Суббота, 14.12.2024, 08:23
Приветствую Вас Гость | RSS

ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ

Статистика

Онлайн всего: 1
Гостей: 1
Пользователей: 0
Форма входа

Лекция 9

Лекция №9. Пополнение знаний

 

Пополнение БЗ осуществляется различными методами

·         при об­щении с внешней средой,

·         при постановке новых задач,

·         при дос­тижении новых целей.

Кроме того, пополнение знаний осуществ­ляется самой ИнС на основе имеющейся БЗ и машин (программ) логического вывода новых знаний. Это ведет к устранению трудно­сти, связанной с ограниченностью знаний.

Проблема пополнения знаний возникла при решении задач:

·         понимания естественного языка,

·         обучения,

·         поиска ответов на во­просы к БЗ,

·         анализа ситуаций, сцен и др.

Знания могут быть пред­ставлены в виде фактов, хранящихся в БЗ, или в виде описания си­туаций, поступающих на вход ИнС.
Укажем несколько подходов к пополнению знаний:

·         модели «здравого смысла»;

·         сценарии;

·         подход, опирающийся на идею о том, что физические закономерности внешнего мира могут быть описаны в рамках специальных псевдофизических логик (рис. 3.1).

Все подходы в той или иной степени используют идею продукци­онных правил. Система продукций отражает закономерности, при­сущие заданной проблемной области. Например, для ситуаций, описывающих статистические пространственные отношения между объектами, можно выбрать следующие продукции: х Содержится в> у, У Содержится в> z —> х Содержится в> z (свойство вложен­ности, которое выполняется в «матрешках»); х<находится на> у, г<находится на> x-»z <находится на> у.

Пополняя постепенно БЗ продукциями такого типа, можно в ИС создать достаточно мощные средства для порождения новых фактов из тех, которые в ней имеются. Процедуры пополнения знаний отличаются друг от друга структурой продукционных пра­вил и стратегий управления в системе продукций.




Псевдофизические логики

Здесь физическая модель предметной области переносится на язык логики (язык ЭВМ). При определен­ных стратегиях управления система продукций превращается в дедуктивную логическую систему. Широкий класс таких систем на­зывается псевдофизическими логиками (ПФЛ). В их аксиомах и пра­вилах вывода используются не только реальные физические свойства окружающего мира, но и особенности его восприятия челове­ком.

Виды:

·         временных логик,

·         статической пространст­венной логики,

·         фрагменты логики действий

·         каузальной логики (рис. 3.2).

ПФЛ обладает рядом особенностей:

2.      Часть рассуждений в ПФЛ связана со шкалами:

·         метрически­ми

                                                                                      i.      абсолютными (задан некоторый масштаб и выбрана точка отсчета)

                                                                                    ii.      относительными (указывается лишь расстояние меж­ду точками, а начало отсчета может «плавать»)

·          топологическими (топологическая шкала представляет собой порядковую шкалу. На ней указываются отношения порядка (строгого, нестрогого, размытого) между упо­рядочиваемыми)

3.      ПФЛ содержат в качестве аксиом-утверждения, вытекающие из восприятия мира человеком, которые подтверждаются результа­тами соответствующих психологических экспериментов.  

4.      Совокупность ПФЛ характеризуется связями между отдель­ными частями — логиками (например, логика времени тесно связа­на с логиками пространства и действий).

Каждая ПФЛ является системой, включающей модель предмет­ной области в виде понятий и отношений, существующих в ней, и модель вывода. Первая модель задает формальный язык описания знаний (ситуаций), вторая позволяет получать пополнение этих знаний (рис. 3.3.).



Пополнение знаний на основе сценариев

Пополнение знаний можно выполнить с помощью сценариев. Перечислим основные схемы рассуждений на сценариях, используемых при выводе. Часть схем является интерпретацией значений слотов сценария (СЦ).

