ПРИНЦИП ПРЕДЕЛЬНЫХ ОБОБЩЕНИЙ: методология, задачи ...

218
Рассмотрим вопрос о передаче моделей знаний. Пусть {τ/T} {S} наборы
тестов какой-либо модели знаний {S}, например, {S * } * Min~Full. Сократим
число тестов и редуцируем орграфы банка тестов {G(τ)} таким образом,
чтобы в новом банке тестов {G’(τ)} присутствовали только орграфы
доменов для тестов {τ} {S} и домены из набора {τ/T 0 } ∪ {τ/T} {S} . Такую
редукцию всегда можно выполнить, например, из орграфа
G(τ) = {T 0 →…→ T * } получить орграф G’(τ) = {T 0 → T * }. При сокращении
числа тестов с {τ} до {τ} {S} соответственно упрощается и описание
прецедентов. В результате получаем новое – более простое описание банка
прецедентов Ω’. Обучаемому агенту передается когнитивная структура
. Достаточность такой информации подтверждается
следующим предложением.
Предложение 5.27. На и существуют
совпадающие модели знаний {S}.
Таким образом, после того как определены (инвариантные) синдромные
модели знаний на , орграфы банка тестов {G(τ)} и описание
банка прецедентов могут быть значительно редуцированы с сохранением
найденных моделей знаний. Данный факт наглядно подтверждает
известную истину: «Все гениальное просто!». Действительно, для
нахождения инвариантных моделей знаний требовался развернутый банк
тестов и, зачастую, избыточное (по тестам) описание базы прецедентов, но
после того как модели установлены, их использование может опираться на
значительно более простые когнитивные структуры. Данный факт играет
ключевую роль при обучении и передаче знаний.
Отметим, что передать одну базу знаний {S} без соответствующего
банка тестов нельзя, так как исходные данные о новом прецеденте могут
иметь уровень общности, отличающийся от синдромов модели {S}, и
необходимо использовать банк тестов для соответствующих
преобразований. Для примера рассмотрим один частный, но важный
случай.
Предложение 5.28. Пусть орграфы всех тестов из {G(τ)} содержат
лишь одну терминальную вершину и описание базы прецедентов Ω({τ/T * })
не содержит конфликтов, тогда все орграфы доменов банка тестов {G’(τ)}
имеют вид G’(τ) = {T 0 → T * }, а модель знаний {S} принадлежит описанию
{τ/T * } {S} .
5.2 Применение синдромных и вероятностных моделей знаний
Опишем алгоритм применения моделей знаний к новым ситуациям
действительности (новым прецедентам).