Лекции по "Интеллектуальным информационным системам"

    «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».

    «Знания — это хорошо структурированные  данные или данные о данных, или  метаданные».

    «Знания - формализованная информация, на которую  ссылаются или используют в процессе логического вывода».

    Существует  множество классификаций знаний. Как правило, с помощью классификаций систематизируют знания конкретных предметных областей. На абстрактном уровне рассмотрения

    Можно говорить о признаках, по которым  подразделяются знания, а не о классификациях. По своей природе знания можно разделить на декларативные и процедурные.

    Декларативные знания представляют собой описания фактов и явлений, фиксируют наличие или отсутствие таких фактов, а также включают описания основных связей и закономерностей, в которые эти факты и явления входят.

    Процедурные знания — это описания действий, которые возможны при манипулировании фактами и явлениями для достижения намеченных целей.

    Для описания знаний на абстрактном уровне разработаны специальные языки - языки описания знаний. Эти языки  также делятся на языки процедурного типа и декларативного. Все языки описания знаний, ориентированные на использование традиционных компьютеров фон-неймановской архитектуры, являются языками процедурного типа. Разработка языков декларативного типа, удобных для представления знаний, является актуальной проблемой сегодняшнего дня.

    По  способу приобретения знания можно разделить на факты и эвристику (правила, которые позволяют сделать выбор при отсутствии точных теоретических обоснований). Первая категория знаний обычно указывает на хорошо известные в данной предметной области обстоятельства. Вторая категория знаний основана на собственном опыте эксперта, работающего в конкретной предметной области, накопленном в результате многолетней практики.

    По  типу представления знания делятся на факты и правила. Факты - это знания типа «А - это А», такие знания характерны для баз данных и сетевых моделей. Правила, или продукции, - это знания типа «ЕСЛИ А, ТО В».

    Кроме фактов и правил существуют еще  метазнания — знания о знаниях. Они необходимы для управления БЗ и для эффективной организации процедур логического вывода.

    Форма представления знаний оказывает существенное влияние на характеристики ИИС. Базы знаний являются моделями человеческих знаний. Однако все знания, которые привлекает человек в процессе решения сложных задач, смоделировать невозможно. Поэтому в интеллектуальных системах требуется четко разделить знания на те, которые предназначены для обработки компьютером, и знания, используемые человеком. Очевидно, что для решения сложных задач БЗ должна иметь достаточно большой объем, в связи с чем неизбежно возникают проблемы управления такой базой. Поэтому при выборе модели представления знаний следует учитывать такие факторы, как однородность представления и простота понимания. Однородность представления приводит к упрощению механизма управления знаниями. Простота понимания важна для пользователей интеллектуальных систем и экспертов, чьи знания закладываются в ИИС. Если форма представления знаний будет трудна для понимания, то усложняются процессы приобретения и интерпретации знаний. Следует заметить, что одновременно выполнить эти требования довольно сложно, особенно в больших системах, где неизбежным становится структурирование и модульное представление знаний.

  Интеллектуальные информационные системы способны выполнять отдельные интеллектуальные функции человека. ИИС помимо традиционных функций управления, контроля, защиты и диагностирования выполняют и дополнительные специфические функции, облегчающие интеллектуальный труд человека: быстрое принятие правильных решений в сложной обстановке, практически мгновенное реагирование на изменение внешних воздействий, непрерывный анализ и оценка текущих ситуаций, прогнозирование и предотвращение экстремальных и непредвиденных ситуаций, выдача оператору советов и рекомендаций по оптимальному управлению объектом и т. д. ИИС, подобно человеку, работают со знаниями, при этом важно учитывать что знания в ИИС ориентированы на компьютерную обработку. Знания, используемые в ИИС, должны быть определенным образом представлены или описаны. Представление знаний в ИИС — это процесс или результат кодирования и хранения знаний в базе знаний (правил). Процесс использования знаний в ИИС осуществляется с помощью специальных механизмов вывода (поиска) решений. База знаний и механизм вывода решений составляет ядро ИИС.

