Программа по формированию навыков безопасного поведения на дорогах и улицах «Добрая дорога детства» 2
Скачать 1.04 Mb.
|
2. КОНСПЕКТ ЛЕКЦИЙ2.1. Общие вопросы изучения интеллектуальных информационных систем (ИИС)Введение Представление знаний — вопрос, возникающий в когнитологии (науке о мышлении), в информатике и в исследованиях искусственного интеллекта. В когнитологии он связан с тем, как люди хранят и обрабатывают информацию. В информатике — с подбором представления конкретных и обобщённых знаний, сведений и фактов для накопления и обработки информации в ЭВМ. Главная задача в искусственном интеллекте (ИИ) — научиться хранить знания таким образом, чтобы программы могли осмысленно обрабатывать их и достигнуть тем подобия человеческого интеллекта. Под термином «представление знаний» чаще всего подразумеваются способы представления знаний, ориентированные на автоматическую обработку современными компьютерами, и, в частности, представления, состоящие из явных объектов. Например, Клайд — слон, все слоны серые. Представление знаний в подобной явной форме позволяет компьютерам делать дедуктивные выводы из ранее сохранённого знания, для нашего примера вывод будет такой: Клайд серый. Исследователи ИИ используют теории представления знаний из когнитологии. Правила вывода и семантические сети пришли в ИИ из теорий обработки информации человеком. Поскольку знание используется для достижения разумного поведения, фундаментальной целью дисциплины представления знаний является поиск таких способов представления, которые делают возможным процесс логического вывода, то есть создание знания из знаний. Некоторые вопросы, которые возникают в представлении знаний с точки зрения ИИ:
Есть хорошо известные проблемы, такие как «spreading activation» (задача навигации в сети узлов), категоризация, что связано с выборочным наследованием, например, вездеход можно считать специализацией автомобиля, но он наследует только некоторые характеристики. Решение сложных задач часто может быть упрощено правильным выбором метода представления знаний. Опредёленный метод может сделать какую-либо область знаний легко представимой. Неправильный выбор метода представления затрудняет обработку. Не существует такого способа представления, который можно было бы использовать во всех задачах или сделать все задачи одинаково простыми. Для структурирования информации, а также организации баз знаний и экспертных систем были предложены несколько способов представления знаний. Одно из них — представление данных и сведений в рамках логической модели баз знаний. В 1970-х и начале 1980-х были предложены многочисленные методы представления знаний: эвристические вопросно-ответные системы, нейросети, экспертные системы и др. Главными областями их применения в то время были медицинская диагностика (MYCIN) и игры (например, шахматы). В 1980-х годах появились формальные компьютерные языки представления знаний. Основные проекты того времени пытались закодировать (занести в свои базы знаний) огромные массивы общечеловеческого знания. Например, в проекте «Cyc» была обработана большая энциклопедия и кодировалась не сама хранящаяся в ней информация, а знания, которые потребуются читателю, чтобы понять эту энциклопедию: простейшая физика, понятия времени, причинности и мотивации, типовые объекты и их классы. Данная работа привела к более точной оценке сложности задачи представления знаний. Глубокое представление знаний вместе с огромным приростом скорости и объёмов памяти компьютеров сделало представление знаний более реальным. Было также разработано несколько языков программирования, ориентированных на представление знаний. Пролог (разработанный в 1972 году, но получивший популярность значительно позже) описывает высказывания и основную логику, он может производить выводы из известных посылок. В области электронных документов были разработаны языки, явно выражающие структуру хранимых документов, такие как SGML (а впоследствии — XML). Они облегчили задачи поиска и извлечения информации, которые в последнее время всё больше связаны с задачей представления знаний. Большой интерес проявляется к технологии семантической паутины, в которой основанные на XML языки представления знаний, используются для увеличения доступности к компьютерным системам информации, хранящейся в сети. Связи и структуры Сегодня широко используются гиперссылки, однако близкое понятие семантической ссылки ещё не вошло в широкое употребление. Со времён Вавилона использовались математические таблицы. Позже эти таблицы использовались для представления результатов логических операций, например, таблицы истинности использовались для изучения и моделирования булевой логики. Табличные процессоры также являются примером табличного представления знаний. Другим методом представления знаний являются деревья, с помощью которых можно