Базы Знаний, организационные и технологические аспекты

2. Трудность записи правила.  Единый формат записи ЕСЛИ ТО-

    приводит к  громоздким выражениям в левой  части и повторению

    тех   же   результатов   в   похожих ситуациях; с его помощью сложно вы-

    разить трудные правила. Но мы видим, что жесткий синтаксис,

    громоздкие записи  представляют и определенные  преимущества.

    Во многих случаях проблема «поймать знания» остается главной при

    написании экспертной системы. Трудности использования связанные    не  с

    самими   правилами,  а с единой системой их связи.  При этом база  фактов

    играет роль  кратковременной памяти, которая  реально смоделирована     в

    разработанной    Ньюэллом     системе «познавательной

    психологии»  PSC.  В  ней воспрещен взаимный прямой вызов одного правила

    из другого,  и она несподручна для выполнения     алгоритмов    в простом

    смысле   слова.   Но именно благодаря ей система в любой  момент

    времени абсолютно знает, что она вырабатывает и что она знает.

К преимуществам относим следующее. ………………

  1. Модульность.  Системы  устроены  так,  что каждая  единица  информации.

    может  быть  стерта, поменяна  или добавлена автономно  от  всех

    остальных.  Сведения  вводятся  беспорядочно,   как   в   словаре   или

    энциклопедии.  Практика  показывает,  что   это  является   непосредственным

    способом пополнения  своих знаний для эксперта. ………

    Как   ни   странно,   многие   американские   авторы    (Дэвис,

    Ньюэлл, Куинлан, Стэфик) нарушают это правило,  т.е.  проблема

    реорганизации   разрешается   у   них   достаточно плохо.……

  2.  Модифицируемость.  Если  прибавляется  или изменяется  какое-либо

    правило, то  все, что было уже сделано  прежде, остается в силе и к новому

    правилу  не  имеет отношения.  Таким образом,  каждое   изменение   обладает

    свойством аддитивности и локальности.

      В различие от этого в процедурных программах  сходные  взаимодействия

    ограниченны, всякая модификация является  бессмыслицей  и может привести  к

    непредвиденным  результатам.

 

  3.  Доступность чтения.

1. Для нас это преимущество, безусловно, имеет  место.  Как   уже  сообщалось

прежде, наше личное знание  является  модульным,  потому  продукционные

системы нам  выглядят  более близкими,  более доступными  для чтения.

Этим    преимуществом  нельзя пренебрегать,  поскольку  данные  системы в

первую очередь уготовлены для врачей, биологов, архитекторов и т. д.  Во

многочисленных сферах реально существуют  добавляемые знания  и соответствующие

базы правил.   (К примеру, автоматизированные экспертные обучающие системы.)

2. Для     машины. Более элементарной     проверке     поддается    база  знаний,

переданная в форме правил, а не  в форме процедур.  Противоречия  или

избыточность в действительности легко определяется с помощью  синтаксической

обработки:

А(В(С и  А(В((С  одновременно  невозможны;  из  D(E(F(G  следует  E(F(G   с

помощью "подпосылки";

  подобным образом, первое правило является ненужным.

Может  быть  также  обнаружена   семантическая   несогласованность:   А(В(С

  неприемлемо, если  по определению и из свойств  А  и В с необходимостью

  А((В.

  4.  Способность к  самообъяснению. Это качество соединено сразу  и с

правилами,  и  с  их  структурами  наружного   управления.   Система   легко

прослеживает цепочку  правил, которую она использовала для получения вывода,

так же как и использовавшиеся метаправила.

   Одинаковое представление знания, устанавливаемое определенным форматом,

позволяет создавать модели правил, которые разрешают  получить  ответы

на отдельные вопросы и предусмотреть значительную  часть изменений, в  случае

нахождения ошибки в базе данных.

   5. Эффективность.  Практика показала эластичность и осведомленность таких

систем,  как  MYCIN,  PROSPECTOR  и  R1.  Эти  системы  являются   уже   не

лабораторными игрушками, а  высокопроизводительными устройствами. Они

оказались довольно действенными и терпят  сравнение с  процедурными

системами во многих сферах, примеры которых приведены,  в частности,  в

работе (Rychener, 1978).

