26 Марта 2019

Інтелектуальні АРМ - інноваційні системи

Інтелектуальні Інноваційні системи Класифікація знань

Відомо, що знання в БЗ бувають у вигляді теорем, емпіричних правил, припущень, здогадок, рекомендацій, причинно-наслідкових зв’язків, різноманітних фактів, а також у вигляді вдосконалень,  цілей, концепцій, відношень, алгоритмів, стратегій, евристик, метазнань та ін. На рис. 15. показано  класифікацію знань.

 

Знання

 

 

 

Загальнодоступні

 знання

 

Індивідуальні

знання

 

 

                                

 

 

 

 

     

               

 

Рис. 15. Загальна класифікація знань.

Загальнодоступні знання – це істини, загальновідомі в конкретній предметній сфері.

Індивідуальні – це емпіричні правила, евристики, інтуїтивні здогадки, здоровий глузд експерта тощо.

Декларативні (понятійні) – це інформація про конкретні факти у вигляді таблиць, словників, метаправил тощо, які можуть мати різноманітну міру вірогідності та істинності. Вони відображають відомості про об’єкти предметної сфери, її склад, взаємне розміщення, описують відношення між об’єктами.

Процедурні знання визначають, які дії та в якій послідовності необхідно виконати системі для побудови гіпотези. Це знання, що утворюються як наслідок виконання процедур (функцій,  підпрограм,  правил) над фактами як вхідними даними. (Факт – це елементарне знання, вірогідність котрого доведено). Ці знання звичайно збираються через опитування експертів та складають ядро БЗ.

Керівні знання – деякий набір стратегій, цілей тощо.

Конструктивні знання – описують структуру та взаємодію частин, суттєвості.

Метазнання – це знання про знання, тобто знання системи про себе, свої структури, роботу, БЗ та схему  умовиводів. Часто вони визначають рівень компетентності системи, а також якісні та кількісні її показники. Вважається, що основним критерієм при виборі (проектуванні) інтелектуально-експертної системи є простота (комфортність), з якою знання можуть бути подані у вигляді метазнань.

Можливі застосування метазнань:

- для вибору релевантних правил у вигляді стратегічних метаправил;

- для обгрунтування доцільності застосування правил з експертизи;

- для виявлення синтаксичних та семантичних помилок у предметних правилах;

- для адаптації системи до оточення шляхом перебудови предметних правил та функцій;

- для зазначення можливостей та обмежень системи, тобто визначають, що система знає, а що ні.

Взаємозв’язок знань можна проілюструвати таким чином.

Текст, що містить опис технології, можна вважати процедурними знаннями. Висловлювання про те, що технологія є мережею певного вигляду, належить до декларативних (понятійних) знань. Текст, який  повідомляє про склад етапів і зв’язки технологічного процесу, є конструктивним знанням.

В інтелектуально-експертних системах велика частина знань належить до процедурних, що існують у пам’яті ЕОМ у вигляді множини правил з показником імен класів об’єктів та відносин,  об’єднаних у фрейми.

Інколи знання класифікують таким чином (рис. 16).

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Рис. 16. Класифікація знань у ІЕС.

 

Знання, що інтерпретуються, поділяються на знання про подання, предметні та керівні.

  • Знання про подання – містять інформацію про те, яким чином (в яких структурах) в ІЕС подані знання (конструктивні).
  • Предметні знання – це дані про предметну сферу та засоби перетворення цих даних при розв’язанні конкретних задач (декларативні знання). Використовуються компонентою набуття знань.
  • Керівні – описують, які знання треба використати в тій чи іншій ситуації та містять інформацію для вибору способу інтерпретації знань у різноманітних ситуаціях. Використовуються інтерпретатором ІЕС та її пояснювальною компонентою.

Предметні знання містять описувачі та власне предметні знання.

  • Описувачі містять певну інформацію про предметні знання, (наприклад, коефіцієнт визначеності правил та даних, засоби важливості” та складності” даних тощо).