показать связи между фундаментальными концепциями и их производными. Относительно новый подход к управлению знаниями — визуальные способы представления. Они дают пользователю способ визуализировать, как мысль или идея связана с другими идеями, позволяя перемещаться от одной мысли к другой для того, чтобы найти требующуюся информацию. Хранение и обработка знаний Одна из проблем в представлении знаний — как хранить и обрабатывать знания в информационных системах формальным способом так, чтобы машины могли использовать их для достижения поставленных задач. Примеры применения — экспертные системы, машинный перевод, системы извлечения и поиска информации (включая пользовательские интерфейсы баз данных). Семантические сети. Фреймы Для представления знаний можно использовать семантические сети. Каждый узел такой сети представляет концепцию, а дуги используются для определения отношений между концепциями. Начиная с 1960-х годов, используется понятие фрейма знаний или просто фрейма. Фрейм (англ. frame — кадр, рамка) — в самом общем случае данное слово обозначает структуру, содержащую некоторую информацию. Фрейм — есть структура, содержащая описание объекта в виде атрибутов и их значений. Каждый фрейм имеет своё собственное имя и набор атрибутов или слотов, которые содержат значения; например фрейм дом мог бы содержать слоты цвет, количество этажей и т.д. Использование фреймов в экспертных системах является примером объектно-ориентированного программирования с наследованием свойств. Фреймовые структуры хорошо подходят для представления знаний, представленных в виде схем и когнитивных шаблонов. Элементы подобных шаблонов обладают разными весами, причем большие веса назначаются тем элементам, которые соответствуют текущей когнитивной схеме. Паттерн (шаблон) активизируется при определённых условиях: если человек видит большую птицу, при условии что сейчас активна его «морская схема», а «земная схема» — нет, он классифицирует её скорее, как морского орлана, а не сухопутного беркута. Фреймовые представления объектно - центрированы в том же смысле, что и семантическая сеть: все факты и свойства, связанные с одной концепцией, размещаются в одном месте, поэтому не требуется тратить ресурсы на поиск по базе данных. Скрипт — это тип фреймов, который описывает последовательность событий во времени; типичный пример — описание похода в ресторан. События здесь включают ожидание встречи, выбор по меню, заказ музыки, цветов и др. Язык и нотация Некоторые люди считают, что лучше всего будет представлять знания так, как они представлены в человеческом разуме, который является единственным известным на сегодняшний день работающим разумом или же представлять знания в форме естественного языка. Доктор Ричард Баллард, например, разработал «семантическую систему, базирующуюся на теории», которая не зависит от языка, которая выводит цель и рассуждает теми же концепциями и теориями что и люди. Формула, лежащая в основе этой семантики: Знание = Теория + Информация. Большинство распространенных приложений и систем баз данных основаны на языках. Для представления знаний были предложены различные искусственные языки и нотации. Нота́ция (от лат. notatio — записывание, обозначение) — система условных обозначений, принятая в какой-либо области знаний или деятельности. Обычно искусственные языки основаны на логике и математике, и имеют легко читаемую грамматику для облегчения машинной обработки. Последней модой в языках представления знаний является использование XML в качестве низкоуровневого синтаксиса. Это приводит к тому, что машины могут легко производить синтаксический анализ и вывод этих языков представления знаний за счёт удобочитаемости для человека. XML (англ. eXtensible Markup Language) — расширяемый язык разметки, рекомендованный Консорциумом Всемирной паутины, как язык разметки, фактически представляющий собой свод общих синтаксических правил. XML — текстовый формат, предназначенный для хранения структурированных данных (взамен существующих файлов баз данных), для обмена информацией между программами, а также для создания на его основе более специализированных языков разметки (например, XHTML). Логика первого порядка и язык Пролог широко используется в качестве математической основы для этих систем, чтобы избежать избыточную сложность. Языки делятся на искусственные и естественные. Естественные языки формировались и формируются национальными или профессиональными сообществами людей. Знания передаются от одного человека к другому после их перевода на язык, который понимают человек - источник знания и человек - приемник знания. Искусственные языки создавались и создаются для связи человека с ЭВМ. Примеры искусственных языков, которые используются преимущественно для представления знаний: Пролог, Лисп и др. |
Добавить документ в свой блог или на сайт
