Особенности различных представлений знаний

Различные способы представления знаний, обсуждались так, как будто они совершенно не связаны между собой, что совершенно не верно. Это отражает лишь тот факт, что все разработки велись по различным концепциям. Однако всегда оставалась общая цель — представление знаний и их использование в решении проблем, поэтому можно сказать, что взаимное различие способов представления заключается, скорее, в их внешнем виде, а существо не изменяется. Конечно, уровень достижения цели, уровень системного развития будут неодинаковы для каждого соответствующего способа представления, хотя в методологическом отношении весьма желательна легкость достижения цели при проведении выводов. Значит, если задаться вопросом, какова цель, которой должна достичь система представления знаний, то ответ на него не всегда будет ясен. Прежде инженерией знаний ставилась задача успешно применять знания. О современных системах инженерии знаний можно также сказать, что их практическое воплощение достигло еще только экспериментальной стадии. Чтобы обеспечить полноценное развитие технологии обработки знаний, необходимо на самых ранних этапах поставить ту цель, которую должна преследовать эта технология. Задачей обработки знаний является поддержка интеллектуальной деятельности человека, и поэтому необходимо начинать с анализа методов решения проблем человеком.

Различные способы представления знаний имеют присущие только им характерные черты. Сначала обсудим их очевидные особенности.

Продукционные правила. Представление знаний с помощью продукционных правил весьма просто, а выводы, которые проводятся на основе формализма вида, если — то, легко понимаемы и аналогичны всем тем силлогизмам, что мы усвоили еще в детскую пору. Кроме того, ярко выраженная модульность правил позволяет задавать новые значения, не вдаваясь в смысл других знаний. Благодаря этому, а также возможности построения выводов, в однородной форме получаемые системы становятся несложными и легко понимаемыми. С другой стороны, нетрудно видеть, что такая простота, являющаяся следствием немного красочного представления всех описаний, направлена на решение легких, однородных по свойствам задач и приводит к резкому падению эффективности решения таких проблем, которые состоят из нескольких разнородных задач. Но даже если проблема является простой, не удается построить систему для управления знаниями как единым целым, поэтому целиком весь процесс управления должен осуществляться человеком. Если проблема становится сложнее, то и управление становится сложным. В частности, особенность системы знаний состоит в том, что человек может в течение длительного времени накапливать или же тщательно отрабатывать знания. Однако в этом случае возможно, что по некоторым причинам, будь источником этих причин человек или время, возникнут знания, противоречащие полученным ранее. Человеку свойственны некоторые ограничения, касающиеся управления этим процессом, что, в свою очередь, накладывает ограничения на масштаб и многообразие решаемых проблем.

Семантические сети. Семантические сети — это общее название методов описания, использующих сети, ими же называют один из способов представления знаний. Характерная особенность семантической сети — в наглядности отображения знаний системы. Каждое отдельное знание рассматривается как некое отношение между сущностями и понятиями, и формально, так же как и в продукционных системах, определенные заранее и уже имеющиеся внутри системы знания можно наращивать независимо от сохранения их модульности. В то же время все знания, относящиеся к одинаковым сущностям и понятиям, могут быть изображены в виде отношений между различными узлами, описывающими эти сущности, и это дает основание говорить о легкости понимания такого представления. На основе данных сетей осуществляются выводы, однако для этого необходимы специальные алгоритмы вывода. В продукционных системах выводы определяются для ограниченного формализма, если — то, поэтому алгоритмы вывода также формализованы и наряду со своей простотой достаточно точны. Поскольку семантические сети являются собирательным названием систем представления, использующих сети, нет смысла определять для них специфические алгоритмы вывода, и потому сравнивать сети c другими способами представления весьма трудно. Однако из-за того что форма представления сетями не устанавливается, для каждого конкретного формализма будут определены свои собственные правила вывода, значит, усиливается элемент произвольности, вносимый человеком. Выводы, которые достаточно тщательно не проверены, таят в себе угрозу создания противоречий. Следовательно, в семантических сетях необходимо больше, чем в продукционных системах, уделять внимания устранению противоречий. Сама система такими возможностями не обладает, и поэтому во многих случаях эта функция возлагается на человека. Просматривая все знания, человек способен управлять их противоречивостью, однако если объем знаний будет увеличиваться, то их представление резко усложнится, что ограничит круг решаемых проблем сравнительно небольшими проблемами.

