Структура интеллектуальной системы

2.1. Структура интеллектуальной  системы

С развитием компьютерных технологий менялся смысл, вкладываемый в понятие информационной системы. Современная информационная система  — это набор информационных технологий, направленных на поддержку жизненного цикла информации и включающего  три основных процесса: обработку данных, управление информацией и управление знаниями. В условиях резкого увеличения объемов информации переход к работе со знаниями на основе искусственного интеллекта является, по всей вероятности, единственной альтернативой информационного общества [85].

Согласно определению  Д.А. Поспелова [79], "Система называется интеллектуальной, если в ней реализованы следующие основные функции:

• накапливать знания об окружающем систему мире, классифицировать и оценивать их с точки зрения прагматической полезности и непротиворечивости, инициировать процессы получения новых знаний, осуществлять соотнесение новых знаний с ранее хранимыми;
• пополнять поступившие знания с помощью логического вывода, отражающего закономерности в окружающем систему мире в накопленных ею ранее знаниях, получать обобщенные знания на основе более частных знаний и логически планировать свою деятельность;
• общаться с человеком на языке, максимально приближенном к естественному человеческому языку;
• получать информацию от каналов, аналогичных тем, которые использует человек при восприятии окружающего мира;
• уметь формировать для себя или по просьбе человека (пользователя) объяснение собственной деятельности;
• оказывать пользователю помощь за счет тех знаний, которые хранятся в памяти, и тех логических средств рассуждений, которые присущи системе".

Перечисленные функции можно  назвать функциями представления  и обработки знаний, рассуждения  и общения. Наряду с обязательными  компонентами, в зависимости от решаемых задач и области применения в  конкретной системе эти функции  могут быть реализованы в различной  степени, что определяет индивидуальность архитектуры. На рис. 2.1 в наиболее общем виде представлена структура интеллектуальной системы в виде совокупности блоков и связей между ними [85].

База  знаний представляет собой совокупность сред, хранящих знания различных типов. Рассмотрим кратко их назначение.

База  фактов (данных) хранит конкретные данные, а база правил — элементарные выражения, называемые в теории искусственного интеллекта продукциями.

База  процедур содержит прикладные программы, с помощью которых выполняются все необходимые преобразования и вычисления.

База  закономерностей включает различные сведения, относящиеся к особенностям той среды, в которой действует система.

База  метазнаний (база знаний о себе) содержит описание самой системы и способов ее функционирования: сведения о том, как внутри системы представляются единицы информации различного типа, как взаимодействуют различные компоненты системы, как было получено решение задачи.

База  целей содержит целевые структуры, называемые сценариями, позволяющие организовать процессы движения от исходных фактов, правил, процедур к достижению той цели, которая поступила в систему от пользователя либо была сформулирована самой системой в процессе ее деятельности в проблемной среде.

Управление всеми базами, входящими в базу знаний, и организацию  их взаимодействия осуществляет система  управления базами знаний. С ее же помощью  реализуются связи баз знаний с внешней средой. Таким образом, машина базы знаний осуществляет первую функцию интеллектуальной системы.

Выполнение второй функции  обеспечивает часть интеллектуальной системы, называемая решателем и состоящая из ряда блоков, которые управляются системой управления решателя. Часть из блоков реализует логический вывод.

Блок дедуктивного вывода осуществляет в решателе дедуктивные  рассуждения, с помощью которых  из закономерностей из базы знаний, фактов из базы фактов и правил из базы правил выводятся новые факты. Кроме  этого, данный блок реализует эвристические  процедуры поиска решений задач  как поиск путей решения задачи по сценариям при заданной конечной цели. Для реализации рассуждений, которые  не носят дедуктивного характера, т. е. для поиска по аналогии, по прецеденту и т. д., используются блоки индуктивного и правдоподобного выводов.

Блок планирования применяется  в задачах планирования решений  совместно с блоком дедуктивного вывода.

Назначение блока функциональных преобразований состоит в решении  задач расчетно-логического и  алгоритмического типов.

 
Рис. 2.1.  Общая структура интеллектуальной системы

Третья функция — функция  общения — реализуется как  с помощью компоненты естественно-языкового  интерфейса, так и с помощью рецепторов и эффекторов, которые осуществляют так называемое невербальное общение и используются в интеллектуальных роботах.

2.2. Разновидности  интеллектуальных систем

В зависимости от набора компонентов, реализующих рассмотренные  функции, можно выделить следующие  основные разновидности интеллектуальных систем:

• интеллектуальные информационно-поисковые системы;
• экспертные системы (ЭС);
• расчетно-логические системы;
• гибридные экспертные системы.