Власне предметні знання – це факти, що визначають можливі  значення об’єктів, що описуються, їх характеристики та операційні дані. Останні містять інформацію про те, як можна застосувати опис предметної сфери в процесі виконання конкретного завдання, тобто це знання,  що задають процедури обробки.

Керівні знання складаються з фокусуючих та вирішувальних знань.

  • Фокусуючі знання – містять відомості про найбільш перспективні гіпотези та про знання, що найдоцільніше використовувати при перевірці відповідних гіпотез.
  • Вирішувальні знання – використовуються для вирішення стратегій чи евристик найбільш ефективних для розв’язання конкретної задачі.

Знання, що не інтерпретуються, поділяються на допоміжні та підтримуючі.

  • Допоміжні знання – це такі, що зберігають інформацію про лексику й граматику мови спілкування та інформацію про структуру діалогу. Ці знання обробляються природно-мовною компонентою  ІЕС  (лінгвістичний процесор).
  • Підтримуючі знання – використовуються при створенні системи та при виконанні пояснень; вони виконують  роль опису як знань, що інтерпретуються, так і дій системи. Використовуються пояснювальною компонентою ІЕС, містять технологічні та семантичні знання. У технологічних є відомості про час створення знань, автора тощо. Семантичні знання – це змістовний опис знань,  що підтримуються: вони містять інформацію про причини використання знань, про їх призначення; описують спосіб використання таких і ефект, що отримується.

Треба зазначити,  що склад використовуваних знань залежить від предметно-проблемної сфери, вимог та цілей користувача, мови спілкування та діалогу, структури системи тощо. При цьому вирішуються два основні питання: що подавати та як представляти.

При проектуванні ІЕС вирішуються такі проблеми при поданні знань:

  • визначення складу знань, що використовуються;
  • організація знань;
  • визначення моделі знань;
  • реалізація вибраного подання.

 

2.6. База знань

 

Серед численних проблем штучного інтелекту дослідження з подання та використання знань посідають особливе місце. І не тільки тому, що вони тісно пов’язані із самим загадковим явищем природи – мисленням людини, а й тому, що результати цих досліджень першими почали приносити відчутну користь, утілившись у експертних системах та Інтел-АРМ.

Експертні системи акумулюють знання висококваліфікованих фахівців самих різноманітних профілів і відіграють важливу роль у розповсюдженні цих знань, у підвищенні кваліфікації користувачів, а в останні роки завдяки розвитку міжнародних мереж зв’язку (Іntеrnet/іntrаnet/extranet) сприяють створенню загальнодержавних баз знань у різних сферах діяльності людини.

Розвиток експертної системи, як і інтелектуальне життя людини, складається з двох процесів: накопичення знань та їх використання. Але якщо людина набуває знання з досвіду протягом усього життя, то експертна система на першому етапі отримує знання від експерта і, будучи переданою користувачам, здебільшого може лише систематизувати наявні знання, скажімо, перевіряти їх несуперечливість та надійність. Хоча більш розвинуті експертні системи мають функції здобуття повних знань у діалозі із досвідченими користувачами.

Інженерія знань – це царина інформаційної технології, мета якої – перетворення знань, накопичувати й застосовувати які на практиці досі могла лише людина, на об’єкт обробки в комп’ютерах. Для цього необхідно проаналізувати знання та особливості їх обробки людиною та комп’ютером, а також запропонувати їх машинне подання. Щоб ця галузь затвердилась як один із наукових напрямів, необхідно дати чітке визначення, що ж таке знання. Такого точного визначення поки не має, але майже не викликає сумнівів, що це будуть нетрадиційні   програми – вони будуть включати й непроцедурні елементи та використовуватись так само, як і інформація з пам’яті людини. Таким чином, в інженерії знань передусім найважливішою є техніка використання знань. Та як би не розвивалася техніка використання знань, вона не знайде призначення, доки нема самих знань. Рішення проблеми накопичення в пам’яті інформації, що має форму знань, потребує розробки ще однієї техніки, повністю відмінної від техніки використання знань, але яка тісно пов’язана з останньою в тому розумінні, що вони взаємно доповнюють одна одну й утворюють у сукупності техніку обробки знань. Це проблема набуття знань, чи в більш широкому розумінні – проблема навчання. Саме так можна назвати функції вилучення інформації з навколишнього середовища та їх накопичення в пам’яті з метою використання.