Из описания проблемной области выбирается сценарий, зна­чение слота «цель» которого соответствует поставленной цели.

Анализируются значения всех слотов указанного сценария и строится последовательность П|, являющаяся значением слотов «посылки» и «ключ» с их спецификациями. Выполняется последовательное обращение к сценариям, ука­занным в Щ

Взаимодействие базы знаний с внешней средой

При пополнении БЗ необходимо общение с внешней средой, как одним из источни­ков знаний. Сама по себе БЗ — это набор выявленных закономер­ностей, представленных с помощью одной из рассмотренных ранее моделей знаний.

К внешней по отношению к ней среде относятся источники знаний Z, фактов X и управляющих воздействии Ub U2, и3, а также рецепторы выводимого знания Y. Графически отноше­ния между этими переменными представлены на рис. 3.4.


Аналитически эти отношения записываются следующим обра­зом.

U1 – управление на базу знаний

U2 – управление на источник знаний

U3 – управление на источник знаний

Относительно приведенных переменных и зависимостей базы знаний можно классифицировать следующим образом:

·         с фиксированным и изменяемым множеством фактов X;

·         с фиксированным и пополняемым знанием Z;

·         с фиксированной и реструктурируемой закономерностью R.

 

В частном случае фиксированное множество фактов X может быть пустым: X = 0, При этом БЗ выполняет роль генератора ва­риантов предметного знания, подобно генера­тору   сигналов.   Информационные   системы, ядром которых является генератор вариантов предметного знания, а назначением — порож­дение справочных данных в узкой ПО, называ­ют интеллектуальными справочниками [58].

Модель вывода генератором вариантов зна­ния

Описывается формальной системой F = = <Т, Р, А, В>
Ее символы интерпретируются соответст­венно как множества базовых элементов, синтаксических правил,   аксиом и  правил  вывода  (семантических правил).
Т – множество базовых элементов, т.е. алфавит ПО (логический, сло­варный, предметный и т.д.). Принадлежность элемента х алфа­виту Т устанавливается за конечное число шагов с помощью процедуры П(Т).
Р - синтаксические правила, которые задают ограничения на построение синтаксически правильных совокупностей — цепочек символов (формул, слов и предложений языка). Синтаксическая правильность: цепочек должна устанавливаться за конечное число шагов с помо­щью процедуры П(Р).
А – аксиомы, которые представляют собой подмножество синтаксически правильных совокупностей (формул), общезначимых в ПО. Для проверки общезначимости должна существовать конечная про­цедура П(А). В качестве таковой используется построение таблиц истинности для соответствующей формулы.
В – множество правил вывода, которые порождают новые семантически правильные совокупности, к которым также применимы правила вывода. Таким образом, формируется множество выводимых в фор­мальной системе совокупностей.
Например:

Т - множество букв русского алфавита

Р – правила сочетания этих букв  («шЫ»)

А – элементы множества – приставка, корень и т.д.

В – присоединение и подстановка – правила выводы.
Формальная система непротиворечива, если в ней не найдется такой формулы, что и она сама, и ее отрицание выводимы;


Операции, выполняемы над БЗ при ее пополнении

БЗ могут быть встроенными (модуль) или внешними (файл) по отношению к интеллектуальной системе.

 

Три класса операций

  1. Подготовка БЗ
    1. Создание
    2. Отображение
    3. Отладка
    4. Контроль
    5. Обновление
    6. Сохранение и регистрация
  2. Исполнение (получение знаний)
    1. Настройка подсистемы вывода знаний
    2. Ввод фактов и значений переменных
    3. Настрой БЗ на вывод требуемых значений
    4. Вывод знаний
    5. Представление результатов вывода
    6. Объяснение результатов
    7. Сохранение результатов
  3. Взаимодействие с внешними системами

 

Методы логического вывода пополнения знаний

Методы логического вывода являются одними из основных ком­понентов интеллектуализированных систем пополнения знаний.

