СВОЙСТВА И ТИПЫ ЗНАНИЙ

Обязательным элементом, определяющим эффективность фун­кционирования любой системы искусственного интеллекта (СИИ), являются знания. В таких системах, в частности в облас­ти интеллектуальных автоматизированных информационных тех­нологий, нет общепризнанного формального определения поня­тия “знания”. Наиболее близко к рассматриваемой проблеме при­обретения и представления знаний находится следующее определение: знания — это специальная форма представления информации, позволяющая человеческому мозгу хранить, воспро­изводить и понимать ее.

Однако далеко не вся информация выступает в виде знания, которое рассматривается как ее высшая и притом совершенно особая форма. Знания — это информация, зафиксированная и выраженная в языке. Поэтому основные типы отношений, оп­ределяющие связь знаний с внеязыковым миром, друг с другом и системой человеческих действий, должны подчиняться особым закономерностям (правилам) семантики, синтаксиса и прагма­тики.

Таким образом, знания — это не только особая форма ин­формации, но и особая система отношений.

В качестве рабочего можно принять следующее определение: знания — это особая форма информации, представляющая собой совокупность структурированных теоретических и эмпирических положений предметной области, которые представлены в различ­ной форме, обладают определенными свойствами, связаны син­таксическими, семантическими и прагматическими отношениями и позволяют решать прикладные задачи.

Грань, отделяющая информацию от знаний, условна. Обще­признано, что знания имеют пять важных свойств, позволяющих считать их таковыми: внутреннюю интерпретируемость, рекур­сивную структурируемость, взаимосвязь единиц, наличие семан­тического пространства с метрикой и активность.

Сущность этих свойств знаний заключается в следующем. Внутренняя интерпретируемость. Вместе с информационной единицей, представляющей собственно элемент данных, в памяти ЭВМ стало возможным хранить систему имен, связанную с та­кой информационной единицей. Наличие системы имен позволя­ет системе “знать”, что хранится в ее памяти, и, следовательно, уметь отвечать на запросы о содержании памяти, которые могут порождаться в процессе выполнения программ в самой системе или поступать извне от пользователей либо других систем.

Рекурсивная структурируемость. Информационные единицы могут при необходимости расчленяться на более мелкие и объе­диняться в более крупные по принципу матрешки. Для этих опе­раций могут использоваться родовидовые отношения и принад­лежность элементов к классу. В действительности число структу­рообразующих отношений насчитывает более 200.

Взаимосвязь единиц. Между единицами возможно установле­ние самых разнообразных отношений, отражающих семантику и прагматику связей явлений и фактов. Когда между информаци­онными единицами в памяти системы возникает система отноше­ний, фрагментами этой структуры начинают определяться новые информационные единицы.

Наличие семантического пространства с метрикой. Оно ха­рактеризует близость-удаленность информационных единиц. Специалисты в области когнитивной психологии (психологии познания) считают, что знания не могут быть бессистемным “сбо­рищем” отдельных информационных единиц, а должны быть взаимосвязанными и взаимозависимыми в некотором общем для них когнитивном семантическом пространстве.

Активность. В программировании процедурам всегда отво­дилась роль активизирующего начала. Они отражали способ решения задачи, активизировали необходимые данные, пассив­но лежащие в памяти системы. Эта “безгласность” данных в ЭВМ не находит аналогов у человека. Для когнитивных струк­тур в нашей памяти характерна внутренняя активность: мы ис­пользуем те или иные процедуры при возникновении опреде­ленной ситуации. То или иное соотношение между информаци­онными единицами побуждает нас к тем или иным действиям, для реализации которых должны быть выполнены определен­ные процедуры. Активность базы знаний позволяет СИИ фор­мировать мотивы, ставить цели и строить процедуры для их выполнения.

В настоящее время не создано баз знаний СИИ, в которых в полной мере были бы реализованы все свойства знаний. Основ­ными причинами этого являются: ограниченные возможности используемых моделей представления знаний, неполнота знаний предметных областей, несовершенство методов приобретения знаний и несоответствие типов используемых знаний и моделей их представления. Справедливость этого вывода подтверждается практикой создания СИИ, в частности экспертных систем.

Знания существуют в различных формах: в памяти человека (эксперта); материализованные (канонизированные) знания (учеб­ники, монографии и т.п.); полуформализованная структуриро­ванная модель (поле) знаний; формализованное знание на неко­тором языке представления; в базе знаний. Знания в СИИ пред­ставлены на внешнем, логическом и физическом уровнях.

Существуют различные подходы к классификации знаний. Предлагаемые классификации носят открытый характер. Так, выделяют декларативные и процедурные знания, глубинные, по­верхностные и мягкие знания. Рассматривают теоретические и эмпирические знания в зависимости от уровня их осмысления. Содержание знаний служит основой для выбора структуры их представления.

В практике разработки СИИ обозначилась тенденция пере­хода от использования поверхностных знаний к глубинным и мягким. Глубинные знания образуются как результат обобщения первичных понятий в некоторые абстрактные структуры, кото­рые могут и не иметь вербального описания. Мягкие знания до­пускают множественные, расплывчатые решения и приводят к различным вариантам рекомендаций.

Использование глубинных и мягких знаний позволяет создать БЗ большой мощности. Глубинные знания обладают такими важ­ными особенностями, как гибкость и аддитивность (лат. additio — прибавление; получаемый путем сложения).

Поверхностные знания представляют собой совокупность эм­пирических ассоциаций и отношений между понятиями предмет­ной области для стандартных рассуждений и ситуаций.