ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 19.05.2024
Просмотров: 3244
Скачиваний: 6
СОДЕРЖАНИЕ
От всей души желаем вам успехов!
Опыт информатизации и перспективные идеи
1.2. Информационный потенциал общества
Рынок информационных продуктов и услуг
Правовое регулирование на информационном рынке
1.3. Информатика – предмет и задачи
2 Глава. Измерение и представление информации
2.2. Классификация и кодирование информации
2.2. Классификация и кодирование информации
Фасетная система классификации
Дескрипторная система классификации
После изучения главы вы должны знать:
Понятие информационной системы
3.2. Структура и классификация информационных систем
Информационные системы для менеджеров среднего звена
3.3. Информационные технологии
Как соотносятся информационная технология и информационная система
3.4. Виды информационных технологий
Глава 4. Архитектура персонального компьютера
После изучения главы вы должны знать:
4.1. Информационно-логические основы построения
4.2. Функционально-структурная организация
4.4. Запоминающие устройства пк
Накопители на жестких магнитных дисках
4.5. Основные внешние устройства пк
4.6. Рекомендации по выбору персонального компьютера
Глава 5. Состояние и тенденции развития эвм
После изучения главы вы должны знать:
5.1. Классификация эвм Классификация эвм по принципу действия
Классификация эвм по размерам и функциональным возможностям
5.8. Тенденции развития вычислительных систем
После изучения главы вы должны знать:
6.1. Коммуникационная среда и передача данных
6.2. Архитектура компьютерных сетей
6.3. Локальные вычислительные сети
Управление взаимодействием устройств в сети
6.5. Локальная вычислительная сетьnovellnetware
После изучения главы вы должны знать:
7.1. Классификация офисной техники
7.2. Средства изготовления, хранения, транспортирования и обработки документов
Средства транспортирования документов
7.3. Средства копирования и размножения документов
7.4. Средства административно-управленческой связи
Системы передачи недокументированной информации
7.5. Компьютерные системы в оргтехнике
Глава 8. Состояние и тенденции развития программного обеспечения
8.1. Программные продукты и их основные характеристики
8.2. Классификация программных продуктов
После изучения главы вы должны знать:
8.1. Программные продукты и их основные характеристики
8.2. Классификация программных продуктов
Сервисное программное обеспечение
Системы искусственного интеллекта
Глава 9. Операционная система ms dos
9.3. Технология работы в ms dos
Формат команды объединения нескольких файлов
Форматы команд для обмена данными между внешним устройством и файлом, хранящимся на диске
Глава 10. Norton commander – инструментарий работы в среде ms dos
После изучения главы вы должны знать:
10.2. Работа с панелями информационного окна
10.3. Управление пакетом при помощи функциональных клавиш и ниспадающего меню
10.4. Вспомогательный инструментарий пакета
После изучения главы вы должны знать:
11.2. Программы обслуживания магнитных дисков
11.3. Антивирусные программные средства
Программы обнаружения и защиты от вирусов
Глaba12. Операционные системыwindows95 иwindows98
После изучения главы вы должны знать:
12.1. Концепция операционных системwindows95 иwindows98
12.2. Объектно-ориентированная платформаwindows
12.3. Организация обмена данными
12.4. Программные средстваwindows98
13.3. Работа издательских систем
После изучения главы вы должны знать:
13.3. Работа издательских систем
14.2. Функциональные возможности табличных процессоров
14.3. Технология работы в электронной таблице
После изучения главы вы должны знать:
14.2. Функциональные возможности табличных процессоров
Команды для работы с электронной таблицей как с базой данных
14.3. Технология работы в электронной таблице
Глава 15. Система управления базой данных
После изучения главы вы должны знать:
15.2. Реляционный подход к построению инфологической модели
15.3. Функциональные возможности субд
15.4. Основы технологии работы в субд
Глава 16. Интеллектуальные системы
16.1. Введение в искусственный интеллект
16.2. Экспертные системы: структура и классификация
16.3. Технология разработки экспертных систем
