Экспертные системы с представлением знаний на основе логики предикатов

Объяснительный компонент ЭС объясняет, как система получила решение задачи (или почему она не получила решение) и какие знания она при этом использовала, что облегчает эксперту тестирование и повышает доверие пользователя к полученному результату. Поскольку системы, основанные на знаниях, реализуются на компьютерах, то и входная информация воспринимается или в виде, понятном компьютеру, т.е. в битах и байтах. Однако для того чтобы мог взаимодействовать неподготовленный пользователь, в нее требуется включить средства общения на естественном языке. Подавляющее большинство систем, основанных на знаниях, обладают достаточно примитивным интерфейсом на естественном языке - допустимые входные сообщения пользователя ограничены набором понятий, содержащихся в базе знаний.

Функционирование ЭС

ЭС работает в двух режимах :

• режиме приобретения знаний
• режиме решения задачи, называемом также режимом консультации или режимом использования ЭС

В режиме приобретения знаний общение ЭС осуществляет эксперт через посредничество инженера по знаниям. В этом режиме эксперт, используя компонент приобретения знаний, наполняет систему знаниями, которые позволяют ЭС в режиме решения самостоятельно (без эксперта) решать задачи из проблемной области. Эксперт описывает проблемную область в виде совокупности данных и правил. Данные определяют объекты, их характеристики и значения, существующие в области экспертизы. Правила определяют способы манипулирования с данными, характерные для рассматриваемой области. Режиму приобретения знаний в традиционном подходе к разработке программ соответствуют этапы алгоритмизации, программирования и отладки, выполняемые программистом. Таким образом, в отличие от традиционного подхода в случае ЭС разработку программ осуществляет не программист, а эксперт (с помощью ЭС), не владеющий программированием.

В режиме консультации общение с ЭС осуществляет конечный пользователь, которого интересует результат и (или) способ его получения. Необходимо отметить, что в зависимости от назначения ЭС пользователь может не быть специалистом в данной проблемной области (в этом случае он обращается к ЭС за результатом, не умея получить его сам) или быть специалистом (в этом случае пользователь может сам получить результат, но он обращается к ЭС с целью либо ускорить процесс получения результата, либо возложить на ЭС эту рутинную работу). В режиме консультации данные о задаче через интерфейс пользователя поступают в рабочую память (здесь хранятся промежуточные данные решаемой в текущий момент задачи). На основе входных данных из рабочей памяти, общих данных о проблемной области и правил базы знаний с помощью механизма логического вывода формируется решение задачи. ЭС при решении задачи не только исполняет предписанную последовательность операций, но и предварительно формирует ее.

Основные понятия и  состав знаний

Знания - это выявленные закономерности предметной области (принципы, связи, законы), позволяющие  решать задачи в этой области. Знания представленные в интеллектуальной системе, образуют базу знаний.

    Представления знаний – это  соглашение о том, как описывать  реальный мир. В естественных  и технических науках принят  следующий традиционный способ  представления знаний. На естественном  языке вводятся основные понятия  и отношения между ними. Но  при этом используются ранее  определенные понятия и отношения,  смысл которых уже известен. Далее  устанавливается соответствие между  характеристиками (чаще всего количественными)  понятий знания и подходящей  математической моделью. Основная  цель представления знаний –  строить математические модели  реального мира и его частей, для которых соответствие между  системой понятий проблемного  знания может быть установлено  на основе совпадения имен  переменных модели и имен понятий  без предварительных пояснений и установления дополнительных неформальных соответствий. Представление знаний обычно выполняется в рамках той или иной системы представления знаний.

    Системой представления знаний (СПЗ)  называют средства, позволяющие  описывать знания о предметной  области с помощью языка представления  знаний, организовать хранение знаний  в системе (накопление, анализ, обобщение  и организация структурированности  знаний), выводить новые знания  и объединять их с имеющимися, выводить новые знания из имеющихся,  находить требуемые знания, устранять  устаревшие знания, осуществлять  интерфейс между пользователем  и знаниями.

    Данные – это отдельные факты,  характеризующие объекты, процессы  и явления в предметной области,  а также их свойства.