   Их структура управления  разрешает  принимать в расчет  многочисленные

 параметры, характеризующие  ситуацию.  Причина  результативности  продукционных

 правил заключается  в том, что эти правила   учитывают  определенные  данные  в

 любом случае.

5. Метазнание

  Метазнание  являет  собой  всякое  знание  о знании.  Оно является

фундаментальным понятием для  систем, которые не только используют свою базу

знаний такой, как она  есть,  но  и  могут  на  ее  основе  вырабатывать  выводы,

структурировать ее, абстрагировать,  обобщать,  а  также  решать,  в  каких

случаях она может быть необходима. Введение знаний в систему является  задачей не

только специалистов в  данной сфере, но и самой системы,  которая обязана

распоряжаться этим процессом.

 

6. Метазнание объектов окружающего мира

   Решение вопросов,  связывающих крупные  объемы  знаний,  требует умения

 обращаться с весьма трудными и очень  разнообразными  типами  данных,  как по

 содержанию, так и по  согласованию с другими элементами  системы.  Необходимая

 информация обязана не только присутствовать в программных комментариях  и в

 мыслях разработчика, но и быть доступной самой системе.  Таким образом,  с

 любым элементарным  объектом  может быть  связано смысловое значение  —

 концепт. Например, в  системах МЕСНО и MYCIN каждый  из  концептов  содержит

 такую информацию:

 а) описательную часть,  которая уточняет характеристики  и структуру данных;

б)    указатель на все известные примеры концепта;

в)    связи с другими  различными концептами;

г)    указатель в  иерархии схем на группу концептов  того же семейства.

   Когда создается новое правило,  которое включает  слово или группу

слов,  незнакомых  системе,  она их  рассматривает  с   помощью   имеющихся

концептов, используя контекст  и  последовательность  слов  правила.  А так же,

если отдельные свойства известны из других примеров того же концепта,

то система  в состоянии спросить у пользователя  уточнения этого свойства

для этого случая. При нужде  она также находит  нарушения связи

между концептами.

   Данные системы имеют потенциал фиксировать все концепты одного и того

же иерархического уровня, изменение, внесенное экспертом в один из них,  и

оценивать  значимость  изменений,  добавленных  в  базу  данных,  если  в

установленную структуру добавляется новый пример.

   К тому же,  продукционные правила могут характеризоваться   моделями

правил.  Эти  модели  основываются  и   управляются   системой   и   учитывают

периодичность использования  правил. Они занимаются  проверкой  соответствия

между новым правилом и  базой, кроме того, собственно они свидетельствуют эксперту  на

главные тенденции массы правил даже тогда,  когда самих правил

эксперт не знает. Собственно, они богатеют с каждым новым примером  по  мере

роста множества правил. В системе МЕСНО, к примеру, сами выражения  задач

объединены с формой  метазнания.  Система устойчиво  пробует  разобрать  в

формулировке типовую ситуацию. Когда у нее получается,  она дополняет

множество фактов всеми физическими  гипотезами,  справедливыми  для  этого

случая.

 

Заключение

  Итак,  системы,  употребляющие   декларативные   базы   данных   и

продукционные правила, отношения, прототипы, схемы и семантические  сети  для

показа  и употребления  хранящихся  в   них   знаний,   раскрывают

реально  новый подход  к программированию,  который заключается   в

потенциале передачи  от  человека  к программе наиболее  легким  образом

знаний неупорядоченной структуры в свободных областях. Взаимодействие  с

экспертными системами протекает на декларативном  языке,  который, на самом деле,

предопределен  для   выражения   знаний.   Похожий   подход   показывается

абсолютно нужным  в сфере  искусственного  интеллекта,  и на  данной

базе уже созданы эффективные системы.

  Крайняя  незамысловатость  представления знаний  не  устанавливает  ограничений  

перед программистом или специалистом, даже наоборот, она призывает нас думать

как можно более непосредственным образом. Среди большинства преимуществ  

аналогичного изображения знаний, как мы  рассмотрели в разд.  1  и 2,  находится и

обсуждаемое в современных  работах одновременное решение  задач  и  понимание

естественного языка.

   К тому же,  экспертные  системы дают  в   наше   распоряжение

специализированные базы знаний:  система  PROSPECTOR  овладевает  знаниями  в

сфере геологии, MYCIN употребляется  для обучения  в медицине,  а PECOS

помогает в программировании.

  А так же, при исследовании данных систем становится бесспорным, что важнейшей

особенностью  нашего  интеллекта  является  способность  управлять  большим

объемом простых составляющих информации. Поэтому одним из  предметов

изучений в области искусственного интеллекта еще долго будут три

основные проблемы, уже встречавшиеся при рассмотрении  продукционных

систем. Они имеют касательство к элементарным действиям, связанным с обработкой

всякой информации:

   сформулировать —  запомнить — использовать

   • Сформулировать

   Мы неизменно  попадаем  в  новые  ситуации.  Прибывающий  к нам опыт

содержится, прежде всего, в способности абстрагироваться от этих ситуаций  и

обрисовать их с помощью общих представлений,  которые могут быть  элементами

обычного языка. Но во многих сферах этого мало, так  как обычно

 встречается много неточностей или вырабатывается чересчур  много ссылок  на

условия,  не  связанные с предоставленной  конкретной   ситуацией.   Любой

специалист  стабильно  совершенствуется  в своей сфере  и вырабатывает

личный жаргон.

   В  отдельных  книгах  нередко  имеются  советы  описывать ситуацию   и

 предпринимаемые действия  с весьма большой  степенью  детализации,  но  в

 данном эпизоде тяжело достигнуть необходимого эффекта обобщения. Становится 

трудно использовать всю скопленную информацию.

     Автоматический  поиск  концептов,  полезных  в  примитивных  ситуациях,

  абсолютно, возможен  (как это допустимо  и для наделенных  личностей),

  но, с нашей точки зрения,  в сфере  искусственного  интеллекта  в

  недалеком будущем этого ждать не следует.

    • Запомнить

     Запоминание  информации технически ограничено  и объединено, к тому же,

  с эффективностью  употребляемой информационной системы. Допустим  для удобства

  работы необходимо, чтоб элементы знания вводились в продукционные системы

  автономным образом, как это делается в словарях, то храниться они обязаны

  в упорядоченном виде. Правила, классифицированные в древовидные строения,

  являют собой сеть,  узлы  которой  показываются  моделями,  хранящими

  описание правил.

     К тому же, нужно, чтоб система умела инвертировать правила,  т.е.

  умела находить, в каких ситуациях предоставленное правило очутится  полезным.

  Инверсия — сложная операция, соединенная с обобщением,  и с ее  помощью

  реализовывается узнавание концептов, кратких дескрипторов  всех  вероятных

  ситуаций в  процессе  обработки  информации.  Для  того  чтоб  снизить

  издержки, объединенные  с инверсией,  порой  допускается лишний  расход

  памяти. Очевидно, что в интеллектуальных, эффективно работающих системах одна

  и та  же  информация  может  быть  изображена  в нескольких  разных

  форматах.

    • Использовать

    При доступе  к информации появляются проблемы распознавания конфигураций,

  которые применялись на предшествующем этапе для создания древовидных 

  строений, прямых и инверсных элементарных правил.

  Управление поиском осуществляется благодаря метаправилам и в более

  общем виде с помощью моделей знаний значительных величин,

  которые разрешают проводить распознавание в зависимости от  стратегии,

  объединенной с контекстом, и отсрочивать  выбор на  возможно  более долгое

  время.

    Многочисленные экспертные системы, созданные на продукционных правилах, в

  частности CRYSALIS, ARGOS II, POLITICS, OPS, TANGO, SNARK, уже

  включают элементы ответов на поставленные три вопроса. Этому содействует

  прежде всего резкое разделение между самим знанием и обработкой с

  помощью итерационной  интерпретации, которая разрешает четко разделить

  и анализировать эти  три проблемы.

    Так вот экспертные системы предлагают качественно новый подход к

  программированию. Из  двух основных управляющих структур — проверки и цикла

  —  они  составляют  только  первую,  которая   позволяет   достаточно   легко

  выражать простые факты для интерпретатора,  а также воспроизводить

  циклы наполнения  проверок  и  обработку.  Таким   образом,  ликвидируются  два

  неминуемых  изъяна  классического программирования:  последовательная

  цепь выполнения операций и приказной характер простых  инструкций.