Файл: Макарова_Информатика_2000.doc

1. Байдун В.В., Бунин А.И. Средства представления и обработки знаний в системе FRL/PS // Всесоюзная конференция по искусственному интеллекту: Тез. докл., т.1. - Минск, 1990.

2. Кирсанов Б.С., Попов Э.В. Отечественные оболочки экспертных систем для больших ЭВМ // Справочник по искусственному интеллекту, т.1. - М.: Радио и связь, 1990.

3. Ковригин О.В., Перфильев К.Г. Гибридные средства представления знаний в системе СПЭИС // Всесоюзная конференция по искусственному интеллекту: Тез.докл. т.2. - Переславль-Залесский, 1988.

4. Николов С.А. и др. Анализ состояния и тенденции развития информатики. Проблемы создания экспертных систем // Исследовательский отчет под ред. С.А. Николова. - София: Интерпрограмма, 1991.

5. Попов Э.В. (ред). Динамические интеллектуальные системы в управлении и моделировании. - М.: МИФИ, 1996.

6. Поспелов Д.А. Искусственный интеллект: фантазия или наука? - М.: Радио и связь, 1986.

7. Справочник по искусственному интеллекту в 3-х т. / Под ред. Попова Э.В. и Поспелова Д.А. - М.: Радио и связь, 1990.

8. Соловьев С.Ю., Соловьева Г.М. Вопросы организации баз знаний в системе ФИАКР // Экспертные системы: состояние и перспективы / Под ред. Д.А. Поспелова. - М.: Наука, 1989.

9. Уотермен Д. Руководство по экспертным системам: Пер. с англ. - М.: Мир, 1989.

10. Хейес-Рот и др. Построение экспертных систем / Под ред. Ф. Хейес-Рота, Д. Уотермена, Д. Лената. - М.: Мир, 1987.

11. Хорошевский В.Ф. Управление проектами в интеллектуальной системе PIES Workbench // Изв. РАН, серия "Техническая кибернетика". - 1993. -№5.

12. Цейтин Г.С. Программирование на ассоциативных сетях // ЭВМ в проектировании и производстве. - Л.: Машиностроение, 1985. Вып. 2.

13. Шенк Р., Бирнбаум Л., Мей Дж. К интеграции семантики и прагматики. Новое в зарубежной лингвистике: Вып. XXIV. Компьютерная лингвистика. - М.: Прогресс, 1989.

14. Хювянен Р., Сеппянен М. Мир ЛИСПА. В 2-х т. - М.: Мир, 1991.

Глава 17. Инженерия знаний

17.1. Теоретические аспекты получения знаний

17.2. Практические методы извлечения знаний

17.3. Структурирование знаний

Центральной проблемой при создании интеллектуальных информационных технологий является адекватное отображение знаний специалиста в памяти компьютера. Это привело к развитию нового направления в информатике – инженерии знаний, где определяется соотношение человеческого знания и его формализованного (информационного) отображения в ЭВМ. Инженерия знаний изучает и разрабатывает вопросы, связанные с получением знаний, их анализом и формализацией для дальнейшей реализации в интеллектуальной системе.

Цель главы – дать обзор основных теоретических аспектов инженерии знаний и познакомить с некоторыми практическими методами работы инженеров по знаниям.

После изучения главы вы должны знать:

Подходы к получению знаний при разработке экспертных систем

Теоретические проблемы, возникающие при извлечении знаний

Особенности психологических и лингвистических факторов, которые необходимо учитывать инженеру по знаниям

Влияние философии познания на работу инженера по знаниям

Методы инженера по знаниям при работе с источником знаний

Методы извлечения знаний

Суть экспертных игр

Методы извлечения знаний из текстов

Структурирование полученных знаний

Формирование понятийной и функциональной структуры предметной области

Каким образом формализуются знания и формируется база знаний

17.1. Теоретические аспекты получения знаний

Стратегии получения знаний

Психологический аспект

Лингвистический аспект

Гносеологический аспект

СТРАТЕГИИ ПОЛУЧЕНИЯ ЗНАНИИ

Существует несколько стратегий получения знаний. Наиболее распространенные:

приобретение;

извлечение;

формирование.

