Реферати

Реферат: Моделі знань і даних

Історія суспільно-політичного розвитку сучасного Пакистану. Особливості й історія державотворення Пакистан, принцип культурно-релігійної спільності ідеології. Причини нестабільності життя пакистанського суспільства. Характеристика військових режимів Пакистану, исламизация країни, розвиток демократичного процесу.

Зрошення сільськогосподарських культур дощувальними машинами. Обґрунтування доцільності використанні зрошувальних меліорацій у господарстві. Природні умови господарства і зрошуваної ділянки. Оцінка якості поливної води по іригаційному коефіцієнті Стеблера. Проектування зрошувальної мережі в плані господарства.

Лінійка з рупорних антен. Проектування лінійки з рупорний^-хвилевідно-рупорний антени: добуток розрахунку одиночного рупора і фазирующей секції, побудова діаграми спрямованості найпростішого випромінювача Свч-диапазона. Розгляд будівлі і принципу роботи даної конструкції.

Праве регулювання надання щорічних відпусток. Історія розвитку законодавства про час відпочинку в Росії і за рубежем, його сучасний стан. Особливості надання щорічних основних оплачуваних і додаткових відпусток, а також без збереження заробітної плати у військових організаціях.

Мовна картина світу в інформаційних війнах. Найважливішої із семиотических систем є мова, за допомогою якого і на території якого може здійснюватися руйнування духовних основ життя народу через чи зміну руйнування мовної картини світу.

Зміст.

1. Вступ.

2. Особливості знань (Основні поняття).

3. Моделі представлення знань.

4. Фреймовие і мережеві моделі.

5. Представлення знань в системі розподілених баз знань в INTERNET/INTRANET.

6. Список літератури.

Вступ.

Інформація з якою мають справу ЕОМ, розділяється на процедурну і декларативну. Процедурна інформація матеріалізована в програмах, які виконуються в процесі рішення задач, декларативна - в даних з якими ці програми працюють. Стандартною формою представлення інформації в ЕОМ є машинне слово, що складається з певного для даного типу ЕОМ числа двійкових розрядів - бітів. Однак в ряді випадків машинні слова розбиваються на групи по вісім двійкових розрядів які називаються байтами.

Паралельно з розвитком структури ЕОМ відбувався розвиток інформаційних структур для представлення даних. З'явилися способи опису даних у вигляді векторів і матриць, виникли облікові структури, ієрархічні структури. У цей час в мовах програмування високого рівня используютсяабстрактние типи даних, структура яких задається програмістом. Появлениебаз даних (БД) знаменувало собою ще один крок на шляху організації роботи з декларативною інформацією. У базах даних можуть одночасно зберігається великі обьеми інформації, а спеціальні кошти створюючі систему управління базами даних (СУБД), дозволяють ефективно маніпулювати з даними, з потреби витягувати їх з бази даних і записувати їх в потрібному порядку в базу.

По мірі розвитку досліджень в області ИС виникла концепція знань, яка об'єднала в собі багато які риси процедурної і декларативної інформації.

Отже, що ж таке представлення інформації? У рамках цього напряму вирішуються задачі, пов'язані з формалізацією і представленням знань в пам'яті інтелектуальної системи (ИС). Для цього розробляються спеціальні моделі представлення знань, виділяються різні типи знань. Вивчаються джерела, з яких ИС може черпати знання, і створюються процедури і прийоми за допомогою яких можливе придбання знань для ИС. Проблема представлення знань для ИС надзвичайно актуальна, оскільки ИС - це система функціонування якої спирається на знання про предметну область, які зберігаються в її пам'яті.

Висновок: представлення знань - це один з напрямів в дослідженнях по штучному інтелекту. Інші напрями це - маніпулювання знаннями, спілкування, сприйняття, навчання і поведінка. Але на них я далі зупинятися не буду.

Особливості знань.

Перерахуємо ряд особливостей властивих різним формам представлення знань в ЕОМ.

1. Внутрішня интерпретируемость. Кожна інформаційна одиниця повинна мати унікальне ім'я, по якому ИС знаходить її, а також відповідає на запити, в яких це ім'я згадане. Коли дані, що зберігаються в пам'яті, були позбавлені імен, то був відсутній можливість їх ідентифікації системою. Дані могла ідентифікувати лише програма, що витягує їх з пам'яті по вказівці програміста, що написав програму. Що переховується за тим або інакшим двійковим кодом машинного слова, системі було невідомо.

2. Структурірованность. Інформаційні одиниці повинні були володіти гнучкою структурою. Для них повинен виконуватися "принцип матрьошка", т. е. рекурсивна вкладеність одних інформаційних одиниць в інші. Кожна інформаційна одиниця може бути включена в склад будь-який інший, і з кожної одиниці можна виділити деякі її складові. Іншими словами повинна існувати можливість довільного встановлення між окремими інформаційними одиницями відносин типу "частина - ціле "," рід - вигляд" або "елемент - клас".

3. Связность. У інформаційній базі між інформаційними одиницями повинна бути передбачена можливість встановлення зв'язків різного типу. Передусім ці зв'язки можуть характеризувати відносини між інформаційними одиницями. Наприклад: дві або більш інформаційні одиниці можуть бути пов'язані відношенням «одночасно», дві інформаційні одиниці - відношенням «причина - слідство» або відношенням «бути рядом». Приведені відносини характеризують декларативні знання. Якщо між двома інформаційними одиницями встановлене відношення «аргумент - функція», то він характеризує процедурне знання, пов'язане з обчисленням певних функцій. Існують- відносини структуризації, функціональні відносини, каузальні отношенияисемантические відносини. За допомогою перших задаються ієрархії інформаційних одиниць, другі несуть процедурну інформацію, що дозволяють обчислювати (знаходити) одні інформаційні одиниці через інші, треті задають причинно слідчі зв'язки, четверті відповідають всім іншим відносинам.

Перераховані три особливості знань дозволяють ввести загальну модель представлення знань, яку можна назватьсемантической мережею, що являє собою ієрархічну мережу у вершинах якої знаходяться інформаційні одиниці.

4. Семантична метрика. На безлічі інформаційних одиниць в деяких випадках корисно задавати відношення, що характеризує інформаційну близькість інформаційних одиниць, т. е. силу асоціативного зв'язку між інформаційними одиницями. Його можна було б назвати відношенням релевантности для інформаційних одиниць. Таке відношення дає можливість виділяти в інформаційній базі деякі типові ситуації (наприклад «купівля», «регулювання руху»). Відношення релевантности при роботі з інформаційними одиницями дозволяє знаходити знання близькі до вже знайдених.

5. Активність. З моменту появи ЕОМ і розділення інформаційних одиниць, що використовуються в ній на дані і команди створилася ситуація, при якій дані пасивні а команди активні. Всі процеси що протікають в ЕОМ ініціюються командами, а дані використовуються цими командами лише у разі необхідності. Для ИС ця ситуація неприйнятна. Як і у людини, в ИС актуалізації тих або інакших дій сприяють знання, що є в системі. Таким чином, виконання програм в ИС повинно ініціюватися поточним станом інформаційної бази. Поява в базі фактів або опис подій, встановлення зв'язків може стати джерелом активності системи.

Перераховані п'ять особливостей інформаційних одиниць визначають ту грань, за якою дані перетворюються в знання, а бази даних переростають в бази знань (БЗ). Сукупність коштів, що забезпечують роботу зі знаннями, утворять систему управління базою знань (СУБЗ). У цей час не існує баз знань, в яких в повній мірі були б реалізовані перераховані вше особливості.

Моделі представлення знань.

У багатьох випадках для прийняття рішень в тій або інакшій області людської діяльності невідомий алгоритм рішення, т. е. відсутня чітка послідовність дій, що явно приводять до необхідного результату. Наприклад:

- проектування розвитку важкої промисловості;

- оптимальне розміщення персоналу всередині будівлі;

- лікування хворої людини.

При прийнятті рішення в таких випадках необхідно мати деяку суму знань про самої цю область. Наприклад: при виборі найкращого ходу в конкретній шаховій позиції необхідні знання про правила гри, силі шахових фігур, стратегії і тактиці і багато що інше. Під знаннями розуміється те, що стало відомо після вивчення. Сукупність знань потрібних для прийняття рішень, прийняте називатьпредметной областьюили знаннями про предметну область.

У будь-якій предметній області є свої поняття і зв'язки між ними, своя термінологія, свої закони, зв'язуючі між собою об'єкти даних предметної області, свої процеси і події. Крім того, кожна предметна область має свої методи рішення задач.

Вирішуючи задачі такого вигляду на ЕОМ використовують ИС, ядром яких є бази знань, вмісні основні характеристики предметних областей.

При побудові баз знань традиційні мови, засновані на чисельному представленні даних є неефективними. Для цього використовуються спеціальні мови представлення знань, засновані на символьному представленні даних. Вони діляться на типи по формальних моделях представлення знань. Різні автори по-різному ці моделі класифікують. Взагалі їх чотири:

- продукционние моделі

- логічні моделі

- мережеві моделі

- фреймовие моделі

Хтось об'єднує продукционние і логічних, а хтось мережеві і фреймовие.

Спочатку коротко рассмотримпродукционние і логічні моделі:

Знання в таких моделях представляються в наступній формі: «Якщо А, то В». Замість А і В можуть стояти деякі твердження, факти, накази і т. д. Наприклад: «Якщо діагоналі чотирикутника перетинаються під прямим кутом, то цей чотирикутник ромб», «Якщо зробиш роботу те отримаєш зарплату» і т. д.

З прикладів видно що правило складається з двох частин: посилки (умови) і слідства (висновку). Якщо А (посилка) має місце, то В (слідство) також реалізовується або може бути реалізовано. Посилка може перебувати і з декількох частин т. е: «Якщо А1, А2,.., АN те В».

Запис правила означає, що «Якщо всі посилки від А1 до АN істинні, то слідство В також істинно». Посилки А1.. АN є прості посилки вони сполучаються за допомогою союзів: і, илії можуть містити отрицаниене. При реалізації правил такого вигляду з однієї або декількох посилок (знань) можуть бути отримані нові знання, тому вони називаютсяпродукционними. Прикладом може служити наступне правило:

Якщо людина Х є сином людини У, і

людина У є сином людини Z, і

людина Z є чоловіком,

то людина Х є внуком людини

У основі мережевих моделей представлення знань лежить ідея про те, що будь-які знання можна представити у вигляді сукупності об'єктів (понять) і зв'язків (відносин) між ними. На відміну від продукционних ці моделі більш наочні, оскільки будь-який приклад можна представити у вигляді орієнтованого (направленого) графа.

У основі моделей цього типу лежить конструкція, названа семантичною мережею. Мережеві моделі формально можна задати у вигляді Н=[I, C1, C2,..,CN, G]. Тут I безліч інформаційних одиниць; С1,.., СN - безліч типів зв'язків між інформаційними одиницями. Відображення G задає між інформаційними одиницями, вхідними в I зв'язку із заданого набору типів зв'язків.

У залежності від типів зв'язків, що використовуються в моделі, различаютклассифицирующие мережі, функціональні мережі і сценарії.

Приклад: Розглянемо набір з декількох фраз.

Папуга Кеша є птахом, і він уміє говорити.

Кличуть є

уміє

Фреймовие і мережеві моделі.

Раніше були розглянуті семантичні мережі. Поняття, вхідні в мережу, описуються у вигляді фреймів. А що таке фрейм?

Фрейм- це мінімально можливий опис суті якої-небудь події, ситуації, процесу або об'єкта. Існує і інше розуміння фрейма - це асоціативний список атрибутів. Поняття мінімально можливе означає, що при подальшому спрощенні опису втрачається його повнота, і воно перестає визначати ту одиницю знань, для якої було призначено. Представлення знань за допомогою фреймів розуміється як одне з способів уявлення знань про ситуації. Фрейм має ім'я (назва) і складається изслотов. Слоти - це незаповнені (нульові) позиції фрейма. Якщо у фрейма все слоти заповнені - це опис конкретної ситуації. У перекладі з англійського слово «фрейм» означає «рамка», а слово «слот» - «щілина». На відміну від моделей інших типів у фреймових моделях фіксується жорстка структура інформаційних одиниць, яка називаетсяпротофреймом. У загальному вигляді структура інформаційних одиниць виглядає таким чином:

(Ім'я фрейма:

ім'я слота1 (значення слота1);

ім'я слота2 (значення слота2);......

ім'я слотаК (значення слотаК)).

Значенням слота може бути практично що бажане (числа, математичні співвідношення, тексти на природній мові або на мові програм, посилання на інші слоти даного фрейма). Значенням слота може виступати і окремий фрейм, що є дуже зручним для впорядкування знань по мірі спільності. Виключення з фрейма будь-якого слота робить його неповним, а іноді і безглуздим.

При конкретизації фрейма йому і слотам приписуються конкретні імена і відбувається заповнення слотов. Таким чином з протофреймов получаютсяфрейми - примірники. Перехід від початкового протофрейма до фрейму - примірнику може бути многошаговим, за рахунок поступового уточнення значень слотов.