У міру розвитку та практичного використання техніки обробки підвищувався інтерес до таких функцій, як навчання та набуття знань за допомогою комп’ютера. Оскільки об’єктом обробки є знання, то обов’язково з’являється прагнення до створення системи з функціями їх набуття, збереження та використання. Однак більшість розроблених до нашого часу систем, що навчаються, орієнтовані на аналіз механізму одержання інформації людиною та його відтворення в машині, а складне евристичне навчання, характерне для людини, практично не реалізовано.

Набуття знань у вузькому розумінні слова – це робота з наповнення БЗ. Існують щонайменше три рівні (методи) оснащення програм експертними знаннями.

І рівень. Це етап створення алгоритму, відомого чи створеного фахівцем чи проектувальником системи, і реалізація його в програмі самими розробниками.               

ІІ рівень. Це розробка програми, яка може заповнювати прогалини в знаннях уже створеної БЗ, описуючи об’єкти чи формуючи етапи (план) робіт.

ІІІ рівень. Розробка системи, яка самостійно набуває алгоритмічні знання, читаючи” книги. Це інтелектуальні здібності високого рівня, що дозволяють не тільки засвоювати зміст книг, але й використовувати потрібну інформацію як підказ чи пораду.

До І рівня належить програма Dendral для інтерпретації масс-спектрограм. Удосконалена Meta Dendral належить до ІІ рівня, оскільки вона розширює теорію стабільності молекулярних сполук, здійснюючи відкриття конкретних з’єднань. Але якби програма сама вивчала підручники з хімії та розвивалась, оперуючи новими групами хімічних сполук, то вона належала б до ІІІ рівня, як, наприклад, комп’ютерна шахова програма, що сама може читати” шахові довідники й удосконалювати свою майстерність через навчання

Говорячи про експертні знання, ще раз виділимо особливості експертних систем.

  1. Обробляють велику кількість знань.
  2. Представляють знання в простій уніфікованій формі.
  3. Володіють незалежним механізмом логічних висновків.
  4. Можуть пояснити результати, отримані в процесі обробки знань.

Класифікацію комп’ютерних систем з акцентом на системи використання знань  наведено на рис. 17.

 

 

       

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Рис.17. Класифікація комп’ютерних систем, побудованих на знаннях.

 

Експертна система, взаємодіючи з користувачем та розв’язуючи задачі, які користувач, не будучи експертом, вирішити не в змозі, виконує складні роботи з такими основними функціями:

  • надання допомоги експертам у їх діяльності за спеціальною тематикою (наприклад, допомога в прийнятті рішень);
  • заміна експертів у конкретній проблемній сфері.

Експертна система може виявляти, наприклад, такі побічні ефекти:

  • виключення небажаних наслідків надлишкової спеціалізації людини завдяки поданню та накопиченню експертних знань;
  • ефект навчання, обумовлений набуттям користувачем досвіду з різноманітних галузей (наприклад, допомога в прийнятті рішень високого рівня).

Знання в експертних системах тісно пов’язані з базами знань. Якщо БД розглядати як знання, то набуття останніх у БД здійснюється завдяки оновленню даних.

Бази даних – це засіб для впорядкування взаємозв’язаної інформації та уніфікації керування її збереженням. Користувач баз даних може або одержувати інформацію, яка задовольняє деякі вимоги, або додавати нову інформацію.

Основний елемент інформації, що зберігається в базах даних, називається структурою. Кожна структура має кілька атрибутів та відповідних їх значень. Наприклад:                                                      {(<ім’я>, Іванов Іван), (<місце проживання>, область ОО, місто DD, район ХХ, квартал --, номер будинку ++)}.

Ця структура з атрибутами <ім’я> та <місце проживання> містить інформацію про те, що Іванов Іван живе в будинку ++ тощо.

