Учебная работа. Реферат: Представление знаний в интеллектуальных информационных системах

Учебная работа. Реферат: Представление знаний в интеллектуальных информационных системах

СОДЕРЖАНИЕ:

ВВЕДЕНИЕ………………………………………………………………………..3

1. ЧТО ТАКОЕ ЗНАНИЯ? систематизация ЗНАНИЙ……………………4

2. ЗНАНИЯ И ДАННЫЕ………………………………………………………….9

3. области искусственного ума считают, что это направление исследовательских работ сделалось самостоятельной наукой в тот момент, когда термин «познания» занял в этих работах центральное пространство. Его возникновение охарактеризовывало появление таковых заморочек, как приобретение и формализация познаний, системы, которые строятся на базе результатов, приобретенных в области искусственного ума, нередко именуют системами, основанными на познаниях, подчеркивая сиим их принципное отличие от ранее создававшихся систем.

Таковая ситуация просит анализа самого понятия «познания» для уточнения круга заморочек, включаемых в область исследовательских работ профессионалов по искусственному уму, также наметить перспективы развития этих исследовательских работ. Схожий анализ вероятен с разных точек зрения: философской, психической, лингвистической и т.д. Любая из их по-своему увлекательна и может отдать нетривиальные результаты. Но в данной нам работе для анализа будет применена «внутренняя точка зрения» на делему познаний, соответствующая для спеца в области искусственного ума и умственных систем.

1. ЧТО ТАКОЕ ЗНАНИЯ? систематизация ЗНАНИЙ

Существует две группы определений понятия “познание”, даваемого толковыми словарями. 1-ая – ставит в базу научный подход и охарактеризовывает познание как “итог зания”. 2-ая – ставит в базу логическую последовательность суждений и разглядывает познание как основанную на беспристрастной закономерности систему суждений с принципной и единой организацией.

Как почти все фундаментальные понятия в остальных науках, в искусственном уме понятие «познание» не имеет какого-нибудь исчерпающего определения. Интуитивное осознание этого термина спецами, по-видимому, близко к тем истолкованиям, которые приводятся в философских словарях. Вот вам наглядный пример такового толкования: «Познание — обладание опытом и осознанием, которые являются правильными и в личном, и в беспристрастном отношении и на основании которых можно выстроить суждения и выводы, кажущиеся довольно надежными, для того чтоб рассматриваться как познание».

Исходя из убеждений ИИ и инженерии познаний познания следовало бы найти как представляемую в определенной форме информацию, ссылаясь на которую делают разные заключения на основании имеющихся данных при помощи логических выводов.

Выделяют разные виды познания: научное, обыденное (здравый смысл), интуитивное, религиозное и др. Обыденное познание служит основой ориентации человека в внешнем мире, основой его ежедневного поведения и предвидения, но обычно содержит ошибки, противоречия. Научному познанию присущи логическая обоснованность, доказательность, воспроизводимость результатов, проверяемость, рвение к устранению ошибок и преодолению противоречий.

По типу представления познания могут быть:

· декларативные познания содержат внутри себя только к примеру: высшее учебное заведение есть совокупа факультетов, а любой факультет в свою очередь есть совокупа кафедр.

· Процедурные познания имеют активную природу. Они определяют представления о средствах и путях получения новейших познаний, проверки познаний. Это методы различного рода. к примеру: способ мозгового штурма для поиска новейших мыслях.

По способу приобретения познаний (исходя из убеждений решения задач в некой предметной области) познания следует делить на факты и эвристику. Средством фактов описываются отлично известные в данной предметной области происшествия, эвристика базирована на своем опыте человека-эксперта.

По природе познаний:

· Фактуальные – осмысленные и понятные данные

· Операционные – общие зависимости меж фактами, которые разрешают интерпретировать данные либо извлекать из их информацию

По степени определенности:

· Детерминированные – верно определенные познания

· Неопределенные – познания неполные, недостоверные, двусмысленные, нечеткие

По уровню представления познаний как семиотической (знаковой) системы:

· Синтаксические – охарактеризовывают синтаксическую структуру объекта либо явления, которая не зависит от смысла и содержания применяемых при всем этом понятий

· Семантические – содержат информацию, конкретно связанную со значениями и смыслом описываемых явлений и объектов

· Прагматические – обрисовывают объекты и явления исходя из убеждений решаемой задачки с учетом работающих в ней специфичных критериев.