После изучения главы вы должны знать:
16.1. Введение в искусственный интеллект
История развития искусственного интеллекта в России
16.2. Экспертные системы: структура и классификация
16.3. Технология разработки экспертных систем
17.1. Теоретические аспекты получения знаний
17.2. Практические методы извлечения знаний
После изучения главы вы должны знать:
17.1. Теоретические аспекты получения знаний
17.2. Практические методы извлечения знаний
Глава 18. Создание программного продукта
18.1. Методология проектирования программных продуктов
18.2. Структурное проектирование и программирование
18.3. Объектно-ориентированное проектирование
После изучения главы вы должны знать:
18.1. Методология проектирования программных продуктов
Этапы создания программных продуктов
1. Составление технического задания на программирование
3. Рабочая документация (рабочий проект)
18.2. Структурное проектирование и программирование
18.3. Объектно-ориентированное проектирование
Методика объектно-ориентированного проектирования
После изучения главы вы должны знать:
19.1. Автоматизация работы пользователя в средеmicrosoftoffice
19.2. Создание приложений на языкеvisualbasicforapplications
19.3. Реляционные языки манипулирования данными
ГНОСЕОЛОГИЧЕСКИЙ АСПЕКТ
Суть гносеологического аспекта
Гносеология – это раздел философии, связанный с теорией познания, или теорией отражения действительности в сознании человека.
Инженерия знаний как наука, если можно так выразиться, дважды гносеологична – действительность (О) сначала отражается в сознании эксперта (M1), а затем деятельность и опыт эксперта интерпретируются сознанием инженера по знаниям (М2), что служит уже основой для построения третьей интерпретации (Pz) – поля знаний экспертной системы (рис. 17.8). Процесс познания в сущности направлен на создание внутреннего представления окружающего мира в сознании человека.
Рис. 17.8. Гносеологический аспект извлечения знаний
В процессе извлечения знаний аналитика в основном интересует компонент знания, связанный с неканоническими индивидуальными знаниями экспертов, поскольку предметные области именно с таким типом знаний считаются наиболее восприимчивыми к внедрению экспертных систем. Эти области обычно называют эмпирическими, так как в них накоплен большой объем отдельных эмпирических фактов и наблюдений, в то время как их теоретическое обобщение – вопрос будущего.
Познание всегда связано с созданием новых понятий и теории. Интересно, что часто эксперт как бы "на ходу" порождает новые знания, прямо в контексте беседы с аналитиком. Такая генерация знаний может быть полезна и самому эксперту, который до того момента мог не осознавать ряд соотношений и закономерностей предметной области. Аналитику, который является "повитухой" при рождении нового знания, может помочь тут и инструментарий системной методологии, позволяющий использовать известные принципы логики научных исследований, понятийной иерархии науки. Эта методология заставляет его за частным увидеть общее, т.е. строить цепочки:
ФАКТ ОБОБЩЕННЫЙ ФАКТ ЭМПИРИЧЕСКИЙ ЗАКОН ТЕОРЕТИЧЕСКИЙ ЗАКОН
Не всегда инженер по знаниям дойдет до последнего звена этой цепочки, но уже само стремление к движению бывает чрезвычайно плодотворным. Такой подход полностью согласуется со структурой самого знания, которое имеет два уровня:
эмпирический (наблюдения, явления);
теоретический (законы, абстракции, обобщения).
Критерии научного знания
Теория - это не только стройная система обобщения научного знания, это также некоторый способ производства новых знаний. Основными методологическими критериями научности, позволяющими считать научным и само новое знание, и способ его получения, являются [8]:
внутренняя согласованность и непротиворечивость;
системность;
объективность;
историзм.
Внутренняя согласованность. Этот критерий в эмпирических областях на первый взгляд просто не работает: в них факты часто не согласуются друг с другом, определения противоречивы, диффузны и т.д. Аналитику, знающему особенности эмпирического знания, его модальность, противоречивость и неполноту, приходится сглаживать эти "шероховатости" эмпирики.
