Московский государственный университет путей сообщения
Опубликован: 12.09.2011 | Доступ: свободный | Студентов: 3880 / 394 | Оценка: 4.67 / 4.33 | Длительность: 18:55:00
Специальности: Программист
Лекция 10:

Логическое программирование нейронной сети на базе языка ПРОЛОГ

< Лекция 9 || Лекция 10: 12 || Лекция 11 >
Аннотация: Демонстрируется высокая эффективность применения логических нейронных сетей при логическом выводе на основе языка ПРОЛОГ. Цели экспериментального дедуктивного вывода дополняют фактографическую базу знаний. Однако формализация исследований этой базы знаний с помощью логической нейронной сети позволяет реализовать зачатки индуктивного мышления, т.е. дополнения понятийной базы знаний новыми правилами вывода.
Ключевые слова: искусственный интеллект, парадигма, формализация знаний, модель представления знаний, база знаний, БЗ, дедукция, логический вывод, логическое программирование, ПРОЛОГ, извлечение знаний, интерполяция, оптимальная стратегия, базы данных, ПО, мышление, Лисп, экспертная система, алгоритмический язык, операции, поле, предикат, высказывание, вывод, прием трансформации цели, унификация, фрейм, коллизия, вход в процедуру, ветвление, связывание, backtraking, распараллеливание, backtracking, &-параллелизм, логическая функция, нечеткая логика, множества, передаточная функция, матрица следования, сеть, нейросеть, синапсическая связь, вес, фактографическая нейросеть, понятийная нейросеть, Дополнение, рецепторный слой, рецептор, функция активации, нейрон, выходной слой, непротиворечивость, кабель, анализ, статическая цепочка, правило вывода, гипотеза, фактографическая база знаний , логическая нейронная сеть, понятийная база знаний , нейронная сеть

Парадигмы искусственного интеллекта

Образование есть то, что остается после того, когда забывается все, чему нас учили.

А. Эйнштейн

В основе стратегий искусственного интеллекта (ИИ) лежит понятие парадигмы - взгляда, концептуального представления сути проблемы или задачи и подхода к ее решению. Рассматривают две парадигмы ИИ.

Парадигма эксперта. Эта парадигма предполагает следующие объекты, а также этапы разработки и функционирования системы ИИ:

  1. Формализация знаний - преобразование экспертом проблемного знания в форму, предписанную выбранной моделью представления знаний.
  2. Формирование базы знаний (БЗ) - вложение формализованных знаний в программную систему.
  3. Дедукция - решение задачи логического вывода на основе БЗ.

Эта парадигма лежит в основе применения экспертных систем, систем логического вывода, в том числе на языке логического программирования ПРОЛОГ. Считается, что системы на основе этой парадигмы изучены в большей степени.

Парадигма ученика. Эта парадигма включает следующие положения и последовательность действий.

  1. Обработка наблюдений, изучение опыта частных примеров - формирование базы данных (БД) системы ИИ.
  2. Индуктивное обучение - превращение БД в базу знаний (БЗ) на основе обобщения знаний, накопленных в БД, и обоснование процедуры извлечения знаний из БЗ. Это означает, что на основе данных мы делаем вывод об общности той зависимости между объектами, которую мы наблюдаем. Основное внимание здесь уделяется изучению аппроксимирующих, вероятностных и логических механизмов получения общих выводов из частных утверждений. Затем мы можем обосновать, например, достаточность процедуры обобщенной интерполяции (экстраполяции), или процедуры ассоциативного поиска, с помощью которой будем удовлетворять запросы к БЗ.
  3. Дедукция - по обоснованной или предполагаемой процедуре мы выбираем информацию из БЗ по запросу (например, - оптимальную стратегию управления по запросу, характеризующему сложившуюся ситуацию).

Считается, что исследования и разработка в рамках этой парадигмы проведены пока слабо, хотя она лежит в основе построения самообучающихся систем управления. Чем база знаний, общий и обязательный элемент системы ИИ, отличается от базы данных? Возможностью логического вывода! Мозг является и носителем базы знаний, и средством логического вывода на ее основе. И это независимо от того, по какой парадигме мы организовали свое мышление, то есть, каким способом мы заполняем базу знаний, - учимся!

ПРОЛОГ-программа

Следуя различными путями дедуктивного и индуктивного мышления, осуществляя различные парадигмы обучения, человек стремился автоматизировать логику мышления, немыслимую без формализации. Продуктом этой деятельности явились такие языки логического вывода, как ЛИСП и ПРОЛОГ. Язык ПРОЛОГ [13] следует считать венцом усилий по автоматизации логического вывода, эффективно описывающего, в частности, экспертные системы.

