ИСПОЛЬЗОВАНИЕ ПРАВИЛ ФОРМИРОВАНИЕ НАБОРА КРИТЕРИЕВ И ОЦЕНКА ИХ ВАЖНОСТИ

Наиболее естественной формой использования знаний является, по-видимому, применение правил. Их удобная форма легко позволяет в нужный момент привлекать именно требуемые знания, что является одним из общепринятых показателей интеллектуальности системы.

Уместно напомнить, что формализм порождающих правил использовался и до обращения к интеллектуальным системам в теории формальных грамматик, разработке языков программирования и теории автоматов. Внутренняя структура правил подчиняется схеме «предпосылка — действие» или «предпосылка — заключение», а внешняя используется для представления связей между объектами предметной области. Действие системы во многом похоже на реакцию человека, вызванную складывающейся ситуацией или изменившимися условиями: в том и другом случае происходит изменение текущего состояния проблемы, направленное на достижение поставленной цели. (Примеры правил будут представлены в следующей главе в связи с обсуждением механизма их обработки.)

Так как правила выполняют разные функции, их целесообразно структурировать. Практически разными структурами обладают знания, содержащиеся в базе фактов и базе знаний. Общим аспектом организации знаний является и их разделение по уровням представления и уровням детализации. Существуют разные способы разбиения знаний по уровням детализации. Например, достаточно традиционным кажется выделение общей организации правил, логической и физической их организации. В целом большая детализация помогает увеличить гибкость системы, хотя она и обременяет ее дополнительными сложностями в случае внесения изменений хотя бы в один уровень.

Относительно разделения по уровням представления заметим, что в большинстве случаев необходимо выделять те правила, которые связаны с вопросами управления знаниями о предметной области.

ЕСЛИ

есть данные о неустойчивом финансовом состоянии фирмы Ф и существуют правила, в предпосылках которых упоминаются акции Ф как рекомендуемые для приобретения,

ТО

с большой долей определенности можно предположить, что каждое из этих правил в данном случае неприменимо.

Возможно и дальнейшее увеличение уровней представления, если говорить о расширении способов применения системы. Важно отметить, что правила нулевого уровня имеют непосредственное отношение к предметной области, тогда как первого уже независимы от нее. Метаправила только направляют ход рассуждений, а не участвуют непосредственно в процессе формирования суждений.

Рассмотрим подробнее правила нулевого уровня, которые будем называть просто правилами. В конструкции правила чрезвычайно просто предусмотреть как одно, так и несколько заключений, которые следует выполнить, если верны предпосылки правила. Таким образом, каждое правило является независимой единицей знаний, которой суждено быть задействованной в механизме обработки знаний, когда выполняются условия его применения. В системе, где правила представлены во внутреннем виде, необходимо их сначала преобразовать к этому виду исходя из внешней формы на естественном языке. Результат применения правила, наоборот, нужно в случае необходимости преобразовать во фразу естественного языка.

В предметных областях с неточными и приблизительными рассуждениями ничего хорошего нельзя добиться без учета неопределенности. Поэтому обычно используются коэффициенты определенности к. Такой коэффициент позволяет эксперту допускать наличие ошибки в рассуждениях путем указания на степень уверенности в ответе. Например, действие правила может быть представлено в виде

Назначение коэффициентов определенности представляет непростую задачу, для которой могут быть предложены разные схемы решения.

Основные выводы:

1. Современные интеллектуальные системы позволяют принимать более обоснованные и эффективные решения, подкрепленные знаниями экспертов.

2. Одним из основных направлений в разработке систем искусственного интеллекта является создание баз знаний и моделей представления знаний.

3. Использование формальной логики позволяет разрабатывать методы правильных рассуждений для ЭВМ в логически последовательной форме.

4. Использование формальных систем, основанных на правилах, позволяет эффективно представлять эмпирические ассоциативные связи между данными и необходимыми действиями.

Ключевые понятия

База знаний Концептуальная структура

База фактов Метазнания

Идентификация задачи Обобщение

Инженер по знаниям Объект

Интерпретация Пользователь

Исчисление высказываний Протокол действий и рассуж-

Исчисление предикатов дений эксперта

Семантика Формальная система

Синтаксис Эксперт

Специализация

Вопросы для самоконтроля

1. Перечислите основные экономические причины, обусловливающие интерес коммерческих предприятий к экспертным системам.

2. Каковы основная роль в построении экспертной системы и взаимоотношения между экспертом и инженером по знаниям?

3. Опишите кратко содержание этапа структурирования знаний о предметной области в процессе разработки экспертной системы.

4. Приведите примеры отношений «быть чем-либо», «быть частью», «иметь свойство», «иметь значение» из области экономики.

5. Опишите концептуальную структуру знаний для экспертной системы, которая советует, какие акции из данного набора (допустим, пять видов) являются на сегодняшний день более предпочтительными.

6. Выразите с помощью логики предикатов следующие утверждения:

• Каждая фирма использует какую-нибудь стратегию, и по крайней мере одна стратегия используется каждой фирмой. (Используйте только предикаты фирма, стратегия, использует.)

• Каждый год некоторые большие фирмы не успевают заплатить все налоги вовремя, но каждая малая фирма успевает заплатить какой-нибудь налог. (Используйте только предикаты фирма, большая, маленькая, заплатить, налог, год.)

7. Дайте развернутый ответ на вопрос: «Что является основой любой интеллектуальной системы?».

Задания для самостоятельной работы

Для модели предметной области задания 1 разработайте представление базы фактов и базы знаний с использованием продукционных правил, семантических сетей, фреймов.

Приведите пример работы базового цикла механизма вывода.

Список РЕКОМЕНДУЕМОЙ ЛИТЕРАТУРЫ

1. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. — СПб.: Питер, 2001. — С. 9—38, 59—70.

2. Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. Статические и динамические экспертные системы. — M.: Финансы и статистика, 1996. — С. 78—106.

3. Форсайт Ф. Экспертные системы. Принципы работы и примеры. — M.: Радио и связь, 1987. — С. 11—54.