сладкое
слоты. Благодаря
этому возможно
связывание информации полученной с
различных точек зрения. Несколько
слотов одного фрейма обычно заранее
определяются значениями по умолчанию.
Ученик
IS-A
Ребенок
Возраст
6 – 17
Учится
В школе
Свойства фреймов
Иерархическая структура.
Межфреймовые сети.
Значение по умолчанию.
Отношения «абстрактное –
конкретное» и «целое - часть .
Свойства фреймов
Иерархическая структура.
Особенность такой структуры
заключается в том, что информация о
слотах, которую содержит фрейм
верхнего уровня, используется всеми
фреймами нижних уровней.
Свойства фреймов
Иерархическая структура.
Межфреймовые сети.
Осуществление выводов в фреймовой
системе возможно благодаря
соединению в межфреймовые сети
фреймов, описывающих объекты с
небольшими различиями, указателями
различия.
Свойства фреймов
Иерархическая структура.
Межфреймовые сети.
Значение по умолчанию.
Фреймы
обладают
способностью
наследовать
значения слотов своих родителей, находящихся на
более высоком уровне иерархии. Наследование
свойств может быть частичным, тогда он должен быть
указан в своем собственном фрейме. Значения
слотов могут передаваться по умолчанию фреймам,
находящимся ниже в иерархии.
Свойства фреймов
Иерархическая структура.
Межфреймовые сети.
Значение по умолчанию.
Отношения «абстрактное –
конкретное» и «целое - часть .
На верхних уровнях иерархии расположены абстрактные
объекты, на нижних конкретные (отношения типа “IS-A” или
“KIND OF”).
Отношение «целое - часть» касается структурированных
объектов и показывает, что объект нижнего уровня является
частью объекта верхнего уровня.
Фреймовая модель
Преимущества фреймовой модели представления знаний
1) Гибкость, т. е. структурное описание сложных объектов.
2) Наглядность, данные о родовидовых связях хранятся явно.
3) Значение может быть вычислено с помощью процедур или
найдено эвристическими методами.
Недостатками фреймовой системы являются:
1) Высокая сложность систем в целом.
2) Трудно внести изменение в иерархию
3) Затруднена обработка исключений.
Специальные МПЗ.
Все модели представления знаний можно разделить на следующие классы:
декларативные, процедуральные, специальные.
В каждом классе моделей можно выделить свои подклассы:
в декларативных СПЗ - продукционные, редукционные и предикатные модели;
в процедуральных СПЗ - язык PLANNER и ему подобные языки;
в специальных СПЗ - логико-лингвинистические модели,
семантические сети, функциональные семантические сети,
концептуальные графы, иерархические сети и фреймы,
реляционные модели и модели на основе модели нечетких множеств.
Специальные МПЗ.
МПЗ
Декларативные
Процедуральные
Специальные
Специальные МПЗ.
Декларативные
МПЗ
Продукционные
МПЗ
Предикатные
МПЗ
Редукционные
МПЗ
Специальные МПЗ.
Процедуральные
МПЗ
PLANNER
QA-
FRL
Специальные МПЗ.
Специальные
МПЗ
логиколингвинистические
модели
концептуальные
графы
иерархические
сети и фреймы
семантические
сети
функциональные
семантические
сети
реляционные
модели
модели на
основе модели
нечетких
множеств
Специальные МПЗ.
В декларативных представлениях описание состояний представляет
собой множество утверждений, в значительной степени независимых от
того, где их использовать.
Текущее состояние СПЗнаний задается декларативно описанием в
виде аксиом, всех выведенных к данному моменту теорем и множеством
операторов, представленных правилами вывода.
При декларативном представлении имеет место четкое разделение
процедуры
поиска
решения,
приводящей
к
полному
перебору,
называемой механизмом генерации, и процедуры оптимизации этого
поиска
с
управления.
целью
сокращения
перебора,
называемой
механизмом
Специальные МПЗ.
Синтаксические знания в декларативных представлениях отделены
от семантических.
Декларативные
представления
обладают
универсальностью
по
отношению к любым ПО. Но для придания эффективности поиска
механизм управления требует конкретных семантических знаний о ПО,
что автоматически сужает общность такого представления.
Если вводить семантические знания в описания состояний и
операторов, то теряется общность и универсальность представления.
Здесь наблюдается известное противоречие между общностью и
эффективностью представления знаний.
Специальные МПЗ.
•
Концептуальные графы содержат прямоугольники для представления аргументов
и круги для имен предикатов. Круг соединяется стрелкой с прямоугольником,
если они представляют соответственно имя и аргумент одного и того же
предиката.
•
Концептуальный граф логического представления бинарными предикатами
Специальные МПЗ.
•
Введем бинарный предикат Конкр(значение-1, значенив-2) и придадим ему
следующий смысл: значение первого аргумента - имя индивидуума, значение
второго аргумента - имя совокупности этого типа. Тогда фразу «Сократ человек» можно представить бинарным предикатом Конкр(Сократ, человек). Этот
бинарный предикат эквивалентен исходному унарному: они оба представляют
одну и ту же фразу «Сократ - человек».
•
Преобразование :
•
Унарный предикат → Бинарный предикат,
•
Имя_совокупности → Конкр(имя_индивидуума, имя_совокупности).
•
(имя_индивидуума)
•
Сократ – человек
•
Таким образом, предикатное имя Конкр означает: «является элементом некоторого типа».
→ Конкр(Сократ, человек).
Специальные МПЗ.
Запишем фразы
(1): Жак посылает (какую-то) книгу каждой женщине,
(2): Жак посылает всякую книгу каждой женщине
на языке логики предикатов:
(1):
xy z [Отправитель (z, Жак_2) &
Получатель (z, х) & Объект (z, у) &
Конкр (z, посылка) & Конкр (у, книга) &
Конкр (х, женщина)],
(2):
x y z [Отправитель (z, Жак_2) &
Получатель (z, х) & Объект (z, у) &
Конкр (z, посылка) & Конкр (у, книга) &
Конкр (х, женщина)]
Специальные МПЗ.
Канонические концептуальные графы комбинаций слов.