Интеллектуальные  информационно-поисковые системы являются системами взаимодействия с проблемно-ориентированными (фактографическими) базами данных на естественном, точнее ограниченном как грамматически, так и лексически (профессиональной лексикой) естественном языке (языке деловой прозы). Для них характерно использование (помимо базы знаний, реализующей семантическую модель представления знаний о проблемной области) лингвистического процессора.

Экспертные  системы являются одним из бурно развивающихся классов интеллектуальных систем. Данные системы в первую очередь стали создаваться в математически слабоформализованных областях науки и техники, таких как медицина, геология, биология и другие. Для них характерна аккумуляция в системе знаний и правил рассуждений опытных специалистов в данной предметной области, а также наличие специальной системы объяснений.

Расчетно-логические системы позволяют решать управленческие и проектные задачи по их постановкам (описаниям) и исходным данным вне зависимости от сложности математических моделей этих задач. При этом конечному пользователю предоставляется возможность контролировать в режиме диалога все стадии вычислительного процесса. В общем случае, по описанию проблемы на языке предметной области обеспечивается автоматическое построение математической модели и автоматический синтез рабочих программ при формулировке функциональных задач из данной предметной области. Эти свойства реализуются благодаря наличию базы знаний в виде функциональной семантической сети и компонентов дедуктивного вывода и планирования.

В последнее время в  специальный класс выделяются гибридные  экспертные системы. Указанные системы  должны вобрать в себя лучшие черты  как экспертных, так и расчетно-логических и информационно-поисковых систем. Разработки в области гибридных  экспертных систем находятся на начальном  этапе.

Наиболее значительные успехи в настоящее время достигнуты в таком классе интеллектуальных систем, как экспертные системы.

Важное место в теории искусственного интеллекта (ИИ) занимает проблема представления знаний. В настоящее время выделяют следующие основные типы моделей представления знаний:

• семантические сети, в том числе функциональные;
• фреймы и сети фреймов;
• продукционные модели.

Семантические сети определяют как граф общего вида, в котором можно выделить множество вершин и ребер. Каждая вершина графа представляет некоторое понятие, а дуга — отношение между парой понятий. Метка и направление дуги конкретизируют семантику. Метки вершин семантической нагрузки не несут, а используются как справочная информация.

Различные разновидности  семантических сетей обладают различной  семантической мощностью, следовательно, можно описать одну и ту же предметную область более компактно или  громоздко.

Фреймом называют структуру данных для представления и описания стереотипных объектов, событий или ситуаций. Фреймовая модель представления знаний состоит из двух частей:

• набора фреймов, составляющих библиотеку внутри представляемых знаний;
• механизмов их преобразования, связывания и т. д.
• Существует два типа фреймов:
• образец (прототип) — интенсиональное описание некоторого множества экземпляров;
• экземпляр (пример) — экстенсиональное представление фрейм-образца.

В общем виде фрейм может  быть представлен следующим кортежем:

<ИФ, (ИС, ЗС, ПП),..., (ИС, ЗС, ПП)>,

где ИФ — имя фрейма; ИС — имя слота; ЗС — значение слота; ПП — имя присоединенной процедуры (необязательный параметр).

Слоты — это некоторые незаполненные подструктуры фрейма, заполнение которых приводит к тому, что данный фрейм ставится в соответствие некоторой ситуации, явлению или объекту.

В качестве данных фрейм может содержать обращения к процедурам (так называемые присоединенные процедуры). Выделяют два вида процедур: процедуры-демоны и процедуры-слуги. Процедуры-демоны активизируются при каждой попытке добавления или удаления данных из слота. Процедуры-слуги активизируются только при выполнении условий, определенных пользователем при создании фрейма.

Продукционные модели — это набор правил вида "условия-действие", где условиями являются утверждения о содержимом базы данных, а действия представляют собой процедуры, которые могут изменять содержимое базы данных.

Формально продукция определяется следующим образом:

(i); Q;P;С; QA В; N,

где (i) — имя продукции (правила); Q — сфера применения правила; Р — предусловие (например, приоритетность); С — предикат (отношение); А —> В — ядро; N — постусловия (изменения, вносимые в систему правил).

Практически продукции строятся по схеме "ЕСЛИ" (причина или, иначе, посылка), "ТО" (следствие или, иначе, цель правила).