Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску

Дедуктивным классификатор представляет собой тип искусственного интеллекта механизма логического вывода . В качестве входных данных он принимает набор деклараций на языке фреймов о такой области, как медицинские исследования или молекулярная биология. Например, названия классов, подклассов, свойства и ограничения на допустимые значения. Классификатор определяет, являются ли различные объявления логически последовательными, и, если нет, выделит конкретные несогласованные объявления и несоответствия между ними. Если объявления согласованы, классификатор может утверждать дополнительную информацию на основе входных данных. Например, он может добавлять информацию о существующих классах, создавать дополнительные классы и т. Д. Это отличается от традиционных механизмов вывода, которые запускаются по условиям IF-THEN в правилах. Классификаторы также похожи на средства доказательства теорем в том, что они принимают в качестве входных данных и производят выходные данные с помощью логики первого порядка . Классификаторы возникли с языками KL-ONE Frame. Они становятся все более значимыми сейчас, когда они являются частью поддерживающей технологии Семантической паутины . Современные классификаторы используют язык веб-онтологий . Модели, которые они анализируют и генерируют, называются онтологиями . [1]

История [ править ]

Классическая проблема представления знанийдля искусственного интеллекта это компромисс между выразительной силой и вычислительной эффективностью системы представления знаний. Самая мощная форма представления знаний - это логика первого порядка (FOL). Однако невозможно реализовать представление знаний, которое обеспечивает полную выразительную силу логики первого порядка. Такое представление будет включать возможность представления таких понятий, как набор всех целых чисел, которые невозможно перебрать. Реализация утверждения, количественно оцененного для бесконечного множества по определению, приводит к неразрешимой незавершенной программе. Однако проблема глубже, чем невозможность реализовать бесконечные множества. Как продемонстрировал Левеск, чем ближе механизм представления знаний к FOL,тем более вероятно, что это приведет к выражениям, требующим бесконечных или неприемлемо больших ресурсов для вычисления.[2]

В результате этого компромисса большая часть ранних работ по представлению знаний для искусственного интеллекта включала эксперименты с различными компромиссами, которые обеспечивают подмножество FOL с приемлемой скоростью вычислений. Одним из первых и наиболее успешных компромиссов была разработка языков, основанных преимущественно на modus ponens , то есть правила IF-THEN. Системы на основе правил были преобладающим механизмом представления знаний практически для всех ранних экспертных систем.. Системы на основе правил обеспечивали приемлемую вычислительную эффективность, но при этом обеспечивали мощное представление знаний. Кроме того, правила были интуитивно понятны работникам умственного труда. Действительно, одним из моментов, побудивших исследователей разработать представление знаний на основе правил, было психологическое исследование, в котором люди часто представляли сложную логику через правила. [3]

Однако после раннего успеха систем, основанных на правилах, возникло более широкое использование языков фреймов вместо или чаще в сочетании с правилами. Фреймы обеспечивают более естественный способ представления определенных типов концепций, особенно концепций в иерархиях подразделов или подклассов. Это привело к разработке нового типа механизма вывода, известного как классификатор. Классификатор может анализировать иерархию классов (также известную как онтология ) и определять, действительна ли она. Если иерархия недействительна, классификатор выделит несогласованные объявления. Чтобы язык мог использовать классификатор, ему требовалось формальное основание. Первым языком, успешно продемонстрировавшим классификатор, была группа языков KL-ONE. Язык LOOMот ISI находился под сильным влиянием KL-ONE. На LOOM также повлияла растущая популярность объектно-ориентированных инструментов и сред. В дополнение к возможностям языка фреймов Loom обеспечивал истинно объектно-ориентированные возможности (например, передачу сообщений). Классификаторы играют важную роль в видении Интернета следующего поколения, известном как семантическая сеть. Язык веб-онтологий предоставляет формализм, который можно проверить и обосновать с помощью классификаторов, таких как Hermit и Fact ++. [4]

Реализации [ править ]

Редактор онтологий Protege

Самые ранние версии классификаторов были устройствами доказательства логических теорем . Первым классификатором, работающим с языком фреймов, был классификатор KL-ONE . [5] [6] Более поздней системой, построенной на обычном lisp, была LOOM от Института информатики. LOOM предоставил истинно объектно-ориентированные возможности, используя объектную систему Common Lisp вместе с языком фреймов. [7] В семантической паутине инструмент Protege из Стэнфорда предоставляет классификаторы (также известные как механизмы рассуждений) как часть среды по умолчанию. [8]

Внешние ссылки [ править ]

Ссылки [ править ]

  1. ^ Бернерс-Ли, Тим; Хендлер, Джеймс; Лассила, Ора (17 мая 2001 г.). «Семантическая паутина. Новая форма веб-контента, значимая для компьютеров, откроет революцию новых возможностей» . Scientific American . 284 (5): 34–43. DOI : 10.1038 / Scientificamerican0501-34 . Архивировано из оригинального 24 апреля 2013 года .
  2. ^ Левеск, Гектор; Рональд Брахман (1985). «Фундаментальный компромисс в представлении знаний и рассуждении» . В Рональде Брахмане и Гекторе Дж. Левеке (ред.). Чтение в представлении знаний . Морган Кауфманн. п. 49 . ISBN 978-0-934613-01-9. Хорошая новость в сведении обслуживания KR к доказательству теорем состоит в том, что теперь у нас есть очень четкое, очень конкретное представление о том, что должна делать система KR; Плохая новость заключается в том, что также ясно, что услуги не могут быть предоставлены ... решить, является ли предложение в FOL теоремой ... неразрешимо.
  3. ^ Хейс-Рот, Фредерик; Уотерман, Дональд; Ленат, Дуглас (1983). Построение экспертных систем . Эддисон-Уэсли. С.  6–7 . ISBN 978-0-201-10686-2.
  4. ^ МакГрегор, Роберт (1994). «Описательный классификатор для исчисления предикатов» (PDF) . AAAI - 94 заседания . Проверено 17 июля 2014 года .
  5. ^ Вудс, Вашингтон ; Шмольце, JG (1992). «Семья KL-ONE». Компьютеры и математика с приложениями . 23 (2–5): 133–177. DOI : 10.1016 / 0898-1221 (92) 90139-9 .
  6. ^ Брахман, RJ ; Шмольце, JG (1985). «Обзор системы представления знаний KL-ONE» . Когнитивная наука . 9 (2): 171–216. DOI : 10,1207 / s15516709cog0902_1 .
  7. ^ МакГрегор, Роберт (июнь 1991 г.). «Использование классификатора описания для улучшения представления знаний». Эксперт IEEE . 6 (3): 41–46. DOI : 10.1109 / 64.87683 .
  8. ^ «Protege Wiki: Reasoners, которые интегрируются с Protege» . Стэнфордский университет . Проверено 19 июля 2014 года .