1.2. Место модуля «Онтологическое моделирование» дисциплины «Основы искусственного интеллекта» в профессиональной подготовке будущих учителей информатики

Основная образовательная программа (ООП) подготовки учителя информатики и экономики разработана на основании государственного образовательного стандарта по специальности 44.03.05 «Педагогическое образование» (информатика и экономика) и включает в себя учебный план, программы учебных дисциплин, программы учебных и производственных практик.

Требования к обязательному минимуму содержания основной образовательной программы подготовки учителя информатики и экономики, к условиям ее реализации и срокам ее освоения определяются государственным образовательным стандартом специальности 44.03.05 «Педагогическое образование» (информатика и экономика).

Основной целью ООП является подготовка специалиста в соответствии с квалификационной характеристикой, установленной государственным образовательным стандартом специальности 44.03.05 «Педагогическое образование» (информатика и экономика).

Для достижения этой цели основная образовательная программа решает следующие задачи:

• определяет полный перечень дисциплин ООП, в том числе дисциплины национально-регионального компонента, специализаций, по выбору студента;

• определяет соотношение между аудиторной нагрузкой и самостоятельной работой студента;

• обеспечивает необходимую целостность образовательной программы, сочетающую фундаментальность подготовки с междисциплинарным характером профессиональной деятельности специалиста;

• устанавливает целесообразное соотношение между теоретической и практической составляющими содержания образования.

В результате освоения дисциплины обучающийся должен:

Знать: Основные направления в области исследования ИИ; модели представления знаний; структуры, этапы разработки, классификацию, инструментальные средства, построение экспертных систем, основные понятия различных языков программирования.

Уметь: основные понятия; правильно формулировать запросы; анализировать ошибки, выдаваемые системой и устранять их.

Владеть: технологией решения логических задач в различных моделях и системах.

Объем дисциплины и виды учебной работы

Таблица 2 - Общая трудоемкость дисциплины составляет 3 зачетные единицы

(из расчета 1 ЗЕТ=36 часов)

№

Индекс

Наименование

Семестр 7

Контроль

Часов

ЗЕТ

Недель

Всего

Ауд.

СРС

Контроль

Всего

Лек

Лаб

Пр

6

Б1.В.ОД.21

Основы искусственного интеллекта

ЗаО

108

60

24

36

48

3

Краткая аннотация основных элементов

Основная образовательная программа подготовки учителя информатики и экономики состоит из дисциплин федерального компонента, дисциплин национально-регионального (вузовского) компонента, дисциплин по выбору студента, а также факультативных дисциплин. Дисциплины и курсы по выбору студента в каждом цикле содержательно дополняют дисциплины, указанные в федеральном компоненте цикла.

Основная образовательная программа подготовки учителя информатики и экономики предусматривает изучение студентом следующих циклов дисциплин и итоговую государственную аттестацию:

• цикл ГСЭ – общие гуманитарные и социально-экономические дисциплины; 

• цикл ЕН – общие математические и естественнонаучные дисциплины;

• цикл ОПД – общепрофессиональные дисциплины;

• цикл ДПП – дисциплины предметной подготовки;

• ДДС – дисциплины дополнительной специальности;

• ФТД – факультативы.

Дисциплина «Основы искусственного интеллекта» входит в базовую часть общенаучного цикла дисциплин основной образовательной программы бакалавриата по направлению 44.03.05 «Педагогическое образование», профиль (информатика и экономика).

Проведен анализ современных проблем предметной подготовки будущих учителей информатики в вузе, в процессе структурирования и систематизации понятий выделены основные элементы теории экспертных систем (ЭС) и инженерии знаний как объекта изучения, рассмотрены современные тенденции использования методов и технологий искусственного интеллекта (ИИ) в образовании. На основании прове­денного теоретического исследования сделаны следующие выводы.

1. Общие тенденции развития системы профессионального образования, основанные на принципах личностно-ориентированного подхода к обучению, фундаментализации содержания подготовки специалистов, привели к изменениям в понимании целей, содержания, форм и методов подготовки педагогических кадров, места и роли предметной подготовки в системе педагогического образования.

2. Модернизацию программ предметной подготовки, соответствующую требованиям более адекватного отражения в содержании программ современных тенденций развития информатики как науки, задач информатизации образования, необходимо ориентировать на обучение теории экспертных систем и инженерии знаний с точки зрения подготовки студентов к овладению идеологией и методологией экспертных систем как интеллектуальных систем обработки знаний.

3. Анализ указанных разделов теории искусственного интеллекта на основе системного подхода показал, что центральным системообразующим понятием является понятие «знания», а понятиями первого уровня в иерархической системе теории – понятия «приобретение знаний», «представление знаний» и «обработка знаний». Вследствие фундаментального значения и актуальности для будущих учителей информатики понятия «знания», необходимо конкретизировать его смысл и структуру с точки зрения искусственного интеллекта, акцентировать внимание на технологическом подходе к знанию как таковому.

Указанные понятия, а также остальные компоненты системы и связи между ними можно рассматривать в качестве учебных элементов теории экспертных систем и инженерии знаний, в частности, в системе предметной подготовки будущих учителей информатики в педагогическом вузе. Составленная нами структурно‑логическая схема курса отражает выявленную структуру знаний, содержит основные учебные элементы и их взаимосвязи, не зависящие от порядка изложения, а также связи с другими науками. Особое значение приобретает обеспечение оптимальных межпредметных связей, поскольку наличие многообразия этих связей обусловливает значительную роль курсов по искусственному интеллекту в подготовке учителей информатики в целом.

4. Развитие внутрипредметных связей информатики при обучении теории экспертных систем и инженерии знаний может осуществляться за счет разделов: извлечение и структурирование знаний, представление и обработка знаний, экспертные системы. Развитие межпредметных связей информатики с другими учебными дисциплинами связано с рассмотрением достижений других наук, использование которых повышает эффективность теоретических и практических разработок в области искусственного интеллекта, а также обзора современных приложений методов и программных систем искусственного интеллекта в различных предметных областях.

5. Широкое использование интеллектуальных систем в образовании – это скорее перспектива, чем сегодняшний день. Их успешное внедрение в образовательный процесс невозможно без соответствующей опережающей подготовки учителей по нескольким направлениям:

• фундаментальная теоретическая подготовка в области искусственного интеллекта, в частности в теории экспертных систем и инженерии знаний;

• овладение методами систематизации, формализации предметных знаний в той области, по которой специализируются учителя-предметники;

• умение применять методы искусственного интеллекта для обработки учебно-методических материалов;

• знание особенностей применения методов искусственного интеллекта, экспертных систем в обучении;

• знание и умение решать профессиональные задачи, используя современные интеллектуальные программные системы.

Для формализованного представления знаний в таких системах широко используются онтологии. Онтология – это описание системы понятий, существующих в некоторой предметной области, на некотором естественном или формальном языке. Под формальной моделью онтологии О понимают упорядоченную тройку вида O = , где С – конечное множество концептов (понятий) предметной области, которую определяет онтология О; R – конечное множество отношений между концептами (понятиями) предметной области; F - конечное множество функций интерпретации (аксиоматизации), заданных на концептах и/или отношениях онтологии О. Онтология содержит декларативную и процедурную части. Множества C и R определяют декларативные знания. Процедурные знания (методы концептов), представленные в множестве F, определяют законы мира, функции и правила поведения объектов (сценарии действий).

В автоматизированных системах проектирования представление знаний осуществляется в виде систематизированного алгоритма описания на машинном языке знаний специалиста в конкретной предметной области. Учитывая недостатки существующих методов описания знаний [5], построение таких моделей в современных автоматизированных системах должно отвечать следующим требованиям [1]:

1) четкое разделение знаний о решаемой задаче, ее предметной области, методах, с помощью которых может быть решена данная задача;

2) реализация принципа повторного использования компонентов модели знаний;

3) в модели должна быть отражена структурная составляющая знаний, а также формальное представление и последующая верификация модели.