«Жак срочно посылает книгу кому-то».
Специальные МПЗ.
При процедуральном представлении знаний задаются
процедуры преобразований знаний для данной ПО. При этом
текущее состояние системы представляется в виде набора
процедур.
В
процедуральных
языках
стараются
оптимально
разрешить проблему сочетания универсальности механизмов
и управляемости ими со стороны пользователя.
Характерным свойством процедурального представления
знаний, которое его отличает от декларативного, является
представление информации в виде процедур, программ.
Специальные МПЗ.
Практически
исключая
синтаксических
и
разделение
семантических
знаний,
представление знаний в виде семантических сетей
позволяет достаточно легко пополнять, обновлять,
усваивать
знания
в
относительно
однородной
системе
унификации
объектами
существенно
структуре.
Благодаря
отношений
общей
между
упрощается процедура вывода решения.
Специальные МПЗ.
Характерной особенностью представления знаний в сетях
фреймов (frame - каркас, рамка) является введение модульной
структуры, которые представляют собой блоки процедуральнодекларативного типа.
Фреймы содержит информационные и процедуральные
элементы. Как в процедуральной, так и в информационной
части имеются участки - слоты (в переводе с английского щели).
Слоты могут заполняться в процессе активации фрейма.
Это придаёт свойство адаптивности всей сети фреймов.
Специальные МПЗ.
Модели представления знаний, использующие реляционную алгебру,
ведут своё начало от реляционного банка данных.
В основе моделей, использующих реляционную алгебру, лежит
представление информации в виде сети единиц информации, в качестве
которых фигурируют отношения (таблицы) или домены (столбцы).
Здесь используется приёмы декларативного представления знаний, а
также аспекты процедурального представления знаний, в частности,
представление информации в виде программ.
В последних модификациях реляционного банка данных стали
использоваться однородные структуры типа семантических сетей с
фреймоподобными элементами.
Специальные МПЗ.
• Характерной
чертой
представления
знаний
с
использованием алгебры нечётких множеств является
его направленность на реализацию свойств нечётности
принятия решений.
• Декларативность его проявляется в использовании
нечётких
логических
связок
и
кванторов;
процедуральность развита в работах по нечёткому
языку PLANNER и ему подобным языкам.
Логико-лингвистические модели и языки
1. Естественный язык (ЕЯ) и функциональные классы в ЕЯ
В ЕЯ выделяют несколько классов элементов (слов и словосочетаний), играющих
функциональную роль в представлении знаний.
Наиболее важными из этих классов являются понятия, имена и отношения.
Понятие-класс
есть
совокупность
объектов,
обладающих
вполне
определенными
свойствами. Примерами понятий-классов могут служить: «интеграл», «плановый отдел», «стул»,
«инструмент» и т.п.
Имена служат для идентификации тех или иных элементов, входящих в понятие-класс. Эти
элементы сами могут являться понятиями-классами более низкого уровня иерархии. Например,
понятие-класс «вычислительный центр» в качестве идентифицированных элементов может
содержать понятия-классы «лаборатория» с тем или иным номером (этот номер играет роль
имени) или с указанием фамилии заведующих лабораториями (в этом случае роль имен
лабораторий будут выполнять эти фамилии).
Логико-лингвистические модели и языки
Понятия-процессы описывают группу односложных процессов. Примерами понятийпроцессов служат слова и словосочетания: «погрузка», «включение», «авария», «превышение
допустимой нагрузки». Близки к ним понятия-состояния, примерами которых служат:
«нормальный режим», «линия включена» и т.п. Для идентификации понятий-процессов и
понятий-состояний также могут использоваться имена, например, «линия № 12 включена»,
«погрузка типа 4». Отношения служат для установления связей на множестве понятий или
идентифицированных понятий. Уже сама идентификация реализуется с помощью специальных
отношения, смысл которого можно передать словами: «иметь имя» или «называться». Имеется
гипотеза о конечности множества отношений для естественных языков: число различных, не
сводимых друг к другу отношений не превышает 200. Остальные отношения, фиксируемые в
текстах, написанных на естественном языке, сводятся к комбинации этих базовых отношений. В
табл. 1 приведены примеры базовых отношений с их обозначениями.
Логико-лингвистические модели и языки
Логико-лингвистические модели и языки
С помощью понятий, имен и отношений можно уже описывать ситуации, относящиеся к
объекту (например, объекту управления) или среде, в которой они действуют. Для этого сначала
введем синтаксис для логико-лингвинистического языка представления знаний (л-л-ЯПЗ),
использующего лишь три рассмотренных функциональных класса: понятия V, имена I и
отношения R. Класс понятий Т можно рассматривать как объединение трех подклассов: понятияклассы (В), понятия-процессы (D) и понятия-состояния (G). Итак, множество Т задается
следующим образом:
Т = V I R,
где V = B D G,
B = {b1, b2,..., bn},
D = {d1, d2,..., dm},
G = {g1, g2,..., gk},
I = {i1, i2,..., il}, R = {( , ), ρ, r1,..., rq}.
Логико-лингвистические модели и языки
Построим совокупность синтаксических правил л-л-ЯПЗ, определяющих ППФ - правильно
построенные формулы в данной системе.
Правила.
1. Любой элемент, кроме элементов множества R, является ППФ.
2. Если а - любой элемент из В и β - любой элемент из I, то тройка (аρβ) есть ППФ
(ρ - «иметь имя», «называться» и т.п.).
3. Если δ и γ -любые элементы из V, то тройка (δrγ), где r - любой элемент из R, кроме (,) и ρ,
есть ППФ.
4. Если и суть ППФ, то тройка ( r) есть ППФ.
5. Других ППФ нет.
Рассмотрим несколько примеров.
Логико-лингвистические модели и языки
Пример 1. Дано текстовое описание ситуации: «К причалу №1 подходит судно «Свирь»,
пришедшее с грузом леса. Портальный кран №8 занят на разгрузке судна «Беломорск» на причале
№2. Этой же операцией занят портальный кран №5.». Построим описание ситуации в порту,
используя введенный фрагмент л-л-ЯПЗ. Введем список понятий и список имен, необходимые
для данного примера. Отношения берутся из табл. 1. Список понятий: b1 – причал, b2 – судно, b3
– груз, b4 – портальный кран, d1 – разгрузка (процесс), d2 – передвижка, g1 – разгрузка
(состояние), g2 – свободен, g3 – занят. Список имен: 1 – «Свирь», i2 – лес, i3 – «Беломорск», i4 −
№ 1, i5 − №2, i6 − №5, i7 − №6, i8 − №8.
