Моделі представлення знань: види, класифікація та методи застосування

Такі складні поняття, як "мислення" і "свідомість", і навіть більш легко визначаються, такі як «інтелект» і «знання», у фахівців різних профілів (наприклад, системного аналізу, інформатики, нейропсихології, психології, філософії та ін.) можуть значно відрізнятися.

Повне, адекватне уявлення знань, яке сприймається однаково однозначно як людьми, так і машинами-основна проблема сучасного інформаційного обмін. Подібний інформаційний обмін заснований на системі понять і відносин, які складають знання.

Класифікація знань

Їх можна класифікувати на кілька категорій: понятійні, конструктивні, процедурні, фактографічні та метазнання.

• Понятійні знання - набір певних понять, що використовуються при вирішенні завдань. Їх часто використовують у фундаментальних науках та теоретичних галузях наук. Фактично понятійні знання складають понятійний апарат науки.
• Конструктивні знання - Набори структур, систем і підсистем, а також взаємодії між ними. Активно використовуються в техніці.
• Процедурні знання - методи та алгоритми, що використовуються в прикладних науках найчастіше.
• Фактографічні знання – характеристики об`єктів і явищ, як кількісні, так і якісні. Використовуються найчастіше, в експериментальних науках.
• Метазнания - будь-які знання про знання, їх системі організації, їх інженерії та про порядок і правила їх застосування.

Організація знань

Система організації знань-це процес надання інформації у вигляді повідомлень, які можуть бути звичними (усна і письмова мова, малюнки і т.д.) і незвичними (формули, об`єкти географічної карти, радіохвилі та інше).

Щоб система організації знань була зрозумілою і успішною, необхідно використовувати зрозумілу і конструктивну систему правил, згідно з якою знання будуть представлені і сприйняті. Для цього людина використовує мову і писемність.

Мова

Мова з`явилася і розвивалася завдяки тому, що знання, накопичені людьми, постійно потребують представлення, вираження, зберігання та обміну. Думка, яку не можна висловити формальної конструкцією (мова, зображення) втрачає можливість стати частиною інформаційного обміну. Саме тому протягом історії людства мова була найбільш ефективною формою представлення знань.

Чим багатше мова, тим більше знань він висловлює, відповідно, роблячи культуру народу багатшими, що, в свою чергу, дозволяє розробляти все нові і більш ефективні системи організації знань.

Мова науки

Головна проблема у використанні мови як форми подання знань-неоднозначний семантичний зміст слів і пропозицій. Саме тому мова науки відіграє особливу роль у формалізації знань.

Основне призначення мови науки-типізувати і стандартизувати форми вираження, стиснення і зберігання знань. За допомогою типового, стандартного викладу знань можна позбутися полісемії або смислової багатозначності мови.

Те, що в природних умовах мовної еволюції робить мову багатшою (багатозначність виразів), в процесі обміну знаннями стає перешкодою, збільшуючи ризик нерозуміння, семантичного шуму і неоднозначного сприйняття інформації.

Класифікація знань

Одним з основних методів формалізації знань є класифікація. Це розподіл знань по групах відповідно до певного класу. Тобто в певний клас знань потрапляє лише та інформація, яка задовольняє певним критеріям, відповідним класу.

Класифікація-це особливо важливий метод наукової систематики, без якого не обійтися на першому етапі формування базових знань наукового напрямку. Наприклад, в інформатиці без класифікації немає еквівалентності, яка дозволяє вирішувати такі важливі завдання, як порівняння, пошук і категоризація. Без класифікації в науці ми не отримали б такі унікальні і безцінні системи організації даних, як таблиця Менделєєва.

Моделі представлення знань

Таблиця Менделєєва, Табель про ранги, Кримінальний кодекс, генеалогічні древа та інші класифікаційні системи являють собою моделі представлення знань. Це формальні структури, які пов`язують між собою певні знання: факти, явища, поняття, процеси, об`єкти, взаємозв`язки.

Для розуміння і обробки комп`ютером знань про окрему предметну область ці знання повинні бути представлені в певному, формалізованому вигляді. Залежно від мети, обробка знань комп`ютером відбувається відповідно до моделі, побудованої на алгоритмі. Відповідно, представлені в моделі знання залежать від алгоритму їх обробки.

Існує кілька моделей представлення знань в експертних системах. Основними з них є продукційні, фреймові, мережеві та логічні.

Класифікація моделей

Перераховані вище моделі представлення знань, приклади яких слідують далі, нехай і широко поширені, далеко не єдині. Сьогодні існує безліч моделей, що розрізняються один від одного по обгрунтованості, підходам до їх створення і принципам організація.

Наприклад, в таблиці нижче наведені види моделей представлення знань, поділ їх на емпіричні і теоретичні, а також подальший підрозділ.

Емпіричне моделювання

Емпіричні моделі організації та представлення знань беруть в якості прикладу людину і намагаються втілити організацію його пам`яті, свідомості і механізмів прийняття рішень і вирішення завдань. Емпіричне моделювання відноситься до будь-якого виду моделей, побудованих на основі емпіричних спостережень, а не на відносинах, що піддаються математичному опису та моделюванню.

Емпіричне моделювання-загальне позначення для моделей представлення знань, які створюються на основі спостережень і експериментів.

