темах 2. Уровни представления и уровни детальности 3.



Работа добавлена на сайт TXTRef.ru: 2019-12-03

ИНТЕЛЛЕКТУАЛЬНЫЕ ТЕХНОЛОГИИ И ПРЕДСТАВЛЕНИЕ ЗНАНИЙ

Лекция № 8. ЭКСПЕРТНЫЕ СИСТЕМЫ (часть 2)

1. Представление знаний в экспертных системах

2. Уровни представления и уровни детальности

3. Организация знаний в рабочей системе и в базе данных

4. Методы поиска решений в экспертных системах

1. ПРЕДСТАВЛЕНИЕ ЗНАНИЙ В ЭКСПЕРТНЫХ СИСТЕМАХ

Первый и основной вопрос, который надо решить при представлении знаний, - это вопрос определения состава знаний, т.е. определение того, "ЧТО ПРЕДСТАВЛЯТЬ" в экспертной системе.

Второй вопрос касается того, "КАК ПРЕДСТАВЛЯТЬ" знания.

Необходимо отметить, что эти две проблемы не являются независимыми. Действительно, выбранный способ представления может оказаться непригодным в принципе либо неэффективным для выражения некоторых знаний.

Вопрос "КАК ПРЕДСТАВЛЯТЬ" можно разделить на две в значительной степени независимые задачи:

- как организовать (структурировать) знания и

- как представить знания в выбранном формализме?

Стремление выделить организацию знаний в самостоятельную задачу вызвано, в частности, тем, что эта задача возникает для любого языка представления и способы решения этой задачи являются одинаковыми (либо сходными) вне зависимости от используемого формализма.

Итак, в круг вопросов, решаемых при представлении знаний, будем включать следующие:

- определение состава представляемых знаний;

- организацию знаний;

- представление знаний, т.е. определение модели представления.

Состав знаний ЭС определяется следующими факторами:

- проблемной средой;

- архитектурой экспертной системы;

- потребностями и целями пользователей;

- языком общения.

В соответствии с общей схемой статической экспертной системы (рис.1) для ее функционирования требуются следующие знания:

1) знания о процессе решения задачи (т.е. управляющие знания), используемые интерпретатором (решателем);

2) знания о языке общения и способах организации диалога, используемые лингвистическим процессором (диалоговым компонентом);

3) знания о способах представления и модификации знаний, используемые компонентом приобретения знаний;

4) поддерживающие структурные и управляющие знания, используемые объяснительным компонентом.

Рис. 1. Структура статической ЭС

Для динамической ЭС, кроме того, необходимы следующие знания:

1) знания о методах взаимодействия с внешним окружением;

2) знания о модели внешнего мира.

Зависимость состава знаний от требований пользователя проявляется в следующем:

- какие задачи (из общего набора задач) и с какими данными хочет решать пользователь;

- каковы предпочтительные способы и методы решения;

- при каких ограничениях на количество результатов и способы их получения должна быть решена задача;

- каковы требования к языку общения и организации диалога;

- какова степень общности (конкретности) знаний о проблемной области, доступная пользователю;

- каковы цели пользователей.

Состав знаний о языке общения зависит как от языка общения, так и от требуемого уровня понимания.

С учетом архитектуры ЭС знания целесообразно делить на (рис. 2):

- интерпретируемые и

- неинтерпретируемые.

К интерпретируемым знаниям относятся те знания, которые способен интерпретировать решатель (интерпретатор).

Все остальные знания относятся к неинтерпретируемым. Решатель не знает их структуры и содержания. Если эти знания используются каким-либо компонентом системы, то он не "осознает" этих знаний.

Рис. 2. Классификация знаний с учетом архитектуры ЭС

Неинтерпретируемые знания подразделяются на:

- вспомогательные знания, хранящие информацию о лексике и грамматике языка общения, информацию о структуре диалога, и

- поддерживающие знания.

Вспомогательные знания обрабатываются естественно-языковой компонентой, но ход этой обработки решатель не осознает, так как этот этап обработки входных сообщений является вспомогательным для проведения экспертизы.

Поддерживающие знания используются при создании системы и при выполнении объяснений. Поддерживающие знания выполняют роль описаний (обоснований) как интерпретируемых знаний, так и действий системы.