  Существуют  различные способы практической реализации базы знаний (правил) и механизмов вывода решений ИИС, основанные на технологиях моделирования интеллектуальной деятельности человека. В практике проектирования различных типов ИИС наиболее часто используются такие технологии, как «Экспертные системы» и «Нечеткая логика». 

Экспертные  системы 

  В начале 1970-х гг. пришло понимание, что  необходимы глубокие знания в соответствующей  области и выделение знаний из данных, получаемых от эксперта. Появляются экспертные системы (ЭС), или системы, основанные на знаниях.

  В основе базы знаний экспертных систем используется система представления знаний, называемая «системой продукций». Системы продукций — это набор правил, используемый как база знаний, поэтому его еще называют базой правил.

  В продукционных системах, основанных на правилах, знания о решении задачи представляются в виде правил «Если…то…». Этот подход, являясь одним из старейших методов представления знаний о предметной области в экспертной системе, широко применяется в коммерческих и экспериментальных ИСУ.

  Общий вид  продукционного правила представлен ниже:

      <Идентификатор  правила> <приоритет правила>

      Если <Условие> то <Действие>,

где:

  идентификатор правила — это уникальное наименование продукционного правила, выделяющее его из множества других правил в базе знаний;

  приоритет правила — число, показывающее «важность» правила в рассуждениях. Если два и более правил будут иметь истинные условия в левой части, то продолжит рассуждения правило с большим приоритетом;

  условие — это левая часть продукционного правила, совокупность элементарных фактов, связанных знаками конъюнкции (И), дизъюнкции (ИЛИ) и отрицания (НЕ).

  В качестве простого примера рассмотрим следующее  продукционное правило, формат записи которого представлен на языке интегрированной среды для разработки интеллектуальных систем управления КAPPA-РС (компании IntelliCorp):

  GoodElecSys:

  IF    car:SparkPlugCondition #= Ok And

      car:Timing #= InSynch And

      car:Battery #= Charged;

  THEN car:ElectricalSystem = Ok; car:Status = Running. 

  При записи правила сначала указывается его идентификатор (имя) «GodElecSys:», а затем после двоеточия — левая и правая части, соответственно <Условие> и <Действие>. Имеем следующий словарь информационных объектов (фактов): car:SparkPlugCondiion — условия искрообразования в автомобиле, car:Timing — регулировка момента зажигания автомобиля, InSynch — синхронизированно, car:Battery — состояние аккумулятора, Charged — заряжено, car:ElectricalSystem — состояние электрической системы автомобиля, car:Status — статус автомобиля, Running — готовность к запуску, ОК — хорошее, And — операция конъюнкции.

  Логический  смысл данного правила следующий: 

      Если <условия искрообразования в автомобиле хорошие

      И регулировка момента зажигания  автомобиля

      синхронизирована

      И аккумулятор заряжен>

      То <состояние электрической системы  автомобиля хорошее,

      автомобиль  готов к запуску> 

  Поиск решений  в системах продукций наталкивается  на проблемы выбора правил из конфликтного множества. Один из вариантов механизма  поиска решений в системах продукций рассмотрим на примере технологии, предлагаемой разработчиками широко известной в России интегрированной среды для разработки интеллектуальных систем управления КAPPA-РС.

  На рисунке 32 изображены основные элементы механизма поиска решений системы КAPPA-РС. 

 

  Интерпретатор — программа, имитирующая рассуждения  эксперта, решающего задачу, и работающая в одном из двух режимов — в режиме рассуждений в прямом направлении (прямой вывод) или в режиме рассуждений в обратном направлении (обратный вывод). Рассуждения в прямом направлении — это рассуждения, идущие в направлении «от фактов» в левых частях правил базы знаний к «действиям», указанным в правых частях правил из базы знаний.

  База фактов хранит иерархию информационных объектов (пирамиду знаний) в виде «объект: слот».