Розглянемо деякий протофрейм:

(Список співробітників:

Прізвище (значення слота1);

Рік народження (значення слота2);

Спеціальність (значення слота3);

Стаж (значення слота4)).

Якщо як значення слотов використати конкретні дані, то отримаємо фрейм - примірник:

(Список співробітників:

Прізвище (Попів - Сидоров - Іванов - Петров);

Рік народження (1965 - 1975 - 1980 - 1978);

Спеціальність (директор - бухгалтер - технік - кур'єр);

Стаж (15 - 7 - 3 - 4)).

Зв'язки між фреймами задаються значеннями спеціального слота з ім'ям «зв'язок». Як я вже раніше писав частину фахівців по ИС вважає, що немає необхідності спеціально виділяти фреймовие в представленні знань, оскільки в них об'єднані всі основні особливості інших типів.

Тепер розглянемо декілька прикладів:

№1. Нехай дана деяка фраза «Касир видає гроші робітником». Запишемо її у вигляді фрейма:

(Видає:

службовець (касир);

одержувач (робітник);

об'єкт (гроші)).

З прикладу видно що фрейм має наступну протоструктуру

(Видає:

службовець (Значення слота1);

одержувач (Значення слота2);

об'єкт (Значення слота3)).

№2. Нехай даний деякий фрейм. Сформулюємо на природній мові ті знання які закладені в цьому фреймі.

(Список учнів:

Прізвище (Иванов - Петров - Сидоров);

Рік народження (1987 - 1985 - 1990);

Клас (5 - 7 - 2)).

1. Иванов народився в 1987 і вчиться в 5-м класі.

2. Петров народився в1985 і вчиться в 7-м класі.

3. Сидоров народився в 1990 і вчиться у 2-м класі.

Ще розглянемо приклад вкладеного фрейма т. е.

(План тижня:

мероприятие1 (Збори);

мероприятие2 (Святкування);

мероприятие3 (Футбольний матч)).

(Збори:

Тема (Початок учбового року);

Час (Понеділок, 14.00);

Місце (Актовий зал);

Присутні (Колектив школи)).

(Святкування:

Тема (День народження);

Час (Середа, 17.00);

Місце (Столова);

Присутні (Учні класу)).

(Футбольний матч:

Тема (боліти за «наших»);

Час (П'ятниця, 18.30);

Місце (Стадіон);

Присутні (болільники команд)).

Для мережевих моделей варто виділити наступні проблеми:

1. Мережеві моделі не мають загальної теорії.

2. Багато евристики.

3. Проблема ефективності процедур роботи з мережами.

4. Багато видів мереж, в тому числі розрахованих на апаратну реалізацію.

ПРЕДСТАВЛЕННЯ ЗНАНЬ В СИСТЕМІ РОЗПОДІЛЕНИХ БАЗ ЗНАНЬ І ДАНИХ В INTERNET / INTRANET.

Постановка задачі.

У цей час в основному три винаходи в області інформатики визначають шляхи її розвитку;

експертні системи,

системи управління базами даних,

мережа Internet.

У останні два десятиріччя широке поширення в різних областях діяльності отримали експертні системи. Відмінною рисою комп'ютерних програм, званих експертними системами, є їх здатність накопичувати знання і досвід високо кваліфікованих фахівців в якій-небудь вузькій предметній області. Потім за допомогою цих знань користувачі експертних систем, що мають не дуже високу кваліфікацію, можуть вирішувати свої поточні задачі так же успішно, як це зробили б самі експерти. На даний момент експертні системи повинні задовольняти наступним вимогам:

1. Необхідно використати в них не поверхневі знання у вигляді евристичних правил, а глибинні, представляючі собою теорії предметних областей і загальні стратегії розв'язання проблем.

2. Знання повинні бути організовані у вигляді складових ієрархічних представлень, що включають мережі фреймів, продукції і логічні моделі.

3. Експертна система повинна вирішувати задачі з динамічних предметних областей, тобто областей, знання про яких можуть змінюватися безпосередньо в процесі висновку.

4. Одним з компонентів експертної системи повинна бути база даних з неповною інформацією.

5. Система повинна бути здатна аналізувати знання, що є у неї, виявляючи протиріччя між старими знаннями і знову отриманими від експерта, встановлювати факт їх неповноти або помилковості.

