Инженерия знаний представляет собой научное направление, занимающееся вопросами формализации, представления и обработки знаний в информационных системах. Этот термин был предложен американским ученым Э.Фейгенбаум в 1977 г.
Инженерия знаний изучает вопросы:
• извлечения знаний из экспертов и/или текстов;
• формализации и обработки знаний;
• проектирования и разработки баз знаний.
Понятие знание не имеет какого-либо исчерпывающего определения.
Знания можно определить как совокупность сведений, образующих целостное описание, соответствующее некоторому уровню осведомленности об описываемом вопросе, предмете, проблеме и т. д. Иными словами, знания — это выявленные закономерности предметной области (принципы, связи, законы), позволяющие решать задачи в этой области. С точки зрения искусственного интеллекта знания можно определить как формализованную информацию, на которую ссылаются в процессе логического вывода.
Для хранения данных используются базы данных, характеризующиеся большим объемом и относительно небольшой удельной стоимостью информации. Для хранения знаний используются базы знаний, которые, напротив, характеризуютсянебольшим объемом, но исключительно высокой стоимостью. База знаний — это совокупность знаний, описанных с использованием выбранной формы их представления. База знаний является основой любой интеллектуальной системы.
|
|
Знания, с точки зрения решения задач в некоторой предметной области или по способу приобретения, можно разделить на две большие категории — факты и эвристику. Первая категория знаний – факты - указывают на хорошо известные в данной предметной области обстоятельства. Вторая категория знаний – эвристика - основывается на собственном опыте специалиста (эксперта) в данной предметной области, накопленном в результате многолетней практики.
По характеру знания можно разделить на процедурные и декларативные.
Процедурные знания - это знания, «растворенные» в алгоритмах - это методы, алгоритмы, программы решения различных задач, последовательности действий (в выбранной проблемной области). Процедурные знания составляют ядро баз знаний. Например, в производственной сфере аналог процедурных знаний — технологические знания о способах организации и осуществления разнообразных производственных процессов. Процедурные знания образуются в результате осуществления процедур (алгоритмов, программ, аналитических преобразований и т.п.) над фактами как исходными данными.
Процедурные знания хранятся в памяти ИС в виде описаний процедур, с помощью которых их можно получить. В виде процедурных знаний обычно описывается информация о предметной области, характеризующая способы решения задач в этой области, а также различные инструкции, методики и т.д.
|
|
Декларативные знания — это совокупность сведений о качественных и количественных характеристиках конкретных объектов, явлений и их элементов, представленных в виде фактов и эвристик. Традиционно такие знания накапливались в виде разнообразных таблиц и справочников, а с появлением ЭВМ приобрели форму информационных массивов (файлов) и баз данных. Декларативные знания часто называют просто данными. Декларативные знания хранятся в памяти ИС так, что они непосредственно доступны для использования. Это информация о свойствах предметной области, фактах, имеющих в ней место, и т.д.
Важной проблемой для систем искусственного интеллекта является представление знаний -это проблема представления взаимосвязей в конкретной предметной области в форме, понятной системе искусственного интеллекта.
Представление знаний — это их формализация и структурирование, с помощью которых отражаются характерные признаки знаний: внутренняя интерпретируемость, структурированность, связность, семантическая метрика и активность. Другими словами, представление знаний — это соглашение о том, как описывать реальный мир. Проблема представления знаний решается с помощью специально разработанных моделей представления знаний. Выделяют следующие модели представления знаний: логические модели; продукционные модели; семантические сети; фреймовые модели.
Логическая модель основана на формальных логических правилах. Знания представляются в ней в виде предикатов первого порядка, над которыми можно выполнять логические операции. Например,
P: Все импортные товары требуют таможенного оформления; Q: Товар Х – импортный товар.
Над этими предикатами можно выполнить логическую операцию, приводящую к появлению нового верного утверждения:
R: Товар Х требует таможенного оформления.
Используя для обозначения высказываний логические переменные Р, Q, R, можно составить формулу: (P Ʌ Q) → R
Т.е.: «Если все импортные товары требуют таможенного оформления И товар Х является импортным, то товар Х требует таможенного оформления».
Продукционная модель получила наибольшее распространение благодаря своей структурной простоте и универсальности. В этой модели знания представлены совокупностью так называемых продукционных правил вида «если – то», которые могут быть дополнены логическими операторами.
Пример продукционного правила:
ЕСЛИ (СПРОС НА ТОВАР неэластичен по цене) И (ЦЕНА понижается) ТО (ВЫРУЧКА падает)
Содержимое базы знаний изменяется в процессе решения задач по мере срабатывания правил, т.е. при возникновении такой ситуации, когда предпосылки правила совпадают с имеющимися фактами, и, следовательно, это правило можно применить к решению данной задачи. При этом заключение сработавшего правила заносится в рабочую память.
Тем самым реализуется принцип самообучения: база пополняется в процессе решения прикладных задач, и становится способной решать принципиально новые задачи.
Фреймовая модель основана на теории фреймов, разработанной американским исследователем М.Минским, и представляющей собой систематизированную модель памяти и сознания человека. Поскольку эта теория имеет несколько абстрактный характер, фреймовая модель представления знаний обычно применяется в комбинации с другими моделями.
Фреймом называется структура данных для представления некоторой стереотипной ситуации или объекта.
Каждый фрейм имеет имя, идентифицирующее описываемое понятие, и содержит ряд полей – слотов, с помощью которых определяются основные элементы понятия.
|
|
Слоты содержат определенные значения, которые могут представлять собой некоторый диапазон или перечень возможных значений, арифметическое выражение, фрагмент текста и т.д.
Фреймовая модель позволяет отобразить все многообразие знаний через различные типы фреймов:
• фреймы-структуры для обозначения объектов и понятий (заказ, товар, ценная бумага);
• фреймы-роли (поставщик, кассир, клиент);
• фреймы-сценарии (продажа товара, прием заказа);
• фреймы-ситуации (обнаружение дефекта товара) и др.
Совокупность данных предметной области может быть представлена множеством взаимосвязанных фреймов, образующих единую фреймовую систему, в которой объединяются декларативные и процедурные знания.
Семантическая сеть представляет собой систему знаний некоторой предметной области, представленную в виде целостного образа сети, узлы которой соответствуют понятиям и объектам, а дуги — отношениям между объектами. При построении семантической сети отсутствуют ограничения на число отношений и на сложность сети.
Наиболее часто в семантических сетях используются следующие отношения:
• связи типа «часть-целое» («вид-род», «элемент-множество»);
• функциональные связи (определяемые обычно глаголами или глагольными оборотами («влияет на», «подчиняется» и т.п.);
• количественные («больше», «меньше», «равно»);
• атрибутивные связи («имеет свойство», «имеет значение»);
• логические связи («и», «или», «не»);
• отношения «сходства — различия»;
• отношения «причина - следствие» и др.