Фреймы для представления знаний
Добавить в закладки К обложке
- Предисловие к русскому изданию - Страница 1
- Глава первая.Фреймы - Страница 3
- 1.1. Локальная и общая теории зрительного восприятия - Страница 5
- 1.2. Параллелизм - Страница 6
- 1.3. Искусственный интеллект и процессы решения задач человеком - Страница 7
- 1.4. Отслеживание образа куба - Страница 8
- 1.5. Носит ли зрительное восприятие символьную форму - Страница 10
- 1.6. Видение комнаты - Страница 12
- 1.7. Анализ сцен и субфреймы - Страница 13
- 1.8. Перспективы и перемена точек наблюдений - Страница 14
- 1.9. Заслонения - Страница 16
- 1.10. Образы и системы фреймов - Страница 17
- 1.11. Априорное означивание - Страница 18
- 1.12. Системы фреймов и конкретные мыслительные операции Пиаже - Страница 19
- Глава вторая. Язык, понимание и сценарии - Страница 21
- 2.2. Рассуждение - Страница 23
- 2.3. Смысловая структура рассуждений - Страница 25
- 2.4. Перевод - Страница 27
- 2.5. Активная и пассивная формы интеллектуальной деятельности - Страница 28
- 2.6. Сценарии - Страница 30
- 2.7. Более сложные сценарии - Страница 32
- 2.8. Вопросы, системы и концептуальные случаи - Страница 35
- Глава третья. Обучение, память и парадигмы - Страница 37
- 3.1. Требования к памяти - Страница 38
- 3.2. Сопоставление образцов - Страница 39
- 3.3. Оправдание - Страница 40
- 3.4. Суждения и сети подобия - Страница 41
- 3.5. Группы, классы и географические аналогии - Страница 43
- 3.6. Аналогии и альтернативные описания - Страница 45
- 3.7. Резюме. Использование фреймов в эвристическом поиске - Страница 47
- 3.8. Фреймы в качестве парадигм - Страница 49
- Глава четвертая. Управление - Страница 51
- 4.2. Фреймы и процесс согласования (по С.Фальману (1974)) - Страница 53
- Глава пятая. Пространственные образы - Страница 55
- 5.2. Глобальная система пространственных фреймов - Страница 56
- 5.3. Совершенствование системы - Страница 57
- 5.4. Эволюция - Страница 58
- 5.5. Вопросы измерений и количественных оценок - Страница 60
- Приложение. Критика логистического подхода - Страница 63
- Ф. М. Кулаков Приложение к русскому изданию - Страница 67
- Глава 1. Суть проблемы представления знаний - Страница 70
- Глава 2. Характерные особенности фрейм-подхода к проблеме представления знаний - Страница 71
- 2.1. Фрейм - визуальный образ - Страница 73
- 2.2. Фрейм-сценарий - Страница 74
- Глава 3. Способ формализации фреймов - Страница 77
- 3.1. Примеры формализованного представления фреймов-сценариев - Страница 78
- 3.2. Механизмы "приспособления" фрейма к реальной ситуации - Страница 79
- Список литературы - Страница 81
- Список литературы, добавленной при переводе - Страница 83
3.7. Резюме. Использование фреймов в эвристическом поиске
За последние десять лет широкое распространение получила идея о том, что важны все аспекты представления информации с помощью "пространства задачи"; однако мысль о том, что описания могут быть полезны и для самих программ, и для авторов этих программ, не стала столь же популярной. Прогресс в понимании этого ключевого момента был фактически задержан остроумными схемами, созданными для того, чтобы избежать явных манипуляций описаниями.