Поддерживающие знания подразделяются на:

- технологические и

- семантические.

Технологические поддерживающие знания содержат сведения о времени создания описываемых ими знаний, об авторе знаний и т.п.

Семантические поддерживающие знания содержат смысловое описание этих знаний. Они содержат информацию о причинах ввода знаний, о назначении знаний, описывают способ использования знаний и получаемый эффект.

Поддерживающие знания имеют описательный характер.

Интерпретируемые знания можно разделить на:

- предметные знания,

- управляющие знания и

- знания о представлении.

Знания о представлении содержат информацию о том, каким образом (в каких структурах) в системе представлены интерпретируемые знания.

Предметные знания содержат данные о предметной области и способах преобразования этих данных при решении поставленных задач.

Отметим, что по отношению к предметным знаниям знания о представлении и знания об управлении являются метазнаниями. 

В предметных знаниях можно выделить:

- описатели и

- собственно предметные знания.

Описатели содержат определенную информацию о предметных знаниях, такую, как коэффициент определенности правил и данных, меры важности и сложности.

Собственно предметные знания разбиваются на:

- факты и

- исполняемые утверждения.

Факты определяют возможные значения сущностей и характеристик предметной области.

Исполняемые утверждения содержат информацию о том, как можно изменять описание предметной области в ходе решения задач. Говоря другими словами, исполняемые утверждения - это знания, задающие процедуры обработки.

Однако следует избегать использования термина "процедурные знания", так как эти знания могут быть заданы не только в процедурной, но и в декларативной форме.

Управляющие знания можно разделить на:

- фокусирующие и

- решающие.

Фокусирующие знания описывают, какие знания следует использовать в той или иной ситуации. Обычно фокусирующие знания содержат сведения о наиболее перспективных объектах или правилах, которые целесообразно использовать при проверке соответствующих гипотез.

В первом случае внимание фокусируется на элементах рабочей памяти,

во втором – на правилах базы знаний.

Решающие знания содержат информацию, используемую для выбора способа интерпретации знаний, подходящего к текущей ситуации. Эти знания применяются для выбора стратегий или эвристик, наиболее эффективных для решения данной задачи.

Качественные и количественные показатели ЭС могут быть значительно улучшены за счет использования метазнании, т.е. знаний о знаниях.

Метазнания не представляют некоторую единую сущность, они могут применяться для достижения различных целей.

Перечислим возможные назначения метазнаний:

1) метазнания в виде стратегических метаправил используются для выбора релевантных правил;

2) метазнания используются для обоснования целесообразности применения правил из области экспертизы;

3) метаправила используются для обнаружения синтаксических и семантических ошибок в предметных правилах;

4) метаправила позволяют системе адаптироваться к окружению путем перестройки предметных правил и функций;

5) метаправила позволяют явно указать возможности и ограничения системы, т.е. определить, что система знает, а что не знает.

Вопросы организации знаний необходимо рассматривать в любом представлении, и их решение в значительной степени не зависит от выбранного способа (модели) представления.

Выделим следующие аспекты проблемы организации знаний:

- организация знаний по уровням представления и по уровням детальности;

- организация знаний в рабочей памяти;

- организация знаний в базе знаний.

2. УРОВНИ ПРЕДСТАВЛЕНИЯ И УРОВНИ ДЕТАЛЬНОСТИ

Для того чтобы ЭС могла управлять процессом поиска решения, была способна приобретать новые знания и объяснять свои действия, она должна уметь не только использовать свои знания, но и обладать способностью понимать и исследовать их, т.е. экспертная система должна иметь знания о том, как представлены ее знания о проблемной среде.

Если знания о проблемной среде назвать знаниями нулевого уровня представления, то первый уровень представления содержит метазнания, т.е. знания о том, как представлены во внутреннем мире системы знания нулевого уровня (рис. 3).

Первый уровень содержит знания о том, какие средства используются для представления знаний нулевого уровня. Знания первого уровня играют существенную роль при управлении процессом решения, при приобретении и объяснении действий системы. В связи с тем, что знания первого уровня не содержат ссылок на знания нулевого уровня, знания первого уровня независимы от проблемной среды.