Про структури з однаковою множиною різнотипних даних та однотипною інформацією кажуть, що вони мають один формат. Множину структур з одним форматом називають файлом. Множину файлів – базою даних. У моделі відношень, яка є одним зі способів подання баз даних, структури називають кортежами, а файли – відношеннями. На рис. 18 наведено приклад бази даних. Кожне відношення наведено у вигляді таблиці, кожен рядок якої – структура чи кортеж, а стовпчики – атрибути. БД визначається як множина відношень. Процес вилучення різної специфічної інформації з БД називається пошуком. У моделі відношень для пошуку визначаються процес виділення частини таблиці, процес створення нової через злиття таблиць та інші операції додавання до БД нової інформації, процес заміни старої інформації, існуючої в БД, чи її виключення, останній процес називають оновленням. Створюють мову маніпуляції даними, за допомогою якої можна вільно описувати пошук та оновлення в системі баз даних та вказувати системі керування базами даних, які операції виконувати. Розглянемо запит за прикладом (ЗПП), що є з однією з таких мов, за допомогою якої БД наближається до нескладної БЗ в інтуїтивному розумінні. На рис. 19, а) наведено приклад опису на мові ЗПП пошуку в БД (рис. 18). Використовуючи шаблон відношень, на мові ЗПП можна описати пошук та оновлення. У графі <ім’я> шаблона вписано Д. Іванов, у графі <місце народження> – Київ. Д.” Означає друкувати”, тобто потрібно видати на принтер усі значення колонки <ім’я> в кортежах, одержаних в результаті пошуку. Слова Іванов та Київ виражають умову: якщо в колонці <ім’я> записано Іванов, то в графі <місце народження> цієї самої структури повинно бути Київ. Підкреслювання прізвище Іванов означає наприклад”, це не тільки умова якщо в графі <ім’я>, наприклад, стоїть Іванов, то ця структура задовольняє певні умови”, таким чином Іванов відіграє роль змінної. Київ тут не підкреслено, що відповідає умові <місце народження> – Київ”.

Літера Д.” не в графі <ім’я>, а під назвою відношення студенти” (як на рис. 19,б)) означає вивід усіх атрибутів. На рис. 20, а) у графі <вік> значення більше 20 означає вивід записів, для яких виконується ця умова. На рис. 20, б) одному рядку з Д. Іванов у графі <місце народження> вказано Київ, а в одному рядку з Д. Петров у графі <вік> указано >20”. Це означає пошук студентів, які народились у Києві та/чи мають вік більше 20 років. На рис. 20, в)  записані два рядки: (Д. Іванов, бейсбол) та (Д. Іванов, теніс). Це запит на пошук людей, які цікавляться одночасно бейсболом та тенісом.

Операції, пов’язані зі вставкою (Вс), видаленням (Ви) чи заміною (З) структури в деякому відношенні виконуються при запису в графі з назвою відношення відміток Вс, Ви, З відповідно. На рис. 21, а) указано видалення з відношення студенти” структури про студентів, які старші 20 років. На рис. 21, б) – вставка структури (Сидоров, 18, Харків), а на рис. 21, в) – зміна віку Сидорова на 21 рік.

Якщо БД розглядати як знання, то набуття знань у ній здійснюється завдяки оновленню даних. Тому, яким би не був запит на оновлення від користувача, необхідно перевірити доцільність його виконання. Наприклад, чи слід приймати оновлення, якщо вік людини замінюється на 500 років? Необхідно попереджувати подібні небажані оновлення для того, щоб зберігати практичну цінність інформації, накопиченої в БД. Розглянемо, які оновлення неприйнятні:

  • ті, що не задовольняють обмеження цілісноcті;
  • що призводять до суперечності;
  • надлишкові;
  • оновлення на основі неповної інформації.

