Означення продукційної експертної системи

Продукційна система - це спосіб представлення знань у вигляді:

1. невпорядкованого набору продукційних правил,

2. робочої пам'яті,

3. механізму логічного виведення типу «розпізнавання-дія».

Продукційні правила часто називають ще продукціями. Продукція - це пара типу «умова-дія», «ситуація-дія», «причина-наслідок», «умова-висновок» і т.д., що визначає одну порцію знань, необхідних для вирішення завдання. В умовній частині правила, природно, знаходяться умови, при яких виконується інша частина правила - частина дії.

Узагальнений запис правила-продукції такий:

,

де - ідентифікатор -продукції в -наборі продукцій; - пріоритет правила продукції; - передумова застосовності ядра продукції, що є предикатом, при виконанні якого активізується ядро продукції; - ядро продукції; - дії та процедури, що повинні бути виконані після виконання ядра продукції.

Ядро продукції може бути детермінованим або недетермінованим, в залежності від того, чи воно звучить як «Якщо, то» (детерміноване), чи як «Якщо, то, можливо,» (недетерміноване). Тобто в деяких випадках при виконанні умови друга частина виконується обов'язково, а в інших випадках - з певною ймовірністю. При чому велиина цієї ймовірності може бути також визначена. Тоді ядро правила буде звучати як «Якщо, то з ймовірністю реалізувати».

Детерміновані продукції можуть також бути однозначними або альтернативними. В другому випадку в правій частині ядра вказуються альтернативні можливості вибору, що оцінюються спеціальними вагами коефіцієнтами вибору. В якості таких ваг можуть бути ймовірнісні, лінгвістичні, експертні оцінки, тощо. Наприклад: «Якщо, то найчастіше реалізовується, а рідше -».

У системі, що базується на продукційних правилах, їх кількість визначає розмір бази знань. Достатньо складні системи можуть використовувати бази знань, що містять більше, ніж 5000 продукційних правил. Тому при складанні правил необхідно:

1. використовувати мінімально достатній набір умов для визначення продукційного правила,

2. уникати суперечливих продукційних правил,

3. конструювати правила, опираючись на структуру відповідної предметної області.

Робоча пам'ять містить опис поточного стану об'єкта в процесі міркувань, який співставляється з умовними частинами продукційних правил з метою вибору відповідних дій при рішенні завдання. Якщо умова деякого правила відповідає вмісту робочої пам'яті, то може виконуватися дія, пов'язана із цією умовою. Дії продукційних правил призначені для зміни вмісту робочої пам'яті.

Механізм «розпізнавання-дія» (пошук за зразком). Поточний стан досліджуваної предметної області відображений в робочій пам'яті у вигляді сукупності образів, кожен з яких представляється за допомогою фактів. Факти співставляються з умовними частинами продукцій та вибираються відповідні правила. Якщо факти співпали з умовами більше, ніж одного правила, то такі правила утворюють так звану конфліктну множину і називаються допустимими. Відповідно до обраного механізму вирішення конфлікту вибирається та активізується одна із продукций конфліктної множини. Активація правила означає виконання його дії. При цьому змінюється вміст робочої пам'яті і далі все повторюється. Процес закінчується, якщо вміст робочої пам'яті не відповідає жодній з умов наявних продукційних правил.

Таким чином, процес логічного висновку, що базується на пошуку за зразком, складається із 4 кроків:

1. вибір образу;

2. співставлення образу з умовами продукцій та формування конфліктної множини правил;

3. вирішення конфлікту;

4. виконання правила.

