Понятие «Знание» в ИИ

Разумное поведение человека базируется на знании и опыте, являющихся результатом обучения. Т.е. способность к обучению и накоплению знаний является основным признаком интеллекта. Получением, накоплением и передачей знаний, как следствие, и обучением люди занимались с давних времен, начиная с наскальных рисунков и заканчивая информационными технологиями.

Знания в информационном плане не ограничиваются рамками данных. В полном объеме информация, содержащаяся в знаниях, должна включать сведения:

· о системе понятий предметной области, в которой решаются задачи;

· о системе понятий формальных моделей, на основе которых решаются задачи;

· о соответствии систем понятий, упомянутых выше;

· о методах решения задачи;

· о текущем состоянии предметной области.

Из перечисленных компонентов только последний в явном виде соответствует понятию "данные".

Отличительные свойства знаний:

· внутренняя интерпретируемость;

· внутренняя (рекурсивная) структурированность;

· связность;

· шкалирование;

· погружение в пространство с семантической метрикой;

· активность.

Если данные обладают этими свойствами, можно говорить о перерастании данных в знания, и соответственно о переходе баз данных в базы знаний (БЗ).

Внутренняя интерпретируемость означает наличие в памяти ЭВМ сведений не только о значении, но и о наименовании информационной единицы. Следует отметить, что это свойство присуще некоторым моделям представления данных, например, реляционной.

Внутренняя (рекурсивная) структурированность отражает вложенность одних информационных единиц в другие или в самих себя. Другими словами, должна существовать возможность произвольного установления между отдельными информационными единицами отношений типа «часть – целое», «род – вид» или «элемент – класс». В целом внутренняя структурированность характеризует структуру знания.

Связность определяет, с какой информационной единицей имеет связь данная информационная единица и какова эта связь. Например, две или более информационные единицы могут быть связаны отношением «одновременно», две информационные единицы – отношением «причина – следствие» и т.д. С помощью этого свойства устанавливается связь различных отношений, отражающих семантику и прагматику связей понятий, и отражающих смысл системы в целом.

Шкалирование означает использование шкал, предназначенных для фиксации соотношения различных величин. Прежде всего шкалирование необходимо для фиксации соотношений качественной информации (табл. 1.1).

Таблица 1.1. Размытая порядковая шкала (вариант)

Погружение в пространство с семантической метрикой – это отношение, характеризующее ситуационную близость информационных единиц, т.е. силу ассоциативной связи между информационными единицами. Его можно было бы назвать отношением релевантности для информационных единиц. Такое отношение при работе с информационными единицами позволяет находить знания, близкие к уже найденным и дает возможность выделять в информационной базе некоторые типовые ситуации.

Активность знаний выражается в возможности вызова той или иной процедуры в зависимости от структуры, сложившейся между информационными единицами. Активность знаний обусловлена тем, что в отличие от обычных программ, в которых процедуры играют роль активаторов данных, в интеллектуальных системах определенная структура данных активизирует выполнение той или иной процедуры. Практически это осуществляется включением в состав информационной единицы элемента, содержащего имя процедуры, или представлением знаний в виде правил, причем правила записываются в следующем виде: "если произошли события А1 и А2 и ... и АN, то необходимо выполнить процедуру В". Использование правил значительно упрощает объяснение того, как и почему получено то или иное заключение (вывод).

Таким образом, при использовании знаний происходит переход от традиционной формулы (данные + алгоритм = программа), определяющей решение задач с помощью вычислительной техники в рамках традиционной технологии, к формуле: