Построение гипотез и самообучение принятию решений

Креативность рассматривается как способность человека решать творческие задачи, например открывать новые законы, генерировать гипотезы, сочинять стихи и музыку и др. [15]. В ряде приложений, в частности для систем управления интеллектуальных роботов, вероятно, полезными будут креативные способности, связанные, например, с автоматическим выявлением зависимостей в поступающей информации и формированием гипотез на их основе, созданием новых моделей поведения на основе предсказания, генерацией новых знаний на основе самообучения. Роботы с такими способностями смогут самостоятельно, в одиночку и коллективно, работать, полностью заменяя человека во многих областях. Однако для их создания потребуется развить принципиально новые подходы и специальные нейроморфные средства для обработки информации в образном представлении [10].

Общий подход к автоматическому построению гипотез может быть основан на индуктивном выводе.

В отличие от дедуктивного логического вывода (см. параграф 6.1), использующего общее аксиоматическое описание задачи и позволяющего принимать частные решения (вывод от общего к частному), индуктивный логический вывод, обобщая частные исходные примеры, позволяет принимать общее решение (вывод от частного к общему).

Существенно то, что диапазон представлений (знаний или гипотез), порождаемых дедуктивным выводом, не больше заданного априори, а для индуктивного вывода он больше заданного изначально. Это означает, что он может обеспечить интеллектуальной системе свойство креативности в плане возможности генерации новых знаний или гипотез на основе обобщений имеющихся данных и знаний.

Не вдаваясь подробно в проблему индуктивного вывода, рассмотрим здесь лишь простейшее правило индуктивного обобщения Р, Н -> Р н.

Здесь Р — множество известных предложений, Я — гипотеза. Если задано множество Р, введена гипотеза Я и показано, что Р выводится из Я, то Я считается истинной.

Например, пусть задано множество отношений вида «робот X имеет управление», выраженное набором предикатов:

управление (робот_ПУМА) управление (робот _АСЕА) управление (робот_КОАТ-А-МАТИК) Выдвигается гипотеза.

(V X) управление (X).

означающая «каждый робот имеет управление», что есть обобщение приведенных фактов. Теперь появляется новый факт — робот_ЮНИМАЙТ. По правилу обобщения машина вывода заключает, что «робот ЮНИМАИТ имеет управление», и к множеству предложений добавляется предикат управление (робот_ЮНИМАЙТ) Такой вывод расширяет диапазон знаний об объектах.

Индуктивный вывод с использованием правила обобщения используется при автоматическом обучении понятиям, приобретении знаний в экспертных системах и др. Существует развитая теория индуктивного вывода, представляющая практический интерес в плане решения задач по принятию решений на основании обобщений. Несмотря на то, что индуктивный вывод пока не считается хорошо обоснованным, этот подход привлекает многих исследователей в области разработки интеллектуальных систем, способных расширять свои знания за счет обобщения.

Другая полезная для технических систем креативная способность связана с автоматическим получением знаний в логических формах, которые позволяют формировать новые решения при изменении условий. Прототипами экспертных систем с логическими модулями, содержащими продукционные, семантические и фреймовые базы знаний, а также средства логического вывода и самообучения, являются:

• • иерархические продукционные системы с автоматическим формированием правил в импликативной форме;
• • иерархические семантические сети с автоматическим формированием понятий и отношений;
• • фреймовые системы с обучением [7|.

Продукционные системы с самообучением являются наиболее применимыми и многовариантными, поскольку в них модульные базы знаний могут строиться как наборы недетерминированных правил — нечетких, вероятностных и с коэффициентами уверенности. При этом используются соответствующие типам правил процедуры вывода. Методы обучения тоже различны: метаправила, параметрическое обучение, генетические алгоритмы, симуляция отжига и др. Примером такой системы является EURISCO, в которой автоматическое формирование новых продукционных правил осуществляется путем обучения на метаправилах. Система CASNET является примером систем с автоматическим формированием новых понятий, а система ЕТ — примером систем с эволюцией фреймов с использованием генетического алгоритма. Все эти системы были кратко рассмотрены в параграфе 10.1.

Подобные системы, по существу, имитируют креативные функции человека, позволяющие делать «открытия», т. е. генерировать неизвестные понятия, факты и правила, обладающие полезностью.