ПРОЛОГ представляет базу знаний как совокупность фактов и правил (вывода). Процедурная структура позволяет включать конструкции любых других алгоритмических языков. То есть, он является логической надстройкой, сублимирующей лишь операции логического вывода. Формулируется цель логического вывода, и если она не противоречива, выявляются факты, из которых эта цель следует.

И сознавая, что Природа создала единственное средство мышления — мозг, мы снова и снова пристально раздумываем, как же реализовать то, что гениально воплощено в языке логического программирования ПРОЛОГ?

… Представьте себе село, затерянное в далекой таежной глуши. Навечно изолированные от Большой Жизни, его обитатели долгими зимними вечерами, в перерывах благотворного интеллектуального напряжения игры "Тигра идет", в сумраке демократических потугов вооружившись мозолистыми кулаками, выясняют степень взаимного родства.

И тут являетесь Вы! Словно светоч озарения, сосланный за непримиримость свободолюбивых устремлений, Вы, наконец, находите для себя непаханое поле действительно яркой деятельности, полной гуманизма и самопожертвования. Вы решаетесь положить конец сомнениям, и подобно искусному укротителю, внедряете важные элементы государственного акта переписи населения…

Рассмотрим упрощенную задачу в виде ПРОЛОГ-программы, содержащую все характерные элементы решения проблемы удовлетворения (сложной) цели на основе лишь фрагмента базы знаний (БЗ), содержащего факты и правила.

Факты — клозы (отдельные предикаты-высказывания принято называть клозами), которые не содержат правых частей, правила — клозы, которые содержат правые части; одноименные факты и правила объединяются в процедуры.

База знаний

Процедура "мужчина":

мужчина (иван) 
мужчина (василий) 
мужчина (петр) 
мужчина (федор) 
мужчина (юрий)

Процедура "женщина":

женщина (марья) 
женщина (ирина) 
женщина (ольга) 
женщина (елена)

Процедура "родитель":

родитель (марья, иван)     (Читать: "Марья — родитель Ивана") 
родитель (иван, елена) 
родитель (марья, василий) 
родитель (федор, марья) 
родитель (петр, ирина) 
родитель (петр, иван) 
родитель( федор, юрий)

Процедура "мать":

мать (X, Y): —  женщина (X), родитель (X, Y)

Процедура "отец":

отец (X, Y): —  мужчина(X), родитель (X, Y)

Процедура "брат":

брат (X, Y): — мужчина (X), родитель (P,X), родитель (P, Y), X<>Y

Процедура "сестра":

сестра (X, Y): — женщина(X), родитель(P, X), родитель (P, Y), X<>Y

Процедура "дядя":

дядя (X,Y): — брат (X, P), родитель (P, Y)

Пусть задана некоторая сложная (т.е. опирающаяся не на факт, а требующая вывода) цель, с которой мы обратились в эту БЗ, например:

дядя (X, Y)     (запись цели образует фрейм),

и ее решение (вывод) заключается в нахождении всех пар переменных (имен объектов) X и Y, для которых справедливо утверждение "X является дядей Y".

Для решения такой задачи используется прием трансформации цели, который заключается в рекурсивном переборе различных вариантов подстановки вместо предикатов, составляющих сложную цель, фактов или правых частей клозов соответствующих процедур. Производится фиксация варианта связывания переменных и унификация, при которой отбрасываются несовместимые варианты связывания, противоречащие фактам. Варианты связывания всех переменных, прошедшие все этапы унификации, являются решением.

То есть, для решения данной задачи необходимо действовать следующим образом.

Находим первый (а он и единственный) предикат цели дядя (X, Y). Находим в БЗ процедуру с этим именем и заменяем найденный предикат правой частью этой процедуры. Получим трансформированную цель — фрейм

брат (X, P), родитель (P, Y).

К первому предикату этого фрейма применяем аналогичные действия, получаем фрейм

мужчина(X), родитель(Q, X), родитель(Q, P), X<>P, родитель(P,Y)

(Во избежание коллизии, развивая фрейм цели, вводим новые переменные, отличные от тех, которые до того уже были использованы.)

Вновь входим в процедуру с именем первого предиката цели. Начинаем первый уровень ветвления. А именно, первый клоз процедуры — факт мужчина (иван). С его помощью производим первое связывание переменных, т.е. подстановку конкретного значения. Предикат цели, породивший факт, т.е. это связывание, может быть исключен из трансформируемой цели, т.е. заменен своей "пустой" правой частью:

родитель (Q, иван), родитель (Q, P), иван <>P, родитель(P,Y).

Обращаемся к процедуре "родитель", начиная второй уровень ветвления. Первый клоз этой процедуры родитель (марья, иван) определяет дальнейшее связывание переменных:

родитель (марья, Р), иван <> P, родитель (P, Y).

Вновь входим в процедуру "родитель" (третий уровень ветвления), находим клоз родитель (марья, иван). Трансформируем цель — получаем новый фрейм:

иван <> иван, родитель (иван, Y).

Получаем противоречие, т.е. не проходит унификация.

Ищем на данном шаге ветвления другой вариант связывания, находим следующий клоз

родитель (марья, василий).

Трансформируем цель:

иван <> василий, родитель (василий, Y)   →    родитель (василий, Y).

Вновь входим в процедуру "родитель", но не находим там клоза, в котором василий указан как чей-либо родитель. Т.е. вновь не проходит унификация — установление совместимости варианта связывания переменных.

Возвращаемся на шаг ветвления назад. (Реализуем стратегию поиска с ветвлением и возвращением назад — "backtraking".) На втором уровне ветвления пробуем клоз, в котором иван указан как сын: родитель (петр, иван). Цель трансформируется в следующий фрейм

родитель (петр, Р), иван <> P, родитель (P, Y).

Вновь (на третьем уровне ветвления) обращаемся к процедуре "родитель" и выбираем первый клоз, в котором петр указан как отец — родитель (петр, ирина).

Цель трансформируется:

иван <> ирина, родитель (ирина, Y)     →     родитель (ирина, Y).

Входим в процедуру "родитель", но не находим там клоза, в котором ирина указана как родитель. (Не проходит унификация.)

Возвращаемся на второй уровень ветвления и не находим там больше клозов, где иван указан как сын. Возвращаемся на первый уровень ветвления и в процедуре "мужчина" выбираем для последующего испытания следующий клоз мужчина (василий).

Цель принимает вид фрейма

родитель (Q, василий), родитель (Q, P), василий <> Р, родитель (P, Y).

Теперь на втором уровне ветвления находим первый (и единственный) клоз, в котором василий указан как сын. Цель трансформируется в соответствии с новым связыванием переменных, обусловленным найденным клозом родитель (марья, василий):

родитель (марья, Р), василий <> P, родитель (P, Y).

На третьем уровне ветвления находим первый клоз, где марья — родитель: родитель (марья, иван). Связываем тем самым переменные, цель трансформируется:

василий <> иван, родитель (иван, Y)     →     родитель (иван, Y).

Находим в процедуре "родитель" первый клоз, в котором иван указан как родитель — родитель (иван, елена). Цель выродилась, значит

дядя (X, Y) = дядя (василий, елена) — одно из решений задачи.

Продолжив перебор так, словно на данном шаге унификация не прошла, можно найти остальные решения: дядя (юрий, иван), дядя (юрий, василий).

В основе распараллеливания решения этой задачи лежит способ размножения вариантов на основе трансформации цели. Способ обеспечивает отсутствие " backtracking 'а" (ветвление есть, а возврата назад нет), простоту самой процедуры вывода, возможность неограниченного использования ИЛИ-параллелизма (одновременной независимой обработки многих вариантов связывания переменных), конвейерную реализацию И-параллелизма (распараллеливания обработки одного варианта связывания переменных на конвейере, т.к. каждый раз обрабатывается лишь первый предикат каждого фрейма).

Однако представляется, что нейросетевая технология, основанная на естественном параллелизме, может оказаться эффективной.

< Лекция 9 || Лекция 10: 12 || Лекция 11 >
Кирилл Артамонов
Кирилл Артамонов

"Тогда как задать возбуждение рецепторов, если инспектор точно установил, что скорость автомобиля при наезде на пешехода была равна 114 км/час?
По-видимому, он рассуждает на основе близости скорости к границам указанного интервала: "Достоверность того, что скорость автомобиля составляет 100 км/час, я найду как (114 – 100):(120 – 100), а достоверность того, что скорость автомобиля составляет 120 км/час, я найду как (120 – 114):(120 – 100). Следует обратить внимание на то, что сумма найденных достоверностей равна единице."

Вопрос по расчёту скорости и сумме достоверности: этот математический (приведенный выше в виде контекста из материала лекции 1, страницы 3) метод справедлив к скоростным показателям выходящим за рамки диапазона 100-120. 
То есть, практически применяв к расчёту, скорости из диапазона 114-155, к диапазону 100-120, получал в результате суммирования достоверностей единицу.
Это похоже на то, как я видимые разные скоростные показатели своим рецептором, буду воспринимать линейно с помощью одного диапазона, так как он универсален. 
Правильно ли это ? 
И как манипулировать данными показателями, если есть универсальный диапазон, по результату выводящий в сумме постоянно единицу на разных скоростных показателях стремящегося.

Владислав Гладышев
Владислав Гладышев

А как проходить курс ? я же могу прямо сейчас все лекции прочитать и здать экзамен, к чему там даты ?