В настоящее время в области искусственного интеллекта (ИИ) происходят революционные преобразования. Источниками этих преобразований служат: 1) распределенный искусственный интеллект (РИИ) и 2) активный объектно-ориентированный подход (АООП). Центральной идеей РИИ является кооперативное взаимодействие распределенных интеллектуальных систем. Эти преобразования аналогичны и часто взаимосвязаны с теми, которые произошли в области баз данных с появлением сетевых технологий. Они базируются на классических основах ИИ с добавлением новых идей в части распределения данных и знаний, децентрализованного управления и распределенной обработки. Эти новые подходы иногда обозначают термином распределенные проблемно-ориентированные решающие сети.
Причиной возникновения этих новых направлений являются большие трудности, с которыми связано создание сложных проблемно-ориентированных систем. Новый подход основан на рассмотрении таких систем как совокупности автономных модулей более или менее свободно взаимодействующих друг с другом в процессе решения проблемы, которое направляется системными ограничениями. Эти системные ограничения определяют поведение автономных модулей, которое может быть охарактеризовано как кооперативное, направленное на решение поставленной задачи.
Системы РИИ обладают не просто суммой свойств своих компонентов ¾ агентов, но представляют собой целое, которое больше чем сумма своих частей.
Подобластью РИИ являются мультиагентные системы (МАС). Агент представляет собой дальнейшее развитие понятия объект. Объект ¾ это абстракция множества сущностей реального мира (экземпляров) или виртуальных сущностей, имеющих одни и те же свойства и правила поведения. Агент ¾ объект, возникающий в среде, где он может выполнять определенные действия, который способен к восприятию части своей среды, может общаться с другими агентами и обладает автономным поведением, являющимся следствием его наблюдений, знаний и взаимодействий с другими агентами [1].
Как следует из приведенных определений понятие объект не связано с наличием среды, которая играет существенную роль в определении агента. Объект, в принципе, не требует существования себе подобных, а агент не может быть один. Таким образом, агент ¾ это подкласс объектов, обладающий всеми их свойствами, но имеющий также дополнительные качества.
С прагматической точки зрения агент ¾ это система, обеспечивающая решение определенной задачи и действующая во взаимосвязи с сетью других агентов для решения комплексной проблемы, которое не может быть получено отдельными агентами [2]. Агенты в мультиагентной сети гетерогенны, то есть принадлежат разным классам.
С точки зрения объектно-ориентированного подхода (ООП) объект представляет собой комплекс из набора данных и процедур (функций) в совокупности с интерфейсом, способным получать и посылать сообщения. Объекты объединяются в классы, которые могут рассматриваться как шаблоны для данных и процедур, свойственных всем элементам класса. Имеется механизм наследования свойств класса его элементами. Можно считать [3], что сила ООП не столько в введении идеи объекта, сколько в концепции класса. В этой связи ООП может рассматриваться как новая парадигма проектирования и генерации систем. В то же время взаимодействие между объектами через обмен сообщениями несущественно для ООП. Поскольку объекты создаются из классов, которые взаимосвязаны родовидовой иерархией, то в этой иерархии имеется взаимосвязь объектов. Однако вне этой иерархии взаимодействия не определяются.
В ООП различают пассивные и активные объекты. Последние иногда именуют субъектами. Они постоянно готовы к приему сообщений и заняты их обработкой на основе знаний, которыми они обладают. Активные объекты часто называют агентами. Однако понятие агент не сводится к активному объекту. Мультиагентные системы являются, как правило, существенно распределенными: пространственно - распределенными и/или функционально - распределенными.
Мультиагентные системы обладают по сравнению с централизованными следующими преимуществами [3]:
* сокращением сроков решения проблем за счет параллелизма,
* уменьшением объема передаваемых данных за счет передачи другим агентам высокоуровневых частичных решений,
* гибкостью за счет использования агентов различной мощности, обеспечивающих совместное динамическое решение проблемы,
* надежностью за счет передачи решающих функций от одних агентов, которые не в состоянии решить поставленной задачи, ¾ другим.