По степени научности познания могут быть: научными и вненаучными.

Научные познания могут быть

· эмпирическими (на базе опыта либо наблюдения)

· теоретическими (на базе анализа абстрактных моделей).

Научные познания в любом случае должны быть обоснованными на эмпирической либо теоретической доказательной базе. Теоретические познания — абстракции, аналогии, схемы, отображающие структуру и природу действий, протекающих в предметной области. Эти познания разъясняют явления и могут употребляться для прогнозированияповеденияобъектов.

Вненаучные познания могут быть:

· паранаучными — познания несопоставимые с имеющимся гносеологическим эталоном. Широкий класс паранаучного (пара от греч. — около, при) познания содержит в себе учения либо размышления о парадоксах, разъяснение которых не является убедительным исходя из убеждений критериев научности;

· лженаучными — сознательно эксплуатирующие домыслы и предрассудки. Лженаучное познание нередко представляет науку как дело аутсайдеров. В качестве симптомов лженауки выделяют безграмотный пафос, принципную нетерпимость к опровергающим резонам, также претенциозность. Лженаучное познание весьма чувствительно к злости денька, сенсации. Его индивидуальностью будет то, что оно не быть может объединено парадигмой, не может владеть систематичностью, универсальностью. Лженаучные познания сосуществуют с научными познаниями. Считается, что лженаучное познание обнаруживает себя и развивается через квазинаучное;

· квазинаучными — они отыскивают для себя приверженцев и сторонников, делая упор на способы насилия и принуждения. Квазинаучное познание, как правило, расцветает в критериях строго иерархированной науки, где невозможна критика истории Рф периоды «триумфа квазинауки» отлично известны: лысенковщина, фиксизм как квазинаука в русской геологии 50-х гг., шельмование кибернетики и т.д;

· антинаучными — как утопичные и сознательно искажающие представления о реальности. Приставка «анти» направляет внимание на то, что предмет и методы исследования обратны науке. С ним связывают исконную Потребность в обнаружении общего просто доступного «лекарства от всех заболеваний». Особенный Энтузиазм и тяга к антинауке возникает в периоды социальной непостоянности. Но хотя данный парадокс довольно небезопасен, принципного избавления от антинауки произойти не может;

· псевдонаучными — представляют собой умственную активность, спекулирующую на совокупы фаворитных теорий, к примеру, истории о старых космонавтах, о снежном человеке, о чудовище из озера Лох-Несс;

· обыденно-практическими — доставлявшими простые сведения о природе и окружающей реальности. люди, обычно, располагают огромным объемом обыденного познания, которое делается ежедневно и является начальным пластом всякого зания. время от времени теоремы здравомыслия противоречат научным положениям, препятствуют развитию науки. время от времени, напротив, наука длинноватым и сложным методом доказательств и опровержений приходит к формулировке тех положений, которые издавна утвердили себя в среде обыденного познания. Обыденное познание содержит в себе и здравый смысл, и приметы, и поучения, и рецепты, и личный опыт, и традиции. Оно хотя и фиксирует истин, но делает это не систематично и бездоказательно. Его индивидуальностью будет то, что оно употребляется человеком фактически неосознанно и в собственном применении не просит подготовительных систем доказательств. Иная его изюминка — принципно бесписьменный нрав.

· личностными — зависящими от возможностей того либо другого субъекта и от особенностей его умственной познавательной деятель.

По местопребыванию выделяют:

· личностные (неявные, сокрытые) познания – познания людей

· формализованные (очевидные) познания: познания в документах, познания на компакт дисках, познания в индивидуальных компах, познания в Вебе, познания в базах познаний, познания в экспертных системах.