У сучасній обчислювальній техніці формат інформації, з якою оперує комп’ютер, а саме формат програм та баз даних, визначається залежно від архітектури комп’ютера. Така інформація має досить низький рівень і є лише малою частиною різноманітної інформації, з якою ми маємо справу в реальному світі. Та навіть її в окремих випадках можна обробити лише на спеціалізованих комп’ютерах. Це означає, що можливості сучасних машин обмежені й вони не можуть обробляти весь об’єм інформації, який потрібен. Для того, щоб комп’ютери могли обробляти дані на більш високому рівні, необхідно удосконалити форму подання інформації. Ця інформація високого рівня чи частина її буде мати настільки загальну форму подання, що її вже можна буде назвати знаннями.

Набуття знань реалізується за допомогою двох функцій: отримання знань ззовні та систематизації існуючих. При цьому, залежно від здібності системи до навчання логічним висновкам, можливі різноманітні форми набуття знань, а також використання різних форм отриманої інформації. Форма подання знань усередині системи різноманітна, тому структура інформації, яку вона може приймати, залежить від здібностей системи щодо формалізації інформації до рівня знань. Якщо система, що може навчатись, зовсім не має такої здібності, то людина має підготувати все необхідне, аж до формалізації інформації; тобто чим вищі здібності машини до логічних виводів, тим менше навантаження на людину.

Функції, необхідні системі, що може навчатись, для набуття знань, розрізняються залежно від її конфігурації. Коли розглядають системи інженерії знань, то вважають, що існує така з конфігурацією, показаною на рис. 22.  

Комп’ютер

 

 

 

 

 

 

 

 

Рис. 22. Базова структура системи обробки знань.

Система включає БЗ та механізми логічних виводів, що використовують ці знання для розв’язання задач. Якщо БЗ доповнюється знаннями про стандартну форму їх подання, то такі знання також можна використати. Отже, від функцій навчання вимагається перетворення отриманої ззовні інформації на знання та поповнення ними БЗ.

Зараз існує теорія, базована на системі продукцій, яка складається з робочої пам’яті, декларативної та пам’яті продукцій, а також на узагальненій моделі мислення людини, що пояснює механізм пам’яті та знань людини, процеси прийняття рішень, навчання та інші аспекти мислення.

Етапи навчання та механізм перетворення  цієї теорії: 

 

Декларативний етап                      Процедурний етап

(declaratіve stage)                           (procedural stage)       

 

  • компіляція знань                                 координація знань

   (knowledge compіlatіon)                   (knowledge tunіng)

  • процедуралізація                                узагальнення

   (proceduralіzatіon)                              (generalіzatіon)

  • композиція                                        розділення

   (composіtіon)                                    (dіscrіmіnatіon)

  • підсилення

                                                          (strengthenіng)

 

Комп’ютери п’ятого покоління повинні максимально використовувати результати у сфері інженерії знань. У цих машинах універсальність має бути досягнута за рахунок подання знань у деякому уніфікованому форматі та створення механізму їх обробки.

Таким чином, очевидно, що майбутнє обчислювальної техніки та міжнародних комунікаційних мереж багато в чому пов’язують із системами, побудованими на знаннях. Отже, засобом подання специфічної інформації в Інтел-АРМ є база знань.

БЗ, яка визначає компетентність Інтел-АРМ, іноді розглядають як сукупність ряду спеціальних наборів даних: інформаційної бази (ІБ), бази правил (БП), бази коментарів (БК).

ІБ – це база фактичних даних у загальноприйнятому розумінні, структура яких характеризується ієрархічною, сітьовою та реляційною організацією, або її подано у вигляді інфологічної, семантичної, ER – моделей, а також тензорні БЗ. Для Інтел-АРМ найбільш зручна реляційна організація даних.

 

      Студен  Прізвище  Вік     Місце          Студен  Прізвище       Хобі

           ти                                   народ-          ти

                                                  ження            

                    Сидоров   19    Вінниця                        Сидоров   теніс

                      Коваль      20    Київ                              Коваль      бейсбол

                      Петров      23    Харків                          Коваль      теніс

                      Іванов       22    Рівне                             Петров      настільний        

                      Павлов      22    Рівне                                               теніс  

                                                                                 Петров     теніс     

                                                                                 Петров     бейсбол   

               Павлов     теніс

Павлов      бейсбол      

б)

 

а)

 

 

 

Рис. 18

 

Сту-денти

Прізвище

Вік

Місце

народ-ження

 

Сту-денти

Прізвище

Вік

Місце народ-ження

 

Д.Іванов

 

 

 

Д.