Имеются следующие аспекты анализа каждого агента:
к какому классу агент принадлежит;
какова архитектура агента;
каким образом структурирована и поддерживается база знаний агента;
какой механизм логического вывода используется в агенте;
какими свойствами адаптации и обучения агент обладает.
МАС может состоять из чисто искусственных агентов (программных модулей) или включать также человека. В первом случае мы имеем машинную, а во втором человеко-машинную систему. Возможно наличие суперагентов, образованных из набора искусственных агентов и действующих в качестве их представителя. Такой суперагент ведет себя как обычный агент с точки зрения других агентов как искусственных, так и человека.
С теоретической точки зрения агент должен обладать различными свойствами, обеспечивающими его автономию: способностью восприятия и интерпретации поступающих данных, способностями принимать и исполнять решения.
Архитектура агента вытекает из приведенных выше определений. Агент ¾ это объект, а каждый объект обладает свойствами и правилами поведения.
Объект представляет собой основную категорию, используемую для описания прикладной области (ПО) в форме моделей данных. При концептуальном (понятийном) моделировании ПО используется эквивалентная объекту категория понятия.[5]. Понятие ¾ это основная единица любой интеллектуальной деятельности, базовая конструкция представления знаний. Понятия именуются с помощью слов или словосочетаний естественного языка, которые играют роль знаков или имен. Знак ¾ это заменитель некоторого предмета, явления или события, используемый для накопления, хранения, переработки и передачи информации[5].
Основными характеристиками понятия являются объем и содержание. Объем понятия ¾ это множество (класс) всех объектов, обладающих существенными признаками понятия. Содержание понятия ¾ совокупность всех существенных признаков (свойств) данного понятия, которые позволяют однозначно идентифицировать рассматриваемое понятие среди множества других понятий.
Каждому понятию, используемому для концептуального моделирования, приписывается некоторое уникальное имя или знак. С другой стороны каждый конкретный объект, входящий в объем понятия также должен иметь уникальное имя или знак.
Объекты, составляющие объем понятия, различаются с помощью значений признаков (свойств). В концептуальном моделировании признаки понятий делят на следующие три типа: дифференциальные, характеристические и валентные[5]. Дифференциальные признаки используются в качестве характеристики содержания понятия. Они соответствуют характеристикам объекта, которые представлены описательными атрибутами. Характеристические ¾ это признаки, которые позволяют отличить объекты, относящиеся к объему одного и того же понятия. Они соответствуют идентификатору и указывающим атрибутам объекта. Валентные признаки обеспечивают связь между различными понятиями и соответствуют структурным переменным объекта, описываемым вспомогательными атрибутами.
Рис.6.14. Архитектура агента
Совокупность имен дифференциальных, характеристических и валентных признаков составляют схему понятия (объекта), обозначаемую как shm P. Таким образом, схему понятия P можно представить в виде тройки [5]
shm P = <B, C, D>, (1)
где B={Bj}, j=1,..., q - множество имен характеристических признаков; C={Ck}, k=1,..., m - множество валентных признаков; D={Dl}, l=1,..., n - множество дифференциальных признаков. При этом B соответствует множеству ключей реляционного отношения, описывающего объект, а множество неключевых атрибутов A=C ÈD.
Тогда каждый объект e, принадлежащий объему понятия P, может быть представлен в виде множества пар имя - значение признака
e = {(Bj, bj), (Ck, ck), (Dl, dl)}
Каждое понятие имеет свой концепт. Концепт простого понятия определяется его схемой. Концепт является носителем семантики понятия и представляет то знание, которое выражается данным понятием при концептуальном моделировании ПО.
Каждый агент соответствует некоторому понятию P и обладает схемой shm P. В число характеристических признаков агента ходят указывающий атрибут, определяющий уникальное имя агента, и идентификатор, задающий уникальное имя каждого конкретного агента, входящего в объем понятия (рис.6.14).
С другой стороны агент представляет собой особую категорию объектов, которое осуществляет преобразование среды. Эта категория носит название объект-функция. Неключевые атрибуты A объект-функций делятся на два класса: входные A i и выходные A o (рис.6.14).
Преобразование входных атрибутов в выходные осуществляется методом агента M, который определяет его поведение.
