Нечёткие знания в экспертных системах

При разработке ИИС знания о конкретной предметной области, для которой создаётся система, редко бывают полными и абсолютно достоверными. Знания, которыми заполняются ЭС, получаются в результате опроса экспертов, мнения которых субъективны. Даже числовые данные, полученные в ходе экспериментов, имеют статистические оценки достоверности, надёжности, значимости и так далее.

Смысл термина нечёткость многозначен. Основными компонентами нечётких знаний можно считать следующие понятия[2]:

· недетерминированность выводов;

· многозначность;

· ненадёжность;

· неполнота;

· неточность.

Недетерминированность выводов - это характерная черта большинства систем ИИ. Недетерминированность означает, что заранее путь решения конкретной задачи в пространстве её состояний определить невозможно. Поэтому методом проб и ошибок выбирается некоторая цепочка логических заключений, а в случае если она не приводит к успеху, организуется перебор с возвратом для поиска другой цепочки. Для решения подобных задач предложено множество эвристических алгоритмов, например, алгоритм А*[3].

Многозначность интерпретации – обычное явление в задачах распознавания графических образов, понимания естественного языка. Устранение многозначности достигается с помощью циклических операций фильтрации.

Ненадёжность знаний и выводов означает, что для оценки их достоверности нельзя применить двухбалльную шкалу (1 – абсолютно достоверные; 0 – недостоверные знания). Для более тонкой оценки применяется вероятностный подход, основанный на теореме Байеса, использование коэффициентов уверенности, использование нечётких выводов на базе нечёткой логики.

Неполнота знаний и немонотонная логика. При добавлении знаний в БЗ возникает опасность получения противоречивых выводов, если система знаний не является полной. Как известно, формальная логическая система, основанная на логике предикатов первого порядка, является полной, при этом новые факты не нарушают истинность ранее полученных выводов. Это свойство логических выводов называется монотонностью. К сожалению, реальные знания в ЭС редко бывают полными, поэтому в качестве средств обработки неполных знаний, для которых необходимы немонотонные выводы, разрабатываются методы немонотонной логики. Известна немонотонная логика Макдермотта и Доула, логика умолчания Рейтера, немонотонная логика Маккарти. Для организации логических выводов в интеллектуальных системах с неполными знаниями вместо традиционной дедукции применяется абдукция. Абдукцией называется процесс формирования объясняющей гипотезы на основе заданной теории и имеющихся наблюдений (фактов).

Неточность знаний. Числовые данные могут быть неточными, при этом существуют оценки такой неточности (доверительный интервал, уровень значимости, степень адекватности и так далее). Лингвистические знания тоже могут быть неточными. Для учёта неточности лингвистических знаний используются нечёткая логика и нечёткие выводы, основанные на теории нечётких множеств, предложенной Л.Заде в 1965 году.