Представление знаний в экспертных системах

С разработкой и использованием экспертных систем тесно связаны такие понятия, как знания и базы знаний. Особая роль знаний в экспертных системах обусловлена, прежде всего, областью их применения. Экспертные системы предназначены для решения трудно формализуемых задач или задач, не имеющих алгоритмического решения в узкоспециализированных предметных областях деятельности человека. Экспертные системы позволяют аккумулировать, воспроизводить и применять знания, которые сами по себе обладают огромной ценностью.

Переход от данных к знаниям является закономерным следствием развития и усложнения информационных структур, обрабатываемых на ПЭВМ. В настоящее время нет общепризнанного формального определения понятия «знание». Однако знания обладают рядом специфических признаков, позволяющих определить соотношение понятий «знание» и «база знаний» с понятиями «данные» и «база данных».

Сопоставление данных и знаний приводит к неизбежному выводу, что данные – составная часть знаний.

Отличительные качественные свойства для знаний обусловлены наличием у знания избыточных возможностей по сравнению с данными. Авторы предлагают следующую классификацию специфических признаков знания, позволяющую определить и охарактеризовать сам термин «знание»:

• внутренняя интерпретируемость;
• рекурсивная структурированность;
• связность (взаимосвязь единиц);
• семантические пространства с метрикой;
• активность;
• функциональная целостность

Первые два признака, свойственные для знания, являются справедливыми и для традиционно организованных структур данных.

Внутренняя интерпретируемость предусматривает возможность установки для элемента данных связанной с ним системы имен. Система имен включает в себя индивидуальное имя, которое присвоено данной информационной единице, а последовательности имен тех множеств или классов, в которые это данное входит. Наличие системы «избыточных» имен позволяет экспертной системе знать, что хранится в ее базе знаний, и, следовательно, уметь отвечать на нечеткие вопросы о содержимом базы знаний.

Второй признак – структурированность рекурсивная – определяет свойство декомпозиции для информационной единицы, т.е. при необходимости такая информационная единица может быть расчленена на более мелкие единицы или, наоборот, объединена в более крупные системы. Это свойство предусматривает установку отношений принадлежности элементов к классу и родово-видовых отношений типа часть – целое, род – вид.

Третий признак – связность – характеризует возможность установки между информационными единицами самых разнообразных отношений (четких, нечетких бинарных, составных), которые определяют семантику и прагматику связей явлений и фактов, а также отношений, определяющих смысл системы в целом. В отличие от структурированности, характеризующей структуру знаний, система взаимосвязей (связность) определяет закономерности явлений, процессов, фактов, причинно-следственные отношения между ними, порождает ситуационные системы классификации.

Пространства семантические с метрикой характеризуют близость-удаленность информационных единиц. И хотя сейчас нет единого мнения относительно структуры семантического пространства с метрикой, все специалисты-разработчики экспертных систем считают, что знания не могут быть бессистемным «сборищем» отдельных информационных единиц, а должны быть взаимосвязанными и взаимозависимыми в некотором общем для них когнитивном семантическом пространстве.

Активность – это принципиальное отличие знаний от данных. С самого начала своего развития программирование опиралось на первичность процедур и вторичность данных. Процедурам отводилась роль активизирующего начала, они отражали способ решения задачи, активизировали необходимые данные, пассивно лежащие в памяти системы.

Для человека характерна познавательная активность. Он использует те или иные процедуры потому, что в его знаниях возникла определенная ситуация, т.е. для когнитивных структур в памяти человека характерна внутренняя активность. То или иное соотношение между информационными единицами побуждает к тем или иным действиям, для реализации которых необходимо выполнить определенные процедуры. Активность базы знаний позволяет экспертной системе формировать мотивы, ставить цели и строить процедуры их решения.

Последний из выделенных признаков – целостность функциональная – отражает возможность выбора желаемого результата, времени его получения, средств получения результата, средств анализа достаточности полученного результата.

Элементы знаний – это особым образом организованные структуры информации, которые имеют свое содержание, структуру, возможные связи, процедуры принятия решений.

На основании сказанного можно сделать вывод, что для систем искусственного интеллекта основное отличие уровня знаний от уровня данных заключается в том, что уровень знаний является концептуальной моделью реально функционирующего некомпьютеризованного знания о предметной области, в то время как уровень данных не выполняет моделирующей функции.