ГЛАВА 23. МЕТОДЫ МОДЕЛИРОВАНИЯ ЗНАНИЙ

Знания и их свойства

Уже частично рассматривались такие понятия, как «знания» и «системы, основанные на знаниях», и отмечалась их особая значимость в теории ИИ. Сделаем еще одно предварительное, но весьма важное замечание: в настоящее время в области разра­ботки систем ИИ признана следующая аксиома: никакой, са­мый сложный и изощренный алгоритм извлечения информации (механизм логического вывода) из интеллектуальной системы не может компенсировать «информационную бедность» ее базы знаний.

Несмотря на широкое распространение и использование по­нятия «знания» в различных научных дисциплинах и на практике, строгое определение данного термина отсутствует.

Довольно часто используют так называемый прагматический подход: говорят, что знания — это формализованная информа­ция, на которую ссылаются и/или которую используют в процес­се логического вывода. Однако такое определение ограничено: оно фиксирует сознание на уже существующих методах представления знаний и, соответственно, механизмах вывода, не давая возмож­ности представить себе другие (новые) знания.

Возможен и другой подход: на основе определения уже рас­смотренного понятия «данные» (см. гл. 2) попытаться выявить их свойства и особенности, сформировать дополнительные требова­ния к ним и затем перейти к понятию «знания».

Напомним, что данными называют формализованную ин­формацию, пригодную для последующей обработки, хранения и передачи средствами автоматизации профессиональной дея­тельности. Какие же свойства «превращают» данные в знания? Пе­речислим и кратко охарактеризуем шесть основных свойств зна­ний (часть из них присуща и данным).

1. Внутренняя интерпретация (интерпретируемость). Это свой­ство предполагает, что в ЭВМ хранятся не только собственно (сами) данные, но и данные о данных, что позволяет их содержа­тельно интерпретировать (табл. 23.1). Имея такую информацию, можно ответить на вопросы типа «Где находится НПО «Энер­гия»?» или «Какие предприятия выпускают космическую техни-

304

Таблица 23.1

Внутренняя интерпретация

ку?». При этом в первом столбце таблицы находятся данные о данных (метаданные), а в остальных — сами данные.

2. Внутренняя структура связей. Предполагается, что в качестве информационных единиц используются не отдельные данные, а их упорядоченные определенными отношениями (родовидовы­ми, причинно-следственными и др.) структуры (эти отношения называют классифицирующими), например факультет — курс — учебная группа — студент.

3. Внешняя структура связей. Внутренняя структура связей позво­ляет описывать отдельный объект (понятие). Однако объекты (по­нятия) способны находиться и в других отношениях (вступать в ситуативную связь). Например, объекты «1-й курс N-ro техниче­ского университета» и «урожай овощей в совхозе «Зареченский» могут находиться в ситуативной связи «принимает участие в уборке».

4. Шкалирование. Данная возможность предполагает введение соотношений между различными информационными единицами (т. е. их измерение в какой-либо шкале: порядковой, классифика­ционной, метрической и т. п.) и упорядочение информационных единиц путем измерения интенсивности отношений и свойств, например «Л-я учебная группа занимает первое место на курсе по успеваемости». Отметим, что оперируя качественными оценками, нельзя использовать привычные арифметические действия: для данного примера условие «М-я группа заняла второе место на курсе по успеваемости» совсем не означает, что студенты этой группы учатся хуже в 2 раза.

5. Семантическая метрика. Шкалирование позволяет соотнести информационные единицы, но прежде всего для понятий, име­ющих «количественное» толкование (характеристики). На практи­ке довольно часто встречаются понятия, к которым не примени­мы количественные шкалы, но существует потребность в уста­новлении их близости (например, понятия «искусственный ин­теллект» и «искусственный разум»). Эта потребность удовлетво­ряется путем применения так называемой семантической метри­ки — средства установления семантической (смысловой) близости понятий предметной области. В данном случае уместно вспомнить определение понятия «метрика» из математики [38]: метрика —

305

это специальная функция d(x, у) с фиксированным набором свойств:

• d(x, у) = 0 тогда и только тогда, когда х = у;

. й(х, у) < й(х, z) + d(y, z) — неравенство треугольника.

Отсюда вытекают два следствия: 1) й(х, у) т- действительное неотрицательное число; 2) d(x, у) = й(у, х) — симметрия.

