УПРАВЛЕНИЕ СИСТЕМОЙ ПРОДУКЦИИ

 

Обычно условия применимости выполняются сразу для нескольких продукций. В этом случае возникают проблемы выбора конкретной продукции для реализации. Возможно два пути решения данной проблемы: централизованный и децентрализованный.

При централизованном методе решение об актуализации принимается специальной системой управления. При децентрализованном - определяются складывающиеся в данный момент ситуации. Рассмотрим несколько стратегий управления выбором продукции:

. Принцип “стопки книг”. Основная идея состоит в том, что наиболее часто используемая продукция является наиболее полезной. Готовые продукции образуют “стопку”, в которой порядок определяется наибольшей частотой ее использования в прошлом. Подобный принцип управления удобен при оценке исполнения. Его целесообразно применять при относительной неуязвимости продукции друг от друга.

. Принцип наиболее длинного условия. Принцип заключается в выборе той продукции, у которой наиболее длинное условие выполнения ядра. Он опирается на соображения здравого смысла. Частные правила, относящиеся к узкому классу ситуаций важнее общих правил. Принцип целесообразно применять в случаях, когда знания и продукции хорошо структурированы и заданы соотношения “ частное - общее ”.

3. Принцип метапродукции. Основан на идее ввода в систему продукции управления продукциями, задача которых организовать выбор продукции из фронта готовых к актуализации.

4.  Принцип “классной доски”. При реализации этого принципа в экспериментальной системе выделяют специальное рабочее поле - аналог классной доски. На этой доске параллельно выполняются процессы, находящие информацию, запускающую их, туда же они заносят результаты своей работы, которые могут быть полезны для других процессов. Однозначного выбора продукции часто не бывает, поэтому принцип “классной доски” может комбинироваться с другими методами, например, с принципом метапродукции.

5. Принцип приоритетного выбора. Связан с введением статистических и динамических приоритетов на продукции. Статистические приоритеты формируются заранее, а динамические в процессе работы.

6. Логический метод выбора. При этом методе существуют два типа управления системой продукции: прямой и обратный. В прямом случае поиск идет от левых частей продукции, то есть проверки условий А и их актуализации с последующим выбором (восходящий тип). Во втором случае поиск осуществляется по заключению продукции (нисходящий тип).

7. Управление по именам. В этом случае продукциям задают специмена, которые обеспечивают сужение фронта готовой продукции.

ПРЕИМУЩЕСТВА И НЕДОСТАТКИ ПРОДУКЦИОННЫХ СИСТЕМ

 

Популярность продукционных моделей определяется следующими факторами:

1. Подавляющая часть человеческих знаний может быть представлена в виде продукций.

2. Системы продукции являются модульными. Удаление или добавление продукций приводит к изменению остальных продукций.

3. При необходимости системы продукций могут реализовывать сложные алгоритмы.

4. Наличие в продукциях указания на сферу применения позволяет эффективно реализовать память, сокращая время поиска необходимой информации.

5. Объединение систем продукций с сетевыми представлениями позволяет создавать мощные экспериментальные системы.

6. Параллельность и асинхронность работы системы продукций делает их наиболее подходящими для ЭВМ новой архитектуры (наличие нескольких процессоров).

Продукционные модели имеют два недостатка: при большом числе продукций (> 1000) проверка непротиворечивости становится сложнее; неоднозначность выбора из фронта готовой продукции.

СЕМАНТИЧЕСКИЕ СЕТИ

 

Термин семантическая означает смысловая, а сама семантика - это наука, устанавливающая отношения между символами и объектами, которые они обозначают, т.е. наука, определяющая смысл знаков.

Семантическая сеть - это ориентированный граф, вершины которого - понятия, а дуги - отношения между ними.

Понятиями обычно выступают абстрактные или конкретные объекты, а отношения - это связи типа: "это" ("is"), "имеет частью" ("has part"), "принадлежит", "любит". Характерной особенностью семантических сетей является обязательное наличие трех типов отношений:

• класс - элемент класса;

• свойство - значение;

• пример элемента класса.

Можно ввести несколько классификаций семантических сетей. Например, по количеству типов отношений:

· однородные (с единственным типом отношений);

· неоднородные (с различными типами отношений).

