Выбрать главу

ДСМ-метод. Этот метод изложен в [71, 72]. Интересно, что его авторы, пожалуй, впервые описали его не на уровне алгоритмов и программ, реализующих эти алгоритмы, а на уровне некоторой формальной логической системы. До них попытку такого рода сделали лишь авторы ГУХА-метода, созданного для формирования гипотез на основе статистических методов и логических рассуждений [73]. Сравнение этих двух методов с точки зрения правил правдоподобного вывода, используемых в них, дано в работе [74]. В [75] высказано немало соображений об ошибочных умозаключениях на основе наблюдаемых в экспериментах фактах. Многие из этих ошибок основаны на особенностях человеческих рассуждений, на неумении людей объективированно вводить оценки достоверности гипотез. В этой же книге дан анализ различных видов причин, частично использованный при написании данного раздела.

В настоящее время причинно-следственные отношения широко используются для описания знаний в интеллектуальных системах, например при описаниях течения разного рода заболеваний или знаний о последствиях многошагового управления в больших технических или организационных системах. Начинает создаваться специальная каузальная логика, в которой описываются общие процедуры для работы с причинно-следственными отношениями [76]. Интересно ознакомиться с работой [77], в которой решается ряд задач, аналогичных тем, которые решались и ДСМ-методом, но на иных принципах. Еще раз отметим близость многих постановок задач и методов их решения в индуктивных рассуждающих системах и системах распознавания образов, опирающихся на идею обучения на примерах [66].

Нечеткий вывод. Оператор «только» с логической точки зрения обсуждался в ряде работ, например в [78]. Приведенные в этом разделе примеры заимствованы из этой монографии, а также из [79]. Для углубленного знакомства с идеями нечетких множеств и различных методов, основанных на них, можно рекомендовать монографию [80]. Более подробно со схемами нечеткого вывода можно ознакомиться по соответствующим разделам книги [76], в которой, в частности, описана процедура порождения квантификаторов в заключительном утверждении, опирающаяся на идею «универсальной шкалы» И.В. Ежковой (ссылки на ее работы есть в [76]) в свое время был предложен принципиально иной метод определения квантификаторов заключения. Он основан на вычислении суперпозиции функций принадлежности для посылок в схеме, являющейся прямым обобщением на нечеткий случай правила вывода модус поненс.

Нечеткая силлогистика. Исследования в этой области – большое достижение специалистов нашей страны. Первые публикации по D-силлогизмам появились в 1984 году [81]. Они опираются на развитый С.В. Чесноковым детерминационный анализ (отсюда название D-силлогизмы), относящийся к обработке статистического материала, характерного для социологии и психологии [82]. История о силлогизме бабушки полностью заимствована из работы С.В. Чеснокова, которая на русском языке не публиковалась. Отголоски данной истории можно найти в [83]. Несколько иной взгляд на нечеткую силлогистику содержится в работах [84, 85], но общие принципы, лежащие в основе идеи «вычисления» значения нечеткого квантификатора, в этих исследованиях практически совпадают.

Коллекция схем. Систематические исследования в области схем умозаключений правдоподобного типа в середине 50-х годов начал известный математик Д. Пойа. Его монография [86], в которой описано более полусотни схем правдоподобных рассуждений, и сейчас является настольной книгой специалистов, работающих в этой области. Кроме схем, заимствованных из этого труда, в данном разделе приведен ряд схем, предлагавшихся в различное время на конференциях по искусственному интеллекту специалистами из разных стран.

Глава пятая

Что такое интеллектуальная система. В этой книге мы не можем уделить много места обсуждению особенностей систем, работа которых основана на знаниях. Кроме упомянутых в книге ЭВМ пятого поколения, интеллектуальных роботов для производства и экспертных систем можно указать еще на расчетно-логические системы, используемые в проектировании и планировании, интеллектуальные пакеты прикладных программ, облегчающие труд многих специалистов, системы автоматизации научных исследований и т.д. Все такие системы содержат базу знаний и блок, имитирующий профессиональные рассуждения. Более полное представление о специфике подобных систем и их работе можно получить из популярной [87, 88] и научной [89, 90] литературы.

Продукционные системы. Продукционные системы описывались в литературе неоднократно. Их модели, связанные с уточнением понятия алгоритма, излагаются, например, в [91]. В работах [92, 93] отражены многие аспекты применения продукции в интеллектуальных системах. Часто представление процессов в виде продукционных систем считают особым стилем программирования для ЭВМ новых поколений. Во всяком случае, с этой точки зрения они обладают рядом несомненных преимуществ по сравнению с классическими языками программирования.

Можно отметить по крайней мере три таких преимущества. Первое – естественная модульность, позволяющая весьма несложно вставлять и убирать продукции. Если в продукционной системе нет прямой связи между продукциями (например, нет ссылок на конкретные продукции в метапродукциях; выбирающих продукции из фронта или чего-нибудь подобного), то такая замена не вызывает никаких переделок. Однако при вставке и изъятии продукций надо учитывать и эффект их взаимодействия через базу знаний. Учет этого фактора может оказаться весьма непростым делом. Вторым преимуществом продукций является возможность одновременного описания с их помощью как фрагментов базы знаний, так и самих операторов преобразований. Другими словами, в продукциях можно однотипно описывать как декларативные, так и процедурные знания. Наконец, присущая продукциям асинхронность, встроенная в продукционные системы параллельность позволяют при наличии ЭВМ соответствующей архитектуры выполнять описываемую системой продукций процедуру параллельным способом. Однако за все приходится платить. И за эти достоинства продукционных систем, когда они выступают в качестве языка программирования, приходится расплачиваться весьма тяжелыми процедурами отладки и поиска ошибок.

Тем не менее, подобный стиль программирования находит в мире все больше сторонников. Заметим, что известные языки программирования ПРОЛОГ и РЕФАЛ многое как бы «заимствовали» из продукционных систем. Отметим также, что в возникшем в нашей стране еще до работ в области искусственного интеллекта ситуационном управлении [76] системы, подобные продукционным, использовались для поиска решений при оперативном управлении в сложных технических и организационных системах. Это были так называемые системы логико-трансформационных правил [94]. Пример с преобразованием схем химических реакций в продукционную систему принадлежит Т. Яхно.

Управление выводом. Обзор различных методов управления выводом в продукционных системах можно найти в [92, 93]. Поскольку продукционные системы часто выступают в качестве средства представления знаний в экспертных системах и осуществляют с помощью некоторого механизма управления выводом вывод на знаниях, то об этих механизмах можно найти достаточно богатые сведения в литературе по экспертным системам. Укажем в связи в этим на обзорные работы [95, 96].

Вывод на семантической сети. Вывод с помощью «поиска по образцу» на семантической сети, как он описан в этом разделе, используется во многих экспериментальных образцах машин баз знаний. Для этого создаются специальные аппаратные средства. К выводу на семантической сети можно свести метод резолюций, описанный в третьей главе. Переход к семантической сети позволяет строить процедуры вывода, обладающие большим уровнем параллелизма. В работе [97] рассмотрен один из таких методов, позволяющий резко повысить эффективность логического вывода в современных ЭВМ. При имитации движения по семантическим сетям в виде прямых, обратных или встречных волн в ЭВМ новых поколений предполагается использовать специальные аппаратные средства и языки волнового типа. Работа [98] показывает, какие принципы при этом используются. С особенностями немонотонных рассуждений можно ознакомиться по книге [99]. В [100] содержится интересная информация о выводах, которые можно делать при неполных знаниях в базе.