Сформулированные требования к представлению знаний дают возможность автоматизировать процесс взаимодействия между информационными системами на семантическом уровне с верификацией модели на полноту, согласованность и непротиворечивость, а инженеру-технологу позволяют самостоятельно дополнять, развивать и поддерживать модель знаний в области проектирования, не привлекая для этого аналитиков и программистов.

Исходя из изложенных требований, модель представления знаний специалиста в той или иной области можно свести к двум основным принципам: модульности и общедоступности. Принцип модульности заключается в разделении модели знаний на несколько инвариантных компонентов, при этом особенность такого разделения заключается в том, что компоненты знаний описываются независимо друг от друга, то есть метод описывается без привязки к предметной области или решаемой задаче, а решаемая задача описывается без привязки к какой-либо предметной области или методу решения. Таким образом, в основе принципа модульности лежит положение о том, что модель знаний специалиста разделяется на несколько основных составляющих[Error: Reference source not found].

1. Знания о задачах, которые необходимо решить, рассматриваются независимо от других компонентов модели знаний. Такая особенность позволяет решать одну и ту же задачу различными методами и применять один и тот же метод для решения различных классов задач в различных предметных областях. Независимость описания задачи от других компонентов модели знаний подразумевает, что в этом описании не используются конструкции и термины, специфичные для какого-либо метода решения или предметной области.

2. Знания о методах решения различных задач, не зависящие от того, в какой предметной области они используются. Они не должны содержать информации о задачах, для решения которых этот метод может применяться, и информации о возможных предметных областях его использования (например, как получить матрицу рисунка и от нее перейти к матрице структуры трикотажа).

3. Знания о предметной области проектирования представляют собой некоторый набор понятий, отношений между ними, фактов, правил, специфичных для некоторой предметной области. Эти знания могут использоваться для решения самых различных задач с применением различных.

4. Знания о том, как предыдущие три компонента знаний объединяются в единую модель, с помощью которой можно решить задачу проектирования в данной предметной области. При этом независимые друг от друга описания задач, методов решения и предметных областей могут объединяться и в различных комбинациях использоваться для создания систем, реализующих широкий спектр задач предметной области с использованием различных методов решения.

В основе принципа общедоступности лежит представление компонентов модели знаний специалиста в виде онтологий. При этом не только знания о задаче, методе и предметной области должны быть представлены в онтологическом виде, но и подсистемы, связывающие компоненты модели знаний в единую концептуальную модель. Разработка онтологий является творческой задачей, предполагающей глубокое знание предметной области и умение представлять взаимосвязь её понятий. Тем не менее в онтологическом инжиниринге сложились следующие общепризнанные правила, которые помогут принять правильные проектные решения. Во-первых, понятия в онтологии должны быть близки к физическим или логическим объектам и отношениям в предметной области; во-вторых, процесс разработки онтологии должен быть итеративным, то есть онтология разрабатывается, затем проверяется и уточняется на основе анализа, будет ли она наглядной, расширяемой и простой в обслуживании. При необходимости процесс повторяется [4].

Для формализации процесса разработки сложной онтологической структуры целесообразно использовать технологию структурно-функционального моделирования SADT (StructuredAnalyses&DesignTechnique), предполагающую описание процессов посредством IDEF0-диаграмм [2]. Методология SADT разработана для совершенствования описания и облегчения понимания структуры искусственных систем и служит для построения модели объекта или процесса, отображающей функциональную структуру, т.е. выполняемые ими действия и связи между ними.