Емпірична модель діє за простим семантичним принципом: творець спостерігає за взаємодією моделі та її референта. Обробка отриманої інформації може бути» емпіричної " по-різному, від аналітичних формул, причинно-наслідкових зв`язків, до методу проб і помилок.

Продукційні моделі представлення знань

Ця модель кончини даних найчастіше заснована на відносинах і причинно-наслідкових зв`язках. Якщо інформацію можна представити у вигляді умов типу " якщо <х>, Те <у>", то модель є продукційною. Вона найчастіше використовується в додатках і нескладних штучних інтелектах.

Продукційними моделями представлення знань є найчастіше комп`ютерні програми, які забезпечують певну форму штучний інтелект рядом правил поведінки, а також включають механізм, необхідний для того, щоб слідувати цим правилам при дотриманих умовах.

Продукція (набір правил) складається з двох частин: попередня умова (»якщо") і дія ("то"). Якщо попередня умова продукції відповідає поточному стану світу, то модель запускається. Модель виробництва також містить базу даних, яку іноді називають робочою пам`яттю, яка містить актуальні знання.

Недоліки продукційної моделі полягають в тому, що при занадто великому числі правил дії моделі можуть суперечити один одному.

Семантичні мережі

Вони засновані на цілісності образу і є найбільш наочними моделями представлення знань. Семантична мережа найчастіше представлена у вигляді графа або складної графової структури, вузли або вершини якої являють собою об`єкти, поняття, явища, а ребра-відносини між певними об`єктами, поняттями і явищами.

Найпростішу семантичну мережу легко уявити у вигляді трикутника, вершинами якого є такі поняття, як, скажімо « "собака" « "ссавець" і»хребет". В даному випадку вершини з`єднають сторони трикутника, які можна позначити такими зв`язками і відносинами, як "є" « "володіє" « " є у». таким чином ми отримаємо модель представлення знань з якої дізнаємося, що собака є ссавцем, ссавці мають хребтом, і у собаки є хребет.

Такі моделі наочні, і з їх допомогою можна найефективніше уявити складні системи і причинно-наслідкові зв`язки. Крім того, ці семантичні мережі можна поповнювати новими знаннями, розширюючи вже існуючу мережу, тобто трикутник перетворити в прямокутник, далі в шестигранник, а потім-в складну мережу пересічних фігур, в якій можна спостерігати, наприклад, успадкування властивостей.

Фреймова модель

Фреймова модель названа так від англійського слова frame-рамка або каркас. Фреймом називають структуру, в якій зібрані дані, використовувані для представлення певного концепту.

Як і в соціології, де фреймами називають свого роду стереотипні дані, які впливають на людське сприйняття світу і процес прийняття рішень, в інформатиці і в роботі зі штучним інтелектом фрейми використовують для створення структурованих даних, що представляють стереотипні ситуації. Фактично це-первісна, базова система даних, на яких будується сприйняття світу штучним інтелектом.

Крім того, як ефективні моделі представлення знань, фрейми активні не тільки в інформатиці. Спочатку вони були варіацією семантичних мереж.

Фрейм складається з одного або декількох слотів. У свою чергу, слоти можуть самі бути фреймами. Таким чином, фреймова модель здатна представляти складні концептуальні об`єкти, утворюючи широкий ієрархічний ланцюг знань.

Фреймова модель подання знань містить в собі інформацію про те, як використовувати фрейм, що очікувати під час і після його використання, і що робити, коли очікування від використання фрейма не виправдалися.

Певні типи даних у фреймовій моделі незмінні, тоді як інші дані, які зазвичай зберігаються в термінальних слотах, можуть змінюватися. Термінальні слоти найчастіше розглядаються як змінні. Слоти і фрейми верхнього рівня несуть в собі інформацію про ситуацію, яка вірна завжди, а ось Термінальні слоти не зобов`язані бути вірними.

Фрейми однієї складної мережі можуть ділити між собою слоти інших фреймів цієї ж мережі.

У базі даних можуть зберігатися фрейми-прототипи (незмінні) і фрейми-екземпляри, які створюються ситуаційно, для представлення певної ситуації або конкретного концепту.

Фреймові моделі представлення знань є одними з найбільш універсальних і здатні відображати різні види знань:

• фрейм-структури використовуються для представлення понять і об`єктів;
• фрейм-ролі позначають рольові обов`язки;
• фрейм-сценарії описують поведінку;
• фрейм-ситуації використовуються для представлення стану і видів діяльності.

Нейромережі

Ці алгоритми теж можна умовно приєднати до групи моделей, заснованих на емпіричному підході до знань. Фактично нейронні мережі намагаються копіювати процеси, що відбуваються в мозку людини. Вони засновані на теорії про те, що штучна система інтелекту з такими ж структурами і процесами, як і в людському мозку, зможе отримати схожі результати в процесі прийняття рішень, оцінки ситуацій і сприйняття реальності.

Теоретично обґрунтований підхід

На цьому підході базуються Математичні, предикативні та логічні моделі представлення знань. Ці моделі гарантують правильність рішень, оскільки засновані на формальній логіці. Вони підходять для вирішення простих завдань з вузької предметної області, часто пов`язаної з формальною логікою.

Логічні моделі представлення знань

Це одна з найбільш популярних моделей, заснована на теоретичному підході. Логічна модель використовує алгебру предикатів, її систему аксіом і правил виведення. Найбільш поширені логічні моделі використовують терми-логічні константи, функції і змінні, а також предикати, тобто вираження логічних дій.