Сучасні інформаційні технології, обчислювальна техніка та програмування

Сидорук Андрій Васильович

Чернівецький національний університет імені Ю. Федьковича

МЕТОД ВДОСКОНАЛЕННЯ МОДЕЛІ ПРЕДСТАВЛЕННЯ ЗНАНЬ НА ОСНОВІ КОМПЛЕКСНОГО ПІДХОДУ

Для подання знань використовуються різні моделі представлення знань (knowledge representation) [3]. Традиційно до них ставилася розробка формальних мов і програмних засобів для відображення й опису так званих когнітивних структур. Сьогодні до подання знань зараховують також дослідження з дескриптивної логіки, логікам простору й часу, онтологіям [2]. Просторові логіки дозволяють описувати конфігурацію просторових областей, обєктів у просторі; з їхньою допомогою вивчаються також сімейства просторових відносин. Останнім часом ця область, через тісний зв’язок із прикладними завданнями, стає домінуючою в дослідженнях з подання знань. Об’єктами дескриптивної логіки є так називані концепти (базові структури для опису об'єктів в експертних системах) і зв'язані в єдине ціле безлічі концептів (агреговані об'єкти). Дескриптивна логіка виробляє методи роботи з таким складними концептами, техніку міркувань про їхні властивості. Дескриптивна логіка може бути використана, крім того, для побудови пояснювального компонента бази знань. Нарешті, онтологічні дослідження присвячені способам концептуалізації знань і методологічних міркувань про розробку інструментальних засобів для аналізу знань. Існують різні класифікації моделей представлення знань. З них можна виділити наступні:

  1. методи програмування котрі діючи за певними правилами, обробляють велику кількість інформації і в результаті видають висновок на її основі (на них основані експертні системи);

  2. методи на основі аналогічних випадків (на основі прецедентів) (case-based reasoning, CBR);

  3. статистичні методи виявлення закономірностей у даних, основані на невизначеностях – байесовські мережі (bayesian networks);

  4. поведінковий підхід – модульний метод побудови бази знань, при якому система розбивається на декілька порівняно автономних програм поводження, які запускаються залежно від змін зовнішнього середовища;

  5. обчислювальний підхід – має на увазі ітеративну розробку й навчання (наприклад, підбір параметрів у мережі зв’язності). навчання засноване на емпіричних даних і асоціюється з несимвольним навчанням та нечіткими обчисленнями;

  6. представлення знань за допомогою штучних нейронних мереж;

  7. методи нечітких систем;

  8. методи еволюційних обчислень;

  9. методи немонотонних моделей міркувань;

  10. логічні моделі представлення знань;

  11. продукційні моделі представлення знань;

  12. фрейми для представлення знань;

  13. семантичні мережі для представлення знань;

  14. критеріальні методи представлення знань;

  15. імовірносні методи представлення знань;

  16. моделі аргументації або обмежень;

Різні моделі дозволяють по різному представляти знання та проводити необхідні перетворення в базі знань [2]. Характерними рисами, що проявляються в процесі роботи з базами знань, є здатність до навчання, узагальнення, нагромадженню досвіду (знань і навичок) і адаптації до умов, що змінюються, у процесі внутрішніх перетворень [1].

Для реалізації моделей представлення знань використовують програмування на спеціалізованих мовах, таких як Lisp та Prolog, хоча також часто застосовується і мови загального призначення C++ і т.п. З тими чи іншими затратами модель може бути застосована для рішення широкого кола інтелектуальних задач (рішення яких в принципі можливе). Найбільш показовою областю ефективного застосування моделі є складні недетерміновані процеси, тобто такі, результат яких залежить від взаємодії великого та дуже великого числа різних складових, компонент, об’єктів, умов, котрі в свою чергу можуть вести себе по-різному, в залежності від ситуації, що склалась на даний момент [2]. Реалізація довільної моделі представлення знань вимагає внутрішньої взаємодії між складовими організованої пам’яті.

