Примеры фреймовых моделей представления знаний

СОДЕРЖАНИЕ

1. Введение……………………………………………………………………………………….1

2. Классификация моделей  представления знаний…………………………………………….3

3. Представление знаний  фреймами. Фреймовая модель знаний…………………………….5

3.1. Понятие фрейма………………………………………………………………….….5

3.2. Особенности фреймового  представления знаний…………………………………6           

3.3. Основные свойства  фреймов…………………………………………………….…6  

 

3.4. Структура данных фрейма…………………………………..….…………………..7  

 

4. Примеры фреймовых моделей  представления знаний………..………………………..…11  

 

5. Заключение…………………………………..……………………………………………….14  

 

6. Список литературы……………………………………………..……………………………15

. 

 

 

  

 

 

  

 

 

  

 

 

  

 

 

  

 

 

  

 

 

  

 

 

 

1. ВВЕДЕНИЕ    

 Модели представления  знаний – это одно из важнейших  направлений исследований в области  искусственного интеллекта. Почему  одно из важнейших? Да потому, что без знаний искусственный  интеллект не может существовать  в принципе. Действительно, представьте  себе человека, который абсолютно  ничего не знает. Например, он  не знает даже таких элементарных  вещей как:

• для того, чтобы не умереть от голода, необходимо периодически есть;
• необязательно из одного края города в другой идти пешком, если для этих целей можно воспользоваться общественным транспортом.

 

      Таких примеров удастся привести  еще много, но уже сейчас  можно легко ответить на следующий  вопрос: «Поведение такого человека  может считаться разумным?». Конечно  же, нет. Именно поэтому, при  создании систем искусственного  интеллекта особенное внимание  уделяется моделям представления  знаний.     

 На сегодняшний день  разработано уже достаточное  количество моделей. Каждая из  них обладает своими плюсами  и минусами, и поэтому для каждой  конкретной задачи необходимо  выбрать именно свою модель. От  этого будет зависит не столько эффективность выполнения поставленной задачи, сколько возможность ее решения вообще.    

 Отметим, что модели  представления знаний относятся  к прагматическому направлению  исследований в области искусственного  интеллекта. Это направление основано  на предположении о том, что  мыслительная деятельность человека  – «черный ящик». При таком  подходе не ставится вопрос  об адекватности используемых  в компьютере моделей представления  знаний тем моделям, которыми  пользуется в аналогичных ситуациях  человек, а рассматривается лишь  конечный результат решения конкретных  задач. 

Основные требования к языку  представления знаний интеллектуальной системы:

1. Организация знаний  на основе концептуальных объектов  – для систематизированного управления  сложными знаниями большого объема.  

 

2. Комбинация декларативных  и процедурных знаний при описании  концептуальных объектов –в целях увеличения гибкости системы.  

 

3. Применение иерархических  структур представления знаний  -для описания концептов с учетом степени абстракции.  

 

4. Наличие функций учета  ситуаций для выбора тех или  иных стратегий вывода при  разрешении неоднозначностей. 

 

5. При разработке сред  проектирования интеллектуальных  систем необходимо предусматривать  возможность свободного проектирования  и испытания пользователем различных  способов управления выводом.   

 

6. Расширяемость языка  представления знаний.

2. КЛАСИФИКАЦИЯ МОДЕЛЕЙ  ЗНАНИЯ    

 В настоящее время  разработано множество моделей  представления знаний. Имея обобщенное  название, они различаются по  идеям, лежащим в их основе, с точки зрения математической  обоснованности. Типы моделей показаны  на рисунке: 

 

 

 

  

 

 

  

 

 

  

 

 

  

 

 

  

 

 

     

 Первый подход, называемый  эмпирическим, основан на изучении  принципов организации человеческой  памяти и моделировании механизмов  решения задач человеком. На  основе этого подхода в настоящее  время разработаны и получили  наибольшую известность следующие  модели:

