Интеллектуальные системы

Продукционные модели
Модели представления знаний – это одно из важнейших направлений исследований в области искусственного интеллекта. Почему одно из важнейших? Да потому, что без знаний искусственный интеллект не может существовать в принципе. Действительно, представьте себе человека, который абсолютно ничего не знает. Например, он не знает даже таких элементарных вещей как:для того, чтобы не умереть от голода, необходимо периодически есть;необязательно из одного края города в другой идти пешком, если для этих целей можно воспользоваться общественным транспортом.Таких примеров удастся привести еще много, но уже сейчас можно легко ответить на следующий вопрос: «Поведение такого человека может считаться разумным?». Конечно же, нет.
Именно поэтому, при создании систем искусственного интеллекта особенное внимание уделяется моделям представления знаний.На сегодняшний день разработано уже достаточное количество моделей. Каждая из них обладает своими плюсами и минусами, и поэтому для каждой конкретной задачи необходимо выбрать именно свою модель. От этого будет зависит не столько эффективность выполнения поставленной задачи, сколько возможность ее решения вообще.Продукционные модели. Эти модели представления знаний основаны на правилах (от англ. Production). Продукционные правила (продукции) задаются в виде следующих выражений:• ЕСЛИ условие ТО действие;• ЕСЛИ причина ТО следствие;• ЕСЛИ ситуация ТО решение.Иначе говоря, если выполняется условие, то следует выполнить определенное действие, либо если условие верно, то верно и решение и т.д.
Причем продукционные модели возможно реализовать и процедурно, и декларативно. Если рассматривать процедурные системы, то они включают три компонента:• базу данных;• некоторое количество продукционных правил (например, состоящих из условий и действий);• программу-интерпретатор, последовательно определяющую, какую или какие из продукций необходимо активировать в зависимости от того, какие условия в них содержатся. В БД содержатся хорошо известные факты выбранной предметной области.В продукциях (или продукционных правилах) содержатся специфические знания объекта исследования (предметной области) о том, что еще необходимо учесть (какие дополнительные факты), а также есть ли специфические данные в БД. У систем искусственного интеллекта, основанных на продукционных моделях представления знаний, имеется существенная особенность. Здесь правила и интерпретатор представляют собой неизменную составляющую, а база данных изменяется.

Использованные источники
1. А.В. Андрейчиков, О.Н. Андрейчикова. Интеллектуальные информационные системы.2. Емельянов, С.В. Искусственный интеллект и принятие решений: МЕТОДЫ РАССУЖДЕНИЙ И ПРЕДСТАВЛЕНИЯ ЗНАНИЙ. ПРИОБРЕТЕНИЕ ЗНАНИЙ. ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ И ТЕХНОЛОГИИ. АНАЛИЗ РЕШЕНИЙ. / С.В. Емельянов. - Москва: Мир, 2014. - 989 c.3. Жариков О.Г., Литвин А.А., Ковалев В.А. Экспертные системы в медицине / О.Г. Жариков, А.А. Литвин, В.А. Ковалёв Медицинские новости. – 2008. – №10. – С. 15-18.4. Питер Джексон. Введение в экспертные системы. Электронный ресурс. URL: https://nsu.ru/xmlui/bitstream/handle/nsu/9053/Jackson-2001.pdf?sequence=1&isAllowed=y5. Пример экспертной системы. Электронный ресурс. URL: https://habr.com/ru/sandbox/32843/