ГОСы / ФБИ ИИС 2016

функциональная модель отражает действия и преобразования над объектами;

поведенческая модель рассматривает взаимодействия объектов во временном аспекте.

Первые две модели описывают статические аспекты функционирования проблемной области, а третья модель - динамику изменения ее состояний. Естественно,

что для различных классов задач могут требоваться разные виды моделей, а,

следовательно, и ориентированные на них методы представления знаний.

Типы моделей. Рассмотрим классификацию методов представления знаний:

логическая модель реализует и объекты, и правила с помощью предикатов первого порядка, является строго формализованной моделью с универсальным дедуктивным и монотонным методом логического вывода "от цели к данным";

продукционная модель реализует эвристические методы вывода на правилах и может обрабатывать неопределенности в виде условных вероятностей или коэффициентов уверенности, а также выполнять монотонный или немонотонный вывод;

семантическая сеть отображает разнообразные отношения объектов; фреймовая модель, как частный случай семантической сети, использует для реализации операционного знания присоединенные процедуры;

объектно-ориентированная модель, как развитие фреймовой модели, реализуя обмен сообщениями между объектами, в большей степени ориентирована на динамические задачи и отражение поведенческой модели.

23 Этапы проектирования экспертной системы. Формализация

базы знаний. Классификация моделей представления знаний

Этапы разработки экспертных систем (ЭС) имеет существенные отличия от разработки обычного программного продукта. Опыт создания ЭС показал, что использование при их разработке методологии, принятой в традиционном программировании, либо чрезмерно затягивает процесс создания ЭС, либо вообще приводит к отрицательному результату.

При разработке ЭС, как правило, используется концепция "быстрого прототипа".

Суть этой концепции состоит в том, что разработчики не пытаются сразу построить конечный продукт. На начальном этапе они создают прототип (прототипы) ЭС.

Прототипы должны удовлетворять двум противоречивым требованиям: с одной стороны,

они должны решать типичные задачи конкретного приложения, а с другой - время и трудоемкость их разработки должны быть весьма незначительны, чтобы можно было максимально запараллелить процесс накопления и отладки знаний (осуществляемый экспертом) с процессом выбора программных средств. Для удовлетворения указанным требованиям, как правило, при создании прототипа используются разнообразные средства, ускоряющие процесс проектирования.

Прототип должен продемонстрировать пригодность методов инженерии знаний для данного приложения. В случае успеха эксперт с помощью инженера по знаниям расширяет знания прототипа о проблемной области. При неудаче может потребоваться разработка нового прототипа или разработчики могут прийти к выводу о непригодности методов ЭС для данного приложения. По мере увеличения знаний прототип может достигнуть такого состояния, когда он успешно решает все задачи данного приложения.

Преобразование прототипа ЭС в конечный продукт обычно приводит к перепрограммированию ЭС на языках низкого уровня, обеспечивающих как увеличение быстродействия экспертных систем, так и уменьшение требуемой памяти. Трудоемкость и время создания ЭС в значительной степени зависят от типа используемого инструментария.

В ходе работ по созданию экспертных систем сложилась определенная технология их разработки, включающая шесть следующих этапов: идентификацию,

концептуализацию, формализацию, выполнение, тестирование, опытную эксплуатацию.

На этапе идентификации определяются задачи, которые подлежат решению, выявляются цели разработки, определяются эксперты и типы пользователей.

Показательные тестовые примеры являются наиболее очевидной причиной неудачной работы экспертных систем. Поэтому при подготовке тестовых примеров следует классифицировать их попод проблемам предметной области, выделяя стандартные случаи, определяя границы трудных ситуаций и т.п.

Критерии оценки ЭС зависят от точки зрения. При тестировании промышленной системы превалирует точка зрения инженера по знаниям, которого в первую очередь интересует вопрос оптимизации представления и манипулирования знаниями. И, наконец,

при тестировании ЭС после опытной эксплуатации оценка производится с точки зрения пользователя, заинтересованного в удобстве работы и получения практической пользы.

