2906543514

jej stanu, wymagałoby oprócz zmiany odpowiednich struktur rów-nieź korekcji programu sterującego,

- metoda wnioskowania powinna przystawać do sposobu wnioskowania w danej dziedzinie, a tym samym umożliwiać wyprowadzanie poprawnych konkluzji. Na przykład w systemach monitorowania pacjentów stosuje się wnioskowanie sterowane danymi, co oznacza, że konkluzje wyprowadzane są na podstawie danych. Wnioskowanie w tył (przez stawianie hipotez i sprawdzanie^ czy dane im nie zaprzeczają) jest metodą nienaturalną w tym przypadku - stan pacjenta (który może być groźny i powinien być wykryty możliwie wcześnie) jest wyprowadzany zbyt okrężną drogą.

Jak już wspomniano, najczęściej stosowaną (bo stosunkowo uniwersalną) metodą reprezentacji wiedzy są reguły produkcji. Nie tylko umożliwiają przejrzyste wnioskowanie, ale i zrozumiałe wyjaśnienie go przez podanie łańcucha reguł użytych do wyprowadzenia wyniku Ponadto łatwo modyfikować bazę wiedzy, gdyż reguły te są niezależne, każdą z nich można dodać, usunąć lub przekształcić bez wpływu na pozostałe reguły i program sterujący. Wadą natomiast jest konieczność ciągłego przeglądania bazy wiedzy i rozstrzygania konfliktu

2 /

wyboru, a także nieprzeźroczystość w przypadku reprezentacji wiedzy typu algorytmicznego.

Warto wspomnieć tu jeszcze o możliwości dołączenia do reguł produkcji współczynników pewności. System sterujący powinien w tym przypadku mieć możliwość wyliczania stopnia pewności konkluzji (na przykład na zasadach rachunku prawdopodobieństwa lub przez wyciąganie średniej ze współczynników pewności zastosowanych reguł). Wyrażone w ten sposób pewne elementy metawiedzy zwiększają ekspresyj-

rzez nieprzeźroczystość rozumie się tu trudność w wyśledzeniu algorytmu ze zbioru reguł produkcji Stanowiącego reprezentację tego algorytmu (reguł typu: jeśli stan n i warunki przejścia to

stan n ♦ 1).

6*