Metal Gear

Теперь мы готовы к тому, чтобы описать основные преимущества RBS-систем, равно как и их недостатки. Этот анализ облегчит принятие решения о том, годятся ли RBS-системы для применения к проблемам моделирования ИИ в компьютерных играх. Поэтому мы сначала рассмотрим основные характеристики RBS-решений вообще, а затем поговорим о том, насколько их можно использовать в игровых средствах ИИ.
Преимущества
Учитывая все сказанное выше о RBS-решениях, не удивительно, что они на сегодняшний день являются одними из наиболее массовых методов моделирования ИИ. В частности, если рассматривать их с точки зрения разработки игр, нас могут интересовать СЛЄД5ТОЩИЄ свойства таких решений.
> Простота. Отдельные правила имеют простой синтаксис и представляют знания в наиболее естественной форме. Благодаря этому экспертам легко разобраться в функционировании RBS-решений, базирующихся на принципах, которые лежат в основе человеческой логики. Представление знаний в таких системах также осуществляется в неявной форме, что позволяет сэкономить и время, и силы при их создании.
> Модульное построение. Рабочие правила представляют знания в атомарной форме, а операторы можно объединять и редактировать независимо один от другого. Такой принцип построения RBS-рещений обеспечивает простоту их расширения.
> Гибкость. Поскольку знания в RBS-системах представлены в относительно неформализованном виде (в отличие от компьютерной логики), данными очень легко манипулировать для достижения нужного результата. Кроме того, очень легко поместить дополнительные символы в рабочую память или даже улучшить используемый ЯПЗ.
> Широкая область применения. Поскольку многие задачи после формализации с помощью элементов ТПЗ (например, символов) представляются в очень удобном виде, RBS-решения часто являются наилучшим вариантом для создания соответствующих систем. Именно поэтому область применения таких решений очень широка: от имитации и моделирования физических процессов до решения научных и управленческих задач. Конечно, перечисленные преимущества RBS-решений не даются даром, поэтому следует учитывать и проблемы, которые могут возникать при их применении.
Недостатки
Следует понимать, что RBS-системы не являются панацеей. Поэтому для того, чтобы выбор в пользу таких систем был осознанным, необходимо четко представ-шть, какие последствия могут бьггь в случае их использования.
> Экспрессивность. Поскольку в основе RBS-решений всегда лежит тот или иной ЯПЗ, такие решения по определению не обладают высокой экспрессивностью: небольшой объем знаний, представленный в записи или полученный путем заключений, может играть значительную роль для получения информации. Это означает, что во многих случаях трудно предсказать поведение RBS-системы на основе изучения одних лишь правил.
> Универсальность. Хотя однострочные рабочие правила позволяют обеспечить очень высокую гибкость, содержимое их тел часто ограничивается синтаксисом выбранного ЯПЗ (например, присваивание символу значения). Кроме того, в выбранном ЯПЗ тело также нередко ограничено одним оператором (особенно часто это можно встретить в системах, основанных на выборке с обратным логическим выводом). Конечно, такие ограничения не позволяют рабочим правилам даже приблизиться по универсальности к таким современным языкам программирования, как Java или C++.
> Эффективность. В простых системах требования к необходимой вычислительной мощности, как правило, растут по линейному закону при увеличении количества правил. Обьино именно такую цену приходится платить за усложнения этапа поиска соответствия. Конечно, можно усовершенствовать алгоритмы поиска и тем самым повысить эффективность, однако требования к памяти, необходимой для размещения большого количества правил, снизить гораздо сложнее. Кроме того, если в системе, основанной на RBS-решении, необходимо выполнять сложный перебор, эффективность такой системы часто оказывается ниже эффективности систем аналогичного назначения, основанных на других решениях.
> Принетшосп». Хотя RBS-решения, как уже отмечалось, можно применять в различных проблемных областях, это не значит, что они всегда являются лучшими и (или) единственно возможными. Например, символы не подходят для моделирования некоторых проблем (в частности, аналогового управления или моделирования последовательности операций). Кроме того, далеко не во всех случаях можно создать необходимые экспертные знания в сооглгкггаующей предметной области.
В завершение отметим, что многие недостатки можно устранить или компенсировать тем или иным способом, хотя возможность (или невозможность) такой компенсации часто во многом определяется конкретной проблемой.