  База знаний хранит иерархию правил обработки фактов.

  План решения  задачи (Agenda) — очередь пар «объект: слот», которые должны быть обработаны машиной прямого вывода. Слоты, чьи значения изменены в результате применения правила, автоматически добавляются интерпретатором в Agenda.

  Список  правил (Rule List) — это список всех правил из текущего подмножества правил, удовлетворяющего следующему условию: все элементарные факты, а значит, и составной факт в левой части правила получили значение ИСТИНА. Правило, размещенное в списке правил, считается возбужденным, т. е. «готовым к применению». Прежде чем проверять истинность всех элементарных фактов из левой части правила, интерпретатор проверяет его релевантность («уместность»). Для этого пара «объект: слот» из Agenda сверяется со всеми элементарными фактами из левых частей всех правил базы знаний. Если совпадений нет, правило исключается из рассмотрения. Если есть хотя бы одно совпадение, то правило продолжает рассматриваться, т. е. продолжается оценка истинности других фактов в его левой части.

  Таким образом, Agenda содержит обрабатываемую информацию из базы фактов, а список правил — множество правил, готовых продолжить рассуждения по решению задачи.

  Если  в списке будет несколько правил, то такая ситуация называется «конфликтом правил», они «конфликтуют» за то, чтобы продолжить рассуждения. Для того чтобы разрешить конфликт, интерпретатору нужна дополнительная информация. Такая информация называется стратегией разрешения конфликта.

  Система КАPPA-PC, как и большинство аналогичных систем, поддерживает следующие классические стратегии разрешения конфликтов:

• стратегия Выборочная оценка (SELECTIVE Evaluation) — в процессе прямого вывода заново возбужденное правило добавляется в список правил в соответствии с его приоритетом. Одно правило из списка получает значение «истина», остальные из конфликтующих правил из списка правил удаляются. Список правил очищается перед тем, как новая пара «объект: слот» из Agenda начнет рассматриваться;
• стратегия Поиск в глубину (DEPTHFIRST Evaluation) — отличается от выборочной стратегии только тем, что не очищает список правил после выбора одного из конфликтующих правил и его использования в рассуждениях. Только что активированное правило (т. е. правило из базы знаний, у которого подтвердилась истинность составного факта в левой части) классифицируется в соответствии с его приоритетом и добавляется в начало списка правил. Правило из начала списка применяется интерпретатором в рассуждениях, что добавляет новую пару «объект: слот» в начало Agenda (пара добавляется, если значение слота какого-либо объекта из базы фактов изменено в результате действия, указанного в правой части правила, использованного в рассуждениях). Если есть пары «объект: слот» в Agenda и список правил не пустой, то приоритет отдается оценке следующей пары «объект: слот» в Agenda.
• стратегия Поиск в ширину (BREADTHFIRST Evaluation) — в течение прямого вывода в режиме «в ширину» вновь возбужденное правило размещается в соответствии с приоритетом, а потом добавляется в конец списка правил. Затем первое правило из списка применяется, и оно может сгенерировать новую пару «объект: слот» в Agenda. Если есть пары «объект: слот» в Agenda и правила в списке правил, приоритет отдается проверке следующего правила из списка.

  Рассмотрим  пример, иллюстрирующий работу выше описанного механизма поиска решений (см. рис. 32, с. 124) для выборочной стратегии разрешения конфликтов и базы знаний, состоящей из нескольких правил. Имеем следующий словарь информационных объектов базы знаний: SparkPlugCondition — условия искрообразования, Timing — регулировка момента зажигания, OutOfSynch — разсинхронизация, InSynch — синхронизация, IgnitionKey — ключ зажигания, Charged — заряжено, GasSystem — топливная система, Status — состояние, LightSwitch — включатель фар, LightsAppearance — наружный свет (свет фар), Bright — яркий, Dim — тусклый, EngineTurnover — обороты двигателя, Brisk — хорошие, Sluggish — медленные, Battery — аккумулятор.