5. Метазнання — спеціальним чином організовані знання про знання з метою реалізації процесу їх інтерпретації і планування виведення. Метазнання дозволяють інтелектуальній системі виправляти або доповнювати свої знання в міру навчання в процесі вирішення конкретних задач.
Онтологія в ПСШІ являє собою метазнання, що описують усе, що відомо про розглянуту ПРГ. В ідеальному випадку онтологія має бути подана у формальному вигляді задля того, щоб можна було легко виявляти несумісності та невідповідності.
Пояснення в ПСШІ — вид метазнань, знання системи про саму себе, про спосіб використання своїх знань для одержання рішення. Крім того, за метазнаннями, отриманими пояснюючою підсистемою, можна згенерувати дерево пояснень для формування підказки, повторного розширеного питання, навчального матеріалу або безпосереднього пояснення етапів рішення й у цілому результатів.
6. Мудрість — здатність використовувати знання щонайкраще. Це метазнання, що дозволяють визначати найкращі цілі в житті й знаходити шляхи їх досягнення.
Питаннями збору, обробки, збереження даних та інформації займається інформатика. Мудрість є філософською категорією. Тому подальшим предметом розгляду є знання.
Епістемологія — наука про знання. У рамках цієї науки розглядаються характер, структура і походження знань.
4.3. Класифікація знань ПСШІ
Розрізняють такі типи знань:
1. Базові елементи знання — інформація про властивості об’єктів реального світу. Пов’язані з безпосереднім сприйняттям, не вимагають обговорення і використовуються в тому вигляді, в якому отримані.
2. Твердження і визначення — засновані на базових елементах і заздалегідь розглядаються як достовірні.
3. Концепції — перегрупування або узагальнення базових елементів. Для побудови кожної концепції використовуються певні прийоми (приклади, контрприклади, окремі випадки, більш загальні випадки, аналогії).
4. Відношення — виражають як елементарні властивості базових елементів, так і відношення між концепціями. До властивостей відношень належать їхні більші або менші правдоподібність і зв’язок з даною ситуацією.
5. Теореми і правила перезапису — окремий випадок продукційних правил (правил виду «якщо..., то..., інакше...») з цілком визначеними властивостями. Теореми не мають користі без експертних правил їх застосування.
6. Алгоритми розв’язування — необхідні для виконання визначених задач. В усіх випадках вони пов’язані зі знанням особливого типу, оскільки обумовлена ними послідовність дій виявляється оформленою в блок у суворо визначеному порядку, на відміну від інших типів знань, де елементи знання можуть з’являтися і розташовуватися без зв’язку один з одним.
7. Стратегії й евристика — уроджені або набуті правила поведінки, що дозволяють у конкретній ситуації прийняти рішення про необхідні дії. Людина постійно користується цим типом знань у формуванні концепцій, розв’язуванні задач і формальних міркуваннях.
8. Метазнання — в широкому сенсі — знання про знання і про можливості роботи зі знанням. У вузькому сенсі — знання ПСШІ про власне функціонування та процеси побудови логічних висновків. Метазнання є багаторівневими і визначають значення коефіцієнта довіри до знання та важливість елементарної операції стосовно всієї множини знань. До метазнань належать питання організації різного типу знань і вказівки, де, коли і як вони можуть бути використані.
9. Апріорні знання передують знанням, отриманим за допомогою органів почуттів, і не залежать від них. Апріорні знання розглядаються як універсально істинні, і ці знання неможливо спростувати, не впадаючи в протиріччя.
10. Апостеріорні знання
— знання, отримані за допомогою органів почуттів — є протилежними стосовно апріорних знань. Істинність або хибність апостеріорних знань може бути перевірена на підставі чуттєвого досвіду. Але чуттєвий досвід не завжди може виявитися надійним, тому існує ймовірність того,
що апостеріорні знання будуть спростовані на основі нових знань.
11. Процедурні знання (імперативне уявлення) — знання, що задають послідовності дій, які мають бути виконані, та послідовності цілей, які мають бути досягнуті — належать до процедур обробки інформації і методів логічного виведення. Ідея процедурального подання знань підкреслює аспект їх обробки. При цьому до знань, що подаються, будуть приєднані знання про їх обробку (метазнання) явно або неявно. Особливостями такого уявлення є: ефективна обробка, але складна можливість читання, редагування або інтерпретації знань.
12. Декларативні знання (дескриптивне уявлення) — знання про те, чи є певне твердження істинним або помилковим — включають факти або аксіоми і правила, що стосуються цих фактів. Термін декларативний застосовується до знань, виражених у формі декларативних тверджень. Особливістю декларативних форм є організація бази знань, за якої у ній зберігаються тільки описи об’єктів і їх семантичних відношень та бракує інформації про те, як можуть бути використані дані описи.
13. Неявні знання — підсвідомі знання, що не можуть бути виражені за допомогою мови. Якщо йдеться про комп’ютерні системи, то знання, подані в штучній нейронній системі, нагадують неявні знання, оскільки зазвичай нейронна мережа нездатна безпосередньо пояснити суть знань, що містяться в ній, але могла би набути таку здатність за наявності відповідної програми.
14. Експертні знання — спеціалізований різновид знань і навичок, якими володіють експерти. Експертні знання можуть належати до рівнів знань, метазнань і мудрості. Вони являють собою ті неявні знання і навички експерта, що мають бути добуті й перетворені в явні задля того, аби їх можна було подати в експертній системі. Причина, через яку знання є неявними, полягає в тому, що справжній експерт володіє цими знаннями настільки добре, що вони перетворилися в його другу натуру і не вимагають міркувань.
Залежно від часу існування виокремлюють:
• статичні знання — включають логічні правила розв’язання задач, правила реалізації процедур опитування експертів і користувачів, правила побудови функціональних та діагностичних моделей і аналізу результатів роботи, а також безпосередньо програмні модулі процедур опитування та математичних моделей, факти і дані про предметну галузь;
• динамічні знання — являють собою сукупність фактів і даних, одержуваних у ході розв’язання задачі, а також висновків (логічних висновків і строгих аналітичних рішень), вироблених у процесі розв’язання задачі.
У загальному вигляді знання подаються певною семіотичною (знаковою) системою. З поняттям «знак» безпосередньо пов’язані поняття денотат і концепт. Денотат — це об’єкт, що позначається даним знаком, а концепт — властивість денотата. Інтенсіонал знака визначає зміст пов’язаного з ним поняття через його властивості, тобто значеннєвий зміст поняття. Інтенсіонал відокремлює знання від даних, що завжди задаються екстенсіонально.
Екстенсіонал знака визначає конкретний клас усіх його припустимих денотатів. Екстенсіонал поняття — набір конкретних фактів, що відповідають даному поняттю. Інтенсіональні знання описують абстрактні об’єкти, події, відношення.
Екстенсіональні знання являють собою дані, що характеризують конкретні об’єкти, їхній стан, значення параметрів у визначені моменти часу.
Зазначені відмінності спричинили появу спеціальних формалізмів у вигляді моделей подання знань.
Розрізняють такі аспекти семіотичної системи:
1. Синтаксис описує внутрішній пристрій знакової системи, тобто правила побудови і перетворення складних знакових виразів. Для природної мови, як відомо, синтаксис визначає правила побудови речень і зв’язаного тексту.
2. Семантика визначає відношення між знаками та їх концептами, тобто задає зміст або значення конкретних знаків.
3. Прагматика визначає знак з погляду конкретної сфери застосування суб’єкта, що використовує дану знакову систему.
Логічною прозорістю системи називають здатність системи пояснювати методику прийняття рішення. Під цим розуміється, наскільки просто людині з’ясувати, що робить система і чому.
Відповідно до перелічених аспектів семіотичних систем можна виокремити три типи знань:
• синтаксичні знання — характеризують синтаксичну структуру описуваного об’єкта або явища, що не залежить від смислу і змісту використовуваних при цьому понять;
• семантичні знання — містять інформацію, безпосередньо пов’язану зі значеннями і змістом описуваних явищ і об’єктів;
• прагматичні знання — описують об’єкти і явища з погляду розв’язуваної задачі, наприклад, з урахуванням діючих у даній задачі специфічних критеріїв.
Знання, якими володіє фахівець у якій-небудь галузі (дисципліні), можна розділити на формалізовані (точні) і неформалізовані (неточні).
Формалізовані знання формулюються в книгах і посібниках у вигляді загальних і строгих суджень (законів, формул, моделей, алгоритмів тощо), що відображають універсальні знання.
Неформалізовані знання, як правило, не потрапляють до книг і посібників у зв’язку з їх не конкретністю, суб’єктивністю і приблизністю. Знання такого роду є результатом узагальнення багаторічного досвіду роботи й інтуїції фахівців. Вони зазвичай являють собою різноманіття емпіричних (евристичних) прийомів і правил.
Залежно від того, які знання переважають у тій чи іншій сфері ПРГ, їх відносять до формалізованих (якщо переважають точні знання) або до неформалізованих (якщо переважають неточні знання) описових областей.
Задачі, розв’язувані на основі точних знань, називають формалізованими, а задачі, розв’язувані за допомогою неточних знань, — неформалізованими. Тут ідеться не про такі задачі, які не можна формалізувати, а про задачі, формалізація яких є невідомою.
До неформалізованих задач відносять ті, котрі мають одну чи декілька з таких особливостей: алгоритмічний розв’язок задачі є невідомим (хоча, можливо, й існує) або не може бути використаний через обмеженість ресурсів ЕОМ (часу, пам’яті); задача не може бути визначена в числовій формі (потрібне символьне подання); цілі задачі не можуть бути виражені в термінах точно визначеної цільової функції. Як правило, неформалізовані задачі мають неповноту, помилковість, неоднозначність та (або) суперечливість знань (як даних, так і використовуваних правил перетворення).
Форми існування знань в інтелектуальних системах:
• вихідні знання (правила, виведені на основі практичного досвіду; математичні й емпіричні залежності, що відбивають взаємні зв’язки між фактами; закономірності й тенденції, що описують зміну фактів з часом; функції, діаграми, графи);
• опис вихідних знань засобами обраної моделі подання знань (множина логічних формул або продукційних правил, семантична мережа, ієрархії фреймів тощо);
• подання знань структурами даних, що призначені для збереження й обробки в ЕОМ;
• бази знань на машинних носіях інформації.
4.4. Порівняння моделей подання знань
Знання можна переводити з однієї форми подання в іншу. Однак можливість опису деякого подання, отриманого одним зі способів, іншим способом означає, що ці подання є рівнозначними. Але ця попарна рівнозначність відношень зовсім не означає, що всі способи подання дозволяють одержати рівнозначні системи подань. Це пояснюється тим, що найчастіше подання однієї формули не можна виразити іншою формулою, а також тим, що різними є самі ідеї і теоретичні системи, що знаходяться в основі цих формул, і це має свій вплив на методи виведень.
Однією з основних проблем, характерних для систем, заснованих на знаннях, є проблема подання знань. Це обумовлюється тим, що форма подання знань впливає на характеристики і властивості системи.
Для можливості оперування знаннями з реального світу за допомогою комп’ютера необхідно здійснити їх моделювання. При цьому слід відрізняти знання, призначені для обробки комп’ютером, від знань, використовуваних людиною.
У проектуванні моделі подання знань варто враховувати такі фактори, як однорідність подання, що сприяє спрощенню механізму керування логічним виведенням і керуванням знаннями, і простота розуміння, що припускає доступність розуміння подання знань експертами і користувачами системи. Однак виконати ці вимоги однаковою мірою як для простих, так і складних задач досить важко.
При цьому слід зазначити, що вживані дескриптивні форми уявлення часто розширюються за рахунок імперативних компонентів.
Для організації осмисленого діалогу між людиною і ПСШІ та автоматизацією розв’язання інтелектуальних задач у процесі управління інтелектуальною системою необхідна спеціальна мова. Ця мова має бути зручним засобом формулювання завдань, представлення знань, пошуку планів і ухвалення рішень. Вона має також надати системі управління з елементами ШІ необхідну основу для логічних висновків. Завдяки здатності міркувати на
своїй внутрішній мові формул система управління зможе вирішувати багато інтелектуальних задач на рівні людини.
Моделі подання знань класифікують залежно від ступеня декларативності (процедурності) мовних засобів, використовуваних для опису знань.
В інтелектуальних системах управління економікою найбільшого поширення набули такі мови і моделі подання знань:
Декларативна модель подання знань ґрунтується на припущенні, що проблема подання ПРГ не залежить від того, як ці знання потім будуть використовуватися. Тому модель складається зі статичних описових структур знань і механізму виведення, що оперує цими структурами та практично не залежить від їх змістовного наповнення.
Декларативні знання надходять у систему від експертів ПРГ та включають факти або аксіоми і правила, що стосуютсья цих фактів. Для декларативних форм особливою є організація бази знань, у якій зберігаються тільки описи об’єктів та їх семантичні відношення і бракує інформації про те, як можуть бути використані дані описи. При цьому певною мірою виявляються роздільними синтаксичні й семантичні аспекти знання, що є перевагою завдяки можливості досягнення визначеної універсальності. Така універсальність забезпечує гнучкість і економічність декларативного подання, тому що дозволяє по-різному використовувати ті самі факти.
У декларативних моделях не містяться в явному вигляді описи виконуваних процедур. Ці моделі зазвичай являють собою множини незалежних фактів або тверджень, що дозволяє здійснювати модифікацію знань і навчання простим додаванням або усуненням тверджень.
ПРГ подається у вигляді синтаксичного опису її стану (за можливістю повного). Виведення рішень ґрунтується, як правило, на процедурах пошуку в просторі станів.
У процедуральній моделі знання містяться в процедурах — невеликих програмах, що задають послідовності дій, які мають бути виконані, та послідовності цілей, що мають бути досягнуті. При цьому можна не описувати всі можливі стани об’єкта для реалізації виведення. Достатньо зберігати деякі початкові стани і процедури, що генерують необхідні описи ситуацій і дій.
За процедурального подання знань семантика безпосередньо закладена в опис елементів бази знань, за рахунок чого підвищується ефективність пошуку рішень. Порівняно з процедуральною частиною статична база знань у них є малою. Вона містить не«незмінні аксіоми», а лише так звані «твердження», які є прийнятними в даний момент, але можуть бути змінені чи вилучені в будь-який час. Загальні правила виведення подані у вигляді спеціальних цілеспрямованих процедур, що активізуються в міру потреби.
Засобом підвищення ефективності генерації виведення в процедуральних моделях є додавання в систему знань про застосування, тобто знань про те, яким чином використовувати накопичені знання для розв’язання конкретної задачі. Ці знання, як правило, теж подаються в процедуральній формі.
Головна перевага процедуральних моделей полягає в більшій ефективності механізмів виведення за рахунок уведення додаткових знань про застосування. Інша важлива перевага укладена у виразній силі. Процедуральні системи здатні змоделювати практично будь-яку модель подання знань. Крім того, у них реалізується розширена система виведення.
Більшість розширених форм виведень можуть бути охарактеризовані поняттям «припущення про відсутність» і зводяться до схеми: «Якщо А (попередня умова) є істинною і немає доказів проти В, то запропонувати В».
Подібні правила виведення виявляються корисними у випадках, якщо:
— у системі подання знань окремі факти не подані або невиведені (неповнота знань) — правила виведення дозволяють гіпотетично визнавати їх правильними за умови, що в системі немає чи в ній невиведені докази протилежного;
— через обмеженість ресурсів процеси виведення не можуть завершитися, а мають бути залишені для одержання результатів (виведення в умовах обмеженості ресурсів) — у цьому випадку правила визначають подальші дії системи.
Системи подання, що містять подібні правила, виявляються немонотонними, тобто додавання нових тверджень може заборонити генерацію виведення. Додавання нових фактів може привести до виникнення протиріч. У деяких системах крім самих тверджень містяться також записи причин, з яких були прийняті ці твердження. При додаванні нових фактів здійснюється перевірка того, чи зберігаються справедливість тверджень і відповідність причинам.
Узагальнюючи вищевикладене, розбіжність між декларативним і процедурним поданням можна виразити як розбіжність між «знати що» і «знати як». Кожне подання має свої переваги і не-доліки. Прагнення найбільш повно використовувати переваги обох видів подань сприяло розробленню змішаних подань, тобто декларативних подань із приєднаними процедурами (наприклад, фреймові моделі та моделі, що використовують розширені семантичні мережі).
Моделі подання знань поділяють на логічні й евристичні.
Логічні моделі подання знань засновані на понятті формальної системи. Прикладами їх можуть бути числення предикатів і будьяка конкретна система продукцій. Ці моделі є дедуктивними системами; у них використовується модель виведення з заданої системи посилань за допомогою фіксованої системи правил. Подальший розвиток предикатних систем пов’язаний з переходом до індуктивних систем, у яких правила виведення породжуються на основі обробки кінцевого числа навчаючих прикладів. Перспективний напрямок — розвиток псевдофізичних логік, що, як і індуктивні моделі, наразі не набули широкого практичного застосування.
Евристичні моделі подання знань на відміну від логічних мають різноманітний набір засобів, які передають специфічні особливості моделі, і в цьому сенсі перевершують логічні як за можливістю адекватно подати ПРГ, так і за ефективністю використовуваних правил виведення. До евристичних моделей варто віднести мережні, фреймові та продукційні моделі. Зауважимо, що продукційні моделі, використовувані для подання знань, відрізняються від формальних продукційних систем використанням більшого числа правил і змістом евристичної інформації про специфіку ПРГ, що виражається у вигляді семантичних структур.
Виокремлюють такі основні види моделей подання знань: мережні моделі (включають семантичні мережі та фрейми) та логічні моделі (включають моделі на основі числення висловлювань та продукційні моделі).
Мережна модель подання знань — це граф, як правило орієнтований, вершини якого відповідають певним поняттям, сутностям, а дуги — відношенням та зв’язкам між ними.
Для порівняння моделей подання знань використовують такі критерії оцінювання моделей і методів подання знань.
— Формалізованість. Найнижчий рівень формалізованості мають семантичні мережі, більш високий рівень у продукційних моделей, ще більший рівень формалізованості є у фреймових моделей, найвищий рівень формалізованості має логіка предикатів 1-го порядку.
— Можливість поповнення. Найнижчий рівень має логіка предикатів, більш високі рівні займають, відповідно, семантичні мережі, фрейми, продукційні моделі.
— Нотаційна адекватність в основному виражається синтаксичною будовою моделей подання знань та має особливе значення для систем, що використовують експертні знання, проектування та підтримка котрих багато у чому залежить від людей, які не є спеціалістами у формалізації знань. Найнижчий рівень нотаційної адекватності є у логіки предикатів, інші моделі мають більш високий рівень відносно логіки предикатів, але приблизно однаковий у порівнянні між собою.
— Відображення семантики ПРГ. Найнижчий рівень відображення у логіки предикатів, продукційні моделі та семантичні мережі мають більш високий рівень, ніж у логіки предикатів, що свідчить про їх приблизно однакову ефективність (продукціями легко відображуються каузальні залежності, а семантичними мережами — структурні відношення), найвищий рівень відображення мають фрейми.
— Інференційні можливості. У порядку зростання рівня цього критерію слідують: семантичні мережі, фрейми, продукції та логіка предикатів.
Жодна з моделей подання знань не є лідером за всіма порівнюваними характеристиками.
Більш прийнятні за виразною потужністю і нотаційною адекватністю мережні моделі. Причина мабуть у тому, що вони є менш формальними, більш гнучкими й адекватними конкретним застосуванням. Семантична мережа підходить для опису об’єктів динамічної природи, оскільки в ній може бути забезпечене включення нових понять і зв’язків, вона може навчатися і зростати.
Предикатні моделі дозволяють відображати твердження більш загального характеру і містять мало індивідних констант. Для знань ПРГ, навпаки, характерно відносно велике число предметних констант і тверджень про ці константи. Використання предикатних моделей для опису об’єктів динамічної природи ускладнюється через їхню відносну закритість.
Вирази логіки предикатів мають багато спільного з продукційними правилами. Власне кажучи, інтерпретуючи правило продукції як вираз логіки предикатів, можна без яких-небудь ускладнень замінити його на предикати. У загальному випадку кожну дугу семантичної мережі можна задати предикатами як відношення між сутностями, що описують вузли на кінцях дуги.
Із загальних розумінь випливає, що теоретичний фундамент у продукційних правил і семантичних мереж є досить слабким порівняно з логікою предикатів. І від того, що він є слабким, немає необхідності завзято відстоювати прийняті в них формалізми і їх можна видозмінювати. Одним із прикладів цього є повноправне включення в опис тих понять, що визначають кількісну оцінку цього опису типу фактора впевненості, а у логіці предикатів зробити це не так просто і мають бути створені відповідні теоретичні основи.
Проте описова потужність логіки предикатів як єдиної системи формалізмів подання знань вища, ніж в інших системах. Це пояснюється тим, що в логіці предикатів можна у формули вільно включати змінні, а в інших методах це зовсім неможливо або можливо у вкрай обмеженому ступені.
Резюме за змістом теми
Для того щоб помістити знання в комп’ютер, їх необхідно подати визначеними структурами даних, що відповідають обраному середовищу розробки інтелектуальної системи. Отже, для розроблення системи спочатку здійснюють накопичення і подання знань, причому на цьому етапі обов’язкова участь людини, а потім знання подаються визначеними структурами даних, зручними для збереження й обробки в ЕОМ.
Як основні засоби подання знань в інтелектуальних системах нині використовують системи продукцій, системи фреймів, семантичні мережі, онтології і системи обмежень. Кожний з указаних засобів уявлення орієнтований на опис різних типів знань і володіє різними можливостями та властивостями.
Однією з основних проблем, характерних для систем, заснованих на знаннях, є проблема подання знань. Це обумовлюється тим, що форма подання знань впливає на характеристики і властивості системи.
Для можливості оперування знаннями з реального світу за допомогою комп’ютера необхідно здійснити їх моделювання. При цьому слід відрізняти знання, призначені для обробки комп’ютером, від знань, використовуваних людиною.
У проектуванні моделі подання знань варто враховувати такі фактори, як однорідність подання, що сприяє спрощенню механізму керування логічним виведенням і керуванням знаннями, та простота розуміння, що припускає доступність розуміння подання знань експертами і користувачами системи. Однак виконати ці вимоги однаковою мірою як для простих, так і складних задач досить важко.
Терміни та поняття до теми
Теорія подання знань — це окрема галузь досліджень, тісно пов’язана з філософією формалізму і когнітивною психологією.
Мова подання (representation language) — комп’ютерна мова, орієнтована на організацію описів об’єктів і ідей, на противагу статичним послідовностям інструкцій або збереженню простих елементів даних.
Абстракція (abstraction)
— подання тільки тієї інформації, що потрібна для досягнення заданої мети, є необхідним засобом керування складними процесами. Інформація (у широкому розумінні) — це будь-які відомості про певний об’єкт, процес або явище.
Факти — це інформація, що розглядається як надійна.
Знання — це формалізована система суджень із принциповою і єдиною організацією, заснована на об’єктивній закономірності, що простежується у визначеній ПРГ (принципи, зв’язки, закони), установленій у результаті розумової діяльності людини, спрямованої на узагальнення досвіду, отриманого нею у результаті практичної діяльності, яка дозволяє ставити і вирішувати завдання в цій сфері.
Метазнання — спеціальним чином організовані знання про знання з метою реалізації процесу їх інтерпретації та планування виведення.
Базові елементи знання — інформація про властивості об’єктів реального світу.
Твердження і визначення — засновані на базових елементах і заздалегідь розглядаються як достовірні.
Концепції — перегрупування або узагальнення базових елементів.
Відношення — виражають як елементарні властивості базових елементів, так і відношення між концепціями.
Теореми і правила перезапису — окремий випадок продукційних правил (правил виду «якщо..., то..., інакше...») з цілком визначеними властивостями.
Алгоритми розв’язання — необхідні для виконання визначених задач.
Стратегії й евристика — уроджені або набуті правила поведінки, що дозволяють у конкретній ситуації прийняти рішення про необхідні дії. Людина постійно користується цим типом знань у формуванні концепцій, розв’язанні задач і формальних міркуваннях.
Апріорні знання (від лат. a priori — з попереднього) передують знанням, отриманим за допомогою органів почуттів, і не залежать від них.
Апостеріорні знання (від лат. a posteriori — з наступного) — знання, отримані за допомогою органів почуттів — є протилежними стосовно апріорних знань.
Процедурні знання (імперативне уявлення) — знання, що задають послідовності дій, які мають бути виконані, та послідовності цілей, які мають бути досягнуті — належать до процедур обробки інформації і методів логічного виведення.
Декларативні знання (дескриптивне уявлення) — знання про те, чи є певне твердження істинним або помилковим — включають факти або аксіоми і правила, що стосуються цих фактів.
Неявні знання — підсвідомі знання, що не можуть бути виражені за допомогою мови. Якщо йдеться про комп’ютерні системи, то знання, подані в штучній нейронній системі, нагадують неявні знання, оскільки зазвичай нейронна мережа нездатна безпосередньо пояснити суть знань, які містяться в ній, але могла б набути таку здатність за наявності відповідної програми.
Експертні знання — спеціалізований різновид знань і навичок, яким володіють експерти.
Питання для самоконтролю
1. Які два основні розділи виокремлюють у сфері добування знань?
2. Які основні засоби подання знань в інтелектуальних системах використовуються?
3. Перелічіть фактори, які варто враховувати під час проектування моделі подання знань.
4. Охарактеризуйте форми існування знань в інтелектуальних системах.
5. Які рівні подання знань розрізняють у ПСШІ?
6. Проаналізуйте класифікацію знань ПСШІ.
Завдання для індивідуальної роботи, обов’язкові та додаткові практичні завдання
1. Охарактеризуйте схему подання знань та її завдання.
2. Поясніть класифікацію знань ПСШІ.
3. Які вимоги до представлення знань для ПСШІ?
4. Які властивості систем, що базуються на знаннях?
5. Які розрізняють рівні представлення знань в ПСШІ?
6. Поясніть головні поняття теорія подання знань.
Література для поглибленого вивчення матеріалу
1. Люгер Дж. Ф. Искусственный интеллект. — М. : Вильямс, 2005.
— 864 с.
2. Інформаційні системи в економіці : монографія / под ред. Устенко С. В. — К. : КНЕУ, 2011. — 424 с.
3. Іванченко Г. Ф. Системи штучного інтелекту : навч. посіб. — К. : КНЕУ, 2011. — 382 с.
