Многоступенчатые рассуждения

В реальных экспертных системах заключения отделены от базы посылок большим числом промежуточ­ных шагов. Такие рассуждения называются многоступен­чатыми.

Чтобы представить себе, что же такое многоступенча­тое рассуждение, допустим, что вы заболели. У вас про­студа, вирусная инфекция или грипп, и вы хотели бы знать, что следует предпринять.

Приведем несколько правил, которыми можно руко­водствоваться в подобных случаях. Для каждого правила указан его коэффициент определенно­сти.

Если у вас грипп, и вы находитесь в уязвимом возрасте, то вызовите врача.

ct(импликация) =0,9

Если у вас острый фарингит, то вызовите врача

ct(импликация) = 1,0

Если у вас простуда, то ложитесь в постель и примите аспирин.

сt(импликация)=0,4

Если у вас грипп, и вы не находитесь в уязвимом возрасте, то ложитесь в постель и примите аспирин.

сt(импликация) = 0,4

Если у вас лихорадка и болят мышцы, то это грипп.

сt(импликация) = 0,7

Если у вас насморк, мышечные боли и нет лихорадки, то это простуда.

ct(импликация)=0,7

Если у вас в горле нарывы и есть лихорадка, то это острый фарингит.

ct (импликация)=0,8

Если вам меньше 8 или больше 60 лет, то вы находитесь в уязвимом возрасте.

сt(импликация) = 0,7

Данная форма представления базы знаний удобна для компьютера, но не для человека.

Для обсуждения многоступенчатого рассуждения пра­вила удобно преобразовывать в другую форму, позволяю­щую более отчетливо представить связи между ними. Любая база знаний имеет графическое отображение, называемое сетью вывода и представляет собой ни что иное, как И-ИЛИ граф (рис. 36). Сеть вывода и множе­ство взаимосвязанных импликаций — это одно и то же. Обе формы содержат одинаковый объем информации.

В правилах, составляющих сеть вывода, могут быть и позитивные, и негативные утверждения. Так, в рассмот­ренном выше медицинском примере нам встретились две фразы: «есть лихорадка» и «нет лихорадки». Поскольку здесь речь идет об одном и том же, эти фра­зы удобно зафиксировать в одной вершине сети вывода. Для правила, где эта фраза появляется в негативной форме, связь отмечается перечеркивающей полосой, проходящей через вершину «лихорадка». Там, где она появляется в позитивной форме, связь имеет обычный вид. Сплошная дуга изображает «И»-правило, пунктирная — «ИЛИ»-правило, символы n и r над (под) дугой соответственно необратимые и обратимые правила.

Коэффициент определенности, указанный рядом с вершиной, относится к позитивной форме утверждения. Такие биполярные графы удобны тем, что для получения ко­эффициента определенности негативной формы достаточ­но просто поменять знак на противоположный.

Рисунок 36. Сеть вывода базы знаний небольшой медицинской ЭС

Для того чтобы понять, как коэффициенты определенности базовых посылок, указанные пользователем (листы в нашем И-ИЛИ графе), распространяются вверх, вплоть до конкурирующих гипотез «вызвать врача» и «лечь в постель», рассмотрим модельный пример — сеть вывода на рис. 37.

Эта сеть является графическим представлением следующей базы знаний:

Если (е1), то (с1) сt(импликация) = 0,8 (nrev)

Если (е2), то (с2) сt(импликация) = 0,9 (rev)

Если (е3), то (с2) сt(импликация) = 0,7 (rev)

Если (е4), то (с3) сt(импликация) = 0,6 (nrev)

Если (не е5), то (с3) сt(импликация) = 0,5 (nrev)

Если (с2 и с3), то (с4) сt(импликация) = 0,9 (rev)

Если (с1 или с4), то (с5) сt(импликация) = 0,8 (nrev),

где rev обозначает обратимое правило, nrev — необратимое.

Рисунок 37. Сеть вывода с вычисленными коэффициентами определенности

Рассуждения начинаются с основания дерева, где коэффициенты сообщены пользователем, а затем с помощью правил импликации находятся коэффициенты определенности для узлов верхнего уровня до тех пор, пока не будет найден коэффициент определенности для каждого заключения.

Пример сети вывода с вычисленными определенностями после проведения рассуждения.

ct(заключение с1) = 0,8*0,9=0,72

ct(заключение с2) = 0,9*0,9=0,81

ct(заключение с2) = -0,3*0,7 = -0,21

ct(заключение с2) = (0,81 + (-0,21)) / (1 — 0,21) = 0,74

Если (не е5), то (с3) ct(импликация) = 0,5 (nrev)

ct(заключение с3) = 0,3 * 0,5 = 0,15

ct(свидетельства) = min(0,15, 0,74) = 0,15

ct(заключение с4) = 0,15*0,9 = 0,13

ct(свидетельства) = max(0,72, 0,13) = 0,72

ct(заключение с5) = 0,72*0,8=0,58

В сети вывода самые нижние и самые верхние узлы являются специальными. Верхние узлы (гипотезы) определяются фактами следующего вида:

hypo_node (c5). Нижние узлы, являющиеся базовыми посылками, записываются так: terminal_node (e1).

Коэффициенты определенности для листов будут запрошены у пользователя. Далее система, поднимаясь вверх, вычисляет коэффициенты определенности внутренних узлов и коэффициенты определенности гипотез.

Если узел внутренний, то система найдет все правила, поддерживающие данный узел, вычислит коэффициент для каждого правила и затем по списку коэффициентов вычислит окончательный коэффициент, отражающий всю информацию по данному узлу.