Однією з проблем у поданні знань є як зберігати та обробляти знання в інформаційних системах формальним способом так, щоб механізми могли використовувати їх для досягнення поставлених завдань. Приклади застосування тут експертні системи, Машинний переклад, комп'ютеризоване технічне обслуговування та системи вилучення та пошуку інформації (включаючи користувальницькі інтерфейси баз даних).
Для представлення знань можна використовувати семантичні мережі. Кожен вузол такої мережі представляє концепцію, а дуги використовуються для визначення стосунків між концепціями. Одна з найбільш виразних і детально описаних парадигм представлення знань заснованих на семантичних мережах це MultiNet (акронім для Багатошарові Розширені Семантичні Мережі англ. Multilayered Extended Semantic Networks).
Починаючи з 1960-х років, використовувалося поняття фрейму знань або просто фрейму. Кожен кадр має своє власне ім'я і набір атрибутів, або слотів які містять значення; наприклад фрейм будинок міг би містити слоти колір, кількість поверхів і так далі.
Використання фреймів в експертних системах є прикладом об'єктно-орієнтованого програмування, з успадкуванням властивостей, яке описується зв'язком «is-a». Однак, у використанні зв'язку «is-a» існувало чимало суперечностей: Рональд Брахман написав роботу озаглавлену «Чим є і не є IS-A», в якій були знайдені 29 різних семантик зв'язку «is-a» у проектах, чиї схеми подання знань включали зв'язок «is-a». Інші зв'язки включають, наприклад, «has-part».
Фреймові структури добре підходять для представлення знань, представлених у вигляді схем та стереотипних когнітивних паттернів. Елементи подібних патернів володіють різними вагами, причому великі ваги призначаються тим елементам, які відповідають поточній когнітивної схемою (schema). Паттерн активізується за певних умов: Якщо людина бачить велику птицю, за умови що зараз активна його «морська схема», а «земна схема» - ні, він класифікує її скоріше як морської орлана, а не сухопутного беркута.
Фреймові подання об'єктно-центровані у тому ж сенсі що і Семантична мережа: Усі факти і властивості, пов'язані з однією концепцією, розміщуються в одному місці, тому не потрібно витрачати ресурси на пошук по базі даних.
Скрипт це тип фреймів, який описує послідовність подій у часі; типовий приклад опис походу в ресторан. Події тут включають очікування місця, прочитати меню, зробити замовлення, і так далі.
Різні рішення в залежності від їх семантичної виразності можуть бути організовані в так званий семантичний спектр (англ. Semantic spectrum).

Мова і нотація

Деякі люди вважають, що краще за все буде представляти знання також як вони представлені в людському розумі, який є єдиним відомим на сьогоднішній день працюють розумом, або ж представляти знання у формі природної мови. Доктор Річард Баллард, наприклад, розробив «семантичну систему, що базується на теорії», яка не залежить від мови, яка виводить мета і міркує тими ж концепціями і теоріями що і люди. Формула, що лежить в основі цієї семантики: Знання =Теорія + Інформація. Більшість поширених додатків і систем баз даних засновані на мовах. На жаль, ми не знаємо як знання представляються у людському розумі, або як маніпулювати природними мовами також як це робить людина. Однією з підказок є те, що примати знають як використовувати інтерфейси користувача point and click; таким чином інтерфейс жестів схоже є частиною нашого когнітивного апарату, модальність яка не прив'язана до усної мови, і яка існує в інших тварин, крім людини.
Тому для представлення знань були запропоновані різні штучні мови і нотації. Зазвичай вони засновані на логіці і математиці, і мають легко читається, граматику для полегшення машинної обробки. Зазвичай вони потрапляють в широку область онтологій.
Нотація.
Останньою модою в мовах представлення знань є використання XML як низькорівневого синтаксису. Це призводить до того, що виведення цих мов представлення знань машини можуть легко Синтаксичний аналіз, за ​​рахунок легкості читання для людини. Логіка першого порядку і мова Пролог широко використовується в якості математичної основи для цих систем, щоб уникнути надмірного ускладнення. Проте навіть прості системи засновані на цій простій логіці можна використовувати для представлення даних яке значно краще можливостей обробки для нинішніх комп'ютерних систем: причини розкриваються в теорії обчислюваності.
Приклади нотацій:
DATR є прикладом подання лексичних знань
RDF є простою Нотація для подання відносин між і серед об'єктів
Мови
Приклади штучних мов які використовуються переважно для представлення знань:
CycL
IKL
KIF
Loom
OWL
KM: Машина Знань (англ. Knowledge Machine) (фреймовий мову, що використовувався для задач уявлення знань)
мова Пролог