Подобная гипотетическая система пополнения знаний состоит из трех частей:

·         интеллектуального интерфейса,

·         подсистемы хранения данных и знаний,

·         подсистемы пополнения данных и знаний, вклю­чающей в себя машину логического вывода.

К настоящему времени в области искусственного интеллекта известно большое количество систем логического вывода. Все они отличаются друг от друга заложенными в них моделями знаний видами логического вывода, способами реализации, методами ло­гического вывода и могут входить в состав ИнС различного назна­чения. В свою очередь, методы вывода основанных, например, на логических моделях знаний, можно классифицировать в зависимо­сти от применяемых исчислений, принципов доказательства тео­рем, направленности вывода, стратегий и тактик управления выводом.
 

Виды логического вывода

Существуют три основных вида логи­ческого вывода:
дедукция — аналитический процесс, основанный на приме­нении общих правил к частным случаям, с выводом результата;
индукция — синтетические рассуждения, которые выводят правило, исходя из предпосылок и результата;
абдукция — другая форма синтетического вывода, однако вы­водящая предпосылки из правила и результата.
Один из основателей науки об обработке символов Дж. Пирс называет индукцию и дедукцию в качестве основных способов ло­гического вывода [119]. Он дает описание связей между этими принципами, используя следующий широко известный силлогизм:
Правило (главная посылка) HUMAN(x)=» MORTAL(x).
Факт (второстепенная посылка) HUMAN(SOCRAT).
Цель (вывод) MORTAL(SOCRAT).

Дедукцией называется логический вывод, заключающийся в выведении цели 3 из посылок 1 и 2. 1+2=3

Индукцией называется логиче­ский вывод, при котором предполагается, что между двумя извест­ными фактами — второстепенной посылкой 2 и выводом 3 — существует главная посылка 1.
Продолжая рассмотрение силлогизма, можно так определить абдукцию: абдукцией называется логический вывод, при котором предполагается, что между известными — главной посылкой 1 и выводом 3 — существует второстепенная посылка 2. Абдук­ция — это вывод второстепенной посылки 2 на основании главной посылки 1 и цели 3.
Рассмотрим абдукцию более подробно.

Абдукция — широко используемый в повседневных рассуждениях процесс вывода. Она заключается в нахождении объяснений для наблюдаемых фактов. Абдукция является одной из форм немонотонного вывода, по­скольку найденные объяснения могут быть отменены в процессе вывода. На самом деле, объяснения, которые согласуются с одним состоянием базы знаний, могут не согласоваться с ней после до­бавления нового знания. Существование различных объяснений одного и того же эффекта является основной чертой абдуктивного вывода, и выбор наиболее «предпочтительных» из них является важной задачей.

Перспективными областями применения абдукции являются:
Диагностика. Например, в области медицинских диагнозов кандидатами в абдуктивные объяснения являются возможные забо­левания, а наблюдениями являются симптомы заболеваний. В диагностике отказов множество клозов описывает нормальное поведеиис системы, и задача заключается в том, чтобы найти множество объяснений вида «некоторый компонент А не в порядке», которое объясняет, почему система не функционирует нормально.
Распознавания графических объектов. В этом случае объясне­ниями являются объекты распознавания, а наблюдениями — опи­сание изображения в поле зрения.
Обработка естественных языков. Абдукцию можно применять и обработке естественных языков для интерпретации неоднознач­ных предложений. Здесь абдуктивными объяснениями являются различные варианты понимания таких предложений.
Планирование. В задачах планирования планируемые действия можно трактовать как объяснения целевого состояния, которое должно быть достигнуто.
Приобретение знаний. Приобретение знаний может происхо­дить как добавление к базе знаний не самих данных, поступающих в систему, а их абдуктивных объяснений.

Счетчик посещений

Copyright MyCorp © 2024
Бесплатный хостинг uCoz


Яндекс.Метрика