В математике использование понятия «метрика» для различе­ния объектов не вызывает проблем. Совсем другая ситуация воз­никает при необходимости различить содержания двух понятий. В этом случае приходится учитывать так называемые семантики — особенности толкования того или иного понятия в конкретной ситуации. Семантики классифицируются следующим образом:

• значение, т. е. объективное содержание;

• контекстуальный смысл, определяемый связями данного по­нятия с другими, соседствующими в данной ситуации;

• личностный смысл, т.е. объективное значение, отраженное через систему взглядов эксперта;

• прагматический смысл, определяемый текущим знанием о конкретной ситуации (например, фраза «информация получена» может иметь как негативную, так и позитивную оценку в зависи­мости от того, нужно это было или нет) [26].

6. Активность. Данное свойство принципиально отличает поня­тие «знание» от понятия «данные». Например, знания человека как правило, активны, поскольку ему свойственна познавательная активность (обнаружение противоречий в знаниях становится по­будительной причиной их преодоления и появления новых знаний; стимулом активности является неполнота знаний, которая выра­жается в необходимости их пополнения). В отличие от данных зна­ния позволяют выводить (получать) новые знания. Будучи актив­ными, знания позволяют человеку решать не только типовые, но и принципиально новые, нетрадиционные задачи. Кроме перечислен­ных свойств, знаниям присущи омонимия (слово «коса» может иметь три смысла, связанных с определениями: «девичья»; «песчаная»; «острая», такие примеры можно легко продолжить: различные тол­кования слов «камера», «замок», «пара», «тройка», «перо», «камень» «мама» или «дрова» — последние три примера связаны с весьма распространенным жаргоном компьютерщиков) и синонимия (предложения «преподаватель читает лекцию» и «студенты слуша­ют лекцию» во многих случаях являются синонимическими) и др.

Классифицировать знания можно по самым различным осно­ваниям.

По способу существования различают факты (хорошо известные обстоятельства) и эвристики (знания из опыта экспер­тов).

По способу использования в экспертных си­стемах выделяют фактические знания (факты) — знания типа

306

«А — это А», правила — знания для принятия решений («Если... — то...»), метазнания (знания о знаниях — указывают системе спо­собы использования знаний и определяют их свойства). Класси­ческими примерами метазнаний являются народные пословицы и поговорки, каждая из которых характеризует знания (рекоменда­ции по деятельности) в широком классе конкретных ситуаций (например, пословица «Семь раз отмерь, один — отрежь» приме­нима не только в среде хирургов или портных).

По формам представления знания делят на деклара­тивные (факты в виде наборов структурированных данных) и про-цедуральные (алгоритмы в виде процедур обработки фактов).

По способу приобретения знания делятся на научные (полученные в ходе систематического обучения и/или изучения) и житейские, бытовые (полученные в «ходе жизни»).

Дадим еще ряд определений, часто встречающихся в литерату­ре [26].

Интенсиональные знания — знания, характеризующие или от­носящиеся к некоторому классу объектов.

Экстенсиональные знания — знания, относящиеся к конкрет­ному объекту из какого-либо класса (факты, сведения, утвержде­ния и т.д.).

Заметим, отношения интенсиональных и экстенсиональных знаний — это родовидовые отношения. Например, понятие «техно­логическая операция» — это интенсионал, а понятие «пайка» — экстенсионал, так как пайка — одна из технологических опера­ций. Очевидно, что эти понятия относительны. Так, понятие «пай­ка» в свою очередь можно считать интенсионалом по отношению к понятиям «пайка серебром» и «пайка оловом». Как правило, такого рода знания относятся к декларативным.

Физические знания — это знания о реальном мире.

Ментальные знания — это знания об отношениях объектов.

Мир задачи — это совокупность знаний, используемых в задаче.

Мир пользователя — это совокупность знаний пользователя.

Мир программы — это совокупность знаний, используемых в программе.

Морфологические и синтаксические знания — это знания о пра­вилах построения структуры описываемого явления или объекта (например, правила написания букв, слов, предложений и др.)

Семантические знания — это знания о смысле и значении опи­сываемых явлений и объектов.

Прагматические знания — это знания о практическом смысле описываемых объектов и явлений в конкретной ситуации. (На­пример, редкая монета для нумизмата, филателиста или «нор­мального» человека имеет разную прагматическую ценность.)

Предметные знания — это знания о предметной области, объек­тах из этой области, их отношениях, действиях над ними и др.

307

⇐ Предыдущая45464748495051525354Следующая ⇒

Поделиться: