Преимущество

Для управления современными «сложными» эргономическими системами, кроме обычных фактографических данных, требуются правила вывода новых данных и правила вывода новых знаний, на основе которых принимается решение.

Под сложными системами будем понимать такие, которые могут изменять свою структуру и деятельность (набор действий) как под действием внутренних факторов, так и внешних.

Под эргономическими системами будем понимать человеко-машинные комплексы, в которых управление не может быть осуществлено без участия человека.

Автоматическая – без участия человека.

Базы знаний отличаются от базы данных тем, что:

1. БД являются частью (элементом) знаний.

2. БЗ отражают закономерности предметной области, позволяют определить тенденции и прогноз развития предметной области, содержат сведения о структуре информационной системы или БД так называемую метаинформацию.

3. БЗ имеет входной язык, т.е. возможность интерпретации новых предложений, новых фактов, новых событий и знания в БЗ конкретизированы, а не обобщающие;

4. БЗ всегда конкретны.

В качестве моделей БЗ приняты: продукционная модель, модель фреймов, модель семантических сетей.

Продукционные модели

Продукционная модель знаний основана на трех компонентах.

1. Статические данные, которые могут быть представлены в виде чисел, символов, гипотез, идей, событий, временных измерениях и т.д., т.е. представлять данные различной природы.

2. Динамические данные связаны с определенными правилами, с определенными методами образования связей между конкретными имеющимися данными. На основе сформированных связей получаются новые данные, новая информация.

Формализация выводов может быть основана на методах математической логики (Буль, Миль), на теории автоматов, математических методах, на логических высказываниях (например, высказывание на часть целого, если…то).

3. Синтаксические конструкции могут лежать не только в основе выводов, но и составлять конструкции новых выводов, тем самым рекурсивно порождая правило формирования новых выводов.

Принцип получения новой информации по имеющимся данным за счет увеличения алгоритмической сложности позволяет получить новые знания, и в связи с этим определить новые термины, новые информационные технологии. Так как продукционная модель не имеет достаточной полноты описания реального мира, например, метаязык, она не нашла широкого распространения.

Наиболее мощными представителем метаязыка является Пролог, Лисп. При использовании продукционной модели возникают 2 проблемы:

1. Преобразование знаний для ввода в компьютер.

2. Проблема конструирования вывода.

Базы знаний лежат в основе экспертных или интеллектуальных систем.

Продукционная модель в интеллектуальных системах в первых приближениях наиболее распространена в специальных науках: медицина, военное дело, химия и т.д. Связано это с тем, что в конкретных областях знаний сформировались методы, которые можно перевести на машинный язык (например, структура – свойство).

Специализация направлена на формальные представления данных и формализацию алгоритмических процедур. При этом в разных областях знаний могут быть обнаружены закономерности, позволяющие формализовать вывод новых знаний, либо вывод новых методов, либо вывод новых данных. Например, в химии на основе закономерности структура – свойство можно по заданным наборам свойств определять структуру (или набор компонентов). В медицине используется принцип консилиума, который использует интегральные знания в некоторой области медицины на основе конкретных знаний экспертов. Если проблема противоречива, некорректна, или не может быть принято однозначное решение, то дополнительно используется проверка экспертных решений или знаний экспертов. Суть этой проверки заключается в определении согласованности мнений экспертов и выражается числом конкордации

К = N / N 0 .

Фреймы

В основе фреймов лежит фиксация знаний путем сопоставления новых фактов с известными в рамках, определенных сознанием каждого человека (формализация рамок и будет представлять фрейм).

С помощью Ф систематизируются знания людей аналогично процессу систематизации знаний человека.

Сам по себе Ф представляет собой таблицу, структура и организация которой является развитием реляционной модели данных. Реляционная модель данных является упрощенной моделью Ф. Существует отличительная черта Ф – имя атрибута во Ф может принимать позицию значения. Значение атрибута может быть именем другого Ф. Структура Ф может быть представлена:

Имя слота 1 может быть уникальным, оно может быть служебным (зарезервированным). Служебными словами могут быть «дата определения», «модификация Ф», «комментарий».

Указатель наследия: S – тот же слот, т.е. слот, который используется; U – уникальный, т.е. слот наследуется, но данные в нем свои; I – независимый, слот не наследуется.

Указатель типа данных: Frame (фрейм) – указывает имя Ф верхнего уровня;

Atom – какая-то переменная; Text – текст; LIST – список; LISP – присоединенная процедура.

С помощью механизма управления наследованием слота с типом LISP можно определить автоматический поиск слотов (отношение ЕСТЬ-НЕКОТОРЫЙ), также можно фиксировать начало создания модификации Ф или ее завершение, начало и завершение работы или др. операции, связанные с отслеживанием временных интервалов или определенного значения времени.