2. Моделі знань

Можна сформульовані наступні особливості знань, що відрізняють їх від традиційних даних:

• Внутрішня інтерпретованість: кожна інформаційна одиниця повинна мати унікальне ім’я, за яким інформаційна система її знаходить, а також відповідає на запити, в яких це ім’я згадується;

• Структурованість: знання повинні мати гнучку структуру; одні інформаційні одиниці можуть включатися до складу інших;

• Пов’язність: в інформаційній системі повинна бути передбачена можливість встановлення різних типів зв’язків між різними інформаційними одиницями (причинно-наслідкові, просторові тощо);

• Семантична метрика: на множині інформаційних одиниць корисно задавати відношення, які характеризують ситуаційну близькість цих одиниць;

• Активність: виконання програм в інтелектуальній системі повинно ініціюватися поточним станом бази знань.

Для формалізації знань у інтелектуальних системах використовують поняття модель знань.

Моделлю знань називається фіксована система понять і правил, відповідно до яких інтелектуальна система подає знання в своїй пам’яті та здійснює операції над ними.

Моделі знань необхідні:

- для створення спеціальних мов описів знань і маніпулювання ними;

- для формалізації процедур порівняння нових знань з уже існуючими;

- для формалізації механізмів логічного виведення.

Однією з найскладніших задач побудови експертної системи є задача побудови бази знань. Процес формування БЗ є інтерактивним (англ. Interaction – взаємодія) із можливим поверненням з подальшого етапу проектування на попередній. Одним із найскладніших моментів процесу формування БЗ, що зумовлює ітерактивні повернення, є одержання знань від експерта з їх подальшою формалізацією. Оскільки багато виведень експерт вважає очевидними, а деякі використовує інтуїтивно, дуже важко одержати від нього зв’язки між елементами проблемної ситуації, логічно-послідовну інформацію про процес розв’язання задачі.

В будь-який момент часу в експертній системі фігурують три типи знань:

• Структуровані – статичні знання про проблемну ситуацію. Після того як ці знання виявлено, вони вже не змінюються;

• Структуровані динамічні – змінні знання про проблемну ситуацію. Вони поновлюються в міру виявлення нової інформації;

• Робочі – знання, які застосовують для розв’язання конкретної задачі або проведення консультації.

Також знання можуть бути кваліфіковані за такими категоріями:

• Поверхневі – знання про видимі взаємозв’язки між окремими подіями і чинниками предметної галузі;

• Глибинні – абстракції, аналогії, схеми, що відображають структуру і природу процесів, які відбуваються в предметній сфері. Ці знання пояснюють явища і використовуються для прогнозування поведінки об’єктів.

Сучасні експертні системи працюють в основному з поверхневим знанням. Це пов’язане з тим, що на сьогодення відсутні універсальні методики, які дозволяють виявити глибинні структури знань і працювати з ними.

Окрім того, знання розділяють на процедурні і декларативні. Історично першими були процедурні знання, тобто знання, що потрібні для побудови алгоритмів. Вони керували даними. Їхня варіація змінювала програму. Але із розвитком штучного інтелекту пріоритет даних постійно змінювався, і все більшою ставала частина знань, зосереджена у структурах даних (таблицях, списках, абстрактних типах даних), тобто зростала роль декларативних знань.

На сьогодні знання набули суто декларативної форми. Знаннями вважають речення, записані інформаційними мовами, що наближені до природної і зрозумілої неспеціалістам. Найбільш розвинутими на сучасному етапі є моделі задання знань, які ґрунтуються на вербально-дедуктивній парадигмі. До основних мов подання знань відносять:

• продукційні моделі (логіка предикатів);

• семантичні мережі;

• фрейми;

• логічні моделі.

Список питань для перевірки знань:

1. Поняття дані, інформація, знання.

2. Бази знань.

3. Вербально-дедуктивне знання.

4. Методи представлення та формалізації знань.

5. Експертні системи, принципи побудови.