Представление знаний и рассуждения (KRR)

ВВЕДЕНИЕ

Добро пожаловать на Лекцию 4: Представление знаний и рассуждения (KRR). В этом модуле мы рассмотрим фундаментальную задачу искусственного интеллекта: как символически моделировать мир. Недостаточно, чтобы машина хранила данные; она должна рассуждать о нем. Мы изучим, как системы ИИ логически представляют информацию для выполнения выводов, выходя за рамки простого сопоставления с образцом.

РАЗДЕЛ 1: Исторические основы

Мы пройдемся по техническому ландшафту от классической Логики высказываний и Логики первого порядка до жестких, но мощных структур устаревших Экспертных систем. Эти системы предоставили первые «думающие» машины, способные к логическому выводу.

РАЗДЕЛ 2: Современная конвергенция

Наконец, мы переходим к передовым достижениям современного ИИ, изучая Графы знаний и Нейросимволический ИИ. Эта развивающаяся область стремится объединить строгую объяснимость логики с адаптивными возможностями обучения нейронных сетей.

Внимание к контексту

В отличие от нейронных сетей, которые функционируют как «черные ящики», KRR фокусируется на «белых ящиках» где путь рассуждения является явным, проверяемым и интерпретируемым.

Пример синтаксиса символической логики

Факт: Родитель (Алиса, Боб) 
Факт: Родитель (Боб, Чарли) 
Правило: ∀x,y,z (Родитель(x, y) ∧Родитель(y, z) →Дедушка/Бабушка(x, z))
Вывод: Дедушка/Бабушка (Алиса, Чарли) 

Кейс-стади: Медицинский диагност

Прочтите сценарий ниже и ответьте на вопросы.

Ранние системы ИИ, такие как MYCIN, использовали KRR для диагностики инфекций крови. В отличие от современного машинного обучения, которое делает предположения на основе статистики, MYCIN использовал более 600 правил, полученных от врачей.

В1

1. Почему объяснимость критически важна для медицинской KRR-системы по сравнению с универсальным классификатором изображений?

Ответ:
В медицине врачам требуется проверяемый путь (цепочка использованных правил), чтобы доверять диагнозу. «Черный ящик» недопустим для принятия критических решений. KRR предоставляет этот явный путь рассуждения.

В2

2. Как система обрабатывает правило типа «Если температура высокая, ТО вероятно заражение»?

Ответ:
Это правило представлено символически (например,

H i g h F e v e r \to L i k e l y I n f e c t i o n

). Механизм вывода проверяет, истинен ли факт

H i g h F e v e r

is true in the patient's record; if so, it asserts

L i k e l y I n f e c t i o n

как новый вывод.

В3

3. Определите ограничения ручного кодирования этих правил (узкое место приобретения знаний).

Ответ:
Основное ограничение — это узкое место приобретения знаний: сложность и время, необходимые экспертам для формулирования всех их знаний в формальные, явные правила. Знания реального мира часто неоднозначны и слишком обширны для ручного кодирования.