Реалізація моделі представлення знань завжди пов’язана з розглядом певної предметної області. Предметна область подається реальними чи абстрактними сутностями. Сутності предметної області містяться в певних відношеннях (асоціаціях) один до одного, котрі також можна розглядати як сутності і включати в предметну область. Між сутностями спостерігаються різні відношення подібності. Сукупність подібних сутностей складає клас сутностей, котрий є, в свою чергу, новою сутністю предметної області. Відношення між сутностями виражаються за допомогою суджень. Судження може мати або не мати місце для розглядуваних сутностей. В формальній чи природній мові судженням відповідають речення. Судження і речення також можна розглядати як сутності і включати в предметну область. Мови, призначені для опису предметних областей, називають мовами представлення знань. Універсальною мовою представлення знань є природна мова. Але використання природної мови в комп’ютерних системах представлення знань наштовхується на значні труднощі, пов’язані з нерегулярністю, двозначністю та ін. Але головною завадою є відсутність формальної семантики природної мови, котра мала б достатньо ефективну операційну підтримку [1]. Встановлення імен для інформаційних одиниць, саме виділення таких одиниць на конкретному об’єкті, визначення відношень, котрі є між одиницями, – складна задача. Для реально існуючих об’єктів з відносно простою структурою інколи можливе єдине розбиття на інформаційні одиниці. Кожна інформаційна одиниця, як і вся система в цілому, може знаходитись в одному з станів [3]. Для представлення різних ситуацій з складовими організованої пам’яті асоційована інформація різних видів:

  1. одна її частина вказує, яким чином слід використовувати дану складову;

  2. друга – що припустимо може статись після її використання;

  3. третя – як потрібно діяти, коли ці очікування не підтвердяться.

Для організованої пам’яті характерні наступні властивості [2]:

  1. внутрішня інтерпритованість (кожна інформаційна одиниця повинна мати унікальне ім’я та однозначно визначатись);

  2. структурованість, тобто між інформаційними одиницями повинні бути встановлені відношення (наприклад частина – ціле, рід – вид та ін.);

  3. створений простір, може виявитись як метричним так і не метричним.

Кожна з моделей при вирішенні певних задач є кращою по тим чи іншим параметрам відносно інших моделей. Тому виникає ідея побудувати модель представлення знань на основі комплексного підходу. Котрий зможе забезпечити об’єднання в одній моделі декількох інших. Що створить передумови розбиття задачі на підзадачі для кожної з яких можна використати свій механізм вирішення на основі підмоделей. Звичайно модель повинна бути побудована в наперед визначених рамках. До основних можливостей такої комплексної системи слід віднести координацію взаємодії підмоделей. Також важливою функцією такої системи повинна бути можливість сумісного використання баз знань різного формату, хоча б у певних рамках. Завдяки цим якостям можна вирішувати різноманітні завдання, а також легко перебудовуватися з рішення одного завдання на інше. Таким чином можна створити універсальний засіб рішення широкого кола завдань (в більшості неформалізованих) для яких немає стандартних, заздалегідь відомих методів рішення. Розробка теоретичної комплексної моделі представлення знань є складною задачею котра вимагає нетривіальних рішень. Можливість створення такої моделі залишається на даний час в теоретичні області.

Необхідність використання комплексного підходу внутрішньої реалізації зумовлюється, як наслідок нечіткостей або неясностей породжених складністю задач в процесах підходів до їх вирішення чи пошуку висновку. Необхідно акцентувати увагу на створення наперед визначених рамок для впровадження комплексної моделі. Та розширення аналітичних можливостей за рахунок комплексного підходу внутрішньої реалізації алгоритмів вирішення чи пошуку висновку.

Запропонована теоретична модель основана на комплексному підході дозволить розширити можливості моделей представлення знань, для забезпечення баз знань максимально можливою функціональністю. Що в свою чергу означає розширення можливостей інтелектуальних систем побудованих за допомогою застосування моделі комплексного підходу. В зв’язку з цим дослідження направлені на розробку ефективних методів і алгоритмів взаємодії між різними моделями баз знань є актуальною науково-технічною задачею.

Література:

  1. Герасимов Б.М., Локазюк В.М., Оксіюк О.Г., Поморова О.В. Інтелектуальні системи підтримки прийняття рішень: Навч. посібник. – К.: Вид-во Європ. ун-ту, 2007. – 355 с.

  2. Люгер Д., Искусственный интеллект: стратегии и методы решения сложных проблем, 4-е изд., М.-:Издательский дом «Вильямс», 2003.- 864 с.

  3. Смолин Д. В. Введение в искусственный интеллект: конспект лекций. - М.: ФИЗМАТЛИТ, 2004. - 208 с.

Статья опубликована 30.10.2009 (оригинал). Переопубликована 30.09.2018

Назад

 

TerminalCoin

2018-10-01 02:58:32