На этапе опытной эксплуатации проверяется пригодность экспертных систем для конечного пользователя. Пригодность экспертных систем для пользователя определяется в основном удобством работы с ней и ее полезностью. Под полезностью ЭС понимается ее способность в ходе диалога определять потребности пользователя,

выявлять и устранять причины неудач в работе, а также удовлетворять указанные потребности пользователя (решать поставленные задачи). В свою очередь, удобство работы с ЭС подразумевает естественность взаимодействия с ней (общение в привычном,

не утомляющем пользователя виде), гибкость ЭС (способность системы настраиваться на различных пользователей, а также учитывать изменения в квалификации одного и того же пользователя) и устойчивость системы к ошибкам (способность не выходить из строя при ошибочных действиях неопытного пользователях).

В ходе разработки экспертных систем почти всегда осуществляется ее модификация. Выделяют следующие виды модификации системы: переформулирование понятий и требований, переконструирование представления знаний в системе и усовершенствование прототипа.

На этапе формализации базы знаний осуществляется выбор метода представления знаний.

Рассмотрим классификацию методов представления знаний (рис. 2.4).

Рис. 2.4. Классификация методов представления знаний Известно, что используемые в экспертных системах данные являются плохо

формализуемыми. При более структурированных знаниях выбирают правила, как средство представления знаний. В противном случае переходят к объектно-

ориентированному моделированию.

При формализации базы знаний посредством правил используются следующие методы представления знаний:

·Логическая модель описывает как объекты, так и правила с помощью предикатов первого порядка и является строго формализованной моделью с универсальным дедуктивным и монотонным методом, использующей логический вывод "от цели к данным".

·Продукционная модель позволяет использовать эвристические методы вывода для правил и может обрабатывать неопределенности в виде условных вероятностей или коэффициентов уверенности, а также выполнять монотонный или немонотонный вывод.

При формализации базы знаний посредством объектов существуют следующие

методы:

·Семантическая сеть отображает разнообразные отношения объектов.

·Фреймовая модель как частный случай семантической сети использует для реализации операционного знания присоединенные процедуры.

· Объектно-ориентированная модель как развитие фреймовой модели, реализуя обмен сообщениями между объектами, в большей степени ориентирована на решение динамических задач и отражение поведенческой модели.

24 Особенности знаний и их отличие от данных.

Декларативные и процедурные знания. Системы,

основанные на знаниях. Этапы трансформации данных и знаний. Базы данных и базы знаний

Данные – отдельные факты, характеризующие объекты, процессы и явления в предметной области, а также их свойства.

Знания основаны на данных, полученных эмпирическим путем. Это результат мыслительной деятельности человека, направленной на обобщение опыта, полученного в результате практической деятельности.

Знания – это закономерности предметной области (принципы, связи, законы),

полученные в результате практической деятельности и профессионального опыта,

позволяющие специалистам ставить и решать задачи в этой области.

Знания – выводы, сделанные на основе данных. Они более компактны, чем данные.

Знания можно сформулировать в виде правил, т.е. изложить в форму.

Особенности знаний, которые отличают их от данных.

1.Интерпретируемость. Данные, помещенные в ЭВМ, могут содержательно интерпретироваться лишь соответствующей программой. В отрыве от программы, данные не несут никакой содержательной информации. Знания отличаются тем, что в них возможность содержательной интерпретации всегда присутствует.

2. Наличие классифицирующих отношений. Несмотря на разнообразие форм хранения данных, ни одна из них не обеспечивает возможности компактного описания всех связей между различными типами данных. При переходе к знаниям между отдельными единицами знаний можно установить такие отношения, как ―элемент-

множество‖, ―тип-подтип‖, ―ситуация-подситуация‖, отражающие характер их взаимосвязи. Это позволяет записать и хранить отдельно информацию, одинаковую для всех элементов множества. При необходимости эту информацию можно автоматически передать описанию любого элемента множества. Такой процесс передачи называют

―наследованием‖ информации.

3. Наличие ситуативных связей. Эти связи определяют ситуативную совместимость отдельных событий или фактов, хранимых или вводимых в память, а также отношения,

как одновременность, расположение в одной области пространства, нахождение в состоянии механического взаимодействия. Ситуативные связи помогают строить процедуры анализа знаний на совместимость, противоречивость, которые трудно реализовать при хранении традиционных массивов данных.