У більшості випадків сучасні експертні системи не задовольняють цим вимогам. Потрібно сказати про таке важливе, нестачі експертних систем, як відсутність можливості зберігати великі об'єми даних. Звісно, в принципі база знань експертної системи може зберігати будь-яку кількість даних у вигляді правил-продукцій або просто фактів. Але механізм її роботи в загальному вигляді такий, що при роботі з великими об'ємами схожих фактів або правил швидкість роботи різко падає.

Зупинимося тепер на коштах управління базами даних. Не секрет, що в зв'язку із зростанням об'ємів носіїв і швидкостей передачі даних людство просто тоне у величезній кількості інформації. Всі знання, якими коли-або володіла людина якщо вже не зберігаються, то в найближчому майбутньому будуть зберігатися в компьютеризированном вигляді. Таким чином, якщо людині потрібна яка-небудь конкретна інформація, він може бути упевнений, що десь, на якомусь сервері і в якійсь базі даних ця інформація вже зберігається. Треба тільки витягнути її. Далі починаються складності. Користувач повинен знати не тільки точну адресу потрібного сервера, але і уявляти собі, де саме на цьому сервері і в якому вигляді зберігається потрібна йому інформація. І це ще не все. Людина повинна зуміти сформулювати своє питання на мові, прямо скажемо, далекому від природного, наприклад, на мові SQL. Тільки тоді він зможе добратися до потрібної інформації.

Приблизно тим же недоліком володіють кошти пошуку інформації в мережі Internet. Пошукові машини Internet ні в якій мірі не використовують семантику предметної області при пошуку інформації, а можуть шукати інформацію тільки за ключовими словами, підбір яких є для користувача аж ніяк не тривіальною задачею. Крім того, навіть знаючи які слова треба шукати, користувач не гарантує собі успішний пошук, т. до. не знає в якому відмінку використовуються ці слова.

Отже: Експертна система здатна видавати відповіді, вибираючи їх з власної бази знань або виводячи за допомогою правил-продукцій, але не має доступ до величезних масивів інформації, що зберігаються в базах даних різного типу.

Кошти управління базами даних, наприклад, SQL-сервера, здатні видавати тільки конкретну інформацію по конкретним запитам, сформульованим на відповідній мові. Робити висновки і самообучаться вони не можуть.

Кошти пошуку інформації в Internet не здатні гарантувати успіх, т. до. не використовують при пошуку семантику предметної області.

Таким чином, ми прийшли до висновку, що ні бази знань з інструментарієм експертної системи, ні бази даних з мовами запитів, ні пошукові машини Internet недосвідченої людини задовольнити не можуть. Тоді і виникла ідея об'єднати бази даних і бази знань єдиними концепціями і єдиним інструментарієм і навантажити їх в середу Internet / Intranet.

Мова представлення даних і знань IRL.

Як модель представлення даних і знань була вибрана мережа фреймів. Поняття фрейма широко використовується в областях, пов'язаних з штучним інтелектом. Фрейм дозволяє описувати як абстрактні об'єкти і поняття, так і конкретні об'єкти, що мають точні числові характеристики. Також представляється дуже істотною можливість представлення у вигляді фреймів ієрархічних об'єктів. Фрейм, як відомо, складається з слотов, що описують конкретні властивості поняття або об'єкта. Для роботи з фреймами була розроблена спеціальна мова, названа нами Intelligent Request Language, або скорочено IRL. Граматика цієї мови представлена нижче. Вона відноситься до класу Q-граматик, оскільки містить правила вигляду N:empty. Граматики цього типу допускають низхідний граматичний розбір. Загальний вигляд граматики представлений нижче.

< ОпісанієПонятія >: < ІмяПонятія > < Предок > < Джерело > < Склад > < ОпісаніяСлотов > { < Джерело > < Склад > < ОпісаніяСлотов >

< Предок >: : < ІмяПредка > { {

< Джерело >: < ІсточникДанних > = < ОпісанієЇсточника > empty

< ОпісанієЇсточника >: " < ІмяФайла > "; " < IP-адреса > ";

< Склад >: < Складається > { < ОпісанієСостава >

< ОпісанієСостава >: < ОпісанієПонятія > < ОпісанієКолічества > < ОпісанієСостава > }

< ОпісанієКолічества >: : < ЧислоВхожденій >; ;

< ОпісаніяСлотов >: < ІмяСлота > < ЗначенієСлота > < ОпісаніяСлотов > }

< ЗначенієСлота >: < Число > < ЕдініцаЇзмеренія > < Продовження > [ < Число >, < Межа > ] < ЕдініцаЇзмеренія > < Продовження > " < Рядок > " < Продовження > ~ < ОпісанієСтолбца > < ЕдініцаЇзмеренія > < Продовження > # < ІмяСлота > < Продовження > < ОпісанієПонятія > < Продовження >? ;