Первой фразе текстового описания соответствует следующая формальная запись: (((b2ρi1) r6
(b1ρi4) r1 (b2r8 (b3 ρi2))). Отношение «быть временно» r1 играет в этой записи роль союза «и» в
естественном языке или операции конъюнкции в логике высказываний. Второй фразе текста
соответствует запись: (((((b4ρi8)r9d1) r1 ((b2ρi3)r4(b1ρi5))) r1 (((b4ρi8) r4 (b1ρi5)) r1 (b2r11g1))).
Запишем теперь с помощью ЯПЗ третью фразу исходного текста:
((((b4ρi6) r4 (b1ρi5)) r1 ((b2ρi3) r4 (b1ρi5))) r1 (b4r9d1)).
Логико-лингвистические модели
Пример 2. Дана запись на ЯПЗ: ((b2i4)r3(b1ρi8)) ((b3ρi2)r12d1 & ((b2ρi4)r11g1).
Требуется восстановить текст по этой записи.
Начнем расшифровывать тройки по порядку. Две тройки, входящие в ((b2i4)r3(b1ρi8)),
соединенные отношением r3, имеющим значение «быть в ε-окрестности», дают первую фразу:
«Судно № 1 находится около причала № 8».
Следующая скобка соответствует фразе: «Идет разгрузка леса». Расшифровка этой записи «в
лоб» даст фразу: «Груз по имени лес участвует в процессе разгрузка». Но смысл этой фразы
тождественен смыслу ранее приведенной фразы, которая по-русски звучит естественнее.
Наконец, третья скобка определяет третью фразу текста: «Судно № 1 находится в состоянии
разгрузка».
Текст из этих трех фраз может быть заменен одной фразой, смысл которой:
«Судно № 1 находится под разгрузкой леса у причала № 8».
Логико-лингвистические модели
Пример 3. Даны две записи на ЯПЗ. Требуется установить, эквивалентны ли они по смыслу. Первая
запись: ((b4ρi5)r12d2) ((b4ρi5)r4(b1ρi5)), вторая запись: ((b4ρi5)r6(b1ρi5)).
В эти две записи входят различные отношения: r12 и r4 - в первую и r6 - во вторую. Поэтому без
привлечения семантики этих отношений чисто формальным способом установить эквивалентность этих ППФ
невозможно - так можно было бы установить лишь их эквивалентность на синтаксическом уровне. Поэтому
перейдем от записи на ЯПЗ к словесным текстам. Для первой записи получим следующий текст: «Портальный
кран № 2 находится на причале № 2 и передвигается». Для второй записи: «Портальный кран № 2 движется к
причалу № 2». Из этого следует, что приведенные выше записи на ЯПЗ по смыслу не являются
эквивалентными. Заметим, что в первой записи номер причала на № 2, а отношение r4 на отношение r3. Тогда
первой записи будет соответствовать текст: «Портальный кран № 2 находится около причала № 1 и
передвигается». Смысл этой фразы нельзя считать идентичным смыслу второй фразы. Но эти две фразы
обладают свойством совместимости. Их представления в виде записей на ЯПЗ можно соединить отношением r1
или знаком конъюнкции. Исходные же записи таким образом соединить нельзя.
Логико-лингвистические модели
В настоящее время нет решения проблемы поиска универсальной эффективной процедуры
для построения семантических правил.
Столь же сложной является и проблема установления семантической эквивалентности двух
выражений на ЯПЗ, т.е. установления их эквивалентности по смыслу. Подобная задача была
проиллюстрирована в примере 3. Эта проблема известна в структурной лингвистике как проблема
построения языка семантических представлений (СЕМП).
К ЯПЗ типа СЕМП предъявляются следующие требования.
1.
Если фраза на естественном языке, по мнению пользующихся им, имеет смысл, то в СЕМП
этой фразе должно соответствовать, по крайней мере, одно представление. Если фраза
естественного язык, по мнению пользующихся им, смысла не имеет, то в СЕМП для нее не
должно найтись ни одного представления.
2.
Если две фразы естественного языка, по мнению пользующихся им, имеют совпадающий
смысл, то в СЕМП им должно соответствовать либо одно общее представление, либо различные
представления, но такие, что с помощью системы формальных преобразований фраз в СЕМП они
переводятся одно в другое.
Логико-лингвистические модели и функциональные семантические сети
Практически часто бывает полезно в перечисленных функциональных классах выделять
специфические подклассы, играющие значительную роль для описания ситуаций и процессов в
данной системе (например, системе управления) и (управляемом) объекте. Примером такого
часто выделяемого специфического класса служит класс временных оценок. Членами класса
являются словосочетания, имеющие значение качественных или количественных оценок времени.
Примерами их могут служить такие слова и словосочетания, как «недавно», «вскоре», «пять
минут назад», «в прошлую смену» и т.п. В других задачах управления оказывается полезным
выделять еще и класс пространственных понятий и оценок и т.д.
Те элементы ЯПЗ, которые были построены выше в той или иной мере входят в различные
реальные ЯПЗ и, в первую очередь, в язык представления знаний в системах ситуационного
управления.
Языки, в основе которых лежат записи, в которых в явном виде участвуют отношения,
принято называть языками реляционного типа или просто реляционными языками. Другую
группу
ЯПЗ
представляют
математических моделей.
предикатные
языки,
используемые
для
создания
логико-
2. ФОРМАЛЬНЫЕ И СЕМИОТИЧЕСКИЕ СИСТЕМЫ
Под формальной системой понимают совокупность четырех множеств: базовых элементов
Т, синтаксических правил Р, аксиом А и правил вывода (семантических правил) П:
Ф=<Т, Р, А, П>.
