Представлення знань!!!
Представлення знань, як видно з назви, є теорією і практикою представлення знань для комп'ютерних систем. Мається на увазі, що лаконічні уявлення про ці знання безпосередньо управляються програмним забезпеченням. Це важлива відмінність тому, що представлення знань є корисним лише тоді, коли існує якийсь спосіб використання знань та можливість робити висновки по ним.
Зміст
Введення
З точки зору штучного інтелекту(AI), представлення знань займається пізнавальною наукою, що представляє знання. Як, наприклад, люди зберігають і маніпулюють інформацією? Багато схем раннього представлення були результатом цього дослідження, наприклад, семантичні мережі. У цьому розділі буде розглянуто різні схеми подання знань, від ранніх форм представлення до сучасних методів, таких як Семантична павутина (Semantic Web). Ми також дізнаємося про деякі механізми для передачі знань, які б використовувались в мультиагентих системах.
Типи знань
Можна виділити велику кількість різноманітних типів знань, проте ми зосередимося на двох найважливіших- декларативних та процедурних. Декларативні (або описові) знання є типом знань, які виражаються як декларація пропозицій (чи фактичних знань). Другий тип, процедурні знання виражаються як знання для досягнення певної мети (наприклад виконання певного завдання). Процедурні знання зазвичай представлені за допомогою виробництва, вони є дуже простими у використанні, але ними важко маніпулювати. Декларативні знання можна представити як логіку, ними ж натомість простіше маніпулювати, вони також є більш гнучкими. Існують й інші типи знань, наприклад, аналогічні знання (асоціації між знаннями) та метазнання (знання про знання). Ми також вивчимо ці типи знань.
Роль знань
З контексту штучного інтелекту, представлення знань зосереджується на використанні цих знань для вирішення проблем, а також на тому, що знання є більш ніж фактичною інформацією. Тому важливим є спосіб зберігання знань. Наприклад, ми можемо зберігати знання в читабельній для людини формі і використовувати його (наприклад, як цю книгу), але знання, що зберігаються у цій формі, не є дуже корисними для штучного інтелекту. Тому знання повинні зберігатися таким чином, щоб штучний інтелект міг їх знаходити, і при необхідності отримувати нові знання. Основна мета представлення знань полягає в тому, щоб дозволити інтелектуальному об'єкту (програмі) з базою знань приймати розумні рішення щодо його оточення. Це може втілити втілений агент, який знає, що вогонь гарячий (і його слід уникати), або що вода в деяких випадках може бути використана для гасіння вогню. Це також може бути використано для того, щоб припустити, що повторні спроби входу в захищену адресу потенційно є спробою зламати пристрій, а також, що одночасна адреса, пов'язана з цією діяльністю, може бути відстежувана в інших видах діяльності.
Семантичні мережі
Семантичні мережі - це дієвий спосіб опису зв'язків між об'єктами. Це дещо схоже на людську пам'ять, де існує велика кількість зв'язків. Розглянемо поняття вільної асоціації. Ця методика була розроблена Зигмундом Фрейдом, де пацієнт постійно пов'язує поняття, враховуючи початкові знання. В техніці передбачається, що спогади розташовуються в асоціативній мережі, тому думка про одне поняття може призвести до багатьох інших. Ідея вільної асоціації полягає в тому, що під час процесу пацієнт з часом наткнеться на важливі згадки в пам'яті. Розглянемо приклад, показаний на малюнку 5.1. Ця проста семантична мережа містить цілий ряд фактів і зв'язків між цими знаннями. Типові семантичні мережі використовують зв'язки "IS_A" та "AKO" (A Kind Of) з посиланням на знання. Як показано, ми оновили відносини, щоб надати більше значення мережі. Прямокутники в мережі представляють об'єкти, а дуги представляють відносини. Тут ми бачимо, що показані дві столиці, і обидві столиці на тому ж континенті. Одна столиця Сполучених Штатів , а інша - Венесуели. Прості відносини також показують, що двома містами Нью-Мексико є Альбукерк і Санта-Фе.
Цікава характеристика семантичних мереж полягає в тому, що вони мають можливість представляти велику кількість відносин між великою кількістю об'єктів. Вони також можуть бути сформовані різними способами, з різними типами відносин. Побудова семантичної мережі обумовлена конкретним застосуванням.
Порада Цікавим прикладом семантичної мережі є Unified Modeling Language або UML. UML - це специфікація для моделювання об'єктів за допомогою графічного позначення. Це корисний механізм для візуалізації відносин великих і складних систем, і включає в себе можливість перекладу з графічної форми (абстрактна модель) на програмну форму.