2. ЗНАНИЯ И ДАННЫЕ

По мере развития исследовательских работ в области ИС появилась теория познаний, которые соединили внутри себя почти все черты процедурной и декларативной инфы. Чем все-таки познания различаются от данных? Можно выделить еще 5 параметров, отличающих знан
ия:

· внутренняя интерпретируемость. При переходе от данным к познаниям вводится в воззвание особенная информация, которая обрисовывает некую применяемую в программке протоструктуру информационных единиц. В простом случае при представлении отдельной порции декларативной инфы машинным словом эту информацию можно представить средством специального машинного слова, в каком указывается, какой разряд соответствует той либо другой информационной единице. Каждой информационной единице задается неповторимое имя, которое дозволяет вести поиск;

· рекурсивная стру
ктур
изуемость значит возможность случайного установления меж отдельными информационными единицами отношений типа “часть-целое”, “род-вид” либо “элемент-класс”. Другими словами, обязана быть обеспечена рекурсивная вложимость одних информационных единиц в остальные;

· связь ед
ин
иц — подразумевает возможность установления связей различного типа меж информационными единицами. До этого всего эти связи могут охарактеризовывать дела меж информационными единицами. Семантика отношений может носить декларативный (задание иерархии информационных единиц, причинно-следственных связей) либо процедурный (отношение “аргумент-функция”) нрав. дела структуризации определяют иерархические связи.

· наличие
семантического места с мет
рико
й. В неких вариантах на огромном количестве информационных единиц полезно задавать отношение, характеризующее ситуационную близость информационных единиц (силу ассоциативной связи меж ними)–отношение релевантности. При работе с информационными единицами отношение релевантности (введение семантической меры) дозволяет отыскивать познания, близкие к уже отысканным, отыскивать в информационной базе типовые ситуации (купля-продажа, аренда, заем).

· активность. Так как актуализации тех либо других действий в умственной системе содействуют конкретно познания, имеющиеся в системе, а выполнение программ обязано инициироваться текущим состоянием информационной базы, то отличительной индивидуальностью познаний является активность не только лишь процедурной, да и декларативной составляющей.

Перечисленные 5 особенностей познаний как таких разрешают найти грань, за которой данные преобразуются в познания, а БД –в Базы Познаний. Систему управления базой познаний образует совокупа средств, обеспечивающих работу со познаниями.

В ЭВМ (Электронная вычислительная машина — комплекс технических средств, предназначенных для автоматической обработки информации в процессе решения вычислительных и информационных задач) познания так же, как и данные, показываются в знаковой форме — в виде формул, текста, файлов, информационных массивов и т.п. Потому можно сказать, что познания — это особенным образом организованные данные.

Исходя из убеждений инженерии познаний определение понятия «познание» и его отличие от данных нужно увязать с логическим выводом (обобщенная процедура поиска решения задачки, которая на базе базы познаний и в согласовании с информационной потребностью юзера строит цепочку рассуждений, приводящую к определенному результату).

Познания – это формализованная информация, которую конкретно употребляют в процессе логического вывода, на которой стоят те либо другие умозаключения. На основании познаний методом логических рассуждений можно вывести новейшие познания, тогда как данные таковыми качествами не владеют.

3. области искусственного ума. Почему одно из важных? Да поэтому, что без познаний искусственный ум не может существовать в принципе. Вправду, представьте для себя человека, который полностью ничего не понимает. к примеру, он не понимает даже таковых простых вещей как:

• для того, чтоб не умереть от голода, нужно временами есть;
• необязательно из 1-го края городка в иной идти пешком, если для этих целей можно пользоваться публичным транспортом.

Таковых примеров получится привести еще много, но уже на данный момент можно просто ответить на последующий вопросец: «Поведение такового человека может считаться разумным?». Естественно же, нет. Конкретно потому, при разработке систем искусственного ума особое внимание уделяется моделям представления познаний.

На нынешний денек создано уже достаточное количество моделей. Любая из их владеет своими плюсами и минусами, и потому для каждой определенной задачки нужно избрать конкретно свою модель. От этого будет зависит не столько эффективность выполнения поставленной задачки, сколько возможность ее решения совершенно.

Отметим, что модели представления познаний относятся к прагматическому направлению исследовательских работ в области искусственного ума. Это направление основано на предположении о том, что мыслительная деятельность человека – «темный ящик». При таком подходе не ставится вопросец о адекватности применяемых в компе моделей представления познаний тем моделям, которыми пользуется в подобных ситуациях человек, а рассматривается только конечный итог решения определенных задач.

Модели представления познаний:

1. модели, направленные на правила

· логическая модель

· продукционная модель

2. модели, направленные на объекты

· сетевая модель (семантическая сеть)

· фреймовая модель

· объектно-ориентированная модель

3.1 Логические модели

В базе логической модели лежит формальная система, задаваемая четверкой вида: M=<T, P, A, B>.

