Экспертные системы

     <K1><Li>;...; <Kn><Ln>; <R1>; …; <Rm>,

     где Ki – имена атрибутов, характерных для данного слота; Li – значение этих атрибутов, характерных для данного слота; Rj – различные ссылки на другие слоты.

     Каждый  фрейм, как структура хранит знания о предметной области (фрейм–прототип), а при заполнении слотов знаниями превращается в конкретный фрейм события или явления.

     Фреймы  можно разделить на две группы: фреймы-описания; ролевые фреймы.

     Во  фрейме-описании в качестве имен слотов задан вид программного обеспечения, а значение слота характеризует массу и производителя конкретного вида продукции. В ролевом фрейме в качестве имен слотов выступают вопросительные слова, ответы на которые являются значениями слотов. Для данного примера представлены уже описания конкретных фреймов, которые могут называться либо фреймами – примерами, либо фреймами – экземплярами. Если в приведенном примере убрать значения слотов, оставив только имена, то получим так называемый фрейм – прототип.

     Достоинство фрейма – представления во многом основываются на включении в него предположений и ожиданий. Это достигается за счет присвоения по умолчанию слотам фрейма стандартных ситуаций. В процессе поиска решений эти значения могут быть заменены более достоверными. Некоторые переменные выделены таким образом, что об их значениях система должна спросить пользователя. Часть переменных определяется посредством встроенных процедур, называемых внутренними. По мере присвоения переменным определенных значений осуществляется вызов других процедур. Этот тип представления комбинирует декларативные и процедурные знания.

     Фреймовые модели обеспечивают требования структурированности  и связанности. Это достигается  за счет свойств наследования и вложенности, которыми обладают фреймы, т.е. в качестве слотов может выступать система имен слотов более низкого уровня, а также слоты могут быть использованы как вызовы каких-либо процедур для выполнения.

     Для многих предметных областей фреймовые  модели являются основным способом формализации знаний.

     3.4 Представление знаний  семантическими сетями

     Одним из способов представления знаний является семантическая сеть. Изначально семантическая сеть была задумана как модель представления структуры долговременной памяти в психологии, но впоследствии стала одним из основных способов представления знаний в инженерии знаний.

     Моррис  дал точное определение семантическим  и прагматическим отношениям в семиотике и определил их как проблемы различных функциональных уровней. Другими словами, семантика означает определенные (общие) отношения между символами и объектами, представленными этими символами, а прагматика – выразительные (охватывающие) отношения между символами и создателями (или пользователями) этих символов.

     Первоначально в психологии изучались объекты, именуемые семантическими с точки зрения известных ассоциативных свойств, накапливаемых в системе обучения и поведения человека. Однако с развитием психологии познания стали изучаться семантические структуры, включающие некоторые объекты. Затем были изучены принцип действия человеческой памяти (способы хранения информации и знаний), в частности предположительные (гипотетические) структурные модели долговременной памяти, и созданы моделирующие программы, понимающие смысл слов.

     Одной из структурных моделей долговременной памяти является предложенная Куиллианом модель понимания смысла слов, получившая название TLC- модели (Teachable Language Comprehender: доступный механизм понимания языка). В данной модели для описания структуры долговременной памяти была использована сетевая структура как способ представления семантических отношений между концептами (словами). Данная модель имитирует естественное понимание и использования языка человеком. Поэтому основной ее идеей было описание значений класса, к которому принадлежит объект, его прототипа и установление связи со словами, отображающими свойства объекта. В качестве примера в Приложении 2 показана весьма простая семантическая сеть для представления концептуального объекта “чайник”. В этой сети определены операторы отношений, называемые классом, свойством и примером, для которых описаны значения.

           В модели Куиллиана  концептуальные объекты представлены ассоциативными сетями, состоящими из вершин, показывающих концепты, и дуг, показывающих отношения между концептами.

     В любой плоскости существует одна вершина типа и только необходимое для определения концептов, описывающих его, число вершин лексем.

     Вершины лексем определяют всевозможные сущности, имеющие место в реальном мире, например, классы, свойства, примеры, время, место, средство, объекты и т. п. Преимущество лексем по сравнению с типами заключается в экономии пространства памяти ЭВМ. Это означает и факт предотвращения дублирования определения концептов.

     В TLC-модели используется представление знаний в форме “элемент”  и ”свойства”. Другими словами, можно попытаться структурировать знания, заменив вершину типа на элемент, а вершину лексемы на свойство.  Благодаря этому данные, основанные на фактах,  в долговременной памяти можно представить с помощью структур трех типов: элементы, свойства и указатели. Элемент представлен заключением, называемым фактом, например объектом, событием, понятием и т. п., обычно за элемент принимается отдельное слово, имя существительное, предложение или контекст. Свойство – это структура, описывающая элемент, оно соответствует таким частям речи как имя прилагательное, наречие, глагол и т.д. указатели связывают элементы и свойства.

     Важность  модели семантической сети Куиллиана  с точки зрения многочисленных приложений определяется следующими моментами:

1. В отличие от традиционных методов семантической обработки с анализом  структуры предложения были предложены новые парадигмы в качестве модели представления структуры долговременной памяти, в которой придается значение объему языковой активности.
2. Был предложен способ описания структуры отношений между фактами и понятиями с помощью средства, называемого семантической сетью, отличающейся несложным представлением понятий, а также способ семантической обработки в мире понятий на основе смысловой связи (смыслового обмена) между прототипами.
3. Была создана реальная система TLC, осуществлено моделирование человеческой памяти и разработана технологическая сторона концепции понимания смысла.

     Заключение

     Значимость  инструментальных средств реального  времени определяется не столько  их бурным коммерческим успехом, но, в первую очередь, тем, что только с помощью подобных средств создаются стратегически значимые приложения в таких областях, как управление непрерывными производственными процессами в химии, фармакологии, производстве цемента, продуктов питания и т.п., аэрокосмические исследования, транспортировка и переработка нефти и газа, управление атомными и тепловыми электростанциями, финансовые операции, связь и многие другие.⁶

     Классы  задач, решаемых экспертными системами  реального времени, таковы: мониторинг в реальном масштабе времени, системы управления верхнего уровня, системы обнаружения неисправностей, диагностика.

     Статические экспертные системы не способны решать подобные задачи, так как они не выполняют требования, предъявляемые  к системам, работающим в реальном времени:

     1. Представлять изменяющиеся во  времени данные, поступающие от  внешних источников, обеспечивать  хранение и анализ изменяющихся  данных.

     2. Выполнять временные рассуждения  о нескольких различных асинхронных  процессах одновременно.

     3. Обеспечивать механизм рассуждения при ограниченных ресурсах (время, память). Реализация этого механизма предъявляет требования к высокой скорости работы системы, способности одновременно решать несколько задач.

     4. Обеспечивать "предсказуемость" поведения системы.

     5. Моделировать "окружающий мир", рассматриваемый в данном приложении, обеспечивать создание различных  его состояний.

     6. Протоколировать свои действия  и действия персонала, обеспечивать  восстановление после сбоя.

     7. Обеспечивать наполнение базы  знаний для приложений реальной  степени сложности с минимальными  затратами времени и труда.

     8. Обеспечивать настройку системы на решаемые задачи.

     9. Обеспечивать создание и поддержку  пользовательских интерфейсов для различных категорий пользователей.

     10. Обеспечивать уровень защиты информации (по категориям).

     Оболочки экспертных систем реального времени G2, представляющей собой самодостаточную среду для разработки, внедрения и сопровождения приложений в широком диапазоне отраслей. G2 объединяет в себе как универсальные технологии построения современных информационных систем (стандарты открытых систем, архитектура клиент/сервер, объектно-ориентированное программирование, использование ОС, обеспечивающих параллельное выполнение в реальном времени многих независимых процессов), так и специализированные методы (рассуждения, основанные на правилах, рассуждения, основанные на динамических моделях, или имитационное моделирование, процедурные рассуждения, активная объектная графика, структурированный естественный язык для представления базы знаний), а также интегрирует технологии систем, основанных на знаниях с технологией традиционного программирования (с пакетами программ, с СУБД, с контроллерами и концентраторами данных и т.д.).

     Все это позволяет с помощью данной оболочки создавать практически  любые большие приложения значительно  быстрее, чем с использованием традиционных методов программирования, и снизить  трудозатраты на сопровождение готовых  приложений и их перенос на другие платформы.

     Список  использованной литературы

1. Долин Г. Что такое ЭС// Компьютер Пресс. 2000., №2
2. Попелов Д.А. «Экспертные системы: состояние и перспективы» М.: «Наука», 2002. 206 с.
3. Представление и использование знаний: Пер. с япон./Под ред. Х. Уэно, М. Исидзука.- М.: Мир, 1999. 233 с.
4. Сафонов В.О. Экспертные системы - интеллектуальные помощники специалистов.- С.Пб: «Знание» , 2001, 182 с.
5. Убейко В.Н. Экспертные системы.- М.: «Феникс» 1999. 209 с.
6. Шалютин С.М. “Искусственный интеллект”. – М.: «Мысль», 2000, 64 с.
7. Элти Д., Кумбс М. Экспертные системы: концепции и примеры.- М.: «Финансы и статистика», 1998. 97 с.