• продукционные модели – модель основанная на правилах, позволяет представить знание в виде предложений типа: «ЕСЛИ условие, ТО действие». Продукционная модель обладает тем недостатком, что при накоплении достаточно большого числа (порядка нескольких сотен) продукций они начинают противоречить друг другу;
• сетевые модели (или семантические сети) – в инженерии знаний под ней подразумевается граф, отображающий смысл целостного образа. Узлы графа соответствуют понятиям и объектам, а дуги – отношениям между объектами. Обладает тем недостатком, что однозначного определения семантической сети в настоящее время отсутствует;
• фреймовая модель – основывается на таком понятии как фрейм (англ. frame – рамка, каркас). Фрейм – структура данных для представления некоторого концептуального объекта. Информация, относящаяся к фрейму, содержится в составляющих его слотах. Слоты могут быть терминальными либо являться сами фреймами, т.о. образуя целую иерархическую сеть.

 

     Условно в группу эмпирического  подхода можно включить нейронные  сети и генетические алгоритмы,  относящиеся к бионическому (основано на предположении о том, что если в искусственной системе воспроизвести структуры и процессы человеческого мозга, то и результаты решения задач такой системой будут подобны результатам, получаемым человеком) направлению искусственного интеллекта. Особенностью моделей этого типа является широкое использование эвристик, что в каждом случае требует доказательства правильности получаемых решений.     

 Второй подход можно  определить как теоретически  обоснованный, гарантирующий правильность  решений. Он в основном представлен  моделями, основанными на формальной  логике (исчисление высказываний, исчисление  предикатов), формальных грамматиках,  комбинаторными моделями, в частности  моделями конечных проективных  геометрий, теории графов, тензорными  и алгебраическими моделями. В  рамках этого подхода до настоящего  времени удавалось решать только  сравнительно простые задачи  из узкой предметной области. 

 

 

  

 

 

  

 

 

  

 

 

  

 

 

  

 

 

  

 

 

  

 

 

  

 

 

 

3. ПРЕДСТАВЛЕНИЕ ЗНАНИЙ  ФРЕМАМИ. ФРЕЙМОВАЯ МОДЕЛЬ ЗНАНИЙ.

3.1. Понятие фрейма.     

 Фреймовая модель основана  на концепции Марвина Мински (Marvin Minsky) – профессора Массачусетского технологического института, основателя лаборатории искусственного интеллекта, автора ряда фундаментальных работ. Фреймовая модель представляет собой систематизированную психологическую модель памяти человека и его сознания.     

 В психологии и философии  известно понятие абстрактного  образа. Например, слово «комната»  вызывает у слушающих образ  комнаты: «жилое помещение с  четырьмя стенами, полом, потолком, окнами и дверью, площадью 6-20 м2». Из этого описания ничего нельзя убрать (например, убрав окна, получим уже чулан, а не комнату), но в нем есть «дырки», или «слоты», — это незаполненные значения некоторых атрибутов — количество окон, цвет стен, высота потолка, покрытие пола и др. В этой теории такой абстрактный образ называется фреймом.

Фреймом называется также  и формализованная модель для  отображения образа. В качестве идентификатора фрейму присваивается имя фрейма. Это имя должно быть единственным во всей фреймовой системе.    

 В основе данной  модели представления знаний  лежит свойство концептуальных  объектов иметь аналогии, которые  позволяют строить иерархические  структуры отношений типа “абстрактное-конкретное”.    

 Каждый фрейм следует  рассматривать как сеть из  нескольких вершин и отношений.  На самом верхнем уровне фрейма  представляется фиксированная информация  о состоянии моделируемого объекта,  которая является истинной вне  зависимости от контекста рассмотрения  объекта и соответствует имени  фрейма.    

 Фрейм (англ. frame – рамка, каркас) – структура данных для представления некоторого концептуального объекта. Информация, относящаяся к фрейму, содержится в составляющих его слотах.    

