лення знаньВ» вирішуються завдання, пов'язані з формалізацією і поданням знань у пам'яті інтелектуальної системи. Для цього розробляються спеціальні моделі подання знань та мови для опису знань, виділяються різні типи знань. Вивчаються джерела, з яких ІС може черпати знання, і створюються процедури і прийоми, за допомогою яких можливе придбання знань для ІС. Проблема подання знань для ІС надзвичайно актуальна, тому що ІС - це система, функціонування якої спирається на знання про проблемної області, які зберігаються в її пам'яті. p align="justify"> Крім того, в підручниках з ШІ знання традиційно ділять на процедурні та декларативні. Історично первинними були процедурні знання, тобто знання, В«розчиненіВ» в алгоритмах. Вони управляли даними. Для їх зміни було потрібно змінювати програми. Однак з розвитком штучного інтелекту пріоритет даних поступово змінювався, і все більша частина знань зосереджувалася в структурах даних (таблиці, списки, абстрактні типи даних), тобто збільшувалася роль декларативних знань. p align="justify"> Сьогодні знання придбали чисто декларативну форму, тобто знаннями вважаються пропозиції, записані на мовах подання знань, наближених до природного і зрозумілих неспеціалістам.
Існують десятки моделей (або мов) подання знань для різних предметних областей. Більшість з них може бути зведене до наступних класів:
продукційні моделі;
семантичні мережі;
фреймові моделі;
логічні моделі.
Продукційна модель найчастіше застосовується в промислових експертних системах. Вона приваблює розробників своєю наочністю, високою модульність, легкістю внесення доповнень та змін і простотою механізму логічного висновку. p align="justify"> Є велика кількість програмних засобів, що реалізують продукційний підхід (мова OPS 5; В«оболонкиВ» або В«порожніВ» ЕС - EXSYS Professional, Kappa, ЕКСПЕРТ; ЕКО, інструментальні системи Пієси, СПЕІС та ін), а також промислових ЕС на його основі (наприклад, ЕС, створених засобами G2 та інші.
Основною перевагою семантичної мережі є те, що вона більше за інших відповідає сучасним уявленням про організацію довготривалої пам'яті людини. Недоліком цієї моделі є складність організації процедури пошуку виведення на семантичній мережі. p align="justify"> Для реалізації семантичних мереж існують спеціальні мережеві мови, наприклад NET, мова реалізації систем SIMER + MIR та ін Широко відомі експертні системи, що використовують семантичні мережі в якості мови представлення знань - PROSPECTOR, CASNET, TORUS.
Основною перевагою фреймової моделі подання знань є те, що вона відображає концептуальну основу організації пам'яті людини, а також її гнучкість і наочність. Спеціальні мови подання знань в мережах фреймів FRL, KRL, фреймову В«оболонкаВ» Kappa і інші програмні засоби дозволяють ефективно будува...