Какие модели представления знаний существуют в настоящее время?

Существуют следующие основные модели представления знаний: логические модели; продукционные модели; семантические сети; фреймовые модели; модели, основанные на нечетких множествах.

Согласно логическому подходу, вся система знаний, необходимая для решения прикладных задач, рассматривается как совокупность утверждений.

Система знаний представляется совокупностью формул логики предикатов. Эта логика оперирует простыми высказываниями, рас­члененными на с убъект (нечто лежащее в основе) и предикат (нечто утверждаемое о субъекте). Предикат отображает наличие или отсут­ствие у субъекта того или иного признака.

Основной недостаток логических методов — отсутствие четких принципов организации фактов в базе знаний. Без формулирования таких принципов модель может превратиться в плохо обозримый кон­гломерат независимых фактов, не поддающихся анализу и обработке. Поэтому логические методы используются преимущественно в тех предметных областях, где система знаний невелика по объему и отно­сительно проста по структуре.

При использовании продукционной модели база знаний состоит из набора правил. Программа, управляющая перебором правил, называ­ется машиной вывода. Механизм вывода связывает знания воедино, а затем выводит из последовательности знаний заключение.

Свойства продукционных моделей:

♦ МОДУЛЬНОСТЬ — отдельные продукционные правила могут быть добавлены, удалены или изменены в базе знаний независимо от других;

♦ каждое продукционное правило является самостоятельным эле­ментом знаний;

♦ простота смысловой интерпретации;

♦ естественность с точки зрения здравого смысла.

Недостатки продукционных систем проявляются тогда, когда число правил становится большим и возникают непредсказуемые побочные эффекты от изменения старого и добавления нового правила. Кроме того, затруднительна шинка целостного образа знаний, содержащих­ся в системе.

Семантическая сеть — это модель формализации знаний в виде ори­ентированного графа с размеченными вершинами и дугами. Верши­нам соответствуют объекты, понятия или ситуации, а дугам — отно­шения между ними.

Характерной особенностью семантических сетей является обязательное наличие трех типов отношений: 1. класс - элемент класса; 2. свойство- значение; 3. пример элемента класса.

Наиболее часто в семантических сетях используются следующие отношения:

♦ связи типа «часть—целое»;

♦ функциональные связи (определяемые обычно глаголами «про-изводит», «влияет» и др.);

♦ количественные (больше, меньше, равно и т. д.);

♦ пространственные (далеко от, близко от и др.);

♦ временные (раньше, позже и др.);

♦ атрибутивные связи (иметь свойство, иметь значение);

♦ логические связи (И, ИЛИ, НЕ);

♦ лингвистические связи и др.

Фреймовая модель, основанная на теории М. Минского, представ­ляет собой систематизированную в виде единой теории технологиче­скую модель памяти человека и его сознания.

Фреймовые модели является достаточно универсальными, посколь­ку позволяют отобразить все многообразие знаний о мире посред­ством: фреймов-структур для обозначений объектов и понятий (заем, залог, вексель); фреймов-ролей (менеджер, кассир, клиент); фреймов-сценариев (банкротство, собрание акционеров); фреймов-ситуаций (авария, рабочий режим устройства ит. д.).
К основным достоинствам фреймовой модели относятся: способность отражать концептуальную основу организации па­мяти человека; наглядность представления; модульность; возможность использования значений слотов по умолчанию.

Однако фрейм-представление является не конкретным языком пред­ставления знаний, а некоторой идеологической концепцией, реализу­емой по-разному в различных языках. Теория фреймов послужила толчком к разработке нескольких языков представления знаний, ко­торые благодаря своим широким возможностям и гибкости стали в последние годы довольно распространенными. Основным недостатком фреймовых моделей является отсутствие механизмов управ­ления выводом.

В задачах, решаемых интеллектуальными системами, часто прихо­дится пользоваться неточными знаниями, которые не всегда могут имен, четкие значения истинности.

В начале 70-х американский математик^- Лотфи Заде предложил формальный аппарат нечеткой алгебры и нечеткой ЛОГИКИ.

Позднее это направление получило широкое распространение и поло­жило начало одной из ветвей искусственного интеллекта под названием мягкие вычисления. Л. Заде ввел одно ИЗ главных понятии в нечеткой логике - понятие лингвистической переменной.

Лингвистическая переменная - это переменная, значение ко­торой определяется набором словесных характеристик некоторого свойства.

Значения лингвистической перемен­ной определяются через так называемые нечеткие множества.

Нечеткое множество определяется через некоторую базовую шкалу и функцию принадлежности нечеткому множеству. Нечеткие множества по­зволяют при определении понятия учитывать субъективные мнения отдельных индивидуумов. Для операций с нечеткими знаниями, выраженными при помощи лингвистических переменных, существует много различных способов. Эти способы являются в основном эвристиками.