Множество базовых элементов Т (конечное или счетное) состоит из элементов, из которых
строятся производные элементы формальной системы. Примерами множества Т могут служить:
алфавит графем некоторого языка, набор десятичных цифр, набор деталей детского конструктора.
В качестве производных элементов в этих примерах выступают соответственно: слова и фразы
языка, записи чисел в десятичной системе, различные конструкции, собранные из исходных
деталей конструктора. Правила Р определяют, как образуются из элементов множества Т
производные элементы. Число синтаксических правил конечно. Те производные элементы,
которые строятся из Т с помощью правил Р, называются правильно построенными формулами
(ППФ) или правильно построенными совокупностями или словами (ППС). К правилам Р
предъявляется важное требование: они должны быть такими, чтобы существовала эффективная
процедура распознавания, с помощью которой относительно произвольной совокупности базовых
элементов можно было бы сказать, является она правильно построенной или нет.
ФОРМАЛЬНЫЕ И СЕМИОТИЧЕСКИЕ СИСТЕМЫ
Пример 1. Пусть множество Т состоит из единственного элемента - квадратика. Множество
правил Р имеет следующий вид:
1.
Квадратик есть ППС.
2.
Если Ω - ППС и ω - любой
квадратик, выделенный в Ω, то к ω можно присоединить
еще один квадратик находящийся выше или справа от ω.
3.
Других ППС нет.
С
помощью
правил
Р образуется множество ППС. Число ППС счетно.
любые совокупности слов и их сочетаний допустимы правилами Р.
Однако не
ФОРМАЛЬНЫЕ И СЕМИОТИЧЕСКИЕ СИСТЕМЫ
Пример 2. Пусть множество Т состоит из всех малых букв латинского алфавита, снабженных индексами
или без них (подмножество Т1), а также из специальных знаков ┐, &, V, , , (,) (подмножество Т2).
Синтаксические правила имеют следующий вид:
Если а - любой элемент из Т1, то (а) есть ППФ.
Если β есть ППФ, то (┐β) также ППФ.
Если γ и δ являются ППФ, то (γ & δ), (γ V δ), (γ δ) и (γ δ) также являются ППФ.
Других ППФ нет (вместо часто употребляют , а вместо пишут или ).
Последний компонент формальной системы - правила вывода Пб служащие для того, чтобы с их помощью
из множества аксиом можно было получать (выводить) другие ППС («теоремы»), которые не входят в начале
процесса в множество А. Правила П имеют следующую общую форму записи: К |=> Q. Здесь К соответствует
некоторой совокупности ППС, которые либо принад-лежат А, либо уже были получены из А с помощью правил
вывода. Тогда Q есть совокупность ППС, которые выводятся на данном шаге процесса вывода. Те ППС,
которые получаются из А с помощью правил вывода, образуют множество выводимых совокупностей (MBС)
(множество выводимых формул (МВФ)).
ФОРМАЛЬНЫЕ И СЕМИОТИЧЕСКИЕ СИСТЕМЫ
Пример 3. Для системы, которая рассматривалась в примере 1, в качестве системы аксиом
зададим две совокупности, изображенные на рис. 1,а. Правило вывода (единственное) имеет вид:
«Если ППС и β выведены, то выводима ППС, получаемая из них следующим образом: любые
квадратики, один из которых входит в , а второй - в β, совмещаются между собой
передвижением этих ППС по плоскости без поворота. Полученная ППС выводима». На рис. 3, 6
показана одна ППС, выводимая из исходных аксиом. Заштрихованные квадратики соответствуют
местам наложения.
Пример 4. Вернемся к примеру 2. Введем следующую систему аксиом:
1) ((а а) а);
3) ((а b) (b а));
2) (а (а а));
4) (( а b) ((с а) (сb))).
Введем два правила вывода. Первое из них - правило подстановки формулируется
следующим образом: «Еcли Q - выведенная формула, то, подставляя вместо каждого вхождения
некоторого элемента в Q произвольную
получим выводимую формулу».
формулу, входящую в множество ППФ, вновь
ФОРМАЛЬНЫЕ И СЕМИОТИЧЕСКИЕ СИСТЕМЫ
В качестве второго правила вывода возьмем правило заключения - модус поненс. Это правило
формулируется следующим образом: «Если Q и Q L - выводимые формулы, то формула L также
выводима». Пусть, например, в формальной системе уже выведены формулы (а) и ((а) (b h)).
Тогда согласно правилу заключения в этой системе будет выводима и формула (b h).
Для установления связей между формальными системами и системами семиотическими
важное значение имеет интерпретация формальной системы. Когда формальная система
используется для описания некоторого объекта реального мира и происходящих в нем процессов,
элементы множеств Т, Р, А и П интерпретируются в рамках того реального объекта или процесса,
который формализуется. При этом элементы множества Т приобретают некоторый физический
смысл, позволяющий приписывать некоторый смысл также и производным элементам, входящим
в ППС. Например, элементы множества Т могут представлять собой совокупность элементарных
информационных сигналов, поступающих в систему управления от датчиков, расположенных на
объекте управления. Роль производных элементов могут при этом играть определенные
временные последовательности элементарных сигналов или совокупности подобных сигналов,
приходящих от различных датчиков подсистем объекта управления.
ФОРМАЛЬНЫЕ И СЕМИОТИЧЕСКИЕ СИСТЕМЫ
Свойства формальных систем дедуктивного типа:
1. Эти системы при заданных аксиомах и правилах вывода автономно и нецеленаправленно
генерируют множество выводимых совокупностей (формул).
2. Особенностью ФСистем дедуктивного типа является независимость генерации множествоа
выводимых совокупностей от порядка получения выведенных совокупностей: в каком бы порядке
они ни получались, выводимые формулы не могут оказаться невыводимыми.
3. В ходе вывода аксиомы и правила вывода остаются неизменными.
4. Интерпретация формальной системы является неизменной при фиксированных правилах В.
ФОРМАЛЬНЫЕ И СЕМИОТИЧЕСКИЕ СИСТЕМЫ
В семиотических системах интерпретатор при формировании модели знаний может менять
правила вывода системы; кроме того, он производит на некоторых шагах работы семиотической
системы смену системы аксиом. Роль аксиом в таких системах играют определенные факты или
закономерности, присущие объекту управления и среде, устанавливаемые интерпретатором.
Таким образом, в семиотических системах не выполняются основные свойства формальных
дедуктивных систем. Кроме того, возможно изменение, как синтаксических правил, так и правил
интерпретации. Название «семиотические системы» использовано для систем (в том числе,
систем управления), в которых присутствуют модель знаний и интерпретатор, не случайно.
Этим названием подчеркивается близость таких систем к семиотическим (знаковым системам),
изучаемым в семиотике.
Под знаком понимаются элементы, обладающие одновременно тремя свойствами:
синтаксисом, семантикой и прагматикой. На множестве знаков заданы некоторые отношения
между ними. Таким образом, семиотическая система есть пара
M=<Z, R>;
здесь Z - множество знаков; R - множество отношений между ними.
ФОРМАЛЬНЫЕ И СЕМИОТИЧЕСКИЕ СИСТЕМЫ
Рассмотрим несколько высказываний. «Клапан № 2 открыт», «Рабочий Иванов отсутствует»,
«Автомобиль МКЩ 06-33 сломан». Несмотря на то, что эти фразы различны, в них есть нечто
общее. Эта общность заключена в структуре фразы. Можно условно задать эту структуру в виде
N-I-G, где N - множество всех существительных единственного числа, именительного падежа, I множеcтво идентификаторов (имен), G - множество глаголов совершенного вида, страдательного
залога, третьего лица, прошедшего времени. Зададим множество Т=Т1Т2Т3. Подмножества
содержат слова русского языка, относящиеся к множествам N, I и G соответственно.
В качестве синтаксического правила для порождения правильных (синтаксически)
предложений используем предложенную структуру фразы N-I-G. Если порождать ППС в этой
формальной системе, то при наличии в Т1, T2, и Т3 соответствующих слов будут порождены и те
три фразы, которые были приведены выше. Кроме того, система породит и много других фраз
типа: «Автомобиль Иванов открыт». Некоторые из этих фраз можно заподозрить в отсутствии
«смысла», но они все будут удовлетворять грамматическим (синтаксическим) нормам русского
языка.
ФОРМАЛЬНЫЕ И СЕМИОТИЧЕСКИЕ СИСТЕМЫ
Семантический уровень естественного языка формализуется значительно сложнее. Связано
это с тем, что семантически правильная фраза отличается от семантически неправильной фразы
тем, что ей можно приписать некоторый смысл, другими словами, интерпретировать в некоторой
модели знаний. Для каждого интерпретируемого элемента (словоформы или основы слова)
необходимо задать множество значений. Для естественного языка характерно, что его элементы
многозначны. Поэтому правила интерпретации устроены так, что значения, приписанные словам
в фразе, определяются лишь на основе анализа всей фразы. При генерировании семантически
правильных фраз значения входящих в эти фразы слов нельзя выбирать произвольно, как в
обычных формальных системах. Выбор тех или иных значений определяется уже выбранными
ранее значениями. В настоящее время ни один из естественных языков не удалось с необходимой
полнотой описать на семантическом уровне из-за огромной семантической омонимии. Еще более
сложна формализация прагматического уровня естественного языка. Однако при использовании
систем управления, базирующихся на информации, представленной в виде текстов на
естественном языке, эта проблема значительно облегчается, т.к. прагматика текстов в таких
системах достаточно прозрачна.
ФОРМАЛЬНЫЕ И СЕМИОТИЧЕСКИЕ СИСТЕМЫ
Выводы. Для сложных систем (например, систем управления сложными
объектами), для которых априорная информация об их структуре и
функционировании обладает значительной неполнотой, необходимо строить
системы семиотического типа. Это значит, что одной из центральных проблем
построения таких систем является построение модели знаний системы об
объекте и интепретатора, работающего с этой моделью.
Построение модели знаний в свою очередь опирается на наличие
специального языка представления знаний (ЯПЗ), без которого эта модель не
может функционировать.
Модели сложных систем, например, систем управления сложными
объектами, должны строиться как логико-лингвистические модели.
Модальная логика
Название модальная логика происходит от того, что модальные логические системы
вводят такие операторы над логическими формулами, которые позволяют
модифицировать их интерпретацию.
Например, в утверждениях «Возможно, что», «Поль думает, что», «Часто правда, что»,
«В будущем, возможно, будет правда, что», предшествующие логической формуле
выражения являются модальными операторами.
Они могут относиться к любой логической формуле.
Значение истинности этих формул зависит не только от значения истинности
формулы, которую они содержат, но и от момента про-возглашения модальной
формулы (временные логики), от человека, который думает, что, или верит, что
(логики субъективной веры), или от необходимого, возможного или случайного
характера некоторого факта (логики возможного).
Модальная логика
Модальная логика предикатов
В обыденном языке часто говорят о допустимости чего-либо, о
гипотетических событиях, целях, которые можно пытаться
достигнуть и т.д. Большая часть фраз языка может быть то истинной,
то ложной в зависимости от обстоятельств, текущего момента, точки
зрения каждого из нас.
В естественных языках модальности «возможный», «необходимый» и
«допустимый» выражаются вспомогательными глаголами, такими как
«должен» и «могу».
Для обозначения модальности «необходимо» используется символ □.
Формула □F читается «необходимо, чтобы F» или «F необходимо».
Двойственный □ оператор обозначается ◊. Формула ◊H читается
«возможно, что H» или «H возможно».
Эволюционные алгоритмы
Evolution algorithms
Основоположники теории эволюции
Создатель первой целостной
концепции эволюции живой природы.
Свои идеи учёный изложил в книге
«Философия зоологии» (Philosophie
zoologique, 1809).
Согласно Ламарку, интенсивно
функционирующие органы
усиливаются и развиваются, не
находящие употребления ослабевают
и уменьшаются, а самое главное – эти
функционально-морфологические
изменения передаются по наследству.
Жан Батист Ламарк
01.08.1744 – 18.12.1829
Основоположники теории эволюции
Само же употребление или
неупотребление органов зависит от
условий окружающей среды и от
присущего любому организму
стремления к совершенствованию.
Перемена во внешних условиях ведёт
к изменению потребностей животного,
последнее влечёт за собой изменение
привычек, далее – усиленное
употребление определённых органов
и т. д.
Жан Батист Ламарк
01.08.1744 – 18.12.1829
Само «живое», по Ламарку, возникло
из неживого по воле Творца и далее
развивалось на основе строгих
причинных зависимостей.
Основоположники теории эволюции
Чарльз Роберт Дарвин
12.02 1809 – 19.04 1882
Выдающийся английский ученый,
основоположник эволюционного
учения о происхождении видов
растений и животных путем
естественного отбора. До появления
главного труда Дарвина
(«Происхождение видов путем
естественного отбора или
сохранение благоприятствуемых
пород в борьбе за жизнь» (1859)) в
биологии господствовала теория
неизменности живой природы, и
эволюционная теория Дарвина
перевернула эти представления
науки.
Основоположники теории эволюции
Для создания своей теории Чарльз
Дарвин использовал
многочисленные факты, собранные
им в научно-исследовательских
экспедициях, на основании которых
пришел к выводу, что виды
животных и растений непостоянны,
что они могут изменяться,
приспосабливаться к изменяющимся
же условиям окружающей среды - и
все это естественным путем, путем
естественного отбора
Чарльз Роберт Дарвин
12.02 1809 – 19.04 1882
Основоположники теории эволюции
В 1871 году в свет выходит другой
масштабный труд Дарвина «Происхождение человека и
половой отбор», в котором ученый
выдвинул гипотезу о
происхождении человека от
обезьяноподобного предка. В этой
работе Дарвин утверждал, что все
человеческие расы имеют единое
происхождения.
Чарльз Роберт Дарвин
12.02 1809 – 19.04 1882
Ученые, занимающиеся компьютерными исследованиями,
обратились к теории эволюции в поисках вдохновения.
Возможность того, что вычислительная система, наделенная
простыми механизмами изменчивости и отбора, могла бы
функционировать по аналогии с законами эволюции в
природных системах, была очень привлекательна. Эта надежда
стала причиной появления ряда вычислительных систем,
построенных на принципах естественного отбора.
В 1966г. Л.Дж.Фогель, А.Дж. Оуэнс, М.Дж.Волш
предложили и исследовали эволюцию простых
автоматов, предсказывающих символы в цифровых
последовательностях.
В 1975г. Д.Х. Холланд предложил схему генетического
алгоритма.
Эти работы легли в основу главных направлений
разработки эволюционных алгоритмов.
Простой генетический алгоритм был впервые описан
Гольдбергом на основе работ Холланда
Эволюционный алгоритм –
компьютерная система
интеллектуального принятия
решений.
В их основу эволюционных
алгоритмов (ЭА) положена
упрощённая модель популяции живых
существ. В процессе работы
алгоритма имитируется развитие
популяции в искусственных условиях.
John Holland
Дата рождения: 02.02.1929
Классификация эволюционных алгоритмов
Эволюционные алгоритмы
Эволюционные
стратегии
Эволюционное
программирование
Генетическое программирование
Генетические
алгоритмы
Классифицирующие системы
Адаптивный случайный
поиск
Классификация эволюционных алгоритмов
1. Эволюционные стратегии.
Индивид представляется в виде вещественных чисел. Основной
оператор – мутация. К самим переменным может быть добавлена
дисперсия. Скрещивание является вспомогательным оператором.
2. Эволюционное программирование.
Эволюционным образом создается популяция компьютерных
программ, применяются операторы скрещивания и мутации до
получения программы-наследника. Индивид – компьютерная
программа, решающая данную задачу.
Классификация эволюционных алгоритмов
3. Эволюционные стратегии.
Индивиды представляют собой бинарную строку.
оператор (исторически) – скрещивание. Мутация
вспомогательной.
Основной
является
4. Генетическое программирование.
Индивиды представляют собой деревья (дерево – граф, каждая
вершина которого имеет единственного продолжателя).
5. Классифицирующие системы.
6. Адаптивный случайный поиск.
Основные определения
Рекомбинация -
Мутация –
Генотип –
оператор преобразования решения, в котором
задействованы два и более индивидов.
оператор изменения индивида, применяемый к
одному индивиду с определенной вероятностью
способ представления индивида в хромосоме.
Фенотип – сам индивид в том виде, в котором он существует.
Сопоставление природных и компьютерных
терминов
Природа
Компьютерный мир
Индивид
Решение задачи
Популяция (группа индивидов)
Множество решений
Пригодность
Качество решения
Хромосома
Представление решения
Ген
Часть представления решения
Селекция
Повторное использование
имеющихся решений
Сопоставление природных и компьютерных
терминов
Природа
Рост (выращивание)
Компьютерный мир
Декодирование
представления
решения
Скрещивание
Оператор поиска или оператор
порождения нового решения
Мутация
Маловероятное небольшое
изменение хромосомы
Внешняя среда
Решаемая проблема
Цикл эволюции
Родители
Популяция
Рекомбинация
Мутация
Потомки
Замещение
В общих чертах работу ГА можно представить так: он создает
популяцию особей, каждая из которых является решением
некоторой задачи, а затем эти особи эволюционируют по
принципу "выживает сильнейший" (survival of the fittest), то есть
остаются лишь самые оптимальные решения.
Обобщенный эволюционный алгоритм:
1. Инициализировать популяцию
2. Оценить популяцию
3. Повторять, пока не выполнится условие останова
1) Селекция. Отобрать часть популяции для
воспроизводства.
2) Рекомбинация. Выполнить скрещивание "генов"
отобранных родителей.
3) Мутация. Случайным образом осуществить мутацию
полученной популяции.
4) Оценивание. Оценить пригодность популяции.
5) На основе полученной пригодности выбрать выживших
индивидов.
Обобщенный эволюционный алгоритм:
Замечания:
Не во всех ЭА присутствуют все эти шаги.
Порядок шагов может изменяться
Количество различных эволюционных
алгоритмов совпадает с количеством
исследователей, работающих в данной
области!
Области применения ЕА
создание вычислительных структур (автоматов
или сетей сортировки)
машинное
обучение(проектировании
сетей или управлении роботами)
нейронных
моделирование развития в различных предметных
областях (экология, иммунология и популяционная
генетика, экономика и политические системы)
Эффективность ЭА сильно зависит от таких
деталей, как метод кодировки решений, операторы,
настройки параметров, частный критерий успеха.
Экспертные системы
Knowledge
based
expert
systems
Анатолий Вассерман
Что такое экспертные системы?
Экспертные системы
– это сложные программные комплексы,
аккумулирующие знания специалистов в
конкретных предметных областях и
тиражирующие этот эмпирический опыт
для
консультаций
менее
квалифицированных пользователей.
Первыми экспертными системами являются системы
ЭС MYCIN
MYCIN помогает врачам выбирать подходящую
антимикробную терапию для госпитализированных
больных с бактериемией, менингитом и циститом.
Система определяет причину инфекции, применяя
знания, связывающие инфицирующий микроорганизм с
историей
болезни,
симптомами
и
результатами
лабораторных исследований. Система рекомендует
лекарственное лечение (вид и дозу) в соответствии с
процедурами, которым следуют опытные специалисты по
лечению инфекционных заболеваний.
Разработана: 1976, Shortliffe, E. H., США
Первыми экспертными системами являются системы
ЭС MYCIN
ЭС DENDRAL
выводит молекулярную структуру неизвестных
соединений, исходя из данных масс-спектрометрии и
ядерного магнитного резонанса.
Разработана: 1978, Buchanan, B. G. и
Feigenbaum, E. A., США
ОСОБЕННОСТИ ЭКСПЕРТНЫХ СИСТЕМ
1. Перерабатывают большое количество знаний.
2. Представляют знания в простой унифицированной
форме.
3. Обладают независимым механизмом логических
выводов.
4. Могут объяснить результаты, полученные в процессе
обработки знаний.
Наибольшие трудности в
разработке ЭС вызывает не
процесс машинной реализации
систем, а домашинный этап
анализа знаний и проектирования
базы знаний.
Основные понятия и определения
Инженерия знаний
Инженерия знаний – достаточно молодое
направление искусственного интеллекта,
появившееся тогда, когда перед
разработчиками возникла проблема трудности
«добычи» и формализации знаний. Инженерия
знаний занимается проектированием баз знаний
– получением и структурированием знаний
специалистов для последующей разработки баз
знаний.
Основные понятия и определения
Поле знаний это условное неформальное описание основных понятий
и взаимосвязей между понятиями предметной области,
выявленных из системы знаний эксперта, в виде графа,
диаграммы, таблицы или текста.
Извлечение знаний процедура взаимодействия эксперта с источником
знаний, в результате которой становятся явным
процесс рассуждений специалистов при принятии
решения и структура их представления о предметной
области.
Основные понятия и определения
Приобретение знаний процесс наполнения базы знаний
использованием
специализированных
средств.
экспертом с
программных
Термин «приобретение» относится к
автоматизированным системам прямого
общения с экспертом.
Knowledge based expert systems
Этапы построения базы знаний (БЗ)
1)Описание предметной области.
2)Выбор метода и модели представления знаний.
3)Приобретение знаний.
Knowledge based expert systems
Этапы построения базы знаний (БЗ)
1)Описание предметной области.
На первом шаге инженер по знаниям очерчивает
границы области применения системы и класс
решаемых ею задач:
определяется характер решаемых задач,
выделяются объекты предметной области,
устанавливаются связи между объектами,
выбираются модели представления знаний,
выявляются специфические особенности предметной области.
Этапы построения базы знаний (БЗ)
2)Выбор метода и модели представления знаний.
На втором этапе необходимо выбрать способ
организации выделенных объектов предметной области
и определить связи между ними в терминах модели
представления знаний.
Способ организации знаний, состав классов, вид
структуры, перечень выделенных объектов в
предметной области зависит от того, под каким углом
зрения рассматривают инженер по знаниям и эксперт
данную предметную область.
Этапы построения базы знаний (БЗ)
3)Приобретение знаний.
Источниками знаний для экспертных систем могут быть
учебники, справочники, материалы в проблемной области
и т.п.
Классический источник знаний – эксперт в данной
области, знания от которого получает разработчик
системы.
Процесс приобретения знаний носит скорее циклический, чем
линейный характер и структурирован хуже, чем другая
деятельность, выполняемая при разработке экспертной системы.
Knowledge based expert systems
Экспертные системы
Knowledge
based
expert
systems
Часть вторая
Анатолий Вассерман
Структура Экспертной Системы
Пользователь, желающий получить необходимую информацию
через пользовательский интерфейс
посылает запрос к ЭС
Интерфейс
пользователя
ЭКСПЕРТНАЯ СИСТЕМА
пользователь
Knowledge based expert systems
Структура Экспертной Системы
Решатель , пользуясь базой знаний, генерирует и выдает
пользователю подходящую
рекомендацию,
объясняя
ход
своих
Решатель
рассуждений при помощи
Интерфейс
База знаний
подсистемы
пользователя
Подсистема
объяснений.
объяснений
пользователь
Knowledge based expert systems
Структура Экспертной Системы
В наполнении знаниями базы знаний принимают участие
Инженер по знаниям и
Интерфейс
пользователя
эксперт, пользуясь интеллектуальным
редактором базы знаний
Решатель
База знаний
Подсистема
объяснений
Интеллектуальный
редактор
базы знаний
+
пользователь
инженер по знаниям
эксперт
Структура Экспертной Системы
Представленная
структура
является
минимальной, то есть все указанные блоки
должны обязательно присутствовать в ЭС,
реальные прикладные ЭС могут быть
гораздо сложнее и дополнительно включать
базы данных, интерфейсы обмена данными с
различными пакетами прикладных программ,
электронными библиотеками и т.д.
Knowledge based expert systems
Кто есть кто?
Пользователь - специалист
предметной области,
для которого
предназначена
система.
Обычно его квалификация
недостаточно высока, поэтому он
нуждается в помощи и поддержке
своей деятельности со стороны ЭС
Кто есть кто?