Модальность знания означает возможность его существования в различных категориях, т.е. в конструкциях существования и долженствования. Таким образом, часть законемерностей возможна, другая обязательна и т.д. Кроме того, приходится различать такие оттенки модальности, как: эксперт знает, что ...; эксперт думает, что ...; эксперт хочет, чтобы ...; эксперт считает, что ...
Возможная противоречивость эмпирического знания – естественное следствие из основных законов диалектики, и противоречия эти не всегда должны разрешаться в поле знаний, а напротив, именно противоречия служат чаще всего отправной точкой в рассуждениях экспертов.
Неполнота знания связана с невозможностью полного описания предметной области. Задача аналитика эту неполноту ограничить определенными рамками "полноты", т.е. сузить границы предметной области, либо ввести ряд ограничений и допущений, упрощающих проблему.
Системность. Системно-структурный подход к познанию (восходящий еще к Гегелю) ориентирует аналитика на рассмотрение любой предметной области с позиций закономерностей системного целого и взаимодействия составляющих его частей. Современный структурализм исходит из многоуровневой иерархической организации любого объекта, т.е. все процессы и явления можно рассматривать как множество более мелких подмножеств (признаков, деталей) и, наоборот, любые объекты можно (и нужно) рассматривать как элементы более высоких классов обобщений.
Объективность. Процесс познания глубоко субъективен, т.е. он существенно зависит от особенностей самого познающего субъекта. Субъективность начинается уже с описания фактов и увеличивается по мере углубления идеализации объектов.
Следовательно, более корректно говорить о глубине понимания, чем об объективности знания. Понимание - это сотворчество, процесс истолкования объекта с точки зрения субъекта. Это сложный и неоднозначный процесс, совершающийся в глубинах человеческого сознания и требующий мобилизации всех интеллектуальных и эмоциональных способностей человека. Все свои усилия аналитик должен сосредоточить на понимании проблемы. В психологии [3] подтверждается факт, что люди, быстро и успешно решающие интеллектуальные задачи, большую часть времени тратят на понимание ее, в то время как быстро приступающие к поискам решения, чаще всего не могут его найти.
Историзм. Этот критерий связан с развитием. Познание настоящего – есть познание породившего его прошлого. И хотя большинство экспертных систем дают "горизонтальный" срез знаний – без учета времени (в статике), инженер по знаниям должен всегда рассматривать процессы с учетом временных изменений – как связь с прошлым, так и связь с будущим. Например, структура поля знаний и база знаний должны допускать подстройку и коррекцию как в период разработки, так и во время эксплуатации экспертной системы.
Структура познания
Рассмотрев основные критерии научности познания, попытаемся теперь описать его структуру. Методологическая структура познания может быть представлена как последовательность этапов (рис. 17.9) [8], которые рассмотрим с позиций инженера по знаниям.
Описание и обобщение фактов. Это как бы "сухой остаток" бесед аналитика с экспертом. Тщательность и полнота ведения протоколов во время процесса извлечения и пунктуальная "домашняя работа" над ними – вот залог продуктивного первого этапа познания.
На практике оказывается трудным придерживаться принципов объективности и системности, описанных выше. Чаще всего на этом этапе факты просто собирают и как бы бросают в "общий мешок"; опытный инженер по знаниям часто сразу пытается найти "полочку" или "ящичек" для каждого факта, тем самым подспудно готовясь к этапу концептуализации.
Рис. 17.9. Структура познания
Установление связей и закономерностей. В голове эксперта связи установлены, хотя часто и неявно; задача инженера – выявить каркас умозаключений эксперта. Реконструируя рассуждения эксперта, инженер по знаниям может опираться на две наиболее популярные теории мышления – логическую и ассоциативную. При этом, если логическая теория благодаря горячим поклонникам в лице математиков широко цитируется и всячески эксплуатируется в работах по искусственному интеллекту, то вторая, ассоциативная, менее известна и популярна, хотя имеет также древние корни. Красота и стройность логической теории не должны заслонять печального факта, что человек редко мыслит в категориях математической логики [14].
Ассоциативная теория представляет мышление как цепочку идей, связанных общими понятиями. Основными операциями такого мышления являются ассоциации, приобретенные на основе различных связей; припоминание прошлого опыта; пробы и ошибки со случайными успехами; привычные ("автоматические") реакции и пр.