Фрейми
Фрейми, представлені Марвіном Мінським, є ще однією технікою представлення, яка складалася з семантичних мереж (кадри можна розглядати як реалізація семантичних мереж). Але в порівнянні з семантичними мережами, фрейми структуровані і дотримуються більш об'єктно-орієнтованої абстракції з більшою структурою. Представлення знань, основане на фреймах, базується на концепції фрейму, яка являє собою набір слотів, які можуть бути заповнені значеннями або посиланнями на інші фрейми (див. Рис. 5.2).
Приклад використання фреймів показано на малюнку 5.3. Цей приклад включає в себе ряд різних фреймів та різних їх типів. Фрейми сірого кольоруна рисунку 5.3, називаються загальними фреймами. Це фрейми, які описують клас об'єктів. Фрейм без кольору, називається екземпляром фрейму. Він є прикладом загального фрейму. Зверніть увагу також на наслідування в цьому прикладі. Загальний фрейм "Archer" визначає низку слотів, які успадковуються загальними фреймами його класу. Наприклад, загальний фрейм "Longbowman" успадковує слоти архітектури загального фрему. Аналогічним чином, "john" є екземпляром фрейму "Longbowman", а також успадковує слот і значення. Зверніть увагу також на перевизначення значення слота"defense". Хоча кадр може визначити значення за замовчуванням для цього слоту, його можна перезаписати екземпляром фрейму.
Нарешті, у цьому прикладі ми також посилаємося на загальні фрейми через порівняння. Ми визначаємо, що екземпляр "Archer" сильніший за екземпляр фрейму "Pikeman". Відрізняють фрейми від семантичних мереж активні компоненти, які викликають побічні ефекти при створенні, маніпуляціях або видаленні фреймів. Є навіть елементи, які контролюють дії для маніпуляцій на рівні слотів. Вони можуть розглядатися як тригери, але вони також називаються Demons. Додавання тригерів до мови представлення фрейму називається процедурним прикріпленням і являє собою спосіб включити до фрейм-представлення можливості впливу
Логіка висловлень
Логіка висловлень, також відома як сентенціальна логіка, є формальною системою, в якій знання представлені як висловлювання . Далі ці висловлювання можна об'єднати різними способами за допомогою логічних операторів. Ці вирази можна інтерпретувати як правила, що зберігають правильність виводів, які можуть бути використані для отримання нових знань із старих або тестування існуючих знань.
По-перше, давайте розглянемо висловлювання . висловлювання - це твердження або просте декларативне речення. Наприклад, "лобстер дорогий" - це висловлювання . Зауважте, що визначення істини не покладено на це висловлювання ; це може бути або істиною, або хибою. З точки зору бінарної логіки, це висловлювання може бути хибним в штаті Массачусетс, але це правда в Колорадо. Але висловлювання завжди має значення істинності. Отже, для будь-якого висловлювання ми можемо визначити істинне значення на основі таблиці істинності (див. Малюнок 5.4). Простіше кажучи, для будь-якого твердження це може бути або істиною, або хибою.
Ми також можемо заперечити наше висловлювання , щоб перетворити його в протилежну цінність. Наприклад, якщо P (наше висловлювання ) є "лобстер дорогий", то ~ P - "лобстер не дорогий". Це представлено в таблиці істинності, як показано на малюнку 5.5.
Висловлювання також можуть бути об'єднані для створення складних висловлювань . Перший, називається кон'юнкцією, істинний, лише якщо обидві кон'юнкти є істинними (P і Q). Друга назва - диз'юнкції, є істиною, якщо принаймні один з розбіжностей є істинним (P або Q). Таблиці істинності для них показані на малюнку 5.6. Сила логіки висловлювань вступає у гру, використовуючи умовні форми. Дві основні форми називаються Modus Ponens і Modus Tollens. Modus Ponens визначається як:
Дедуктивне міркування з логіки висловлень
У дедуктивному міркуванні висновок виходить з раніше відомих наборів засновків. Якщо засновки є істинними, то висновок також має бути істиним. Давайте тепер розглянемо пару прикладів дедуктивного обґрунтування з використанням логіки висловлень. Оскільки дедуктивні міркування залежать від набору засновків, давайте спочатку дослідимо це. 1) Якщо дощить, земля мокра. 2) Якщо земля мокра, то земля слизька. Два факти (знання про навколишнє середовище) - засновок 1 і засновок 2. Це також правила виведення, які будуть використовуватися при дедукції. Тепер ми вводимо ще один засновок, що дощить. 3) Йде дощ. Тепер доведемо, що це слизько. По-перше, використовуючи Modus Ponens з засновками 1 і 3, можна зробити висновок, що грунт вологий: 4) Земля мокра. (Modus Ponens: засновок 1, засновок 3) Знову ж таки, використовуючи Modus Ponens з засновками 3 і 4, ми можемо довести, що це слизько: 5) Земля слизька. (Modus Ponens: засновок 3, засновок 4) Зверніть увагу, що в цьому прикладі гіпотетичний силогізм також працював, доводячи, що земля є слизькою в один крок.