Число уровней представления может быть больше двух.

Второй уровень представления содержит сведения о знаниях первого уровня, т.е. знания о представлении базовых понятий первого уровня. Разделение знаний по уровням представления обеспечивает расширение области применимости системы.

Рис. 3. Уровни представления знаний в ЭС

Выделение уровней детальности позволяет рассматривать знания с различной степенью подробности. Количество уровней детальности во многом определяется спецификой решаемых задач, объемом знаний и способом их представления.

Как правило, выделяется не менее трех уровней детальности, отражающих соответственно общую, логическую и физическую организацию знаний.

Введение нескольких уровней детальности обеспечивает дополнительную степень гибкости системы, так как позволяет производить изменения на одном уровне, не затрагивая другие. Изменения на одном уровне детальности могут приводить к дополнительным изменениям на этом же уровне, что оказывается необходимым для обеспечения согласованности структур данных и программ.

Однако наличие различных уровней препятствует распространению изменений с одного уровня на другие.

3. ОРГАНИЗАЦИЯ ЗНАНИЙ В РАБОЧЕЙ СИСТЕМЕ

И В БАЗЕ ДАННЫХ

3.1. Организация знаний в рабочей системе

Рабочая память (РП) экспертных систем предназначена для хранения данных.

Данные в рабочей памяти могут быть однородны или разделяются на уровни по типам данных. В последнем случае на каждом уровне рабочей памяти хранятся данные соответствующего типа. Выделение уровней усложняет структуру ЭС, но делает систему более эффективной.

Например, можно выделить:

- уровень планов,

- уровень агенды (упорядоченного списка правил, готовых к выполнению) и

- уровень данных предметной области (уровень решений).

В современных ЭС данные в рабочей памяти рассматриваются как изолированные или как связанные.

В случае изолированных данных рабочая память состоит из множества простых элементов, а в случае связанных данных - из одного или нескольких (при нескольких уровнях в РП) сложных элементов (например, объектов). При этом сложный элемент соответствует множеству простых, объединенных в единую сущность.

Теоретически оба подхода обеспечивают полноту, но использование изолированных элементов в сложных предметных областях приводит к потере эффективности.

Данные в рабочей памяти в простейшем случае являются константами и (или) переменными. При этом переменные могут трактоваться как характеристики некоторого объекта, а константы - как значения соответствующих характеристик.

Если в РП требуется анализировать одновременно несколько различных объектов, описывающих текущую проблемную ситуацию, то необходимо указывать, к каким объектам относятся рассматриваемые характеристики.

Одним из способов решения этой задачи является явное указание того, к какому объекту относится характеристика.

Если РП состоит из сложных элементов, то связь между отдельными объектами указывается явно, например заданием семантических отношений. При этом каждый объект может иметь свою внутреннюю структуру.

Необходимо отметить, что для ускорения поиска и сопоставления данные в рабочей памяти могут быть связаны не только логически, но и ассоциативно.

3.2. Организация знаний в базе данных

Показателем интеллектуальности системы с точки зрения представления знаний считается способность системы использовать в нужный момент необходимые (релевантные) знания.

Системы, не имеющие средств для определения релевантных знаний, неизбежно сталкиваются с проблемой "комбинаторного взрыва". Можно утверждать, что эта проблема является одной из основных причин, ограничивающих сферу применения экспертных систем.

В проблеме доступа к знаниям можно выделить три аспекта:

- связность знаний и данных,

- механизм доступа к знаниям и

- способ сопоставления.

Связность (агрегация) знаний является основным способом, обеспечивающим ускорение поиска релевантных знаний.

Большинство специалистов пришли к убеждению, что знания следует организовывать вокруг наиболее важных объектов (сущностей) предметной области. Все знания, характеризующие некоторую сущность, связываются и представляются в виде отдельного объекта.

При подобной организации знаний, если системе потребовалась информация о некоторой сущности, то она ищет объект, описывающий эту сущность, а затем уже внутри объекта отыскивает информацию о данной сущности.

В объектах целесообразно выделять два типа связок между элементами:

- внешние и

- внутренние.

Внутренние связки объединяют элементы в единый объект и предназначены для выражения структуры объекта.

