978-5-7764-0767-3

Реальный мир воспринимается опосредованно, через экспертов. Пред-

ставления действительности (знания) у каждого эксперта хранятся в его па-

мяти. Напрямую эти представления в БЗ СОЗ перенести невозможно. Для за-

дачи переноса представлений действительности (знаний) эксперта привлека-

ется инженер по знаниям, основными задачами которого являются: извлече-

ние представлений действительности у экспертов; описание этих представ-

лений в формализованном виде, используя логическую или сетевую пара-

дигмы представления знаний; занесение представлений реального мира в БЗ компьютерной СОЗ. В компьютерных СОЗ организация накопления знаний,

их актуализация состоит из многих этапов, основными из которых являются

(рис. 3.4):

формирование представлений действительности (знаний) у экспертов;

извлечение представлений действительности (знаний), сформированных и находящихся в памяти экспертов;

формализация извлеченных представлений (знаний) действительности;

занесение представлений действительности (знаний) в память СОЗ.

На этапе формирования представлений действительности у экспертов все происходит как у биологических систем (рис. 2.3). К этапу извлечения представлений у эксперта в памяти, в основном, сформированы все необхо-

димые для решения поставленных задач знания.

Извлечением знаний, приобретенными экспертами, занимается инженер по знаниям. У этого специалиста имеется большой арсенал методов решения этой задачи [6,15,18,46]. Знания, полученные от экспертов, бывают неполны-

ми, в силу ряда особенностей [6,15,18,43] и они в таком виде, без изменений,

заносятся в базу знаний СОЗ.

При формализации извлеченных знаний используются, в зависимости от предметной области, логические, сетевые подходы к описанию представле-

ний действительности. Но в силу недостатков, каждого из подходов, все ча-

ще используются смешанные методы описания.

91

Рис. 3.4. Основные этапы представления действительности в БЗ СОЗ

Формализованные представления действительности, без изменений, ин-

женер по знаниям заносит в память СОЗ, используя имеющиеся или специ-

ально разрабатываемые инструментальные средства.

Таким образом, в существующих СОЗ представления действительности являются неизменными (статичными) для длительного интервала времени.

Длительность такого интервала времени зависит от возможности экспертов принять участие в ревизии (доработке) имеющихся представлений и эффек-

тивности (целесообразности) их использования, а также необходимости до-

бавления новых и коррекции имеющихся элементов представлений действи-

тельности (знаний).

Статичность содержимого баз знаний СОЗ начинает оказывать негатив-

ное влияние на решение многих задач. Это связано с тем, что при решении задач требуется иметь точные, полные данные и знания (представления о ми-

ре, соответствующие действительности), которые определяют эффективность формируемых решений [8,15,42,44]. Для обеспечения успешного поведения системы знания должны постоянно уточняться. С этой целью в представле-

нии знаний должны:

появляться новые элементы, связи между ними;

удаляться ненужные элементы, связи между ними;

формироваться представления новых ситуаций (сущностей) и их ансамбли.

Следовательно, чтобы поведение системы было максимально успешным,

система должна обеспечивать эти процессы подстройки представлений о ре-

альном мире, делать их все более соответствующими действительности.

92

Знания, являющиеся результатом этих процессов, представляют собой эволюционирующие знания. Под эволюционирующими знаниями понимают-

ся такие знания, элементы представления которых в кибернетической систе-

ме стремятся максимально соответствовать действительности, с целью обес-

печения наилучшего поведения (использования) системы [39,41].

Формально эволюционирующие – EK знания можно представить в виде четверки:

где

U – множество элементов представлений знаний: сущностей и связей между ними;

MFK – методы формирования и коррекции элементов представлений знаний;

MVFK– методы оценки (valuation) сформированных элементов пред-

ставлений знаний

MVUK – методы оценки использования знаний (оценка знаний в зави-

симости от успешности поведения системы).

В настоящее время сформировано множество моделей, характеризую-

щих общие свойства эволюции кибернетических (биологических) систем.

Авторы работы [9] для рассмотрения вопросов, связанных с эволюционным развитием сложных систем различной природы, используют пять наиболее представительных моделей (видов) эволюции: модель эволюции Ч. Дарвина,

ламаркизм или модель эволюции Ж. Ламарка, салыпационизм (модель эво-

люции де Фриза), модель К. Поппера, синтетическая теория эволюции. В ра-

боте [24], посвященной обзору современных исследований эволюции биоло-

гических кибернетических систем, большое внимание уделено моделям про-

стейших молекулярно-генетических систем. Для этих систем представлены методы теоретической популяционной генетики.

