Системы, основанные на знаниях - Knowledge-based systems

Об академическом журнале см. Системы, основанные на знаниях (журнал).

А система, основанная на знаниях (KBS) это компьютерная программа который причины и использует база знаний к решать сложные проблемы. Этот термин широк и относится ко многим различным системам. Одна общая тема, которая объединяет все системы, основанные на знаниях, - это попытка явного представления знаний и система рассуждений что позволяет ему получать новые знания. Таким образом, система, основанная на знаниях, имеет две отличительные особенности: база знаний и Механизм логического вывода.

Первая часть, база знаний, представляет факты о мире, часто в той или иной форме. подчинение онтология (а не неявно встроены в процедурный код, как это делает обычная компьютерная программа). Другие общие подходы в дополнение к онтологии подчинения включают кадры, концептуальные графы и логические утверждения.[1]

Вторая часть, механизм вывода, позволяет делать выводы о новых знаниях. Чаще всего это может иметь форму правил IF-THEN.[2] в сочетании с подходами прямого или обратного связывания. Другие подходы включают использование автоматических средств доказательства теорем, логического программирования, систем классной доски и систем переписывания терминов, таких как CHR (правила обработки ограничений). Эти более формальные подходы подробно описаны в статье Википедии о представление знаний и рассуждения.

Обзор

Системы, основанные на знаниях, были впервые разработаны искусственный интеллект исследователи. Эти ранние системы, основанные на знаниях, были в первую очередь экспертные системы - на самом деле этот термин часто используется как синоним экспертных систем, хотя есть разница. Разница заключается в представлении, используемом для описания системы:

  • «экспертная система» относится к типу задачи, с которой система пытается помочь - заменить или помочь человеку-эксперту в сложной задаче, которая обычно рассматривается как требующая экспертных знаний.
  • «Система, основанная на знаниях» относится к архитектуре системы, которая представляет знания явно, а не как процедурный код.

Хотя самые ранние системы, основанные на знаниях, были почти полностью экспертными системами, одни и те же инструменты и архитектуры могут использоваться и с тех пор используются для целого ряда других типов систем. Практически все экспертные системы являются системами, основанными на знаниях, но многие системы, основанные на знаниях, не являются экспертными системами.

Первыми системами, основанными на знаниях, были экспертные системы на основе правил. Одним из самых известных был Mycin, программа для медицинской диагностики. Эти ранние экспертные системы представляли факты о мире в виде простых утверждений в плоском база данных, и использовал правила для обоснования (и, как следствие, дополнения) этих утверждений. Явное представление знаний с помощью правил имело несколько преимуществ:

  1. Приобретение и обслуживание. Использование правил означало, что эксперты в предметной области часто могли определять и поддерживать правила сами, а не через программиста.
  2. Объяснение. Представление знаний явно позволило системам рассуждать о том, как они пришли к выводу, и использовать эту информацию для объяснения результатов пользователям. Например, проследить цепочку выводов, которые привели к диагнозу, и использовать эти факты для объяснения диагноза.
  3. Рассуждение. Разделение знаний от обработки этих знаний позволило разработать механизмы логического вывода общего назначения. Эти системы могут делать выводы, которые следуют из набора данных, о котором первоначальные разработчики, возможно, даже не знали.[3]

Более поздние архитектуры для рассуждений, основанных на знаниях, такие как архитектура доски BB1 ( система доски ),[4] позволил повлиять на сам процесс рассуждений с помощью новых выводов, обеспечивая рассуждение на мета-уровне. BB1 позволял контролировать сам процесс решения проблем. Различные виды решения проблем (например, нисходящее, восходящее и гибкое решение проблем) можно выборочно смешивать в зависимости от текущего состояния решения проблем. По сути, решатель проблем использовался как для решения проблемы на уровне предметной области, так и для своей собственной проблемы управления, которая могла зависеть от первой. Другими примерами системной архитектуры, основанной на знаниях, поддерживающей метауровневое мышление, являются MRS.[5] и SOAR.

