дані відповідають температурі повітря саме в кімнаті, а не на вулиці, не в коридорі і т.п. (це якісне чітке знання).
В умовах реального світу знання якісного характеру мають не меншу, а, найчастіше, набагато більшою корисністю, ніж знання кількісні. Приміром, відомо, що при нагріванні середовища в реакторі до 90 ° C вихід готового продукту становить 2 кг/с, при нагріванні середовища в реакторі до 100 ° C вихід готового продукту становить 5 кг/с, при нагріванні середовища в реакторі до 110 ° C вихід готового продукту становить 3 кг/с. Безумовно, ці кількісні знання цінні, оскільки дозволяють вибрати один з трьох варіантів режиму роботи реактора. Але ще цінніше, що випливає (зрозуміло, за допомогою міркувань) з наведених чітких кількісних знань нечітке якісне знання про те, що реактор має екстремальну статичну характеристику, отже (знову слід нечіткий висновок), можна спробувати досягти найбільшого виходу готового продукту, провівши ряд додаткових експериментів або реалізувавши екстремальну систему регулювання. Більш того, більшість проблем людині доводиться вирішувати спочатку спираючись тільки на нечіткі знання. Приміром, відомо, що гальмівний шлях машини залежить від її швидкості, маси, стану покришок, дорожнього покриття, погодних умов, стану водія. Переходячи дорогу, пішохід оцінює ситуацію виключно в якісних нечітких термінах: машина досить далеко від пішохідного переходу, їде з середньою швидкістю, легкова (значить не важка), покришок не видно (невизначеність повна), дорога не слизька (хоча зима, але дорога посипана піском ), погода ясна, значить водій дорогу бачить добре, якщо тільки не втомлений і тверезий (це вже знання щодо стану водія, і теж повністю невизначені). І ось, спираючись на свої виключно нечіткі знання, пішохід просто переходить дорогу, не знаючи точно відстані до машини в метрах, швидкість машини в м/с, вага машини в кг, зносу покришок в%, коефіцієнта тертя, видимості в%, швидкості реакції водія і концентрації алкоголю в його крові мг/л. Можна сказати, він ризикує своїм життям, не прорахувавши всі точно на калькуляторі, що не підставивши дані у формулу, за якою можна точно обчислити гальмівний шлях автомобіля (хоча така методика точного розрахунку існує і дбайливо зберігається в надрах ГИБДД). І, як правило, ризик виправдовується - пішохід благополучно переходить дорогу. Такі «чудеса» управління відбуваються з читачем щодня. З погляду ортодоксального фахівця ТАУ - це справжнє диво або чиста випадковість: система виконала поставлене завдання, не маючи кількісною оцінкою жодного з параметрів, що характеризують сформовану ситуацію і динаміку її розвитку. Це легко пояснюється тим, що людина повною мірою володіє здатністю оперувати всіма видами знань (кількісними та якісними, чіткими і нечіткими) завдяки своєму природному мови. Будь-які знання можна описати засобами природної мови. Людина мислить категоріями природної мови, і, як правило, ці категорії є невизначеними і нечіткими.
Таким чином, для того щоб інтелектуальна САУ володіла близькою до людської можливістю роботи зі знаннями, необхідна їх формалізація та подання в технічній системі за допомогою якогось мови опису знань, категоріями якого система могла б оперувати так само, як людина словами. Також очевидно, що для досягнення більшого ефекту інтелектуалізації технічної системи ця мова має описувати всі можливі види знань: кількісні та якісні, чіткі і нечіткі.
. 1.3 Представлення знань в інтелектуальних системах
Людина одночасно використовує найрізноманітніші методи представлення знань: мовне опис, графічна інформація, математичні формули і т.д. Залежно від специфіки тієї чи іншої області діяльності один або декілька видів описи будуть превалювати над іншими. Наприклад, у математиці формули і графіки будуть переважати над текстовою інформацією, в юриспруденції домінує текстова інформація, в мистецтвознавстві переважає текстова та графічна інформація. У разі вибору засобів представлення знань в технічних системах такий універсалізм представлення знань неможливий, оскільки потребують апаратної й програмної реалізації інтелектуальних функцій, недосяжних в даний час. Тому, існує кілька базових спеціалізованих машинних мов представлення знань, кожен з яких найбільш кращий для тієї чи іншої предметної області.
) Мова продукційних правил.
Продукційні правила - це правила, що мають форму: ЯКЩО «Умова» - ТО «Подія». Продукційні правила описують знання у вигляді взаємозв'язків типу: «причина» - «слідство», «явище» - «реакція», «ознака» - «факт» і.т.п. Конкретизація продукційних правил змінюється залежно від сутності представляються знань.
Наприклад:
· ЯКЩО «Температура в реакторі перевищує 120 ° C» ТО «Знизити подачу палива на 5%»;
· ЯКЩО «Вийшов з ладу вентилятор кондиціонера» ТО ...