Построение идеализированной модели. Дня построения модели, отражающей представление субъекта о предметной области, необходим специализированный язык, с помощью которого можно описывать и конструировать те идеализированные модели мира, которые возникают в процессе мышления. Язык этот создается постепенно с помощью категориального аппарата, принятого в соответствующей предметной области, а также формально-знаковых средств математики и логики. Для эмпирических предметных областей такой язык пока не разработан, и поле знаний, которое полуформализованным способом опишет аналитик, может быть первым шагом к созданию такого языка.
Объяснение и предсказание моделей. Этот завершающий этап структуры познания является одновременно и частичным критерием истинности полученного знания. Если выявленная система знаний эксперта полна и объективна, то на ее основании можно делать прогнозы и объяснять любые явления из данной предметной области. Обычно базы знаний экспертных систем страдают фрагментарностью и модульностью (несвязанностью) компонентов. Все это не позволяет создавать действительно интеллектуальные системы, которые, равняясь на человека, могли бы предсказывать новые закономерности и объяснять случаи, не указанные в явном виде в базе. Исключением тут являются системы формирования знаний, которые ориентированы на генерадию новых знаний и "предсказание".
В заключение перечислим наиболее часто встречающиеся неудачи, связанные с гносеологическими проблемами инженерии знаний (частично из [16]):
обрывочность, фрагментарность знаний (из-за нарушений принципа системности или ошибок в выборе фокуса внимания);
противоречивость знаний (из-за естественной противоречивости природы и общества, неполноты извлеченных знаний, некомпетентности эксперта);
ошибочная классификация (из-за неправильного определения числа классов или неточного описания класса);
ошибочный уровень обобщения (из-за чрезмерной детализации или обобщенности классов объектов).
17.2. Практические методы извлечения знаний
Классификация методов
Пассивные методы
Активные методы
Экспертные игры
Текстологические методы
КЛАССИФИКАЦИЯ МЕТОДОВ
Рассмотрев в главе 16 различные аспекты извлечения знаний, мы, однако, в явном виде не определили, каким методом эти знания получены. В неявном виде предполагалось, что это некоторое взаимодействие инженера по знаниям и эксперта в форме непосредственного живого общения. Однако это не единственная форма извлечения знаний, хотя и довольно распространенная.
Изложим классификацию методов извлечения знаний (рис. 17.10) [4], что позволит инженерам по знаниям, в зависимости от конкретной задачи и ситуации, выбрать конкретный метод. Из предложенной схемы классификации видно, что основной принцип деления связан с источником знаний. Коммуникативные методы охватывают все виды контактов с живым источником знаний – экспертом, а текстологические касаются методов извлечения знаний из документов (методик, пособий, руководств) и специальной литературы (статей, монографий, учебников).
Разделение этих групп методов на верхнем уровне классификации не означает их антагонистичности, обычно инженер по знаниям комбинирует различные методы, например, сначала изучает литературу, затем беседует с экспертами, или наоборот.
Рис. 17.10. Классификация методов извлечения знаний
В свою очередь, коммуникативные методы можно также разделить на две группы: активные и пассивные. Пассивные методы подразумевают, что ведущая роль в процедуре извлечения знаний как бы передается эксперту, а инженер по знаниям только протоколирует рассуждения эксперта во время его реальной работы по принятию решений или записывает то, что эксперт считает нужным самостоятельно рассказать в форме лекции. В активных методах, напротив, инициатива полностью в руках инженера по знаниям, который активно контактирует с экспертом различными способами – в играх, диалогах, беседах за "круглым столом" и т.д.
Пассивные методы на первый взгляд достаточно просты, но на самом деле требуют от инженера по знаниям умения четко анализировать "поток сознания" эксперта и выявлять в нем значимые фрагменты знаний. Отсутствие обратной связи (пассивность инженера по знаниям) значительно ослабляет эффективность этих методов, чем и объясняется их обычно вспомогательная роль при активных методах.