тут T есть огромное количество базисных частей(пример –огромное количество частей терминального словаря). При этом существует некая процедура П(T), которая за конечное число шагов дает ответ на вопросец о принадлежности случайного элемента к огромному количеству T.

P–огромное количество синтаксических правил. С помощью их из частей огромного количества T образуются синтаксически правильные совокупы. Декларируется существование процедуры П(P), при помощи которой за конечное число шагов можно ответить на вопросец, является ли совокупа X={x}синтаксически правильной.

A–огромное количество аксиом, является подмножеством огромного количества синтаксически правильных совокупностей вида{x}. Процедура П(A) дозволяет для хоть какой синтаксически правильной совокупы получить вопросец о принадлежности ее к огромному количеству A. Применительно к БЗ огромное количество A составляют введенные из вне информационные единицы.

B–огромное количество правил вывода. Применяя их к элементам из A, можно получать новейшие синтаксически правильные совокупы, к которым опять можно использовать правила из B. При помощи B формируется огромное количество выводимых совокупностей. Если имеется процедура П(B), которая дозволяет найти выводимость хоть какой синтаксически правильной совокупы, то соответственная формальная система именуется разрешимой.

3.2 Продукционные модели.

В моделях этого типа употребляются элементы логических и сетевых моделей. Из логических моделей взята мысль правил вывода –продукций. Из сетевых моделей – системы: с прямым и оборотным выводом. В системе продукций с оборотными выводами при помощи правил строится дерево “И/ИЛИ”, связывающее в единое целое факты (посылки) и доказываемое (опровергаемое) утверждение; оценка этого дерева на основании фактов, имеющихся в базе данных, и есть логический вывод. Оценка состоит в том, что нужно отыскать ту посылку, наличие либо отсутствие которой в большей степени подтвердит либо опровергнет рассматриваемое утверждение. Прямой вывод: известна посылка, необходимо получить итог.

Основополагающими являются системы продукций с прямыми выводами. Состоят из Базы Правил (БП), включающей набор продукций (правил вывода), Базы Данных (БД), в какой содержится огромное количество фактов и интерпретатора для получения логического вывода. БД и БП составляют базу познаний, а интерпретатор соответствует механизму логического вывода.

В итоге внедрения правил вывода к фрагментам сетевого описания происходит трансформация семантической сети за счет смены ее фрагментов, наращивания сети и исключения из нее ненадобных фрагментов.

Изюминка: очевидное выделение процедурной инфы, различие в средствах описания декларативной и процедурной инфы. Заместо логического вывода, соответствующего для логических моделей, употребляется вывод на познаниях.

Плюсы продукционной модели.

—Простота сотворения и осознания отдельных правил;

—Простота пополнения и модификации;

—Простота механизма логического вывода.

Недочеты:

—Отсутствие способности описания обоюдных отношений правил;

—Сложность анализа целостного вида познаний;

—Несоответствие структуры познаний системы структуре познаний человека. А именно, структура базы познаний продукционной системы не дозволяет обрисовывать метазнания и характерную людскому мышлению нечеткую логику.

3.3. Сетевые модели

Сетевая модель формально задается системой составляющих вида :

H=<I, C1, C2, … , Cn, Г>.

тут I есть огромное количество информационных единиц, C1, C2, … , Cn – огромное количество типов связей меж информационными единицами. Г есть отображение, которое задает связи из набора C1, C2, … ,Cn меж входящими в огромное количество I информационными единицами.

Зависимо от типов связей из огромного количества C1, C2, … ,Cn различают классифицирующие сети, многофункциональные сети и сценарии.

В классифицирующих сетях употребляются дела структуризации, которые разрешают обрисовывать разные виды иерархий меж информационными единицами.

Многофункциональные сети (вычислительные модели) характеризуются наличием многофункциональных отношений, которые разрешают обрисовывать процедуры “вычислений”одних информационных единиц через остальные.

Сценарии характеризуются внедрением в качестве C1, C2, … ,Cn каузальных отношений, также отношений типов “средство-результат”, “орудие-действие”и т.п.

Определение. Семантической сетью сетевая модель, в какой в качестве C1, C2, … ,Cn допускаются связи различного типа.

3.4 Фреймовая модель.

Базирована на фреймовой теории, предложенной М.Минским в 1974 г. представляет собой систематизированную в виде единой теории психическую модель памяти человека и его сознания.

Принципиальным моментом во фреймовой теории является понятие фрейма. Фрейм (англ. frame – рамка, основа) – структура данных для представления некого концептуального объекта. информация, относящаяся к фрейму, содержится в составляющих его слотах. Разъем (англ. slot – щель, прорезь) быть может терминальным (листом иерархии) либо представлять собой фрейм нижнего уровня. Любой фрейм состоит из случайного числа слотов, при этом несколько из их обычно определяются самой системой для выполнения специфичных функций, а другие определяются юзером.

Фреймы разделяются на:

• фрейм-экземпляр – определенная реализация фрейма, описывающая текущее состояние в предметной области;
• фрейм-образец – шаблон для описания объектов либо допустимых ситуаций предметной области;
• фрейм-класс – фрейм верхнего уровня для представления совокупы фреймов образцов.

Состав фреймов и слотов в каждой определенной фреймовой модели быть может различный, но в рамках одной системы целенаправлено единое представление для устранения излишнего усложнения.

Все фреймы соединяются воединыжды в иерархическую структуру, интегрирующую внутри себя декларативные и процедурные познания. Данная структура показывает целостный образ познаний, которому характерна иерархичность концептуального представления.

Любой фрейм обрисовывает один концептуальный объект, а определенные характеристики этого объекта – в слотах. В качестве слота может употребляться специфичная процедура вывода – присоединенная процедура. Фреймовую систему без механизма присоединенных процедур нередко разглядывают как базу данных системы продукций.

Отличительной чертой фреймовой модели является возможность композиции декларативных и процедурных познаний в одной единице представления познаний – фрейме, возможность иерархического построения базы познаний согласно степени абстракции понятия, также возможность реализации хоть какой системы вывода на базе обмена сообщениями –объектно-ориентированного способа управления выводом.

В целом фреймовая модель допускает области и языка, реализующего модель.

3.5 Объектно-ориентированная модель

Объектно-ориентированная модель, подобная в почти всех отношениях фреймовой модели, также предугадывает инкапсуляцию процедур в структуры данных и механизм наследования. Отличия заключаются в точном различии понятий класс объектов и экземпляр объекта, также в методе активации процедур к объектам. Для объектно-ориентированной модели свойственны такие черты, как скрытие данных и их доступность лишь через способы (присоединенные процедуры) класса, наследование как атрибутов, так и способов (в крайнем случае обеспечивается нужный уровень абстракции данных и полиморфизм использования процедур). Воззвание к объектам, другими словами вызов способов класса, осуществляется или из наружных программ, или из остальных объектов методом посылки сообщений.

ЗАКЛЮЧЕНИЕ

Теория баз познаний, являясь логическим развитием монопольно-файловых систем и систем, основанных на концепции баз данных, делает предпосылки для расширения способностей отображения закономерностей предметной области и получения новейших познаний методом их вывода (манипулирования познаниями). При всем этом существенно ослабляется противоречие меж «мягеньким», нечетко очерченным миром действительности и требованиями по «твердому», формализованному представлению инфы в ЭВМ (Электронная вычислительная машина — комплекс технических средств, предназначенных для автоматической обработки информации в процессе решения вычислительных и информационных задач).

Большая часть исследователей искусственного ума разглядывают задачку разработки моделей представления познаний как задачку программной реализации концепции баз познаний. Это значит, что модели представления познаний должны владеть всеми качествами, присущими познаниям.

При проектировании модели представления познаний нужен учет причин однородности представления и простоты осознания. Однородность представления приводит к упрощению механизма управления логическим выводом, упрощению управлением познаниями.

Простота осознания значит то, что системы. Для решения практических задач в ряде всевозможных случаев употребляется симбиоз разных моделей представления познаний.

СПИСОК ЛИТЕРАТУРЫ

1. Попов Э.В. и др. Искусственный ум. –В 3-х кн. Кн. 2. Модели и способы. –М.: Радио и связь, 1990.

2. мир, 1989.

3. Уинстйн П Искусственный ум. М.: Мир. 1980

4. Портал искусственного ума// HTTP://www.aiportal.ru/

]]>