Инженер по знаниям специалист в области искусственного
интеллекта, выступающий промежуточным
звеном между экспертом и базой знаний
Синонимы:
когнитолог
аналитик
инженер - интерпретатор
Кто есть кто?
Эксперт -
специалист предметной
области, на основе знаний
которого система принимает
решения.
В конечном счете, его подготовка
определяет уровень компетенции
базы знаний
Что есть что?
Интерфейс пользователя комплекс
программ,
реализующих
диалог
пользователя с ЭС как на стадии ввода информации,
так и при получении результатов.
База знаний ядро ЭС, совокупность знаний предметной области,
записанная на машинный носитель в форме,
понятной эксперту и пользователю (обычно на
языке, приближенном к естественному).
Параллельно такому представлению существует БЗ
в машинном представлении.
Что есть что?
Решатель -
программа, моделирующая ход
рассуждений эксперта на основании
знаний, имеющихся в БЗ
Синонимы : дедуктивная машина
машина вывода
блок логического вывода
Интеллектуальный редактор БЗ программа, представляющая инженеру по знаниям
возможность создавать БЗ в диалоговом режиме.
Включает в себя систему вложенных меню, шаблонов
языка представления знаний, подсказок (help) и других
сервисных средств, облегчающих работу с базой.
Что есть что?
Подсистема объяснений программа,
позволяющая
получить ответы на вопросы:
пользователю
Как была получена та или иная рекомендация?
ответ на вопрос «как» – это трассировка всего процесса
получения решения с указанием использованных фрагментов БЗ
Почему система приняла такое решение?
ответ на вопрос «почему» - ссылка на умозаключение,
непосредственно предшествующее полученному решению
Экспертные системы
Knowledge
based
expert
systems
Часть третья
Анатолий Вассерман
Этапы разработки ЭС
Перед тем, как начать разработку ЭС необходимо:
определить проблемную область и задачу,
найти подходящего эксперта, желающего
сотрудничать при решении проблемы,
назначить коллектив разработчиков,
определить предварительный подход к решению
проблемы,
проанализировать расходы и прибыль от разработки,
подготовить план разработки.
Коллектив разработчиков
Минимальный коллектив разработчиков включает четыре
человека:
эксперт,
пользователь,
инженер по знаниям,
программист;
реально он разрастается до 8-10 человек.
Совмещение ролей нежелательно.
Коллектив разработчиков
Минимальный коллектив разработчиков включает четыре
человека:
эксперт,
пользователь,
инженер по знаниям,
программист;
реально он разрастается до 8-10 человек.
Совмещение ролей нежелательно.
Коллектив разработчиков
Минимальный коллектив разработчиков включает четыре
человека:
эксперт,
пользователь,
инженер по знаниям,
программист;
реально он разрастается до 8-10 человек.
Совмещение ролей нежелательно.
Коллектив разработчиков
Минимальный коллектив разработчиков включает четыре
человека:
эксперт,
пользователь,
инженер по знаниям,
программист;
реально он разрастается до 8-10 человек.
Совмещение ролей нежелательно.
Этапы разработки ЭС
Идентификация проблемы
Проблема
Получение знаний
Знания
Структурирование
Поле знаний
Формализация
БЗ на ЯПЗ
Реализация прототипа
Программа-прототип ЭС
Тестирование
Этапы разработки ЭС
Идентификация проблемы
Проблема
На этапе идентификации проблемы уточняется
задача, определяются необходимые ресурсы (время,
люди, ЭВМ), источники знаний (книги, дополнительные
эксперты),
цели
(распространение
опыта,
автоматизация рутинных действий), классы решаемых
задач.
Участвуют:
Этапы разработки ЭС
Идентификация проблемы
Проблема
Получение знаний
Знания
На стадии извлечения знаний
происходит
перенос
компетентности от эксперта к
инженеру
по
знаниям
с
использованием
различных
методов
(анализ
текстов,
диалоги, экспертные игры,
лекции, дискуссии, интервью,
наблюдение и др.).
Участвуют:
Этапы разработки ЭС
Работает:
Идентификация проблемы
Проблема
Получение знаний
Знания
Структурирование
Поле знаний
При структурировании знаний выявляется структура
полученных знаний о предметной области, то есть
определяются: терминология, список основных понятий и их
атрибутов, отношения между понятиями, структура входной и
выходной информации, стратегия принятия решений и т.д.
Этапы разработки ЭС
Участвуют:
Идентификация проблемы
Проблема
Получение знаний
Знания
Структурирование
Поле знаний
Формализация
БЗ на ЯПЗ
На стадии формализации строится формализованное
представление предметной области на основе
выбранного языка представления знаний.
Этапы разработки ЭС
Идентификация проблемы
Проблема
Получение знаний
Знания
Структурирование
Поле знаний
Формализация
БЗ на ЯПЗ
Реализация прототипа
Р
а
б
о
т
а
е
т
Программа-прототип ЭС
При реализации создается прототип ЭС, включающий базу
знаний и остальные блоки, при помощи программирования
на
традиционных
языках
(C++,
Pascal
и
др.),
программирования на специальных языках, применяемых в
задачах
искусственного
интеллекта
(LISP,
FRL,
SMALLTALK) или с использованием инструментальных
средств разработки ЭС типа СПЭИС.
Этапы разработки ЭС
Идентификация проблемы
Проблема
Участвуют:
Получение знаний
Знания
Структурирование
Поле знаний
Формализация
БЗ на ЯПЗ
Реализация прототипа
Программа-прототип ЭС
Тестирование
Тестированием оценивается работа прототипа с
целью приведения в соответствие с реальными
запросами пользователя.
Этапы разработки ЭС
Идентификация проблемы
Проблема
Участвуют:
Получение знаний
Знания
Структурирование
Поле знаний
Формализация
БЗ на ЯПЗ
Реализация прототипа
Программа-прототип ЭС
Тестирование
При неудовлетворительном функционировании прототипа
эксперт и инженер по знаниям имеют возможность
оценить, что именно будет включено в окончательный
вариант системы. После чего происходит доработка
прототипа до конечного варианта ЭС.