 

 

Київ

а)                                                                     б)

Рис. 19

 

Сту-денти

Прізвище

Вік

Місце народ-ження

 

Сту-денти

Прізвище

Вік

Місце народ-ження

 

Д.Іванов

>20

 

 

 

Д.Іванов

 

 

 

 

 

 

 

 

Д.Петров

>20

 

а)                                                                     б)

Сту-денти

Прізвище

Хобі

 

Д.Іванов

бейсбол

 

Д.Іванов

теніс

в)

 

Рис. 20

Сту-денти

Прізвище

Вік

Місце народ-ження

 

Сту-денти

Прізвище

Вік

Місце народ-ження

Ви

 

>20

Київ

 

Вс

Сидоров

>18

Харків

а)                                                                  б)

Сту-денти

Прізвище

Вік

Місце народ-ження

З.

Сидоров

21

 

в)

Рис. 21

 

БП – є сукупністю знань фахівця конкретної функціональної сфери і може включати різні типи логічних відношень, а також набір певних правил, інструкцій, формул. До складу БП також можуть входити команди обробки знань (КОЗ), які в сукупності із системою обробки й керування знаннями дозволяють описувати різні знання за допомогою мови подання знань; накопичувати, аналізувати, узагальнювати та зберігати знання; інтерпретувати інформацію, що надходить, в термінах знань, які вже є в системі; виводити знання, неявно представлені в раніш накопичених; здійснювати дружній” інтерфейс між користувачем і знаннями. Іноді БП є складовою трьох баз: відношень, формул, правил.

БК – призначена для надання допомоги в разі виникнення малозрозумілих” ситуацій. Глибина коментаря та підказу регулюється самим користувачем за допомогою програмно-технологічного інструментарію, маніпулювання та інтерпретування інформації (інфра – інформація). БК може бути використана й для навчання користувача при роботі з БЗ. Іноді БК називають системою пояснень, що характеризує інтерфейс між користувачем та системою. БП і БК будуються на принципах модульності, системності, відкритості.

Іноді БЗ розглядають як інструментальну. У такому разі її визначають як організацію програмних засобів, що вміщує та обробляє знання, проте, якщо її саму перетворили на БЗ, орієнтовану на конкретну предметну сферу, конкретну задачу та конкретного користувача. Інстументальна база  має такі знання.

  1. Про зовнішню мову. Спочатку це мова для заповнення структур подання знань у БЗ; у процесі накопичення знань зовнішня мова розширюється через нові можливості й може використовуватися як мова опису завдань, формування запитів тощо.
  2. Про свою структуру, тобто про те, де накопичуються  одержувані знання.
  3. Про алгоритми свого функціонування і в першу чергу – про алгоритми обробки знань і методики наповнення баз знань.
  4. Про дії баз знань (функціональне накопичення для розв’язання задач конкретної предметної сфери).

 

2.7. Перетворення даних на знання

 

Процес перетворення даних на знання можна продемонструвати таким чином:

 

    ДАНІ

  1. Внутрішня інтерпретація
  2. Структурованість (внутрішня, зовнішня)

Активатори

 
  1. Здібність до означення
  2. Масштабування
  3. Заглиблення в простір із семантичною

    метрикою                                

  1. Наявність активності

    ЗНАННЯ

 

Дані - це хаотичний масив інформації певної предметної або проблемної сфери, тобто будівельний матеріал”, що можна перетворити на знання шляхом спеціальних активаторів чи інтерпретаторів (усіх зазначених чи деяких з них).

  1. Внутрішня інтерпретація даних.