Для обеспечения соответствия представлений ситуаций действительно-

сти за основу взят подход молекулярно-генетической эволюции. В рамках

93

этого подхода представления действительности, для решения задач непре-

рывного образования, представляют собой сложноструктурированную, изме-

няющуюся во времени систему знаний. Для ИОС любая r –я ситуация дей-

ствительности, в рамках обеспечения эффективного обучения специалистов,

соответствует подмножеству ситуаций действительности SDr, где r – номер ситуации действительности и r (1 ÷ D), D – максимальное число различае-

мых ситуаций действительности. Подмножество SDr в качестве элементов содержит параметры ПNПSrj из множества ПКС доступных КС для восприя-

тия действительности {Пi}:

где SDr – подмножество, представляющее r-ситуацию действительности, r – номер ситуации действительности, r (1 ÷ D),

D – максимальное число различаемых ситуаций действительности,

ПNПSrj – параметры для представления ситуации r,

NПSrj – номер параметра, представляющего r-ю ситуацию и имеющего в подмножестве SDr номер j,

Nr – число параметров, необходимых для представления ситуации r,

N – число параметров, необходимых для представления всех ситуаций дей-

ствительности,

Пi – параметры, имеющиеся для представления действительности, j – номер параметра в подмножестве SDr,

i – номер параметра в множестве ПКС.

Любая ситуация r, в любой момент времени t может представляться Nr

параметрами. Мощность подмножества SDr и его содержимое могут изме-

няться в какие-то моменты времени. Тогда в один из моментов (t + t) может возникнуть ситуация такая, что Nr(t) ≠ Nr(t+ t), SDr (t) ≠ SDr(t+ t) и даже, N(t) ≠ N(t+ t). С учетом этих уточнений выражения (3.2) – (3.4) могут быть представлены в следующем виде:

94

В ходе представления ситуаций действительности SDr(t) каждый из па-

раметров ПNПSrj SDr(t) может принимать значение ZПNПSrjl(t) из фикси-

рованного набора значений для данного параметра NZПNПSrj(t):

где

ZПNПSrjl(t) – l-е значение параметра ПNПSrj в момент времени t; NZПNПSrj(t) – набор значений для параметра ПNПSrj в момент времени t;

l – номер значения параметра ПNПSrj для ситуации r в момент времени t, l1÷NVNПSrj(t);

NVNПSrj(t) – число различимых значений параметра ПNПSrj для ситуации r

в момент времени t, NZПNПSrj(t) ≠ NZПNПSrj(t+t).

Один и тот же параметр Пi, при представлении различных ситуаций,

может иметь различную значимость (вес), т.е. в ситуации представленной подмножеством SDr(t), r(1 ÷ D), этот параметр имеет один вес, а в ситуации представленной подмножеством SDр(t), р (1 ÷ D), р≠ r – другую.

При представлении различных ситуаций действительности параметр мо-

жет использоваться с одним и более значений. Для случая, когда используется более одного значения параметра, эти значения ранжируются в зависимости от их значимости (веса). Эти веса, с течением времени, могут изменяться.

Аналогично могут изменяться порог значимости сформированного эле-

мента представления; квант приращения значимости для закрепляющих (поло-

жительных примеров и квант снижения значимости для отрицательных приме-

ров; порог значимости при деградации элементов представления и другие.

Таким образом, для решения задач непрерывного образования, в пред-

ставлениях ситуаций действительности, для повышения их ТОЧНОСТИ мо-

95

гут использоваться следующие элементы и их характеристики функциониро-

вания, повышения достоверности представления действительности (знаний):

Множество параметров представляющих действительность и из которых выбираются наиболее подходящие (обеспечивающие максимальное зна-

чение Достоверности и Точности)

Для каждого параметра множество принимаемых значений и условий значимости этих значений

Условные оценки – оценки меняются в зависимости от контекста.

Для использования эволюционирующих знаний в решении задач непре-

рывного образования, необходимо систему представления действительности строить по схеме аналогичной биологическим системам. В этом случае фор-

мирование представлений действительности будет осуществляться согласно структуре следующего вида (рис. 3.5), где, в качестве основных, выделяются следующие задачи:

восприятие реального мира (действительности);

представление ситуаций реального мира (действительности);

накопление примеров ситуаций действительности в базе данных;

извлечение знаний из примеров действительности;

структуризация и хранение знаний в базе знаний;

формирование планов решения задач (реакций) на текущие ситуации действительности;

оценка экспертами и/или окружающей средой представлений ситуаций,

закономерностей действительности, сформированных решений.

Впроцессе восприятия действительности могут задействоваться все датчики (среда восприятия) ИОС, выходные значения которых используются при представлении ситуаций реального мира (действительности). Для пред-

ставления примера ситуации действительности, обычно, используются толь-

ко те параметры, которые необходимы для представления этого примера си-

туации действительности.