Внешние связки отражают взаимозависимости, существующие между объектами в области экспертизы.

Многие исследователи классифицируют внешние связки на:

- логические и

- ассоциативные.

Логические связки выражают семантические отношения между элементами знаний.

Ассоциативные связки предназначены для обеспечения взаимосвязей, способствующих ускорению процесса поиска релевантных знаний.

Основной проблемой при работе с большой базой знаний является проблема поиска знаний, релевантных решаемой задаче.

В связи с тем, что в обрабатываемых данных может не содержаться явных указаний на значения, требуемые для их обработки, необходим более общий механизм доступа, чем метод прямого доступа (метод явных ссылок).

Задача этого механизма состоит в том, чтобы по некоторому описанию сущности, имеющемуся в рабочей памяти, найти, в базе знаний объекты, удовлетворяющие этому описанию. Очевидно, что упорядочение и структурирование знаний могут значительно ускорить процесс поиска.

Нахождение желаемых объектов в общем случае уместно рассматривать как двухэтапный процесс.

На первом этапе, соответствующем процессу выбора по ассоциативным связкам, совершается предварительный выбор в базе знаний потенциальных кандидатов на роль желаемых объектов.

На втором этапе путем выполнения операции сопоставления потенциальных кандидатов с описаниями кандидатов осуществляется окончательный выбор искомых объектов.

При организации подобного механизма доступа возникают определенные трудности:

Как выбрать критерий пригодности кандидата?

Как организовать работу в конфликтных ситуациях? и т.п.

Операция сопоставления может использоваться не только как средство выбора нужного объекта из множества кандидатов, но и для:

- классификации,

- подтверждения,

- декомпозиции и

- коррекции.

Для идентификации неизвестного объекта он может быть сопоставлен с некоторыми известными образцами. Это позволит классифицировать неизвестный объект как такой известный образец, при сопоставлении с которым были получены лучшие результаты.

При поиске сопоставление используется для подтверждения некоторых кандидатов из множества возможных.

Если осуществлять сопоставление некоторого известного объекта с неизвестным описанием, то в случае успешного сопоставления будет осуществлена частичная декомпозиция описания.

Операции сопоставления весьма разнообразны.

Обычно выделяют следующие их формы:

- синтаксическое,

- параметрическое,

- семантическое и

- принуждаемое сопоставления.

В случае синтаксического сопоставления соотносят формы (образцы), а не содержание объектов. Успешным является сопоставление, в результате которого образцы оказываются идентичными. Обычно считается, что переменная одного образца может быть идентична любой константе (или выражению) другого образца. Иногда на переменные, входящие в образец, накладывают требования, определяющие тип констант, с которыми они могут сопоставляться. Результат синтаксического сопоставления является бинарным: образцы сопоставляются или не сопоставляются.

В параметрическом сопоставлении вводится параметр, определяющий степень сопоставления.

В случае семантического сопоставления соотносятся не образцы объектов, а их функции.

В случае принуждаемого сопоставления один сопоставляемый образец рассматривается с точки зрения другого. В отличие от других типов сопоставления здесь всегда может быть получен положительный результат. Вопрос состоит в силе принуждения. Принуждение могут выполнять специальные процедуры, связываемые с объектами. Если эти процедуры не в состоянии осуществить сопоставление, то система сообщает, что успех может быть достигнут только в том случае, если определенные части рассматриваемых сущностей можно считать сопоставляющимися.

4. МЕТОДЫ ПОИСКА РЕШЕНИЙ В ЭКСПЕРТНЫХ СИСТЕМАХ

Методы решения задач в ЭС зависят от особенностей предметной области, в которой решается задача, и от требований, предъявляемых пользователем к решению.

Особенности предметной области с точки зрения методов решения можно характеризовать следующими параметрами:

- размер, определяющий объем пространства, в котором предстоит искать решение;

- изменяемость области, характеризует степень изменяемости области во времени и пространстве (здесь будем выделять статические и динамические области);

- полнота модели, описывающей область, характеризует адекватность модели, используемой для описания данной области. Обычно если модель не полна, то для описания области используют несколько моделей, дополняющих друг друга за счет отражения различных свойств предметной области;

- определенность данных о решаемой задаче, характеризует степень точности (ошибочности) и полноты (неполноты) данных.