Обмеження логіки висловлень
Хоча логіка висловлень корисна, вона не може відображати загальну логіку компактно та лаконічно. Наприклад, формула з N змінних має 2 ** N різних інтерпретацій. Це також не підтримує зміни в базі знань просто. Істина цінності висловлень також може бути проблематичною, наприклад; розглянемо складне висловлювання нижче. Це вважається істиною (використовуючи Modus Ponens, де P -> Q є істиною, коли P є хибою і Q хибою, див. Малюнок 5.7). Якщо собаки можуть літати, то коти можуть літати. Обидва твердження, очевидно, є помилковими, і далі, між ними немає зв'язку. Але з точки зору логіки висловлень вони синтаксично правильні. Основна проблема з логікою висловлень полягає в тому, що всі висловлювання представлені як єдиний символ. У наступному розділі ми розглянемо інше логічне подання, яке дає можливість точнішого контролю та більш точного представлення середовища.
Семантична павутина
Семантична павутина - це назва, яка спрямована змінити визначення та інтерпретацію Інтернету. Сьогодні Інтернет складається з хостів і вмісту, який переважно визначається за допомогою гіпертекстової мови розмітки (або HTML). Ця мова забезпечує спосіб додати текстуру до веб-сторінок, тому замість того, щоб просто бути текстовими документами, до них може бути додана й інша інформація, така як аудіо чи графічна інформація. Але HTML просто забезпечує спосіб прикрасити вміст так, що він може бути винесений в пристрої самостійно.
Онтологія
Онтологія є основним поняттям у сучасному представленні знань, хоча ідеї, що стоять за нею, існували з початку представлення знань. Онтологія з точки зору штучного інтелекту - це модель, яка представляє собою сукупність понять у конкретній області, а також взаємозв'язок між цими поняттями. Нагадаємо приклад семантичної мережі на Малюнку 5.1. Це онтологія для області місць і столиць. Тип відносин "is-a" визначає ієрархічну таксономію, яка визначає, як об'єкти відносяться один до одного. Цікаве використання онтології у формі мови як засобу кодування онтології з метою передачі знань між двома сутностями (агентами).
Подання знань
Наявність величезного сховища знань є найбільш корисним, якщо його можна розділити та використовувати з різних точок зору. Можливість ділитися знаннями дозволяє декількома розрізненими агентами кооперативно використовувати наявні знання та змінювати знання. Приклади протоколів, що дозволяють обмінюватися знаннями між агентами, включають в себе веб-онтологічну мову (OWL), що використовується в Семантичній павутині, мову управління знань та запитів до знань (KQML) та список контролю доступу (ACL).
Здоровий глузд
Комп'ютерні системи, що включають в себе певні форми штучного інтелекту для даної проблемної галузі, все ще можна правильно вважати нерозумними, оскільки їм не вистачає одних з найбільш фундаментальних знань, які називаються здоровим глуздом. Наприклад:
" Об'єкти падають на Землю (внаслідок сили тяжіння), а не вгору від Землі. " Якщо ви підійдете близько до вогнища, ви можете загорітись. " Дуже небезпечно запускати повітряного змія під час грози.
Щоб уможливити міркування на рівні здорового глузду, пропонується база знань про звичайне розуміння, яка містить знання про здоровий глузд, якими володіють більшість людей. Ця база знань побудована таким чином, що програма може використовувати її для створення висновків. Приклади представленого типу знань включають в себе поведінку предметів, ефекти дій (крики на когось може спричинити їх злість) та передумови дій (деякі вдягають шкарпетки перед вдяганням взуття). Можна було б охопити багато інших тем, таких як властивості об'єктів (вогонь гарячий), а також опис поведінки людей (якщо людина плаче, то вона засмучена чимось). Цікавий приклад проекту здорового глузду називається Cyc. Цей проект був створений Дугласом Ленатом (який також створив Автоматичного математика). База знань Cyc включає в себе понад мільйон концепцій та правил, які визначаються мовою, основаною на розрахунку предикатів (аналогічна мові програмування LISP). Приклади базових знань, закодованих в Cyc, включають: (#$Столиця #$Колорадо #$Денвер) що розшифровується як "Денвер - столиця Колорадо" (#$Всі #$Люди #$Смертні) що означає "Всі люди смертні". База знань Cyc розділена на ряд збірок знань, що називаються мікротеоріями. Мікротеорія - це протиріччя, вільне від понять та фактів про певну область знань (наприклад, онтологія). Мікротеорії можуть бути пов'язані один з одним і організовані в ієрархію, що підтримує наслідування. Розвиток Cyc та його механізм висновків триває, але основна робота зосереджена, перш за все, на інженерії знань або знаннях про ручне кодування, і правила для представлення основних знань про здоровий глузд.
Виконала Поліщук Дарія