< ЕдініцаЇзмеренія >: ( < ІмяЕдініци > ) empty

< Межа >: < Число > > < < Продовження >: ; ¦ < ЗначенієСлота >

< ОпісанієСтолбца >: < Стовпець > < ПродолженієОпісаніяСтолбца >

< ПродолженієОпісаніяСтолбца >: : < ІмяФайла >: < Стовпець > = < Стовпець > < ПродолженієОпісаніяСтолбца > empty

Достоїнством мови IRL можна вважати можливість опису двох таких важливих сутностей, як успадкування і включення. На нашій думку, машинна мова може адекватно представляти пристрій світу з людської точки зору тільки в тому випадку, якщо він відображає ці поняття. Як видно з граматики, в окремому випадку фрейм мови IRL може мати тільки ім'я, і нічого більше. У цьому випадку він є описом базового поняття, тобто, поняття, що не має предка. Як базові поняття використовуються:

1. Дія (Action).

2. Властивість (Property).

3. Відношення (Relation).

4. Об'єкт (Object).

Деякі з базових понять мають властивості (слоти), інші - немає. До числа перших відносяться дія і відношення, до числа других - властивість і об'єкт. Базова дія має наступні слоти:

Назва.

Об'єкт дії.

Суб'єкт дії.

Час дії.

Місце дії.

Що є на початку дії.

Що є в кінці дії.

Останні два слота призначені для того, щоб система могла аналізувати дію не тільки по назві, але і по суті. Базове відношення в свою чергу має слоти:

Об'єкт.

Суб'єкт.

При описі конкретної дії або відношення кожний слот набуває відповідного значення. Всі інші поняття успадковуються з базових. За умовчанням фрейм-нащадок успадковує все слоти фрейма-предка, а до них вже може додавати будь-яку кількість своїх слотов. Крім успадкування, граматика мови IRL дозволяє реалізувати таку важливу річ, як поняття включення. Для цього введений спеціальний слот < Складається >. Об'єкт може складатися з будь-якого числа інших об'єктів, які, в свою чергу, можуть бути складовими. Якщо характеристика об'єкта може бути виражена за допомогою чисел, то мова надає наступні можливості:

Використання одиниць вимірювання по розсуду користувача. Одиниці вимірювання, що використовуються користувачем, за допомогою таблиць перетворення приводяться до уніфікованих.

Використання числових діапазонів. Для них передбачений спеціальний синтаксис. Крім понять і об'єктів система може зберігати окремі факти і правила-продукції, або, говорячи іншими словами, кожний фрейм є свого роду правилом-продукцією. Зупинимося для початку на фактах. Факт будь-якого роду може бути представлений у вигляді фрейма, що описує конкретну дію. Наприклад, якщо ми хочемо занести в базу знань системи той факт, що Колумб відкрив Америку в 1492 році, це буде виглядати таким чином:

Відкрив: Дія { Об'єкт = "Колумб" Суб'єкт = "Америка" Час дії = "1492 рік" }

Фреймів з однаковою назвою в системі може зберігатися як бажано багато. Треба лише, щоб вони відрізнялися один від одного. Завдяки унікальній конструкції файлової системи пошук потрібного фрейма відбувається дуже швидко. Звернемося знову до граматики мови IRL. Слот < Джерело > може бути присутній в будь-якому фреймі, але він не є обов'язковим. Це означає, що якщо дані зберігаються в конкретній базі даних, то ми її вказуємо, а якщо немає - це буде факт загального вигляду, приклад якого і був приведений вище. Потрібно зупинитися ще на одному важливому моменті. У реальній практиці досить рідко зустрічаються відособлені файли баз даних. Як правило, для збільшення швидкодії систем обробки даних інформація зберігається у безлічі різних файлів, пов'язаних між собою. Мова IRL дозволяє описувати пов'язані бази даних. Ми не будемо торкатися конкретного синтаксису. Приведемо лише загальний вигляд деякого факту, а саме: опис об'єкта "Фірма", дані про яке зберігаються в одній базі даних, а дані про продукцію, що випускається фірмою - в іншій базі даних. Природно, що ці бази повинні бути пов'язані між собою.

Список літератури:

1. "Штучний інтелект". 2-й тому під редакцією Поспелова.

2.