Помимо экспертных систем, другие приложения систем, основанных на знаниях, включают управление процессами в реальном времени,[6] интеллектуальные системы обучения,[7] и решения проблем для конкретных областей, таких как анализ структуры белка,[8] план строительной площадки,[9] и диагностика неисправностей компьютерной системы.[10]

По мере того, как системы, основанные на знаниях, становились все более сложными, методы, используемые для представления базы знаний, становились все более сложными и включали логику, системы переписывания терминов, концептуальные графы и кадры. Рассмотрим в качестве примера рамы. Вместо того чтобы представлять факты как утверждения о данных, база знаний стала более структурированной. Фреймы можно рассматривать как представление мировых знаний с использованием аналогичных методов для объектно-ориентированного программирования, в частности, использование иерархий классов и подклассов, отношений между классами и поведения объектов. По мере того как база знаний становилась более структурированной, рассуждения могли происходить как на основе независимых правил, логических выводов, так и посредством взаимодействия внутри самой базы знаний. Например, процедуры, хранящиеся как демоны на объектах могут срабатывать и воспроизводить цепочку правил.[11]

Еще одним достижением стала разработка специальных автоматизированных систем рассуждений, названных классификаторы. Вместо того, чтобы статически объявлять отношения подчинения в базе знаний, классификатор позволяет разработчику просто объявлять факты о мире и позволять классификатору вывести эти отношения. Таким образом, классификатор также может играть роль механизма вывода.[12]

Самым последним достижением систем, основанных на знаниях, стало принятие технологий, особенно такой логики, которая называется логика описания, для разработки систем, использующих Интернет. Интернету часто приходится иметь дело со сложными, неструктурированные данные на которые нельзя полагаться, чтобы они соответствовали конкретной модели данных. Технология систем, основанных на знаниях, и особенно способность классифицировать объекты по запросу, идеально подходит для таких систем. Модель для подобных информационных систем в Интернете известна как Семантическая сеть.[13]

Смотрите также

Рекомендации

  1. ^ Сова, Джон Ф. (2000). Представление знаний: логические, философские и вычислительные основы (1-е изд.). Пасифик Гроув: Брукс / Коул. ISBN  978-0-534-94965-5.
  2. ^ Смит, Рид (8 мая 1985 г.). «Концепции, методы, примеры систем, основанных на знаниях» (PDF). reidgsmith.com. Исследование Schlumberger-Doll. Получено 9 ноября 2013.
  3. ^ Хейс-Рот, Фредерик; Дональд Уотерман; Дуглас Ленат (1983). Создание экспертных систем. Эддисон-Уэсли. ISBN  0-201-10686-8.
  4. ^ Хейс-Рот, Барбара; Департамент компьютерных наук Стэнфордского университета (1984). BB1: Архитектура систем Blackboard, которая контролирует, объясняет и изучает собственное поведение. Департамент компьютерных наук Стэнфордского университета.
  5. ^ Genesereth, Майкл Р. «1983 - Обзор архитектуры мета-уровня»: 6. Цитировать журнал требует | журнал = (помощь)
  6. ^ Ларссон, Ян Эрик; Хейс-Рот, Барбара (1998). «Guardian: интеллектуальный автономный агент для медицинского мониторинга и диагностики». Интеллектуальные системы IEEE. 13 (1). Получено 2012-08-11.
  7. ^ Кланси, Уильям (1987). Репетиторство на основе знаний: программа GUIDON. Кембридж, Массачусетс: MIT Press.
  8. ^ Хейс-Рот, Барбара; Бьюкенен, Брюс Дж .; Лихтарж, Оливье; Хьюитт, Майк; Альтман, Русь Б .; Бринкли, Джеймс Ф .; Корнелиус, Крейг; Дункан, Брюс С .; Ярдецкий, Олег (1986). PROTEAN: получение структуры белка из ограничений. AAAI. стр. 904–909. Получено 2012-08-11.
  9. ^ Энгельмор, Роберт; и другие; (ред.) (1988). Системы Blackboard. Аддисон-Уэсли Паб (SD).CS1 maint: дополнительный текст: список авторов (связь)
  10. ^ Беннетт, Джеймс С. (1981). DART: экспертная система диагностики компьютерных неисправностей. IJCAI.
  11. ^ Меттри, Уильям (1987). «Оценка инструментов для построения больших систем, основанных на знаниях». Журнал AI. 8 (4). Архивировано из оригинал на 2013-11-10. Получено 2013-11-10.
  12. ^ МакГрегор, Роберт (июнь 1991). «Использование классификатора описания для улучшения представления знаний». Эксперт IEEE. 6 (3): 41–46. Дои:10.1109/64.87683. S2CID  29575443.
  13. ^ Бернерс-Ли, Тим; Джеймс Хендлер; Ора Лассила (17 мая 2001 г.). «Семантическая сеть Интернет. Новая форма веб-контента, значимая для компьютеров, откроет революцию новых возможностей». Scientific American. 284: 34–43. Дои:10.1038 / scientificamerican0501-34. Архивировано из оригинал 24 апреля 2013 г.

дальнейшее чтение

  • Раджендра, Акеркар; Саджа, Прити (2009). Системы, основанные на знаниях. Джонс и Бартлетт Обучение. ISBN  9780763776473.