Продукционная модель представления знаний — это модель, которая базируется на определённых правилах и даёт возможность выразить знание в форме предложений типа «Если (условие), то (действие)».
Введение
Помимо сетевых моделей очень распространённым средством отображения знаний в информационной системе считается продукция. В обобщённом формате продукция может быть представлена выражением A ® B. Прочесть это выражение можно следующим образом: ЕСЛИ А, ТО В. Возможно и толкование в стандартном смысле алгебры логики, как символ логического вывода В из истинности А. Существуют и иные объяснения продукции, к примеру, А выполняет описание некоторого условия, которое является необходимым для совершения действия В. Продукционная модель или модель, которая базируется на наборе правил, даёт возможность отобразить знания в форме выражения вида: «Если (условие), то (действие)». Условием считается некоторая формулировка, являющаяся образцом, согласно которой выполняется операция поиска в базе знаний. Действием являются операции, которые выполняются в случае успешного поиска. Они могут являться промежуточными и выступать в дальнейшем в качестве условий, а также терминальными или целевыми, которые завершают функционирование системы.
Продукционная модель представления знаний
Когда применяется продукционная модель, то база знаний должна состоять из комплекса правил. Программное приложение, которое управляет процессом перебора правил, именуется машиной вывода. Наиболее часто вывод является прямым, то есть от информационных данных к обнаружению цели, или обратным, то есть от конечной цели для понимания её правильности к исходным данным. Под данными понимаются исходные факты, на базе которых выполняется запуск машины вывода. Когда в памяти системы сохранён определённый комплект продукций, то образуется так называемая система продукций. В системе продукций необходимо задание специальных процедур, управляющих продукциями, при помощи которых осуществляется актуализация продукций и реализация той или другой продукции из актуализированного набора. Система продукций состоит из:
- Базы правил, то есть набора продукций.
- Глобальной базы данных.
- Системы управления.
Базой правил является зона памяти, содержащая набор знаний в формате правил типа ЕСЛИ — ТО.
Рассмотрим конкретные примеры.
Правило номер один:
ЕСЛИ (целью является отдых) и (дорожное покрытие ухабистое), ТО (ехать нужно на джипе).
Правило номер два:
ЕСЛИ (местом для отдыха являются горы), ТО (дорожное покрытие ухабистое).
Глобальной базой данных является участок памяти, в котором хранится фактическая информация, то есть известные факты.
Задачей системы управления является выработка итогового результата (заключения) на основании базы правил и базы данных. Известными методиками выработки заключений считаются прямые и обратные выводы.
Правила вывода могут быть удобно представлены в форме дерева решений. Под графом понимается набор вершин, которые соединяются дугами. Деревом является граф, не имеющий в своём составе циклов.
При прямом выводе отбирается один из компонентов данных, имеющихся в базе данных, и в случае согласования этого компонента с левой частью правила при выполнении их сопоставления, то из правила выполняется вывод соответствующего заключения и посылается в базу данных или выполняется действие, которое определяется этим правилом, и необходимым образом меняется состав базы данных.
При обратных выводах операции стартуют от сформированной цели. Когда данная цель отображается правой стороной правила, то есть заключением, то смысл правила воспринимается как подцель или гипотеза. Данный процесс будет повторяться до тех пор, пока подцель полностью не совпадёт с данными.
Рассмотрим конкретный пример. Существует часть базы знаний, состоящая из пары правил.
Правило номер один:
ЕСЛИ (отдыхать летом) и (активный человек), ТО (надо стремиться в горы).
Правило номер два:
ЕСЛИ (нравится солнце), ТО (отдыхать лучше летом).
Предполагается, что в систему ввели исходные данные:
(человек является активным) и (он любитель солнца).
Необходимо использовать метод прямого вывода и на основе имеющихся данных сформировать ответ:
Первый проход:
- Первый шаг. Проверяем правило номер один. Не подходит, не достаёт информации об отдыхе летом.
- Второй шаг. Проверяем правило номер два, подходит. В базу записывается факт (отдыхать лучше летом).
Второй проход:
- Третий шаг. Проверяем правило номер один, действует. Выполняется активация цели (надо стремиться в горы), формируемая в качестве вывода.
Рассмотрим использование обратного вывода. То есть необходимо подтверждение выбранной цели на основании существующих правил и данных:
Первый проход:
- Первый шаг. Целью является поездка в горы. Проверяем правило номер один. Данные (отдыхать лучше летом) отсутствуют, поэтому они назначаются новой целью. Далее следует искать правило, где они присутствуют в правой части.
- Второй шаг. Целью является отдых летом. Правило номер два содержит подтверждение цели и выполняется её активация.
Второй проход:
- Третий шаг. Проверяется правило номер один, которое и подтверждает выбранную цель.
Когда количество продукций в продукционной модели достаточно велико, то это ведёт к усложнению проверки непротиворечивости продукционной системы, то есть набора правил. По этой причине количество продукций, обрабатываемых современными системами искусственного интеллекта, обычно не больше тысячи.
Продукционные модели интересны для проектировщиков по причине своей наглядности, повышенной модульности, лёгкости корректировок и дополнений, а также несложным механизмом логического вывода. Основными преимуществами системы продукций являются:
- Использование принципа модульности.
- Наличие единой структурной организации. То есть главные элементы продукционных систем могут использоваться для формирования интеллектуальных систем самого разного предназначения.