Точность (ошибочность) является показателем того, что предметная область с точки зрения решаемых задач описана точными или неточными данными; под полнотой (неполнотой) данных понимается достаточность (недостаточность) входных данных для однозначного решения задачи.

Требования пользователя к результату задачи, решаемой с помощью поиска, можно характеризовать количеством решений и свойствами результата и (или) способом его получения.

Параметр "количество решений" может принимать следующие основные значения – одно решение, несколько решений, все решения.

Параметр "свойства" задает ограничения, которым должен удовлетворять полученный результат или способ его получения.

Так, например, для системы, выдающей рекомендации по лечению больных, пользователь может указать требование не использовать некоторое лекарство (в связи с его отсутствием или в связи с тем, что оно противопоказано данному пациенту).

Параметр "свойства" может определять и такие особенности, как:

- время решения ("не более чем", "диапазон времени" и т.п.),

- объем памяти, используемой для получения результата, - указание об обязательности (невозможности) использования каких-либо знаний (данных) и т.п.

Итак, сложность задачи, определяемая вышеприведенным набором параметров, варьируется от простых задач малой размерности с неизменяемыми определенными данными и отсутствием ограничений на результат и способ его получения до сложных задач большой размерности с изменяемыми, ошибочными и неполными данными и произвольными ограничениями на результат и способ его получения.

Из общих соображений ясно, что каким-либо одним методом нельзя решить все задачи. Обычно одни методы превосходят другие только по некоторым из перечисленных параметров.

Рассмотренные ниже методы могут работать в статических и динамических проблемных средах.

Для того чтобы они работали в условиях динамики, необходимо учитывать время жизни значений переменных, источник данных для переменных, а также обеспечивать возможность хранения истории значений переменных, моделирования внешнего окружения и оперирования временными категориями в правилах.

Существующие методы решения задач, используемые в экспертных системах, можно классифицировать следующим образом:

- методы поиска в одном пространстве – методы, предназначенные для использования в следующих условиях:   области небольшой размерности, полнота модели, точные и полные данные;

- методы поиска в иерархических пространствах – методы, предназначенные для работы в областях большой размерности;

- методы поиска при неточных и неполных данных;

- методы поиска, использующие несколько моделей, предназначенные для работы с областями, для адекватного описания которых одной модели недостаточно.

Предполагается, что перечисленные методы при необходимости должны объединяться для того, чтобы позволить решать задачи, сложность которых возрастает одновременно по нескольким параметрам.


Знания
о представлении

Решающие знания

Фокусирующие знания

правляющие знания

Исполняемые

утверждения

Факты

Собственно предметные знания

Описатели

Предметные знания

Семантические знания

Технологические знания

Поддерживающие знания

Вспомогательные знания

Интерпретируемые знания

Неинтерпретируемые знания

Знания

Знания о знаниях N-1 уровня

N-й

уровень

Знания о знаниях первого уровня

Второй

уровень

Метазнания (знания о знаниях)

Знания о проблемной среде

Первый

уровень

Нулевой

уровень

Другие работы

Профессиональные бухгалтеры во всем мире вып...


На базе международного кодекса ИПБ России разработал в 1999г. Кодекс этики члена ИПБ России. Кодекс этики члена ИПБ России был утвержден в 1999г...

Подробнее ...

ОБЩАЯ МЕДИЦИНА на 20132014 учебный год Тест 1


Кодеин глауцина гидрохлорид тусупрекс Тест №2. Амброксол уназин Тест №3. Антибактериальное средство Тест №4.

Подробнее ...

тематике ий семестр Ряды.


Простейшие дифференциальные уравнения первого порядка. Уравнения с разделяющимися переменными. Однородные уравнения и приводимые к ним. Линейные...

Подробнее ...

л~рне~ кагыйд~ итеп алырлык ~~рвакыт була тор...


Ти?д?ш кис?кл?р Нинди д? булса бер кис?кк? караган ??м шул кис?кк? карата бер ?к м?гън? м?н?с?б?тенд? торган кис?кл?р т. Баян мисалында ак кызыл...

Подробнее ...