Таким образом, архитектура агента A g определяется парой
A g = < shm P, M > (2)
Метод агента может быть реализован с помощью традиционных технологий процедурного типа с использованием алгоритмических языков. В таком случае агент не может быть отнесен к числу интеллектуальных.
Наиболее прогрессивной технологией реализации метода является использование баз знаний продукционного типа. В этом случае метод представляет собой систему, состоящую из множества продукционных правил R, связанных в семантическую сеть N, которая определяет структуру метода.
M = < R , N > (3)
Определение выходных атрибутов агента при его функционировании осуществляется посредством логического вывода на этой сети.
Метод агента, функционирующего в решающей сети, состоит из трех подфункций [5]: восприятия, решения и трансформирования (рис.12). Подфункция восприятия
Per : E ® A i
обеспечивает отбор информации из среды и присвоение значений входным атрибутам. Подфункция решения
Dec : Ai ® A o
определяет значения выходных переменных по значениям входных. Подфункция трансформирования
Tran : Ao ® E'
изменяет состояние среды (рис.6.14).
Рис. 13. Принципиальная схема мультиагентной системы
Из рассмотренных выше агентов строятся коллективные формирования ¾ мультиагентные системы. МАС как и любая система может быть представлена следующей шестеркой:
МАС = {Ind, Prp, Atr, Inp, Out, Str}
Здесь Ind ¾ наименование системы; Prp ¾ цели системы; Atr ¾ общесистемные характеристики; Inp ¾ вход системы; Out ¾ выход системы; Str ¾ структура системы. Str = {E, R}, где E ¾ компонент системы, а R ¾ связи компонентов.
Онтология инженерных знаний
В последнее время в области работ по искусственному интеллекту (ИИ), включая интеллектуализацию информационного поиска и создание мультиагентных систем, возрастающее внимание привлекают исследования онтологий и онтологических систем. Термин онтология происходит от древнегреческих слов онтос – сущее и логос – учение.
Первоначально термин онтология был введен в философскую литературу для обозначения учения о бытии, о сущем в отличие от гносеологии – учении о познании. Предметом онтологии являлось изучение абстрактных философских понятий, таких как бытие, субстанция, причина, действие, явление и т.п. В философском плане онтология представляет систему категорий, являющихся следствием определенного взгляда на мир [1].
С точки зрения проблем, связанных с ИИ, онтология – это эксплицитная (явная) спецификация концептуализации знаний [1]. Формально онтология состоит из иерархии понятий, их определений и атрибутов, а также связанных с ними аксиом и правил вывода.
Под формальной моделью онтологии O понимают упорядоченную тройку вида
O = <C , R , F>,
где C – конечное множество концептов (понятий) предметной области, которую представляет онтология O; R – конечное множество отношений между концептами (понятиями) заданной предметной области (ПрО); F – конечное множество функций интерпретации (аксиоматизация), заданных на концептах и/или отношениях онтологии O [1].
Естественными ограничениями, накладываемыми на множество C, являются конечность и непустота. Что касается множеств R и F, то они могут быть пустыми, что соответствует частным видам онтологии, классификация которых приведена в табл.1.
Онтология первого класса при R=Æ и F=Æ (табл.1) трансформируется в простой словарь. Онтологии - словари полезны для спецификации, пополнения и поддержки словарей ПрО. Такие словари не вводят явно смысла терминов. В области технических знаний, в которых смыслы понятий хорошо согласованы и во многом стандартизованы, такие онтологии применяются на практике. Другими примерами таких онтологий являются индексы машин поиска информации в сети Интернет [1].
Таблица 1 Классификация моделей онтологии инженерных знаний
| Класс | Компоненты модели | Формальное определение модели | Пояснение | |
| R | F | |||
| 1 | R=Æ | F=Æ | O=<C,{},{}> | Словарь понятий |
| 2 | R=Æ | F ¹Æ | O=<C1 È C2,{}, F > | Пассивный словарь |
| 3 | R={is a} | F=Æ | O=<C,{is a},{}> | Таксономия понятий |
| 4 | R={part of} | F=Æ | O=<C,{part of},{}> | Мерономия понятий |
| 5 | R={is a, part of} | F=Æ | O=<C,{is a, part of},{}> | Метасистема понятий |
В более общих случаях необходимо явно определять смысл терминов словаря с помощью соответствующей аксиоматизации F, целью применения которой является исключение нежелательных моделей и единство интерпретации для всех пользователей.
Онтология второго класса соответствует непустому множеству функций интерпретации, т.е. наличию аксиоматизации. В этом случае каждому понятию из C может быть поставлена в соответствие функция интерпретации f из F. Формально такие функции вводятся следующим образом[1].
Пусть C = C 1 È C 2, где C 1 – множество интерпретируемых понятий, а C 2 – множество интерпретирующих терминов. Тогда
$ (yÎ C 1; x1, x2,¼, xkÎ C 2)
такие, что
y = f ( x1, x2,¼, xk ),
где fÎF.
Введение в рассмотрение функции k аргументов призвано обеспечить более полную интерпретацию, Вид отображения fÎF определяет выразительную мощность и практическую полезность этого вида онтологии
Если считать, что функция интерпретации f задается оператором присваивания (C 1 := C 2), то онтология трансформируется в пассивный словарь Vp [1].
O = Vp = <C 1 È C 2,{}, {:=}>.
Такой словарь пассивен, так как формируется с помощью декларативной функции присваивания, не содержащей каких-либо процедур преобразований. Примеры функций интерпретации приведены в табл.2.
Таблица 2 Примеры функций интерпретации
| F | yÎ C1 | x1, x2,¼, xkÎ C1 |
| f1 | Изделие | Предмет или набор предметов, подлежащих изготовлению на предприятии |
| f2 | Комплекс | Два или более специфицированных изделия, не соединенных на предприятии-изготовителе сборочными операциями, но предназначенных для выполнения взаимосвязанных эксплуатационных функций |
| f3 | Комплект | Два или более специфицированных изделия, не соединенных на предприятии-изготовителе сборочными операциями и представляющих собой набор изделий, имеющих общее эксплуатационное назначение вспомогательного характера |
| f4 | Сборочная единица | Изделие, составные части которого подлежат соединению между собой на предприятии-изготовителе сборочными операциями |
| f5 | Деталь | Изделие, изготовленное из однородного по наименованию и марке материала без применения сборочных операций |
В инженерном деле функции интерпретации во многом стандартизованы или унифицированы. Их описания содержатся в обширных терминологических справочниках, издаваемых издательством стандартов [2].
Онтологии класса словарей (R=Æ) полезны, но малопродуктивны для автоматизации инженерного проектирования. Для создания интеллектуальных САПР необходимы семантические сети, в которых понятия связываются друг с другом различными отношениями.
К числу основных отношений такого типа относится родовидовое отношение ЕСТЬ-НЕКОТОРЫЙ или в английской нотации “is a”. На базе родовидовых отношений строятся обобщения понятий и разного рода классификаторы. Иерархическая система понятий, связанных между собой отношением is a (быть элементом класса) называется таксономической структурой. Этой структуре соответствует специальный подкласс онтологий,- простая таксономия (табл.1):
O =To = <C, {is a},{}>.
Отношение is a имеет фиксированную заранее семантику и позволяет организовать структуру понятий онтологии в виде дерева. Понятия, приведенные в табл.2, связаны родовидовыми отношениями. Родовым является понятие «изделие». Разновидности его составляют понятия «комплекс», «комплект», «сборочная единица» и «деталь».
Вторым важнейшим классом отношений между понятиями является отношение типа целое-часть, с помощью которого осуществляется абстракция агрегации понятий. В русской нотации это отношение обозначается СОСТОИТ-ИЗ, а в английской “part of”. С помощью этого отношения сложное понятие раскрывается посредством его декомпозиции на составляющие компоненты.
Иерархическая система понятий, связанных между собой отношением “part of” («быть частью») называется мерономической структурой [3]. Этой структуре соответствует подкласс онтологий – простая мерономия (табл.1)
O= Mo =<C, {part of}, {}>
Понятия из табл.2 могут быть связаны между собой не только родовидовыми отношениями, но и отношениями включения part of. При этом отношение целое-часть образует следующую иерархию: комплекс (комплект), сборочная единица, деталь.
На рис.1 приведена семантическая сеть понятий, связанных обоими типами отношений. При этом использована графическая нотация, принятая в стандарте IDEF1X. На этом рисунке обозначено наличие родовидовых декомпозиций понятий. Декомпозиции понятий «сборочная единица» и «деталь» по отношению is a, не раскрытые на рисунке, зафиксированы в классификаторах ЕСКД.
Рис.1. Семантическая сеть изделий
Например, в табл.3 приведены примеры разновидностей сборочных единиц в соответствии с классификатором ЕСКД.
Как видно из примеров функций интерпретации в табл.2, пересечение множеств C 1 и C 2 не являются пустыми (C 1 Ç C 2 ¹ Æ). При определении понятия-разновидности всегда используют родовое понятие в совокупности с ограничивающими терминами. При этом ограничения должны быть построены так, чтобы выделенные подклассы не пересекались, то есть не имели общих экземпляров.
Таблица 3 Классы сборочных единиц по ЕСКД
| N класса | Наименование класса |
| 06 | Оборудование гидромеханических, тепловых, массообменных процессов |
| 28 | Оснастка технологическая. Инструмент режущий |
| 29 | Оснастка технологическая, кроме инструмента режущего |
| 30 | Сборочные единицы общемашиностроительные |
| 31 | Подшипники качения |
| 38 | Двигатели (кроме электрических) |
| 48 | Оборудование подъемно-транспортное и погрузочно-разгрузочное |
| 52 | Машины электрические вращающиеся |
В связи с необходимостью эксплицитной (явной) спецификации процессов функционирования онтологии принято рассматривать онтологические системы. Под формальной моделью онтологической системы So понимают [1] триплет вида:
So = <Ometa, {Od&f}, Xinf>,
где Ometa – онтология верхнего уровня (метаонтология); {Od&f}={Od}È{Of}– множество предметных онтологий и онтологий задач предметной области; Xinf – модель машины вывода, ассоциированной с онтологической системой So.
В модели So имеются три онтологические компоненты:
· метаонтология;
· предметная онтология;
· онтология задач.
Метаонотология оперирует общими концептами и отношениями, которые не зависят от конкретной предметной области. Метаонтология должна содержать концепты и отношения, необходимые как для предметной онтологии, так и для онтологии задач. Последние в совокупности должны обеспечивать построение операциональной модели M предметной области. На основе этой модели производится преобразование исходных данных In, необходимых для автоматизированного проектирования изделий и технологических процессов их изготовления, в выходные данные Out, содержащие модель результатов инженерного проектирования (рис.2).
Рис.2. Операциональная модель САПР в нотации IDEF0
Операциональная модель M представляет собой совокупность концептуальной структуры Sk, отражающей понятийную структуру предметной области, и функциональной структуры Sf, моделирующей функции преобразования входных данных In в выходные Out. Sk представляет собой синтаксический аспект предметной онтологии, содержащий описание семантики понятий, а Sf – синтаксический аспект онтологии задач, содержащий смысловое содержание этих задач.
M = (Sk, Sf)
Sk выступает как пассивная компонента, содержащая данные, а Sf – как активная компонента, преобразующая данные [1].
Метаонтологию как и другие виды онтологий целесообразно строить на основе стандартов, причем желательно международных. Компоненту метаонтологии, связанную с описанием концептуальной структуры, целесообразно строить на базе стандарта IDEF1X, а компоненту метаонтологии, связанную с функциональной структурой – на основе стандарта IDEF0.
При таком подходе взаимосвязь между компонентами онтологической системы выглядит, как это представлено на рис.3.
Предметная онтология Sk содержит понятия, описывающие конкретную предметную область и отношения между ними. Каждое понятие имеет полное имя, образуемое словом или словосочетанием естественного языка. В информационных технологиях принято помимо полного присваивать и короткое имя или идентификатор, содержащий не более 8 символов. Содержание понятия описывается с помощью его существенных свойств (атрибутов). Свойства, как и понятия, имеют полные и короткие имена, а также определенный тип данных. Различные понятия не могут иметь одинакового содержания.
Что касается связей между понятиями, то в онтологии инженерных знаний достаточно использовать отношения is a и part of, с помощью которых формируется понятийная метасистема.
На рис.4 представлен экран инструментального средства СПРУТ-технологии, предназначенного для описания предметной онтологии. Формирование имени и идентификатора понятия, а также его содержания производится в средней части экрана с помощью соответствующих панелей редактора. На рис.4 приведено описание родового понятия «Деталь». Содержание этого понятия формируют собственные атрибуты, присущие всем деталям (наименование, обозначение, марка материала, масса и т.п.).
Рис.3 Структура онтологической системы
Родовидовые отношения (is a)формируются с помощью свойства, именуемого дискриминатором. В данном случае это вид детали. Подвиды присоединяются с помощью правого окна. В этом окне перечислены групповые детали: вал, вал-шестерня, втулка, колесо зубчатое и т.п.
Для задания структуры, определяемой отношением part of, используется левое верхнее окно. В нем перечислены комплексные конструкторско-технологические элементы, из которых может состоять деталь: отверстия, элементы осесимметричные и призматические. Кроме того, с помощью этого отношения с деталью соединяются данные ее заготовки, покрытий и термообработки. Описываемое понятие может наследовать свойства других понятий, расположенных выше по иерархии part of . Это наследование задается с помощью левого нижнего окна экрана.
Рис.4 Экран формирования предметной онтологии
Онтология задач Of содержит функции, с помощью которых производится преобразование входных данных In операциональной модели M в выходные Out. Каждая функция, также как и понятие имеет полное и короткие имена. Полное имя в соответствии со стандартом IDEF0 формируется в виде словосочетания, состоящего из отглагольного существительного, описывающего действие, выполняемое функцией (расчет, определение, формирование и т.п.), существительного, указывающего предмет, на который направлено действие, и дополнительных слов, содержащих описание ограничений. Короткое имя представляет собой идентификатор. Подобно свойствам понятия каждая функция имеет набор входных, выходных и управляющих (C) переменных (рис.2). В онтологии инженерных знаний достаточно использовать переменные трех типов: целые и действительные числа и, а также символьные переменные. Переменные имеют полные и короткие имена.
Рис.5 Экран формирования онтологии задач
На рис.5 представлен экран инструментального средства СПРУТ-технологии, предназначенного для формирования онтологии задач. Имена входных, выходных и управляющих переменных выбираются из общего словаря. В качестве неделимого элемента онтологии задач в СПРУТ-технологии принят модуль инженерных знаний (МИЗ), соответствующий функциональному блоку стандарта IDEF0 (рис.2). В качестве механизмов (Mc) реализации функций в МИЗ могут использоваться формулы (рис.5), таблицы, выбор из баз данных, программные модули и т.п. На основе выбранной совокупности МИЗ производится генерация метода.
Каждое понятие связывается с определенным методом, представляющим собой подсистему онтологии задач. Такая пара носит название агент. Машина вывода Xinf онтологической системы инженерных знаний опирается на сетевое представление агентов, образующих метасистему. Функционирование ее связано с двумя процессами: структурным синтезом и синтезом параметрическим. Структурный синтез обеспечивает выбор и активизацию одного из разновидностей понятий во всех родовидовых отношениях. Параметрический синтез формирует экземпляры выбранных понятий путем вычисления выходных переменных с помощью метода и приравнивая их значения свойствам понятия.
Практическое применение инструментальных средств СПРУТ-технологиии, разработанных в соответствии с описанными теоретическими положениями, показало их истинность и высокую эффективность. На основе этой информационной технологии были созданы интеллектуальные системы автоматизированного конструирования (редукторы, электродвигатели) и проектирования технологических процессов (механообработка). При этом в десятки раз по сравнению с традиционными информационными технологиями была сокращена как трудоемкость создания специализированных прикладных систем, так и трудоемкость проектирования с их помощью.
Дата: 2019-05-29, просмотров: 210.