 Слот (англ. slot – щель, прорезь) может быть терминальным (листом иерархии) или представлять собой фрейм нижнего уровня.    

 Модель фрейма является  достаточно универсальной, поскольку  позволяет отобразить все многообразие  знаний о мире:

• через фреймы-структуры, для обозначения объектов и понятий (заем, залог, вексель);
• через фреймы-роли (менеджер, кассир, клиент);
• через фреймы-сценарии (банкротство, собрание акционеров, празднование именин);
• через фреймы-ситуации (тревога, авария, рабочий режим устройства) и др.

 

      Каждый фрейм, как показано  на рисунке ниже, состоит из  произвольного числа слотов, причем  несколько из них обычно определяются самой системой для выполнения специфических функций, а остальные определяются пользователем.      

 В каждом слоте задается  условие, которое должно выполняться  при установлении

соответствия между значениями (слот либо сам устанавливает соответствие, либо обычно это делает более мелкая составляющая фрейма). В одной системе различные фреймы могут иметь общие терминалы. Несколько терминалов одного фрейма обычно заранее определяются значениями по умолчанию, что позволяет представлять информацию общего характера при решении сходных задач. Среди слотов отдельного фрейма выделяют слоты, определяемые системой и определяемые пользователем. Примерами системных слотов могут служить : IS_A (указание на фрейм-родитель), слот указателей дочерних фреймов, слоты дат создания и изменения информации фрейма. 

 

Определение. Фреймы, соответствующие  описанию отдельных объектов, называются шаблонами, а фреймы верхнего уровня, используемые для представления  этих шаблонов, называются фреймами классов.

3.2. Особенности фреймового  представления знаний. 

 

• В качестве единицы представления знаний используется фрейм.
• Иерархичность структуры единиц представления знаний.
• Различие степени абстракции единиц знаний.
• Возможность комбинации декларативных и процедурных знаний.

 

 

3.3. Основные свойства  фреймов. 

 

• Базовый тип (базовый фрейм) – с его помощью запоминаются наиболее важные компоненты исследуемого объекта. На основании базовых фреймов строятся фреймы для новых состояний исследуемого объекта. При этом каждый фрейм содержит слот, оснащенный указателем подструктуры, который позволяет различным фреймам совместно использовать одинаковые части;

 

 

• Процесс сопоставления – в ходе его проверяется правильность выбора фрейма. Вначале в соответствии с текущей целью делается попытка подтверждения релевантности некоторого базового фрейма(в т.ч. с помощью подфреймов), при подтверждении процесс сопоставления завершается. В противном случае для слота, в котором возникла ошибка, делается попытка присваивания надлежащего значения с учетом наложенных слотом ограничений. В случае неуспеха управление передается другому надлежащему фрейму из рассматриваемой системы, затем –соответствующему фрейму из другой фреймовой системы и т.д. пока не произойдет успешного сопоставления. В противном случае для данной фреймовой системы рассматриваемая поисковая задача решения не имеет и требуется либо переформулировать текущую цель, либо пересмотреть содержательную часть фреймовой модели, включая накладываемые слотами ограничения;

 

 

• Иерархическая структура. Ее особенность заключается в том, что информация об атрибутах, которую содержит фрейм верхнего уровня, совместно используется всеми фреймами нижних уровней, связанных с ним;

 

 

• Межфреймовые сети – образуются путем соединения фреймов, описывающих объекты с небольшими различиями, с использованием указателей различия;

 

 

• Значение по умолчанию – под ним понимается значение слота, полученное путем распределения человеком-экспертом конкретных значений между терминальными слотами фрейма. Выводы, получаемые на основании значений по умолчанию, называются выводами по умолчанию. С их помощью можно восполнить недостатки изначально заданной информации. Как правило, когда используется подобный способ вывода, предполагается наличие эффективно действующих межфреймовых сетей и демонов;