Основным устремлением, особенно при доказательстве теорем и моделировании игр, была разработка средств, ведущих к систематическому уменьшению протяженности поиска в пространстве задачи. Иногда простая задача может быть решена при помощи последовательного перебора допустимых методов решения: перебор производится до тех пор, пока один из методов не даст положительного результата. В более сложных ситуациях используются усовершенствованные локальные правила поведения, а также варианты "восхождения к вершине" в пределах пространства задачи. Однако если нам и удается таким способом решить определенную задачу, мы получаем мало сведений о пространстве задачи и, следовательно, не повышаем свою квалификацию, 470 весьма пригодилось бы нам в будущем. Наиболее разработанными в эвристических методах являются игровые методы поиска решений, в которых используются различные стратегии для уменьшения дерева перебора, оценки терминальных вершин и выработки разумного хода. Однако даже в тех системах, где применяются различные способы - организации иерархий символьных целей, отсутствует "осознанный" самой системой подход к процессу поиска решений и не совершенствуется качество представления информации. Я предлагаю следующее более совершенное и мощное правило.
Главной целью при решении задач должно быть стремление лучше понять пространство задачи и найти такие представления, в рамках которых данная задача решается довольно просто. Цель поиска состоит в том, чтобы получить информацию для формирования надлежащего представления, а не для нахождения решения, как это обычно предполагается; после того, как удастся соответствующим образом представить это пространство задачи, решение найти будет значительно легче.
В частности, я являюсь противником того, что значимость интеллектуального эксперимента должна оцениваться либо относительно категорий "неудача - частичный успех - успех", либо с помощью таких понятий, как "улучшение ситуации" и "уменьшение различия". Применение какого-то метода или изменение представления могут быть ценными лишь в том случае, когда они ведут к совершенствованию стратегии проведения последующих экспериментов. В более ранних формулировках роли стратегий в эвристическом поиске эти возможности не были выделены, хотя в неявной форме они содержались в рассуждениях о задачах планирования.
Каким образом можно объединить новое правило с классической стратегией минимакса? Пусть мы находимся в определенном узле А дерева решения (играя в какую-нибудь игру, например, шахматы) и исследуем два (или более) возможных хода, скажем В и С. Каждый из этих ходов получает значения оценок V(B) и V(C). Затем оба этих значения объединяются с помощью функции М для того, чтобы выработать одну общую оценку
S(A) = M( V(B), V(C) ) .
По существу, с помощью функции М должны подводиться итоги поиска на всем дереве ниже узла А и определяться оценка позиции А.
Посмотрим, в чем заключается цель подобных действий. Если можно было бы произвести поиск на всем дереве перебора, то мы смогли бы использовать найденную в каждом узле оценку S для принятия решения о том, какой следующий ход лучше всего сделать. Если, однако, оценка S дается просто в виде числа, то на это" основе невозможно будет провести значительные рассуждения, требуемые для анализа существующей ситуации.
Если значение S(B) невелико, то можно предположить, что В - неудачная позиция. Но если мы хотим, чтобы генератор ходов не повторял своих прежних ошибок, сообщение S должно включать некоторую дополнительную информацию относительно того, чем нас не удовлетворяет позиция В или как поступить в данном случае. Нам фактически требуется итоговое объяснение того, что обнаружено в процессе поиска; поскольку мы работаем с деревом перебора, нам требуется также рекурсивное суммирование подобных резюме.
Рассмотрим проблему, названную нами "расхождением резюме". Если резюме для ситуации А содержит (в общем случае) любое явное описание для В и С, то существует опасность того, что любая схема рекурсивного описания будет повторять дерево ходов; это приведет к столь же длительному поиску итогового сообщения, как и поиску самого решения. Чтобы этого не произошло, можно воспользоваться довольно простым способом - ограничить размеры самого резюме. В этом случае следует позаботиться о том, чтобы избежать сильного уменьшения информативности сообщений. Во фреймах-описаниях важные черты и отношения, находящиеся на верхних уровнях, могут служить в качестве резюме, а вспомогательные описания становятся доступными лишь по необходимости. Вопрос о том, какая часть проанализированного дерева должна оставаться в долговременной памяти, а какая отбрасываться после того, как сделан очередной ход, зависит от других аспектов использования участником игры всего накопленного им опыта.