Цей підхід реалізовано в реляційних БД та полягає в тому, що дані  в пам’яті ЕОМ зберігаються у вигляді таблиць. Наприклад, нехай у нас є таблиця такого вигляду:

Доки ЕОМ працювала з даними, в її пам’ять уводилась тільки друга частина інформації у вигляді записів масиву:

  Іванов І.І.        1960   Електрик

Петров П.П.    1973   Інженер

і програми могли обробляти такий масив (або окремі записи, чи поля записів) у послідовності, визначеною програмістом. Комп’ютер не міг відповісти на питання: Скільки Іванових працює в закладі на посаді слюсаря?”. В ЕОМ для цього не було інформації.

Таблиця 3

Перша частина

Прізвище

Рік народження

Спеціальність

Друга частина

Іванов І.І.

1960

електрик

 

Петров П.П.

1973

інженер

 

Іванов І.І.

1970

слюсар

 

Ніколаєв Н.Н.

1975

студент

 

Для відповіді на поставлене питання комп’ютер повинен мати засоби, щоб інтерпретувати інформацію. Для цього в пам’ять ЕОМ  уводять першу частину таблиці. Це атрибути чи ключі. Після цього машина знає”, що слюсар - це спеціальність, а Іванов” – прізвище.

Внутрішня інтерпретація даних може задаватись у вигляді  структури, списків, фасет, фреймів тощо.

Наприклад:

Лев                савана, тварина, так;

Слон             тропічні ліси, рослинна їжа, ні;

Миша           у будинках, усеїдна, ні;

Ця інформація характеризується структурою: Тип тварини (наприклад, лев). Де мешкає (у савані). Що вживає (тварин). Чи є хижаком (так, ні) тощо.

  1. Структурованість даних – характеризується виявленням (наявністю) в інформації визначеної структури (внутрішньої та зовнішньої), зв’язків і описом їх у явному вигляді, тобто в знаннях у явній формі описується їх структура.

Для опису структури інформації, що зберігається в ЕОМ, використовують різні засоби. Вважається, що одним із перших засобів опису такої структури було введення в них засобів для відображення родово-видових зв’язків між одиницями інформації. Наприклад, Рослина – дерево”, Відділ – лабораторія”. Такі внутрішні зв’язки відіграють основну роль у інформаційно-пошукових системах для видачі різних довідок, бібліографічних відомостей, анотацій тощо. Це пов’язано з тим, що родово-видові зв’язки дозволяють уникнути  дублювання однакової інформації, економлять пам’ять ЕОМ.

Проте внутрішню структуру знань у базах знань інтелектуальних АРМ можна описувати іншими типами зв’язків. Наприклад, можна використовувати просторові відношення (бути всередині, нагорі тощо) або відношенням типу частина – ціле” (держак молотка,  колесо автомобіля, монітор ПК, блок живлення).

Зовнішня структура зв’язків даних характеризується залежностями між різноманітними структурами, фреймами тощо,  тобто  є системою фреймів чи семантичною мережею.

Наприклад, розглянемо фразу: У київському зоопарку Вася побачив лева та слона”. Це можна зобразити таким чином  (рис. 22).

 

 

 

 

 

 

 

 

Рис. 22. Відношення типу

У Київському зоопарку Вася побачив лева та слона”.

 

Нехай {Rі}, і=1,3 – це множина відносин; тоді R1 – бачити, R2 – існувати одночасно, R3 – знаходитися в. Прямокутник – це слот.

На основі рис. 22 можна збудувати нові відносини (рис. 23).

Тут слоти пов’язані класифікуючими та ситуативними  відношеннями {R4} виду належить до”.

  1. Здібність даних до означення характеризується процесом підстановки конкретних відомостей на заздалегідь підготовлені місця в тих одиницях знань, що обрані у вигляді структури схову знань у пам’яті комп’ютера.

Наприклад, уведемо в пам’ять ЕОМ поняття Відрядження” за допомогою структури, що називається фреймом: /Відрядження (Хто)  (Куди) (Навіщо) (На який термін) (Час виїзду)/. Тут у круглих дужках стоять імена ролей, що визначають вільні для заповнення місця.

Все це означає, що знання на відміну від даних зберігають відомості не про якийсь одиничний і конкретний факт, а інформацію про те, як улаштовані всі факти визначеного типу”, тобто імені будь-якої

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Рис. 23. Модифікація р