96

Реальный мир

Формирование планов решения задач

Оценки экспертов (внешней среды)

Рис. 3.5. Структура системы представления действительности в СУБЗ

Представление текущей ситуации реального мира в виде имени ситуа-

ции и множества признаков (параметров) используется при формировании решений – реакций на текущую ситуацию, и заносится в БД, где хранятся примеры ситуаций. Из накапливаемых примеров извлекаются и структури-

руются, в формате интегрированного метода, представления знаний, новые представления действительности, которые запоминаются в БЗ. Хранимые в БЗ представления действительности используются для формирования реше-

ний, а их соответствие действительности оценивается экспертами. Кроме оценок экспертов могут использоваться оценки, сделанные специальными интеллектуальными системами, окружающей реальностью.

Результаты оценивания могут использоваться при представлении ситуа-

ций действительности, при извлечении знаний и формировании решений.

97

При представлении ситуаций реального мира оценивается множество параметров, используемых для описания ситуаций. Элементами этого мно-

жества должны быть те параметры, которые обеспечивают наилучшее пред-

ставление действительности. С этой целью значение каждого параметра, для представления рассматриваемой ситуации, оценивается весовым коэффици-

ентом, значение которого зависит от важности значений параметра при пред-

ставлении этой ситуации. В зависимости от значений весовых коэффициен-

тов изменяются элементы множества параметров, необходимых для реле-

вантного представления рассматриваемой ситуации. При значениях wi ниже допустимого порога i-й параметр исключается из множества параметров, не-

обходимых для релевантного представления рассматриваемой ситуации.

Для пополнения множества параметров, необходимых для релевантного представления рассматриваемой ситуации, могут использоваться эволюци-

онные методы, в частности такие операции, как рекомбинация, мутация и от-

бор. Для этого каждый параметр представляется хромосомой. Используемое множество параметров считается элитным и переносится в новое поколение без изменений. Формируются в ходе рекомбинации дополнительные хромо-

сомы. Дополнительные хромосомы могут формироваться различными спосо-

бами: только случайным образом, только из элитных хромосом, комбиниро-

ванным. С определенной вероятностью над дополнительными хромосомами проводятся мутации. Полученное множество параметров применяется для представления рассматриваемой ситуации действительности. Результаты применения оцениваются экспертами. Для параметров, оказывающих важное значение при представлении рассматриваемой ситуации, значение весового коэффициента этого параметра увеличивается. У параметров, которые пони-

жают релевантность представления действительности, весовые коэффициен-

ты понижаются. У параметров, которые не изменяют релевантность пред-

ставления действительности, весовые коэффициенты остаются без измене-

ний. Весовые коэффициенты понижаются для всех параметров, в зависимо-

сти от времени.

98

После оценки представления ситуации действительности осуществляет-

ся отбор лучших параметров. В ходе этого отбора из множества параметров исключаются все параметры со значениями весовых коэффициентов ниже пороговых. Не исключаются параметры, которые являются элитными.

99

3.2. Интегрированный подход к представлению знаний

В настоящее время классические подходы к представлению знаний, ло-

гический, продукции, семантические сети, фреймы, имеют ограниченные об-

ласти решаемых современных задач в силу присущих им свойств и ограни-

чений [6,8,14,15,18,22,23,30,33,44], что не позволяет с их помощью описы-

вать все многообразие реального мира. По этой причине разработчики со-

временных интеллектуальных систем используют интегрированные (сме-

шанные) методы представления знаний. В интегрированных методах усили-

ваются достоинства классических подходов к представлению знаний, что расширяет область их использования и является удобным для формализации сложноструктурированной информации.

В работах [49,52] рассматривается метод представления знаний, осно-

ванный на многоуровневой логике. Он является интеграцией логического и семантического подходов к построению языка представления знаний. Этот подход является перспективным, но на данный момент не имеет развитых методов обработки и использования знаний, представляемых в данном фор-

мате [49,52].

В расширенных семантических сетях И. П. Кузнецова [13] однородность представления достигается за счет того, что имена отношений играют роль объектов и могут вступать в отношения. Важным в этой методе является возможность представления в нем продукций. При этом левой и правой ча-

стям продукций ставятся в соответствие сети Sn1 и Sn2, а продукция записы-

вается в виде

Sn1 → Sn2.

Продукции могут входить как в левые, так и в правые части других про-

дукций. Для обработки информации, представленной с помощью РСС, ис-

пользован принцип сопоставления по образцу в виде метода наложения двух сетей. В его основе лежат правила идентификации (означивания), позволяю-

щие связывать вершины и сопоставлять сети в соответствии с законами ло-

гики [13]. Механизм обработки PCC имеет два существенных недостатка:

100