Состав знаний

В отличие  от данных знания обладают следующими свойствами:

• Внутренняя интерпретируемость. Каждая информационная единица должна иметь уникальное имя, по которому интеллектуальная система (ИС) находит её, а также отвечает на запросы, в которых это имя упомянуто. Когда данные, хранящиеся в памяти, были лишены имен, то отсутствовала возможность их идентификации системой. Данные могла идентифицировать лишь программа, извлекающая их из памяти по указанию программиста, написавшего программу. Что скрывается за тем или иным двоичным кодом машинного слова, системе было неизвестно.
• Структурированность. Информационные единицы должны были обладать гибкой структурой. Для них должен выполняться “принцип матрешки”, т.е. рекурсивная вложенность одних информационных единиц в другие. Каждая информационная единица может быть включена в состав любой другой, и из каждой единицы можно выделить некоторые её составляющие. Другими словами должна существовать возможность произвольного установления между отдельными информационными единицами отношений типа “часть – целое”,” род – вид” или “элемент – класс”.
• Связность. В информационной базе между информационными единицами должна быть предусмотрена возможность установления связей различного типа. Прежде всего эти связи могут характеризовать отношения между информационными единицами. Например: две или более информационные единицы могут быть связаны отношением «одновременно», две информационные единицы - отношением «причина – следствие» или отношением «быть рядом». Приведенные отношения характеризуют декларативные знания. Если между двумя информационными единицами установлено отношение «аргумент – функция», то он характеризует процедурное знание, связанное с вычислением определенных функций. Существуют - отношения структуризации, функциональные отношения, каузальные отношения и семантические отношения. С помощью первых задаются иерархии информационных единиц, вторые несут процедурную информацию, позволяющие вычислять (находить) одни информационные единицы через другие, третьи задают причинно-следственные связи, четвертые соответствуют всем остальным отношениям. Перечисленные три особенности знаний позволяют ввести общую модель представления знаний, которую можно назвать семантической сетью, представляющей собой иерархическую сеть в вершинах которой находятся информационные единицы.
• Семантическая метрика. На множестве информационных единиц в некоторых случаях полезно задавать отношение, характеризующее информационную близость информационных единиц, т.е. силу ассоциативной связи между информационными единицами. Его можно было бы назвать отношением релевантности для информационных единиц. Такое отношение дает возможность выделять в информационной базе некоторые типовые ситуации (например «покупка», «регулирование движения»). Отношение релевантности при работе с информационными единицами позволяет находить знания близкие к уже найденным.
• Активность. С момента появления ЭВМ и разделения используемых в ней информационных единиц на данные и команды создалась ситуация, при которой данные пассивны, а команды активны. Все процессы протекающие в ЭВМ инициируются командами, а данные используются этими командами лишь в случае необходимости. Для ИС эта ситуация неприемлема. Как и у человека, в ИС актуализации тех или иных действий способствуют знания, имеющиеся в системе. Таким образом, выполнение программ в ИС должно инициироваться текущим состоянием информационной базы. Появление в базе фактов или описание событий, установление связей может стать источником активности системы.

    Также знания можно разделить  на:

• Поверхностные – знания о видимых взаимосвязях между отдельными событиями и фактами предметной области;
• Глубинные – абстракции, аналогии, схемы отображающие структуру и процессы в предметной области.

    Современные экспертные системы  работают в основном с поверхностными  знаниями. Это связано с тем,  что на данный момент нет  адекватных моделей, позволяющих  работать с глубинными знаниями.

Модели представления  знаний

Одной из наиболее важных проблем, характерных  для систем, основанных на знаниях, является проблема представления знаний. Это объясняется тем, что форма представления знаний оказывает существенное влияние на характеристики и свойства системы. Для того чтобы манипулировать всевозможными знаниями из реального мира с помощью компьютера, необходимо осуществлять их моделирование. В таких случаях необходимо отличать знания, предназначенные для обработки компьютером, от знаний, используемых человеком.

    При проектировании модели представления  знаний следует учитывать такие  факторы, как однородность представления  и простота понимания. Однородное  представление приводит к упрощению  механизма управления логическим  выводом и упрощению управления  знаниями. Представление знаний  должно быть понятным экспертам  и пользователям системы. В  противном случае затрудняются  приобретение знаний и их оценка. Однако выполнить это требование  в равной степени, как для  простых, так и для сложных  задач довольно трудно. Обычно  для несложных задач останавливаются  на некотором среднем (компромиссном)  представлении, но для решения  сложных и больших задач необходимы  структурирование и модульное  представление. 

    Типичными моделями представления  знаний являются:

• Продукционная модель;
• Модель, основанная на использовании фреймов;
• Модель семантической сети;
• Логическая модель.

Логическая модель

  Традиционно  в представлении знаний выделяют  логические модели, основанные на  классическом исчислении предикатов  первого порядка, когда предметная  область или задача описывается  в виде набора аксиом.

Логические  модели представления знаний реализуются  средствами логики предикатов. Предикатом называется функция, принимающая только два значения - истина и ложь - и предназначенная для выражения свойств объектов или связей между ними. Выражение, в котором утверждается или отрицается наличие каких-либо свойств у объекта, называется высказыванием.

 Наиболее  простым языком логики является  исчисление высказываний, в котором  отсутствуют переменные. Любому  высказыванию можно приписать   значения истинно или ложно.  Отдельные высказывания могут  соединяться связками И, ИЛИ,  НЕ, которые называются булевыми  операторами.

 В  общем случае модели, основанные  на логике предикатов, описываются  формальной системой, которая задается  четверкой:

                  М=(Т, Р, А, П),  

Где «Т» - множество базовых элементов или алфавит формальной системы; «Р» - множество синтаксических правил, с помощью которых можно строить синтаксически корректные предложения; «А» - множество аксиом или некоторых синтаксически правильных предложений, заданных априорно; «П» - правила продукций (правила вывода или семантические правила), с помощью которых можно расширять множество «А», добавляя в него синтаксически правильные предложения.

Основное  преимущество использования логики предикатов для представления знаний заключается в том, что обладающий хорошо понятными математическими  свойствами мощный механизм вывода может  быть непосредственно запрограммирован. С помощью этих программ из известных  ранее знаний могут быть получены новые знания.

Приведенные ниже примеры являются логическими  моделями представления фактов с  помощью предикатов и носят название атомарной формулы.

• Предикат ЛЮБОВЬ (Виктор, Ирина) означает: Виктор любит Ирину
• Предикат СТОЛИЦА (Москва) означает: Москва - столица

Преимущества  логической модели:

• наличие регулярных методов вывода, в терминах которого можно определять процедуры доказательства;
• возможности использования семантики, которая допускает разную трактовку в зависимости от целей логических представлений. Для понимания того, что представляет собой предметная область, используется декларативная семантика, а для понимания того, как выводятся новые утверждения из данного набора логических формул – процедурная семантика;
• простота, лаконичность и единообразие употребляемой нотации для представления знаний.

    Среди многих достоинств логического подхода необходимо отметить: стирание противопоставления между выводом и вычислением, что позволяет эффективно использовать метазнания; наличие четкой семантики и правил ввода.

Серьезной проблемой в логическом подходе  является отсутствие структуры, так  как данные представляются в виде совокупности линейных формул. К недостаткам  логических моделей можно отнести  следующее. На основе аппарата исчисления предикатов можно доказать существование  объекта, обладающего определенными  свойствами, т.е. логика первого порядка  обеспечивает удобные средства описания в любой ситуации, которая определяется объектами и высказываниями, истинными  относительно них. Но с другой стороны, в исчислении предикатов нет понятия  процесса, что приводит к невозможности  присвоения имени объекту в ходе логических преобразований и дальнейшим ссылкам на него, а также отсутствует  возможность описания взаимосвязей двух ситуаций.

Логический  и семантический аппарат теории исчисления предикатов не позволяет  непосредственно решать такие проблемы, как совместное использование информации в альтернативных гипотезах и  в различные моменты времени, создание новых структур в результате получения новых данных, планирование и т.д.

Таким образом, существует определенный круг задач, которые  нельзя решать, используя только методологию  исчисления предикатов. Возникает необходимость  представления знаний на комбинированной  основе, т.е. если некоторая часть  системы представления знаний или  вся эта система реализуются  с помощью исчисления предикатов, то все равно остается ряд проблем, связанных с выбором оптимальной  аксиоматической структуры и  организации, обеспечивающей эффективность  интеллектуальных операций. Речь идет о средствах указания модальности (необходимости, возможности, условности), средствах создания референций и  соотнесения их с соответствующими смысловыми описаниями, о механизмах нестрогих рассуждений, а также  о методах решения проблем, связанных  с рассуждениями о свойствах, о механизме процесса планирования.

Внутри  совокупности способов представления, основанных на исчислении предикатов, существует ряд различных подходов – метод функций Сколема, метод  явных кванторов существования, метод нормальных форм Сколема, метод  конъюнктивных нормальных форм, метод  постатейных представлений и  другие. Эти методы позволяют создать  на единой семантической базе совершенно различные представления, которые  обеспечивают конкретные разновидности  интеллектуальных операций.