Дедуктивный классификатор
Дедуктивный классификатор — это тип искусственного интеллекта механизма вывода . В качестве входных данных он принимает набор объявлений на фреймовом языке о такой области, как медицинские исследования или молекулярная биология. Например, имена классов, подклассов , свойств и ограничений на допустимые значения. Классификатор определяет, являются ли различные объявления логически последовательными, а если нет, то выделяет конкретные несогласованные объявления и несоответствия между ними. Если объявления согласованы, классификатор может затем 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 запускают условия ЕСЛИ-ТО в правилах. Классификаторы также похожи на средства доказательства теорем в том, что они принимают входные данные и выдают выходные данные с помощью логики первого порядка . Классификаторы возникли на основе языков фреймов KL-ONE . Они приобретают все большее значение сейчас, поскольку являются частью технологии, обеспечивающей возможности Семантическая сеть . Современные классификаторы используют язык веб-онтологии . Модели, которые они анализируют и генерируют, называются онтологиями . [1]
История
[ редактировать ]Классической проблемой представления знаний для искусственного интеллекта является компромисс между выразительной силой и вычислительной эффективностью системы представления знаний. Наиболее мощной формой представления знаний является логика первого порядка. Однако невозможно реализовать представление знаний, обеспечивающее полную выразительную мощь логики первого порядка. Такое представление будет включать в себя возможность представлять такие понятия, как набор всех целых чисел, которые невозможно перебрать. Реализация утверждения, квантифицированного для бесконечного множества по определению, приводит к неразрешимой непрерывающейся программе. Однако проблема глубже, чем невозможность реализовать бесконечные множества. Как продемонстрировал Левеск, чем ближе механизм представления знаний подходит к логике первого порядка, тем больше вероятность того, что он приведет к выражениям, для вычисления которых требуются бесконечные или неприемлемо большие ресурсы. [2]
В результате этого компромисса большая часть ранних работ по представлению знаний для искусственного интеллекта включала эксперименты с различными компромиссами, которые обеспечивали подмножество логики первого порядка с приемлемой скоростью вычислений. Одним из первых и наиболее успешных компромиссов была разработка языков, основанных преимущественно на modus ponens , то есть правилах ЕСЛИ-ТО. Системы, основанные на правилах, были преобладающим механизмом представления знаний практически для всех ранних экспертных систем . Системы, основанные на правилах, обеспечивали приемлемую вычислительную эффективность, сохраняя при этом мощное представление знаний. Кроме того, правила были интуитивно понятны работникам умственного труда. Действительно, одним из источников данных, которые побудили исследователей разработать представление знаний на основе правил, были психологические исследования, показавшие, что люди часто представляют сложную логику с помощью правил. [3]
Однако после раннего успеха систем, основанных на правилах, появилось более широкое использование языков фреймов вместо правил или чаще в сочетании с ними. Фреймы обеспечивают более естественный способ представления определенных типов концепций, особенно концепций в иерархиях подразделов или подклассов. Это привело к разработке нового типа машины 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 требовалась формальная основа. Первым языком, успешно продемонстрировавшим классификатор, было семейство языков KL-ONE. Язык LOOM от ISI находился под сильным влиянием KL-ONE. На LOOM также повлияла растущая популярность объектно-ориентированных инструментов и сред. Loom предоставил настоящую объектно-ориентированную возможность (например, передачу сообщений) в дополнение к возможностям языка фреймов. Классификаторы играют важную роль в концепции Интернета следующего поколения, известного как семантическая сеть. Язык веб-онтологии предоставляет формализм, который можно проверить и обосновать с помощью таких классификаторов, как Hermit и Fact++. [4]
Реализации
[ редактировать ]
Самые ранние версии классификаторов были устройствами доказательства логических теорем . Первым классификатором, работавшим с языком фреймов, был классификатор KL-ONE . [5] [6] Более поздней системой, построенной на Common Lisp, была LOOM от Института информационных наук. LOOM предоставил настоящие объектно-ориентированные возможности, используя объектную систему Common Lisp, а также язык фреймов. [7] В семантической сети инструмент Protege из Стэнфорда предоставляет классификаторы (также известные как средства рассуждения) как часть среды по умолчанию. [8]
Внешние ссылки
[ редактировать ]Ссылки
[ редактировать ]- ^ Бернерс-Ли, Тим ; Хендлер, Джеймс; Лассила, Ора (17 мая 2001 г.). «Семантическая сеть. Новая форма веб-контента, имеющая смысл для компьютеров, откроет революцию новых возможностей» . Научный американец . 284 (5): 34–43. doi : 10.1038/scientificamerican0501-34 . Архивировано из оригинала 24 апреля 2013 года.
- ^ Левеск, Гектор; Рональд Брахман (1985). «Фундаментальный компромисс в представлении и рассуждении знаний» . В Рональде Брахмане и Гекторе Дж. Левеске (ред.). Чтение в представлении знаний . Морган Кауфманн. п. 49 . ISBN 978-0-934613-01-9 .
Хорошей новостью при сведении службы КР к доказательству теорем является то, что теперь у нас есть очень четкое и очень конкретное представление о том, что должна делать система КР; Плохая новость заключается в том, что также очевидно, что услуги не могут быть предоставлены... решить, является ли предложение в FOL теоремой... неразрешимо.
- ^ Хейс-Рот, Фредерик; Уотерман, Дональд; Ленат, Дуглас (1983). Построение экспертных систем . Аддисон-Уэсли. стр. 6–7 . ISBN 978-0-201-10686-2 .
- ^ МакГрегор, Роберт (1994). «Описательный классификатор исчисления предикатов» (PDF) . АААИ Дело -94 . Проверено 17 июля 2014 г.
- ^ Вудс, Вашингтон ; Шмольце, Дж. Г. (1992). «Семья KL-ONE». Компьютеры и математика с приложениями . 23 (2–5): 133–177. дои : 10.1016/0898-1221(92)90139-9 .
- ^ Брахман, Р.Дж. ; Шмольце, Дж. Г. (1985). «Обзор системы представления знаний KL-ONE» . Когнитивная наука . 9 (2): 171–216. дои : 10.1207/s15516709cog0902_1 .
- ^ МакГрегор, Роберт (июнь 1991 г.). «Использование классификатора описания для улучшения представления знаний». Эксперт IEEE . 6 (3): 41–46. дои : 10.1109/64.87683 . S2CID 29575443 .
- ^ «Protege Wiki: Резонаторы, интегрируемые с Protege» . Стэнфордский университет . Проверено 19 июля 2014 г.