Функционально-структурная модель разработки онтологии на верхнем уровне отражает основной контекст – взаимодействие моделируемого процесса с внешним миром. Такая диаграмма с одним функциональным блоком называется контекстной и обозначается идентификатором «А0». На остальных уровнях производится декомпозиция процесса разработки, и он представляется в виде функциональных блоков, отражающих выполнение конкретного действия. На рис.1 представлен контекст процесса разработки онтологии компонентов модели знаний[Error: Reference source not found].

Стрелка входа I представляет собой знания о компонентах модели, полученные вследствие изучения внешнего мира, объектов исследования и их свойств, закономерностей процессов и явлений, а также правила их использования для принятия решений. Стрелка выхода О характеризует результирующий поток, а именно готовую онтологию компонентов модели . Стрелка управления С представлена информационным потоком – методологией разработки онтологии. Стрелки М1 и М2 – средства исполнительного механизма, который непосредственно выполняет моделируемое действие. К этим средствам относят трудовые потоки – информация экспертов и инженеров по знаниям.

Декомпозиция процесса разработки онтологии компонентов модели знаний позволяет выделить наиболее важные операции низших уровней. Такими операциями являются [3]:

1) определение целей, границ, масштаба создания и применения онтологии, которое предусматривает ответы на вопросы: какую предметную область будет охватывать онтология; для чего она будет использоваться; какие компоненты модели знаний предполагается представлять в онтологии; на какие типы вопросов должна давать ответы информация в онтологии; кто будет использовать и поддерживать онтологию;

2) рассмотрение вариантов повторного использования онтологий, если системе нужно взаимодействовать с другими приложениями, которые уже вошли в отдельные онтологии или контролируемые словари;

3) разработка глоссария включает в себя три основных процесса: изучение предметной области, выявление основных понятий предметной области и разработку их точных, непротиворечивых определений;

4) определение классов, понятий предметной области и создание их иерархии;таксономия классов представляет собой дерево описываемых терминов, где для проверки правильности создания классов и их отношений определяются узлы-братья в иерархии классов, то есть такие классы, которые являются прямыми подклассами одного и того же класса;

5) определение атрибутов (свойств классов) и их ограничений предусматривает описание внутренней структуры понятий:

а) проверка одинаковости для экземпляров класса (выявляются одинаковые атрибуты для экземпляров);

б) определение и установка обратных отношений (когда значение атрибута зависит от другого атрибута);

в) установка значений атрибута по умолчанию; ограничения, накладываемые на атрибуты, описывают тип и число значения, разрешенные и другие свойства значений, которые может принимать атрибут;

6) создание отдельных экземпляров классов в иерархии, где для определения отдельного экземпляра класса требуется:

а) выбрать класс;

б) создать отдельный экземпляр этого класса;

в) ввести значения атрибутов;

7) выбор или разработка специального языка для представления онтологий;

8) анализ и диагностика разработанной онтологии включает применение аналитических средств и различных диагностических инструментальных средств анализа онтологий; последний анализ может включать как проверку логической верности онтологии, так и диагностику типичных ошибок при её проектировании.

Таким образом, онтологии предоставляют словарь для представления и обмена знаниями о некоторой предметной области и множество связей, установленных между терминами в этом словаре. В мультиагентных системах агенты в процессе своего взаимодействия обмениваются сообщениями, используя общую интерпретацию терминов в словаре. При разработке прикладных систем, основанных на знаниях, онтологии используются для представления семантики знаний, которая содержится в описании терминов словаря. Пользователи некоторой информационной системы могут обращаться к онтологии для ознакомления со словарем, с помощью которого им предлагается взаимодействовать с системой. Для обеспечения возможности совместной работы с онтологиями необходимо использовать стандартные средства представления онтологий. Наиболее широко распространенными языками описания онтологий, являются языки, построенные на основе стандарта XML: SHOE (Simple HTML OntologyExtensions), DAML (DARPA AgentMarkupLanguage), OIL (OntologyInferenceLayer), RDF (ResourceDescriptionFramework) – модель данных для представления объектов («ресурсов») и отношений между ними.