Традиционно знания классифицируются по категориям:

поверхностные – знания о видимых взаимосвязях между отдельными событиями и фактами в предметной области. (Кнопка звонка).

глубинные – абстракции, аналогии, схемы, отображающие структуру и природу процессов, протекающих в предметной области. Эти знания объясняют явления и могут использоваться для прогнозирования поведения объектов.

Помимо этой классификации, знания делят на процедурные и декларативные.

Декларативные знания - знания, которые записаны в памяти интеллектуальной системы так, что они непосредственно доступны для использования после обращения к соответствующему полю памяти. Обычно декларативных знаний используются для представления информация о свойствах и фактах предметной области. По форме представления декларативные знания противопоставляются процедурным знаниям.

Процедурные знания - знания, хранящиеся в памяти интеллектуальной системы в виде описаний процедур, с помощью которых их можно получить. Обычно процедурные знания используются для представления информации о способах решения задач в проблемной области, а также различные инструкции, методики и т.п.

Системы, основанные на знаниях. Экспертные системы.

1. Экспертная система – это программа, которая ведет себя подобно эксперту в некоторой проблемной области. Она должна иметь способность к объяснению своих решений и тех рассуждений, на основе которых эти решения были приняты.

Экспертные системы должны решать задачи, требующие определенных знаний, поэтому они должны обладать этими знаниями. Поэтому их также называют системами, основанными на знаниях. Экспертные системы должны также иметь способность работать в условиях неопределенности. При разработке ЭС принято делить ее на три основных модуля:

База знаний содержит знания, относящиеся к конкретной прикладной области, в том числе отдельные факты, правила описывающие отношения и явления, а

также методы и идеи по решению задач.

Машина логического вывода умеет активно использовать информацию,

содержащуюся в базе знаний.

Интерфейс с пользователем отвечает за обмен информацией между пользователем и системой.

Принято рассматривать машину вывода и интерфейс как один модуль, называемый оболочкой.

Системы ИИ (системы искусственного интеллекта)- демонстрируют

интеллектуальное поведение.

Системы основанные на знаниях используют декларативные (явные) знания,

отделенные от остальной части системы Экспертные системы используют экспертные знания для решения сложных задач

выбранной предметной области

Экспертные системысложные программные комплексы, аккумулирующие знания экспертов в конкретных предметных областях и тиражирующие этот эмпирический опыт для консультации менее квалифицированных пользователей.

Трансформация знаний и данных при их обработке на ЭВМ.

Данные – элементар описание предметов, событий, действий и транзакций,

которые классифицированы и сохранены, но не организованы для передачи какого-либо специального содержания.

Данные - это отдельные факты, характеризующие объекты, процессы и явления в предметной области, а также их свойства.

При обработке на ЭВМ данные трансформируются, условно проходя следующие

этапы:

Д1 – данные как результат измерений и наблюдений;

Д2 – данные на материальных носителях информации (таблицы, протоколы,

справочники);

Д3 – модели (структуры) данных в виде диаграмм, графиков, функций;

Д4 – данные на языке описания данных;

Д5 – базы данных на машинных носителях.

Знания – это закономерности предметной области (принципы, связи, законы),

полученные в результате практической деятельности и профессионального опыта,

позволяющие решать задачи в этой области.

При обработке на ЭВМ знания трансформируются аналогично данным:

З1 – знания в памяти человека как результат мышления;

З2 – материальные носители знаний (учебники, методические пособия);

З3 – поле знаний (условное описание основных объектов предметной области, их атрибутов и закономерностей, их связывающих);

З4 – знания, описанные на языках представления знаний (продукционные языки,

семантические сети, фреймы);

З5 – базы знаний.

Базы данных и базы знаний.

Для хранения данных используются базы данных, характеризуемые большим объемом и относительно небольшой стоимостью хранения информации, а для хранения знаний – базы знаний, характеризуемые небольшим объемом и исключительной дороговизной информационных массивов. База знаний – основа любой интеллектуальной информационной системы.

Традиционно знания классифицируются по категориям: