Фрейм (инженерия знаний)

Фрейм содержит информацию о правилах своего использования, о том, что должно произойти далее, и о действиях при несоблюдении этих ожиданий.

Часть информации во фрейме обычно неизменна, а другие данные, сохраняемые в терминалах, могут меняться; терминалы рассматриваются как переменные.

Верхнеуровневые фреймы содержат сведения, всегда истинные для данной задачи, однако значения терминалов могут изменяться по мере поступления новой информации. Разные фреймы могут использовать одни и те же терминалы.

Каждая единица информации конкретного фрейма хранится в отдельном слоте.

Информация в фрейме может включать:

• Факты или данные:
  • Значения («facets» — фасеты)
• Процедуры (процедурные вложения):
  • IF-NEEDED — отложенное вычисление
  • IF-ADDED — обновление связанной информации
• Значения по умолчанию
  • Для данных
  • Для процедур
• Другие фреймы или подфреймы

Терминалы фрейма обычно уже заполнены значениями по умолчанию, что отражает принципы работы человеческого разума^[1].

Например, когда человек слышит фразу «мальчик пинает мяч», большинство визуализирует конкретный знакомый мяч (например, футбольный), а не абстрактный объект без характеристик.

Одно из преимуществ фреймового представления знаний — возможность задания исключений для конкретных экземпляров, что отличает его от семантических сетей и придаёт гибкость, необходимую для адекватного отображения реальных явлений.

Аналогично семантическим сетям, фреймы поддерживают распространение активации при запросах. Согласно правилам наследования, любые значения, задаваемые для слота и наследуемые подфреймами, будут обновлены (IF-ADDED) во всех соответствующих слотах подфреймов; новые экземпляры фрейма также получат новое значение по умолчанию.

Благодаря структуре фреймов возможно построение семантической сети на их основе, хотя явные дуги могут отсутствовать. Ссылки на труды Ноама Хомского и его генеративную грамматику 1950-х годов, как правило, отсутствуют в работах Мински.

Упрощённые структуры фреймов обеспечивают лёгкий аналоговый вывод, что ценно для интеллектуальных агентов. Процедурные вложения во фреймах позволяют добиться большей гибкости и приближения к реальности, а также удобны для программных приложений.

Интересной особенностью является простота аналоговых рассуждений между, например, «мальчиком» и «обезьяной» благодаря одинаковому именованию слотов.

Экземпляр Alex («Алекс»), относящийся к классу «мальчик», наследует, например, пол («мужской») от базового фрейма, но конкретные значения, такие как количество ног, могут быть изменены как исключение.

Фреймовый язык — технология, применяемая для представления знаний в искусственном интеллекте. Он похож на иерархии классов в объектно-ориентированных языках программирования, хотя их фундаментальные цели различаются.

Фреймы нацелены на явно́е и интуитивное описание знаний, тогда как объекты ориентированы на инкапсуляцию и сокрытие информации. Фреймы возникли в исследованиях по ИИ, а объекты — преимущественно в разработке ПО.

Однако в реальной практике техники и возможности фреймовых и объектно-ориентированных языков во многом пересекаются.

Простым примером концепций, моделируемых во фреймовом языке, является онтология Friend of A Friend (FOAF), созданная для семантической сети и используемая в качестве основы для социальных сетей и календарей.

Главный фрейм в приведённом примере — «Person» («Человек»).

Примеры слотов: email, домашняя страница, телефон и др.

Интересы каждого человека могут быть представлены дополнительными фреймами, описывающими область бизнеса и развлечений.

Слот knows образует связи между людьми.

Значения интересов могут быть выведены по связям внутри социальной сети^[5].

Первые языки на фреймах разрабатывались как индивидуальные решения для конкретных исследовательских проектов и не были оформлены в виде независимых инструментов.

Подобно экспертным системам с отдельными машинами вывода, учёные впоследствии начали выделять универсальную инфраструктуру и создавать обобщённые языки, не связанные со специфическими приложениями.

Одним из первых таких языков был KRL^[2]. Одним из наиболее влиятельных ранних языков стал KL-ONE^[3], породивший множество последующих стандартов.

Одним из самых распространённых преемников KL-ONE был язык Loom, разработанный Робертом Макгрегором в Институте информационных наук^[6].

В 1980-х сфера искусственного интеллекта привлекла всё больше внимания бизнеса за счёт развития экспертных систем. Это привело к созданию коммерческих продуктов для проектирования систем на основе знаний. Ранние продукты обычно реализовывались на Lisp и совмещали правила IF-THEN для логического вывода с иерархиями фреймов.

Одной из самых известных ранних оболочек была Knowledge Engineering Environment (KEE), разработанная компанией Intellicorp, с полной поддержкой языка фреймов, множественного наследования, слотов, триггеров, значений по умолчанию и системы вывода, поддерживающей прямой и обратный вывод. Первоначально KEE функционировала на специализированных машинах Lisp, но затем была портирована и на ПК под UNIX^[7].

Работы по семантической паутине способствовали возрождению интереса к автоматическим классификаторам и языкам фреймов. Примеры — стандарт OWL (Web Ontology Language), создающий семантический слой поверх Интернета, и предназначенный для организации веба по смысловым онтологиям, а не только по ключевым словам.

Название языка OWL иллюстрирует достоинства семантического подхода: если искать «OWL» сегодня, большинство страниц будут о сове, а не о стандарте. В семантической сети пользователь сможет точно указать, о каком значении идёт речь, без хлопот с омонимами и синонимами.

К стандартам и инструментам этого класса относятся OIL, DAML и Protégé от Стэнфордского университета, первоначально поддерживавший явные фреймы (до версии 3.5), впоследствии перешедший на OWL DL как более выразительный и промышленный стандарт^[8].

Фреймовые и объектно-ориентированные языки имеют большое пересечение по возможностям. Несмотря на различие терминологии и целей на ранних этапах, к моменту коммерциализации разработчики стали активно комбинировать лучшие решения обеих парадигм.

Общая цель обоих подходов — максимально приблизить архитектуру программ к концепциям реального мира и их таксономиям.

Соответствие терминологии показано в таблице:

Ключевое отличие состоит в подходе к инкапсуляции. В ООП инкапсуляция считается одним из главных требований — управление доступом к данным и методам важно для масштабирования сложных систем. Во фреймовых языках инкапсуляция не столь критична — значимее наличие гибких инструментов для описания правил, ограничений, логики.

Другое отличие — поддержка множественного наследования. Для фреймов это обязательное условие: концепции реального мира редко укладываются в строго раздельные таксономии. В ООП, напротив, тенденция — к единственному наследованию и модульности^[9].

Поздние фреймовые языки вроде Loom и KEE включали механизм «сообщений», схожий с принципом message passing.

В ООП также реализованы стандарты для ассоциаций тестовых данных и ограничений с объектами (аналогично слоту «facets» во фреймах), а также для интеграции правил^[10][11].

Ранняя работа по фреймам была вдохновлена психологическими исследованиями 1930-х годов, согласно которым люди используют стереотипные структуры знаний для интерпретации новых когнитивных ситуаций^[12]. Термин «фрейм» был введён Марвином Мински для описания парадигмы понимания зрительного и речевого восприятия^[13].

Первоначально предполагалось, что фреймы (или скрипты) позволяют устанавливать контекст задачи и резко сузить пространство поиска решений. Идея была расширена Роджером Шанкомом и Робертом Абельсоном, которые применили её для описания типовых человеческих взаимодействий, например заказа блюда в ресторане^[14]. В таких сценариях хранились слоты, соответствовавшие объектным свойствам. Слоты могли иметь значения по умолчанию, но также требовали доопределения в ходе выполнения задания.

Как и объектные классы, фреймы организовывались в иерархии подтипов. Базовый фрейм (например, «заказ в ресторане») мог быть конкретизирован (фрейм «заказ в дорогом ресторане» с дополнительными слотами либо иными значениями по умолчанию)^[15][2].

Большая часть ранних исследований в области фреймов была мотивирована опытом экспериментальной психологии (например, работы Шанка и Абельсона) и попытками создать средства представления знаний, отражающие реальные паттерны человеческой деятельности. Для этих исследователей математическая строгость не была главной — аналогично, как и в лингвистике Чарльз Филлмор в 1970-х выдвинул теорию фреймовой семантики, впоследствии реализованную, например, в системе FrameNet^[16].

Другие исследователи, такие как Рон Брачман, стремились придать фреймам математическую строгость и свести их к теориям множеств и логике для автоматизации построения и проверки моделей с помощью логического вывода. Этот подход позволял применять автоматические классификаторы.

Это отражает классический конфликт в ИИ — «строгие» (neats) и «приближённые» (scruffies) подходы^[17].

Наиболее известным формально-логическим языком был KL-ONE^[3]. Он обеспечил автоматическую классификацию и проверку логических связей между фреймами (классификатор), что стало основой для функций вывода и обнаружения противоречий^[6].

Эти технологии оказались крайне полезны для интерпретации неструктурированных данных, например, в семантической паутине^[18].

Разделение на «строгих» и «приближённых» также проявилось и в развитии семантической паутины, породив, например, движение Linking Open Data — с упором больше на публикацию данных, чем на моделирование литералов^[19].