По типам отношений:

· бинарные (в которых отношения связывают два объекта);

· n-арные (в которых есть специальные отношения, связывающие более двух понятий). Наиболее часто в семантических сетях используются следующие отношения:

· 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) и др.

Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, соответствующей поставленному вопросу.

Основное преимущество этой модели - в соответствии современным представлениям об организации долговременной памяти человека. Недостаток модели - сложность поиска вывода на семантической сети.

Для реализации семантических сетей существуют специальные сетевые языки, например NET[12] и др. Широко известны экспертные системы, использующие семантические сети в качестве языка представления знаний - PROSPECTOR, CASNET, TORUS |8, Ю].

5.
ФРЕЙМЫ

 

Представление знаний в форме фреймов (прообразов) впервые было разработано М. Мимским в 1975г. Фрейм относится к психологическим понятиям, касающихся нашего восприятия. По структуре он представляет собой иерархию отношений типа: “абсолютное - конкретное”. Сложные объекты представляются комбинацией нескольких фреймов, образующих фреймовую сеть. На самом верхнем уровне фрейма представлена фиксированная информация - факт, который обычно считается истинным (имя фрейма). На последующих уровнях расположено множество так называемых слотов, которые обязательно должны быть заполнены конкретными значениями и данными. В общем, фрейм - единица представления знаний, заполненная в прошлом, детали которой могут быть изменены согласно текущей ситуации. В одной системы различные фреймы могут иметь одинаковые слоты. В одном фрейме одинаковых слотов не должно быть. Некоторые слоты фрейма обычно определяются значениями по умолчанию. Фреймовые системы связаны с информационно - поисковыми сетями. Если фрейм - кандидат не соответствует текущей проблеме, то он включается в другую сеть.

Основные свойства фреймов.

1. Базовый тип. В этом типе запоминается только наиболее важные объекты данного предмета, на основании которого строятся фреймы.

. Процесс сопоставления фреймов и объектов реальности. При сопоставлении обязательно задаются цели сопоставления. При этом:

) в начале выбирается базовый фрейм;

) если в каком-то слоте возникает ошибка, то этому слоту (атрибуту) присваивается новое значение;

) если не находится подходящего фрейма из данной системы, то добавляется новый, удовлетворяющий этой системе.

. Необходимо сохранение иерархической структуры фреймов, что позволяет использовать информацию верхних структур фреймами нижних структур.

. Для создания сложных систем создают межфреймовые сети, для чего используют указатели различия фреймов.

Сеть фреймов.

Иерархическая структура основывается на отношениях “абстрактной конкретности”. Кроме абстрактной конкретности при построении фреймов используют отношение “часть - целое”, которые позволяют, объекты нижнего уровня показать частью объектов верхнего уровня.A - “абстрактная конкретность”

PART-OF - “часть-целое”

В отношении PART-OF нельзя использовать наследование свойств или атрибутов. Если это необходимо, используют отношение IS-A.

 

Описание фреймов.

Имя слота (атрибута)	Указатель наследования	Указатель атрибута слота	Значения слота	Демон
Слот 1 Слот 2 - - -

 

Имя фрейма - уникальное имя в сети фреймов. Имя слота - уникальное имя во фрейме.

Указатель наследования показывают какую информацию об атрибутах слота из фреймов верхнего уровня наследуют слоты с теми же именами во фреймах нижнего уровня.

Принимаемое значение указателей наследования следующие:- уникальное имя- уникальное свойство- наследование с установлением границ- игнорируется наследование

Указатель атрибутов показывает, является ли данный слот типом данных или служит указателем другого фрейма.

Значение слота должно совпадать с указанным типом данных и при этом выполняться указанный тип наследования.

Демон - процедура, автоматически запускаемая при выполнении некоторого условия. Запуск осуществляется при обращении к соответствующему слоту.

Механизм выбора реализуется через присоединительную процедуру. Данный механизм позволяет описывать иерархическую сетевую программу управления выводом.

Кроме этой процедуры используют два способа управления:

управление с помощью демона

управление с помощью механизма наследования

Преимущества и недостатки фреймов систем.

1) фреймовское представление позволяет описывать и управлять сложными знаниями больших объемов на основе описания концептуальных объектов;

) в целях увеличения гибкости системы, декларитивные и процедурные знания концептуальных объектов комбинируют;

) при решении сложных проблем используют комбинации управления выводом.

