2. Продукционные модели

Продукционные модели - это наиболее распространенные на текущий день модели представления знаний, где знания описываются с помощью правил «если-то» (явление → реакция) и представляются а виде:

«ЕСЛИ условие (антецедент) ТО действие (консеквент)».

Под условием понимается некоторое предложение-образец, по которому осуществляется поиск в базе знаний, а под действием – набор действий, выполняемых при успешном исходе поиска. Внутри консеквента могут также генерироваться и добавляться в базу новые факты, которые были получены в результате вычислений или взаимодействия с пользователем.

При использовании таких моделей у систем, основанных на знаниях, имеется возможности:

• применения простого и точного механизма использования знаний;

• представления знаний с высокой однородностью, описываемых по единому синтаксису.

Программные средства, оперирующие со знаниями, представленными правилами, получили название продукционных систем (или систем продукции) и впервые были предложены Постом в 1941 году. Продукция в системе Поста имеет следующую схему:

,

где t₁, t₂, ..., t_n – это посылки, а t – представляет собой заключение.

Применение схемы Поста основывается на подстановке цепочек знаков (символов) вместо переменных. Причем вместо вхождения одной и той же переменной подставляется одна и та же цепочка знаков (символов).

Общим для систем продукций является то, что они состоят из трех основных элементов:

1. Набора правил, используемых как база знаний (БЗ), который чаще всего называют базой правил.

2. Рабочей памяти, где хранятся фактические данные (предпосылки, образцы), касающиеся отдельных задач, а также результаты выводов, получаемых на основе этих предпосылок (динамическая база данных - ДБД).

3. Механизма логического вывода, использующего правила в соответствии с содержимым рабочей памяти.

Что касается правил в системах продукций, то они отражают содержимое рабочей памяти. В условной части любого правила находятся либо одиночные факты, либо несколько условий, соединенных предлогом «И».

Заключительную часть правил представляют собой образцы, которые система будет дополнительно регистрировать в своей рабочей памяти при возможности сопоставление условной части правила с текущим содержимым рабочей памяти системы.

После того, как в рабочую память будут записаны все исходные образцы (факты), а в базу правил – все правила, описывающие исследуемую предметную область, у системы продукций появляется возможность в использовании встроенного в нее механизма вывода, который будет рассматривать возможность применения этих правил.

Для этого механизм вывода сопоставляет образцы из условной части правила с образцами, хранимыми в рабочей памяти. Если все образцы имеются в рабочей памяти, условная часть считается истинной, в противном случае – ложной.

Следует отметить, что существует различные алгоритмические реализации механизма функционирования систем продукции. Рассмотрим два из наиболее характерных и наиболее часто используемых подходах к реализации механизма вывода в системах продукции: прямую и обратную цепочки рассуждений в системе продукций.

В процессе реализации механизма прямого логического вывода проводится:

• многократный просмотр содержимого базы правил;

• последовательное применение правил на основе предварительно записанного содержимого рабочей памяти;

• дополнение данных, помещаемых в рабочую память.

В прямых выводах выбирается один из элементов данных, содержащихся в базе правил – левая часть правила (посылка), и если при сопоставлении с образцами из ДБД этот элемент согласуется с одним из образцов, то из правила выводится соответствующее за­клю­че­ние и помещается в ДБД или исполняется действие, определяемое пра­вилом.

Способ, при котором на основании фактов исследуется возможность применения правила, пригодного для подтверждения, называется обратным выводом (обратная цепочка рассуждений).

В обратных выводах процесс начинается от поставленной цели. Если эта цель согласуется с правой частью правила (заключением), то посылка правила принимается за подцель или гипотезу. Этот процесс повторяется до тех пор, пока не будет получено совпадение подцели с данными в рабочей памяти.

При большом числе продукций в продукционной модели усложняется проверка непротиворечивости системы продукций, то есть множества правил. Поэтому число продукций, с которыми работают современные системы искусственного интеллекта, как правило, не превышает тысячи.