
- •Лекція 1
- •2.1. Комбінаторний вибух
- •2.1.2. Евристичний пошук
- •Лекція 2
- •1.1 Значення експертного аналізу
- •1.2. Характеристики експертних систем
- •1.3. Базові функції експертних систем
- •1.3.1. Накопичення знань
- •1.3.2. Представлення знань
- •1.3.3. Управління процесом пошуку рішення
- •1.3.4. Роз'яснення прийнятого рішення
- •Лекція-3.
- •4.2. Методи отримання кількісних і якісних експертних оцінок.
- •Лекція-5.
- •5.2.1. Класифікація по розв'язуваній задачі
- •Лекція-6.
- •2.4.5. Оцінка системи
- •Лекція-7.
- •1.4.1. Дані і знання
- •3.1. Знання і їхнє представлення в сші
- •Лекція-8.
- •8.1. Поле знань
- •8.1.1. Про мову опису поля знань
- •8.1.2. Семіотична модель поля знань
- •8.1.3. “Піраміда” знань
- •8.2. Стратегії одержання знань
- •Лекція 9.
- •9.3.1. Психологічний аспект
- •3.3.2. Лінгвістичний аспект
- •3.3.3. Гносеологічний аспект витягу знань
- •Лекція 10.
- •4.1. Класифікація методів практичного видобування знань
- •4.2. Комунікативні методи
- •4.2.1. Пасивні методи
- •Лекція 11.
- •4.2.2. Активні індивідуальні методи
- •4.2.3. Активні групові методи
- •Лекція 12.
- •4.3. Текстологічні методи
- •4.4. Найпростіші методи структурування
- •4.4.1. Алгоритм для «чайників»
- •4.4.2. Спеціальні методи структурування
2.4.5. Оцінка системи
Після завершення етапу розробки промислової експертної системи необхідно провести її тестування у відношенні критеріїв ефективності. Оцінку можна проводити, виходячи з різних критеріїв, які згрупуємо в такий спосіб:
критерії користувачів (зрозумілість і «прозорість» роботи системи, зручність інтерфейсів і ін.);
критерії запрошених експертів (оцінка рад-рішень, пропонованих системою, порівняння її з власними рішеннями, оцінка підсистеми пояснень і ін.);
критерії колективу розроблювачів (ефективність реалізації, продуктивність, час відгуку, дизайн, широта охоплення предметної області, несуперечність БЗ, кількість безвихідних ситуацій, коли система не може прийняти рішення, аналіз чутливості програми до незначних змін у представленні знань, вагових коефіцієнтах, застосовуваних у механізмах логічного висновку, даних і т.п.).
2.4.6. Стикування системи
На цьому етапі здійснюється стикування експертної системи з іншими програмними засобами в середовищі, у якому вона буде працювати, і навчання людей, яких вона буде обслуговувати. Коли експертна система вже готова, інженер по знаннях повинен переконатися в тому, що експерти, користувачі і персонал знають, як експлуатувати й обслуговувати її.
2.4.7. Підтримка системи
При перекодуванні системи на мову, подібну до С, підвищується її швидкодія і збільшується переносимість, однак гнучкість при цьому зменшується. Це прийнятно лише в тому випадку, якщо система зберігає всі знання проблемної області і ці знання не будуть змінюватися в найближчому майбутньому. Однак якщо експертна система створена саме через те, що проблемна область змінюється, то необхідно підтримувати систему в її інструментальному середовищі розробки.
Лекція-7.
ПРЕДСТАВЛЕННЯ ЗНАНЬ
Представлення знань і пошук рішень утворюють ядро штучного інтелекту.
Виразна сила й обчислювальна ефективність - дві основні характеристики моделей представлення знань. Багато моделей представлення знань, що володіють великими виразними можливостями, не піддаються ефективній реалізації. Тому пошук оптимального співвідношення між виразною силою моделі представлення знань, що використовується і ефективністю її реалізації - основна задача розроблювача СШІ.
1.4.1. Дані і знання
Дані – це окремі факти, що характеризують об'єкти, процеси і явища предметної області, а також їх властивості. |
D1 – дані як результат вимірювань і спостережень;
D2 – дані на матеріальних носіях інформації (таблиці, протоколи, довідники);
D3 – моделі (структури) даних у вигляді діаграм, графіків, функцій;
D4 – дані в комп'ютері на мові опису даних;
D5 – бази даних на машинних носіях інформації.
Знання засновані на даних, отриманих емпіричним шляхом. Вони являють собою результат розумової діяльності людини, направленої на узагальнення її досвіду, отриманого внаслідок практичної діяльності.
Знання – це закономірності предметної області (принципи, зв'язки, закони), отримані внаслідок практичної діяльності і професійного досвіду, що дозволяють фахівцям ставити і вирішувати задачі в цій області.
|
При обробці на ЕОМ знання трансформуються аналогічно до даних.
Z1 – знання в пам'яті людини як результат мислення;
Z2 – матеріальні носії знань (підручники, методичні допомоги);
Z3 – поле знань умовний опис основних об'єктів предметної області, їх атрибутів і закономірностей, що їх пов’язують;
Z4 – знання, описані на мовах представлення знань (продукційні мови, семантичні мережі, фрейми);
Z5 – база знань на машинних носіях інформації.
Часто використовується таке визначення знань.
Знання – це добре структуровані дані, або дані про дані, або метадані.
|
Для зберігання даних використовуються бази даних (для них характерні великий об'єм і відносно невелика питома вартість інформації), для зберігання знань – бази знань (невеликого об'єму, але виключно дорогі інформаційні масиви). База знань – основа будь-якої інтелектуальної системи. Знання можуть бути класифіковані за наступними категоріями:
Поверхневі – знання про видимі взаємозв'язки між окремими подіями і фактами в предметній області.
Глибинні – абстракції, аналогії, схеми, що відображають структуру і природу процесів, які протікають в предметній області. Ці знання пояснюють явища і можуть використовуватися для прогнозування поведінки об'єктів.
Сучасні експертні системи працюють в основному з поверхневими знаннями. Це пов'язано з тим, що на даний момент немає універсальних методик, що дозволяють виявляти глибинні структури знань і працювати з ними.
Крім того, в підручниках зі ШІ знання традиційно ділять на процедурні і декларативні. Історично первинними були процедурні знання, тобто знання, “розчинені” в алгоритмах. Вони управляли даними. Для їх зміни потрібно було змінювати програми. Однак з розвитком штучного інтелекту пріоритет даних поступово змінювався, і все більша частина знань зосереджувалася в структурах даних (таблиці, списки, абстрактні типи даних), тобто збільшувалася роль декларативних знань.
Сьогодні знання набули чисто декларативної форми, тобто знаннями вважаються пропозиції, записані на мовах представлення знань, наближених до природної і зрозумілих нефахівцям.