Створення бази знань та її опис мовою логічного програмування

База знань, БЗ (англ. Knowledge base, KB) — це особливого роду база даних, розроблена для управління знаннями (метаданими), тобто збором, зберіганням, пошуком і видачею знань. Розділ штучного інтелекту, що вивчає бази даних і методи роботи із знаннями, називається інженерією знань.

Інше визначення ж говорить, що: База знань — це сукупність відомостей (про реальні об'єкти, процес, події або явища), що відносяться до певної теми або задачі, організована так, щоб забезпечити зручне представлення цієї сукупності як в цілому так і будь-якої її частини. Це означає, що система управління базою знань (саме знань, а не даних) повинна забезпечити уявлення і обробку моделі, зіставною за своєю складністю з моделлю, що використовується свідомістю людини.

Найважливіший параметр БЗ — якість знань, що накопичені в ній. Кращі БЗ містять релевантну і свіжу інформацію, мають довершені системи пошуку інформації і ретельно пророблену структуру і формат знань.

Прості бази знань можуть використовуватися для зберігання даних про організації: документації, інструкцій, статей технічного забезпечення. Головна мета створення таких баз — допомогти менш досвідченішим людям знайти існуючий опис способу вирішення якої-небудь проблеми предметної області.

Онтологія може служити для представлення в базі знань ієрархії понять і відношень між ними. Онтологія, яка ще містить і екземпляри об'єктів не що інше, як база знань.

База знань — важливий компонент інтелектуальної системи. Найвідоміший клас таких програм — експертні системи. Вони призначені для знаходження способу вирішення специфічних проблем, базуючись на записах БЗ і на користувацькому описі ситуації.

Створення і використання систем штучного інтелекту потребує величезних баз знань.

Класифікація експертних систем:

Основні задачі, що ставляться для ЕС, описані нижче:

§ Інтерпретація - аналіз спостережуваних даних чи ситуацій з метою визначення їх змісту чи опису. Прикладом ЕС такого типу є SIAP, що використовується для виявлення та ідентифікації різних типів океанських суден.

§ Діагностика - класифікація та пошук несправностей у живих чи неживих системах, що базуються на результатах інтерпретації. Прикладом діагностичної ЕС є ANGY, що допомагає здійснювати діагностику та терапію звуження коронарних судин. Для діагностики помилок в апаратурі та математичному забезпеченні ЕОМ використовується ЕС GRIP.

§ Моніторинг - порівняння спостережуваних величин чи ситуацій з опорними (критичними) точками плану та видача повідомлень при відхиленні від плану; інший вид моніторингу - неперервний процес інтерпретації сигналів і видача повідомлень у ситуаціях, що вимагають втручання системи вищого рівня або людини. Приклади: допомогу диспетчерам атомного реактора забезпечує ЕС REACTOR; контроль аварійних датчиків на хімічному заводі - FALCON.

§ Проектування - знаходження такої конфігурації компонентів системи, що задовольняє цільовим умовам та множині проектних обмежень. Прикладом є ЕС SYN для синтезу електричних ланцюжків.

§ Прогнозування - проектування можливих наслідків даної ситуації. Прикладами таких ЕС є: WILLARD для передбачення погоди, ECON для здійснення прогнозів в економіці, тощо.

§ Планування - розробка послідовності дій для досягнення множини поставлених цілей при заданих початкових умовах і часових обмеженнях. Прикладами ЕС цього типу є система ISIS для планування промислових замовлень, MOLGEN для планування експериментів, тощо.

§ Інструктування (навчання) - допомога в освітньому процесі для вивчення певної дисципліни. Системи навчання за допомогою ЕОМ діагностують помилки при вивченні певного предмету та підказують правильні рішення, а також - планують процес спілкування учителя з учнем, в залежності від успіхів учня з метою передачі знань. Приклад: система PROUST для вивчення мови програмування Паскаль.

§ Керування - керування поведінкою складного середовища або системи.

§ Тестування - перевірка якості роботи за допомогою спеціальних тестів.

§ Ремонт - виконання плану організації виправлення деякого виявленого дефекту.

Класифікація ЕС за зв'язком з реальним часом:

§ Квазідинамічні ЕС інтерпретують ситуацію, що змінюється з деяким фіксованим інтервалом часу. Приклад: мікробіологічні ЕС, що знімають лабораторні виміри та покази щодо певного процесу раз в 4-5 годин (например, при виробництві лізину) та аналізують динаміку одержаних показників по відношенню до попередніх результатів.

§ Статичні ЕС розробляються для предметних областей, для яких база знань та інтерпретовані дані не змінюються в часі, а є повністю стабільними. Приклади: діагностика несправностей в автомобілях.

§ Динамічні ЕС працюють разом із датчиками об'єктів у режимі реального часу з неперервною інтерпретацією даних, що надходять. Прикладами є керування гнучкими промисловими комплексами, моніторинг в палатах реанімації, тощо.

Згідно класифікації за типом ЕОМ, нині існують:

§ ЕС для унікальних стратегічно важливих задач на суперкомп'ютерах (таких, як Ельбрус, CRAY, CONVEX та інші);

§ ЕС на ЕОМ середньої потужності;

§ ЕС на символьных процесорах та робочих станціях (SUN, APOLLO);

§ ЕС на міні- та суперміні- ЕОМ (VAX, micro- VAX і т.д.);

§ ЕС на персональних комп'ютерах (IBM PC, MAC II та ініш).

Класифікація за ступенем інтеграції з іншими програмами:

§ Автономні ЕС працюють безпосередньо в режимі консультації з користувачем для вирішення специфічних «експертних» завдань, при чому немає необхідності залучати традиційні методи опрацювання даних, моделювання, тощо.

§ Гібридні ЕС - це програмні комплекси, що мають у собі стандартні пакети прикладних програм (наприклад, математичну статистику, лінійне програмування або системи керування базами даних) і засоби маніпулювання знаннями.