Логическая модель

Традиционно в представлении знаний выделяют логические модели, основанные на классическом исчислении предикатов первого порядка, когда предметная область или задача описывается в виде набора аксиом. Основное преимущество использования логики предикатов для представления знаний заключается в том, что обладающий хорошо понятными математическими свойствами мощный механизм вывода может быть непосредственно запрограммирован. С помощью этих программ из известных ранее знаний могут быть получены новые знания.
Приведенные ниже примеры являются логическими моделями представления фактов с помощью предикатов и носят название атомарной формулы.

Предикат ЛЮБОВЬ (Виктор, Ирина) означает: Виктор любит Ирину
Предикат СТОЛИЦА (Москва) означает: Москва - столица

Преимущества логической модели:

• наличие регулярных методов вывода, в терминах которого можно определять процедуры доказательства;
• возможности использования семантики, которая допускает разную трактовку в зависимости от целей логических представлений. Для понимания того, что представляет собой предметная область, используется декларативная семантика, а для понимания того, как выводятся новые утверждения из данного набора логических формул – процедурная семантика;
• простота, лаконичность и единообразие употребляемой нотации для представления знаний.

Логические модели являются наиболее строгим, в математическом смысле, способом представления знаний. Но на практике они не получили большого распространения из-за малой наглядности базы знаний. Основная область применения этих моделей – учебные экспертные системы.

3.3 Представление нечетких знаний.[11]

Модели представления нечетких знаний используются для формализации человеческих знаний, описывающих качественные характеристики (например, большой, сильный, очень сильный, высокий и т.п.) объектов предметной области, которые могут интерпретироваться неоднозначно, но содержат важную информацию.
При решении реальных задач часто возникают ситуации неопределенности, которые можно разделить на две категории: отсутствие достаточно полного и достоверного знания о предметной области и отсутствие возможности получить исчерпывающую информацию о конкретном состоянии среды, объекте, ситуации и т.п. В первом случае речь может идти о плохо изученных явлениях, противоречивых теориях или нечетко сформулированных концепциях. Так, например, применение в терапии новых препаратов часто дает совершенно неожиданный результат, который невозможно предсказать. Возможна также и противоположная ситуация: предметная область хорошо изучена, но эксперты предпочитают прибегать к неформальным, но более эффективным, эвристическим приемам, вместо использования рутинных точных методов. Например, при поиске неисправности в электрической схеме, как правило, заменяют несправный блок целиком, вместо поиска сгоревших узлов. Существуют и более прозаичные источники неопределенности знаний. Типичный пример – это ненадежные или неточные данные. Любая информация, поступающая с датчиков, обладает некоторой погрешностью. Социологические опросы также подразумевают некоторый процент ошибок, обусловленных «человеческим фактором». Информация может быть зашумлена так, что полностью полезный сигнал невозможно выделить из общего потока данных. Возможно, также, что приходиться пользоваться информацией, полученной ранее, и которую невозможно не проверить, не дополнить не получить повторно. Для преодоления проблемы неопределенности знаний в области искусственного интеллекта были разработаны различные методы, применяемые при построении экспертных систем. Наиболее неформальный подход – это использование коэффициентов уверенности, выражающих степень достоверности знания. Альтернативный способ заключается в использовании теории вероятности. Однако не ясно, как с помощью вероятности представить такие понятия как «часто», «иногда», «старый», «высокий» и т.п. Кроме того, теория вероятности подразумевает значительное количество вычислений, для обновления вероятностных оценок. Широкое распространение получили также аппараты нечеткой логики теории и функций доверия. Однако в последние годы внимание исследователей все больше привлекает теория вероятностей, с ее развитым и строго формализованным аппаратом.