Фрагмент для ознакомления
2
Введение
Проблема представления знаний является тем ключевым пунктом, через который проходят пути к достижению успеха, видимо по всем направлениям исследований ИИ, начиная от проблем понимания естественного языка и машинного восприятия зрительных образов и заканчивая проблемами коллективного интеллекта.
Очевидная первопричина сложности создания машинной модели реального мира кроется в бесконечном многообразии этого мира.
Действительно, представим себе, что такую модель необходимо создать для робота, который предназначен для выполнения неограниченного количества приказов человека и функционирует в среде неограниченной вариативности. Если попробовать решить задачу «в лоб», путем представления модели мира в виде набора программ, каждая из которых соответствует последовательности возможных действий робота во время выполнения одного из приказов, осуществляемых с учетом конкретных условий внешнего мира работа (состояния внешней среды), то возникают по крайней мере две непреодолимые проблемы, обусловленные бесконечным многообразием реального мира. (Под условиями внешнего мира понимается не только мир, что воспроизводится сенсорами робота, но и априорные знания о закономерностях реального мира).
Первая проблема связана с необходимостью наличия в памяти ЭВМ неограниченного набора программ, каждая из которых рассчитана на выполнение приказа за определенного состояния внешней среды.
Вторая проблема связана с необходимостью соотнести данный приказ оператора и состояние внешней среды работа с конкретной программой из этого неограниченного набора, ответственным за выполнение настоящего приказа в конкретной внешней ситуации, и выбрать эту программу из памяти за приемлемый довольно ограниченное время.
Указанные трудности объясняют нереальность создания модели реального мира таким путем. Несмотря на это, такой подход все же несет одно ценное свойство. По крайней мере на интуитивном уровне понятно, что каждую из программ, ответственное за исполнение данного приказа, можно построить так, чтобы учесть все необходимые для выполнения приказа особенности внешнего мира работа, причем реального внешнего мира со всем его многообразием и сложностью, что невозможно при использовании известных подходов за принципиальную ограниченность средств описания внешнего мира, характерных для этих подходов.
Цель исследования: изучить способы представления знаний в информатике.
Объект исследования: понятие представления знаний.
Предмет исследования: способы представления знаний в информатике.
Задачи исследования:
1. Рассмотреть теорию представления знаний;
2. Описать способы представления знаний;
3. Изучить модели представления знаний в информатике;
4. Сформулировать основные положения вывода на знаниях.
1. Теория представления знаний
Теория представления знаний — это отдельная область исследований, тесно связанная с философией формализма и когнитивной психологией. Предмет исследования в этой области — методы ассоциативного хранения информации, подобные тем, что существуют в мозгу человека. При этом основное внимание, естественно, уделяется логической, а не биологической стороне процесса, упуская подробности физических преобразований.
Представление (representation)
— множество синтаксических и семантических соглашений, что делает возможным описание в определенной предметной области (объекты в этой области, их свойства, отношения, существующие между объектами).
Описание (description) позволяет использовать сделки с представления для описания определенных предметов.
Схема представления знаний должна адекватно выражать всю необходимую информацию, поддерживать эффективное выполнение конечного кода, обеспечивать естественный способ выражения необходимых знаний. Задача любой схемы представления заключается в том, чтобы зафиксировать специфику области определения задачи и сделать эту информацию доступной для механизма решения проблемы.
Язык представления (representation language) — язык программирования, ориентированная на организацию описаний объектов и идей, в противовес статическим последовательностям инструкций или хранению простых элементов данных. Основными критериями доступа к представлению знаний являются логическая адекватность, эвристическая мощность и естественность, органичность нотации.
Фрагмент для ознакомления
3
1. Берштейн Л. С., Коровин С. Я., Мелихов А. Н., Серяев И. Е. Функционально- структурное исследование ситуационно-фреймовой сети эксплуатационной системы с нечеткой логикой // Изв. АН. Серия: Техническая кибернетика. 1994. №2. С. 120–124.
2. Беспалько В. П. Основы теории педагогических систем. Воронеж: Изд-во Воронеж. ун-та, 1977. С. 303.
3. Борисов А. Н., Алексеев А. В., Меркурьева Г. В., Слядзь Н. Н., Глушков В. И. Обработка нечеткой информации в системах принятия решений. М.: Радио и связь, 1989. С. 304.
4. Гениатулина Е.В. Представление данных в интеллектуальных системах, усеченно-естественный язык // Мат-лы IX Междунар. науч.-метод. конф. «Информатика: проблемы, методология, технологии». – Воронеж: Воронеж. гос. ун-т, 2009. – Т1. – С. 202–106.
5. Головко С. С. Фрейм [Электронный ресурс] / С. С. Головко. — Режим доступа к статье : http://www.russika.ru/termin.asp?ter=3408.
6. Гриф М.Г. Современные методы проектирования ИУС: учеб. пособие. – Новосибирск: Изд-во НГТУ, 2003.
7. Гриф М.Г., Гениатулина Е.В. Методы формирования множества альтернатив процесса функционирования человеко-машинных систем на основе аналогий // Сб. науч. тр. НГТУ – 2008. – № 1(51). – С. 35–40.
8. Лавров С.С. Представление и использование знаний в автоматизированных системах // Микропроцессорные средства и системы, 1986, № 3.
9. Методы представления знаний: Метод. указ. / Сост. И. Л. Коробова. Тамбов: Изд-во Тамб. гос. техн. ун-та, 2003. 24 с.
10. Новиков Ф. А. Искусственный интеллект: представление знаний и методы поиска решений: Учеб. пособие. - СПб.: Изд-во Политехн. ун-та, 2010. - 240 с.
11. Олкконен Е. А. Модели представления знаний в языковых интеллектуальных обучающих системах // Прикладная математика и информатика: труды Петрозаводского государственного университета. 1997. №6. С. 168–182.
12. Осуга С. Обработка знаний. - М.: Мир, 1989. - 193 с.
13. Сарвилина И. Ю. Моделирование процесса обучения на основе нечеткой логики // Университетское образование: тр. науч.-методической конф. Пенза: Поволжский Дом знаний, 2003. С. 36–37.
14. Судаков Б. Н., Любченко Н. Ю., Любченко В. Методы представления знаний в экспертных системах // Вестник НТУ ХПИ. 2008. №49. URL: https://cyberleninka.ru/article/n/metody-predstavleniya-znaniy-v-ekspertnyh-sistemah (дата обращения: 24.03.2022).
15. Уэно Х., Исидзука М. Представление и использование знаний. - М.: Мир, 1989. - 220 с.
16. Шихнабиева Т.Ш. Методические основы представления и контроля знаний в области информатики с использованием адаптивных семантических моделей / Т.Ш..Шихнабиева // Дисс... д.-ра псд. наук. М.. 2009. - 365 с.