Дедуктивный классификатор - Deductive classifier

А дедуктивный классификатор это тип искусственный интеллект Механизм логического вывода. Он принимает в качестве входных данных набор объявлений в язык фреймов о такой области, как медицинские исследования или молекулярная биология. Например, имена классы, подклассы, свойства и ограничения на допустимые значения. Классификатор определяет, являются ли различные объявления логически последовательными, и, если нет, выделяет 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 на входе и производят вывод через Логика первого порядка. Классификаторы возникли с KL-ONE Языки фреймов. Сейчас они становятся все более значимыми, поскольку они являются частью обеспечивающих технологий Семантическая сеть. Современные классификаторы используют Язык веб-онтологий. Модели, которые они анализируют и генерируют, называются онтологии.[1]

История

Классическая проблема в представление знаний для искусственного интеллекта это компромисс между выразительной мощностью 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 программе без завершения. Однако проблема глубже, чем невозможность реализовать бесконечные множества. Как продемонстрировал Левеск, чем ближе механизм представления знаний к FOL, тем больше вероятность того, что он 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 ЕСЛИ-ТО. Системы на основе правил были преобладающим механизмом представления знаний практически для всех ранних экспертные системы. 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 к разработке представления знаний на основе правил, было психологическое исследование, согласно которому люди часто представляют 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 подчастей или подклассов. Это привело к разработке нового типа механизма вывода, известного как классификатор. Классификатор может анализировать иерархию классов (также известную как онтология ) и определите, было ли оно действительным. Если иерархия недействительна, классификатор выделит несогласованные объявления. Чтобы язык мог использовать классификатор, ему требовалась формальная основа. Первым языком, успешно продемонстрировавшим классификатор, была группа языков KL-ONE. В 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 Frame. 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

Редактор онтологий Protege

Самые ранние версии классификаторов были средства доказательства логических теорем. Первый классификатор для работы с Язык рамки был KL-ONE классификатор.[5][6] Более поздней системой, построенной на обычной шепелявке, была LOOM от Института информационных наук. LOOM предоставил истинные объектно-ориентированные возможности, используя объектную систему Common Lisp вместе с языком фреймов.[7] В семантической сети Протеже инструмент из Стэнфорд предоставляет классификаторы (также известные как механизмы рассуждений) как часть среды по умолчанию.[8]

внешняя ссылка

Рекомендации

  1. ^ Бернерс-Ли, Тим; Хендлер, Джеймс; Лассила, Ора (17 мая 2001 г.). «Семантическая сеть Web. Новая форма веб-контента, значимая для компьютеров, откроет революцию новых возможностей». Scientific American. 284 (5): 34–43. Дои:10.1038 / scientificamerican0501-34. Архивировано из оригинал 24 апреля 2013 г.
  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 сокращении обслуживания KR до доказательства 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). Создание экспертных систем. Эддисон-Уэсли. стр.6–7. ISBN  978-0-201-10686-2.
  4. ^ МакГрегор, Роберт (1994). «Описательный классификатор для исчисления предикатов» (PDF). AAAI - 94 заседания. Получено 17 июля 2014.
  5. ^ Вудс, В. А.; 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.
  6. ^ Брахман, Р. Дж.; Шмольце, Дж. Г. (1985). «Обзор системы представления знаний KL-ONE». Наука о мышлении. 9 (2): 171–216. Дои:10.1207 / s15516709cog0902_1.
  7. ^ МакГрегор, Роберт (июнь 1991). «Использование классификатора описания для улучшения представления знаний». Эксперт IEEE. 6 (3): 41–46. Дои:10.1109/64.87683.
  8. ^ "Protege Wiki: Reasoners, которые интегрируются с Protege". Стэндфордский Университет. Получено 19 июля 2014.