Под приобретением знаний понимается способ автоматизированного построения базы знаний посредством диалога эксперта и специальной программы (при этом структура знаний заранее закладывается в программу). Эта стратегия требует существенной предварительной проработки предметной области. Системы приобретения знаний действительно приобретают готовые фрагменты знаний в соответствии со структурами, заложенными разработчиками систем. Большинство этих инструментальных средств специально ориентировано на конкретные экспертные системы с жестко обозначенной предметной областью и моделью представления знаний, т.е. не являются универсальными. Например, система TEIRESIAS [18], ставшая прародительницей всех инструментариев для приобретения знаний, предназначена для пополнения базы знаний системы MYCIN или ее дочерних ветвей, построенных на "оболочке" EMYCIN [10] в области медицинской диагностики с использованием продукционной модели представления знаний.

Термин извлечение знаний касается непосредственного живого контакта инженера по знаниям и источника знаний. Авторы склонны использовать этот термин как более емкий и более точно выражающий смысл процедуры переноса компетентности эксперта через инженера по знаниям в базу знаний экспертной системы.

Термин формupование знаний традиционно закрепился за чрезвычайно перспективной и активно развивающейся областью инженерии знаний, которая занимается разработкой моделей, методов и алгоритмов анализа данных для получения знаний и обучения. Эта область включает индуктивные модели формирования гипотез на основе обучающих выборок, обучение по аналогии и другие методы.

Таким образом, можно выделить три стратегии проведения стадии получения знаний при разработке экспертных систем (рис. 17.1).

Рис. 17.1. Три стратегии получения знаний

На современном этапе разработки экспертных систем в нашей стране стратегия извлечения знаний, по-видимому, является наиболее актуальной, поскольку промышленных систем приобретения и формирования знаний на отечественном рынке программных средств практически нет.

Извлечение знаний – это процедура взаимодействия эксперта с источником знаний, в результате которой становятся явными процесс рассуждений специалистов при принятии решения и структура их представлений о предметной области.

В настоящее время большинство разработчиков экспертных систем отмечают, что процесс извлечения знаний остается самым "узким" местом при построении промышленных систем.

Процесс извлечения знаний – это длительная и трудоемкая процедура, в которой инженеру по знаниям, вооруженному специальными знаниями по когнитивной психологии [3], системному анализу, математической логике и пр., необходимо воссоздать модель предметной области, которой пользуются эксперты для принятия решения. Часто начинающие разработчики экспертных систем, желая избежать этой мучительной процедуры, задают вопрос: может ли эксперт сам извлечь из себя знания? По многим причинам это нежелательно.

Во-первых, большая часть знаний эксперта – это результат многочисленных наслоений, ступеней опыта. И часто зная, что из А следует В, эксперт не дает себе отчета, что цепочка его рассуждений была гораздо длиннее, например С  D, D  А, А  В, или А  Q, Q  R, R  B.

Во-вторых, как было известно еще древним (вспомним "Диалоги" Платона), мышление диалогично. И поэтому диалог инженера по знаниям и эксперта – наиболее естественная форма "раскручивания" лабиринтов памяти эксперта, в которых хранятся знания, частью носящие невербальный характер, т.е. выраженные не в форме слов, в форме наглядных образов, например. Именно в процессе объяснения инженеру по знаниям эксперт на эти размытые ассоциативные образы надевает четкие словесные ярлыки, т.е. вербализует знания.

В-третьих, эксперту гораздо труднее создать модель предметной области вследствие той глубины и необозримости информации, которой он обладает. Многочисленные причинно-следственные связи реальной предметной области образуют сложную систему, из которой выделить "скелет", или главную структуру, иногда доступнее аналитику, владеющему к тому же системной методологией: Любая модель – это упрощение, а упрощать легче с меньшим знанием деталей.

Чтобы разобраться в природе извлечения знаний, выделим три основных аспекта этой процедуры (рис. 17.2): психологический, лингвистический, гносеологический, которые подробно описаны в [4].

Рис. 17.2. Основные аспекты извлечения знаний

ПСИХОЛОГИЧЕСКИЙ АСПЕКТ

Модель общения при извлечении знаний

Из трех выделенных аспектов извлечения знаний психологический является, по-видимому, главным, поскольку он определяет успешность и эффективность взаимодействия инженера по знаниям (аналитика) с основным источником знаний – экспертом-профессионалом. Мы выделяем психологический аспект еще и потому, что извлечение знаний происходит чаще всего в процессе непосредственного общения разработчиков системы.

Стремление и умение общаться могут характеризовать степень профессионализма инженера по знаниям.

Известно, что потери информации при разговорном общении велики [9] (рис. 17.3). В связи с этим рассмотрим проблему увеличения информативности общения аналитика и эксперта за счет использования психологических знаний.