Типы знаний: 1) процедурные (отношения между процессами и их свойствами, процессами и процессами, процессами и объектами); 2) декларативные (отношение объект--свойство либо объект--объект). 1.2.1. МПЗ на базе фактов и правил Квант МПЗ --- правило: ЕСЛИ <условие> ТО <действие> Первая интеллектуальная система --- MYCIN (400 правил). Кv0ЕСЛИ Кv1<условие> ТО Кv2<действие> Источники знания: 1) набор собственной статистики; 2) из головы опытного профессионала. Уровни обоснованности доказательства: 1) информационный; 2) обоснование; 3) гипотеза. | ^ 0,8 O 0,2 | - /---/ \---\ | | O O | | / \ 0.5/ \0.5 | | O O O O - | / \ / \ / \ / \ v | O O O O O O O O ~~~~~~~~~~~~~~~~~~~~~~~ (SIGMA)vi(SIGMA)vj Последовательная подстановка известных исходных данных в правила, описывающие конкретную предметную область, порождает цепочку логического вывода. Вывод может быть как прямой, так и обратный: от причин к следствиям или от следствий к причинам. ТИПОВАЯ СТРУКТУРА ЭКСПЕРТНОЙ СИСТЕМЫ +---------------------+ v v +-+ ----- +--------+ | | |-----| |Редактор| |И|<->| БД |<-+ +>| БЗ | | | ----- | | +--------+ | | | | +------+ | | ----- +-)>|МАШ-НА| |П| |-----|<---+ |ЛОГ-ГО| | |<->| БЗ |<---->|ВЫВОДА| +-+ ----- +------+ ^ ^ +--------------------+ Формальные признаки оценки МПЗ: 1) элемент знания (правило), лежащий в основе этой МПЗ, очень прост и занимает небольшой объём памяти при хранении; 2) МПЗ обладает высокой универсальностью и может использоваться для описания различных предметных областей; 3) с точки зрения наглядности модель следует оценить очень высоко; 4) способность к обучению и самообучению: модель не обладает специальными встроенными механизмами обучения и самообучения, для этого нужно разрабатывать специальные алгоритмические блоки; 5) сложность разработки: модель достаточно удобная для проектирования реальных систем, но требует специальной подготовки разработчиков;