Фреймовые системы. Фреймовые системы, как и продукционные, определяют форму представления знаний и отличаются от других аналогичных систем тем, что предоставляют пользователю большую степень свободы. Фреймовая система не только описывает знания, но и может также использоваться человеком для написания алгоритмов вывода. С точки зрения пользователя, который очень хорошо разбирается в обработке знаний, это выглядит преимуществом, однако для рядового потребителя — это большая нагрузка. Фреймовая система является расширением традиционных систем процедурного типа. Благодаря подобным свойствам можно формально строить фреймовые системы в самом широком диапазоне, поэтому и оценки, получаемые средствами фреймов систем, должны, вероятно, быть самыми различными.

Фрейм как структура описывает одну из единиц обработки, обладающую до некоторой степени независимостью, и может представлять средства, связывающие между собой эти структурные единицы. Следовательно, если сравнивать фреймовую систему с традиционной программной системой, где весь смысл обработки должен описываться группой последовательно соединенных операций, то можно говорить о частичном снятии ограничений процесса обработки за счет описания обрабатываемых единиц в виде фреймов, которые (по крайней мере, часть из них) не обязательно следуют один за другим. Однако то обстоятельство, что здесь знания задаются, по существу, процедурами, усложняет по сравнению с другими методами приобретение знаний и обедняет возможности динамической адаптации к изменениям внешней среды. Кроме того, предполагается, что в сложных проблемах отношения между фреймами также становятся сложными.

Во фреймовых системах имеется еще один существенный недостаток, связанный с их структурой. Сам по себе фрейм является множеством описаний (слотов), находящихся в некоторых взаимных отношениях. То, что слоты связаны с процедурами, а также то, что они передают друг другу управление посредством обмена сообщениями, означает, что структура фреймовой системы описывает структуру управления процедурной обработкой. Однако во многих случаях описание некоей сущности рассматривается как единое целое, и поэтому зачастую фрейм есть представление этой сущности. Когда все сходные между собой сущности собраны воедино и это множество оформлено в виде фрейма как сущность класса, то между полученным фреймом и фреймами каждой отдельной сущности будут сформированы структурные отношения.

На базе этой структуры, которая может рассматриваться как структура данных, будет порождено наследование. В конечном итоге фреймовая система приводится к форме представления единиц управляющих структур и единиц структур данных в общих фреймах, поэтому иногда необходимо прибегать к довольно надуманным приемам; при этом теряется легкость интуитивного понимания, являющаяся особенностью данной системы. Подобное ограничение допустимо для проблем сравнительно небольшого масштаба, но если проблема несколько расширяется, то описание и управление во фреймовой системе становятся более сложными, чем в системах традиционного процедурного представления, и тогда о ней трудно говорить как об универсальной системе обработки знаний.

Таким образом, для большинства используемых сегодня представлений знаний и созданных на их основе систем характерно усложнение описания проблемы при разрастании ее масштабов. Этот недостаток трудно будет устранить, не лишившись одновременно преимуществ соответствующих методов.

Когда в какой бы то ни было области, включая и системы искусственного интеллекта, предлагается новая методология, чрезвычайно важно установить, подходит или нет эта методология для решения сложных проблем в той степени, как это требуется в действительности. Применительно к системам искусственного интеллекта методология системного проектирования, которая годилась бы для крупномасштабных проблем, весьма далека от идеи простого количественного расширения методологии, созданной для небольших проблем, и в этом проявляется существенное различие таких методологий.

В процессе оценки пригодности экспертных или других систем инженерии знаний для решения реальных проблем прибегали к количественному наращиванию технологии и алгоритмов, используемых в этих системах. В итоге оказалось, что на некоторых этапах наращивания или в самом его конце ЭС действительно полезны в решении проблем и этим отличаются от любых других используемых сегодня методов.

искусственный интеллектуальный информационный экспертный.