При описании систем, которые невозможно представить в виде фреймов, описание с помощью продукционных систем усложнено или невозможно, используют семантические фреймовые сети.

ЗАКЛЮЧЕНИЕ

 

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.

Основное направление искусственного интеллекта - это представление знаний и разработка систем, основанных на знаниях. Оно связано с разработкой моделей представления знаний, созданием баз знаний, образующих ядро экспертных систем (ЭС). В последнее время включает в себя модели и методы извлечения и структурирования знаний и сливается с инженерией знаний.

Самую существенную часть систем искусственного интеллекта составляют экспертные системы. Экспертная система обычно определяется как программа ЭВМ, моделирующая действия эксперта человека при решении задач в узкой предметной области: составление базы знаний и накопления их.

Продукционная модель позволяет представить знания в виде предложений типа: Если (условие), то (действие). Данная модель чаще всего применяется в промышленных экспертных системах. Она привлекает разработчиков своей наглядностью, высокой модульностью, легкостью внесения дополнений и изменений и простотой механизма логического вывода.

Семантическая сеть - это ориентированный граф, вершины которого - понятия, а дуги - отношения между ними. Характерной особенностью семантических сетей является обязательное наличие трех типов отношений:

• класс - элемент класса;

• свойство - значение;

• пример элемента класса.

Фрейм - это структура знаний для восприятия пространственных сцен. Эта модель, как и семантическая сеть, имeeт глубокое психологическое обоснование. Под фреймом понимается абстрактный образ или ситуация. Фреймом называется также формализованная модель для отображения образа.

В качестве инструментальных средств построения экспертных систем выступают:

. Традиционные языки программирования. Наиболее удобными считаются объектно-ориентированные языки (С++, Pascal), это связано с тем, что парадигма объектно-ориентированного программирования тесно связана с фреймовой моделью представления знаний, кроме того традиционные языки используются для создания других классов инструментальных средств искусственного интеллекта.

. Языки искусственного интеллекта. Lisp, Prolog. Универсальность этих языков меньшая, чем у традиционных языков, но это компенсируется богатыми возможностями по работе с символьными и логическими данными, что крайне важно для задач искусственного интеллекта. На основе языков искусственного интеллекта создаются специализированные компьютеры (например, Лисп-машины).

. "Оболочки" (shells) - "пустые" версии существующих экспертных систем, то есть готовые экспертные системы без базы знаний. Они вообще не требуют работы программистов для создания готовой экспертной системы. Требуются только специалисты в предметной области для заполнения базы знаний. Однако если некоторая предметная область плохо укладывается в модель, используемую в некоторой оболочке, заполнить базу знаний в этом случае весьма непросто.

Сверхзадачей искусственного интеллекта является построение компьютерной интеллектуальной системы, которая обладала бы уровнем эффективности решений неформализованных задач, сравнимым с человеческим или превосходящим его.

Опрос по данной теме

Опрос №1

Слышали ли вы о искусственном интеллекте?				Всего
Варианты ответов	Да	Нет	Где-то читал
Количество ответов	10	3	5	18
Процентное соотношение	56%	16%	28%	100%

,

Опрос №2

Есть ли перспективы у искусственного интеллекта?				Всего
Варианты ответов	Да, за ним будущие	Нет	А что это?
Количество ответов	20	4	1	25
Процентное соотношение	80%	16%	4%	100%

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

 

1. Д.Ф. Люггер. «Искусственный интеллект: стратегии и методы решения сложных проблем», - «Вильямс», 2003

2. В.В. Девятков. «Системы искусственного интеллекта».

.   Н. Нильсон. «Принципы искусственного интеллекта», - «Радио и связь», 1985

.   С. Рассел, П. Норвиг. «Искусственный интеллект. Современный подход», - 2006

.   Н. Нильсон. «Искусственный интеллект. Методы поиска решений», - «Радио и связь», 1973

.   А. Эндрю. «Искусственный интеллект», - М.: Мир, 1985

7. Квасный Р. «Искусственный интеллект», - ресурс Интернета, http://neural.narod.ru/, 2001.

8. Труды третьего международного симпозиума «Интеллектуальные системы» - Псков: 1998.