- •Имя операция операнды ; комментарии
- •Статистическое определение
- •1.4. Законы распределения наработки технического объекта
- •6.4. Основные характеристики методов контроля
- •Лекция № 7. Системы тд.
- •Результат диагностирования
- •Результат диагностирования
- •Результат диагностирования
- •Лекция № 8. Методы тд осс.
- •Лекция № 9. Модель объекта и алгоритм функционального диагностирования.
- •Лекция № 12. Базы знаний.
- •5.3 Объяснение в экспертных системах
- •5.4 Приобретение знаний
- •Лекция № 13. Способы формализованного представления знаний в эс.
- •2.4 Соотношение методов представления знаний в базах данных
- •Лекция № 14. Методы логического вывода в эс.
- •Распространение вероятностей в эс
- •Последовательное распространение вероятностей
- •Экспертные системы, использующие субъективные вероятности
- •5.6 Экспертные системы нового поколения
- •3. 5 Интегральный подход к решению задачи
- •Лекция № 17 Организация проведения экспертизы и диагностики осс Работа с компонентом «Сведения о системе»
- •Использование программы «Доктор Ватсон»
- •Использование диспетчера устройств
- •Использование окна просмотра событий
- •Использование диспетчера задач Windows
- •Использование средства «Производительность»
- •Использование мастера установки оборудования
- •Платформенный подход
5.4 Приобретение знаний
Под процессом приобретения знаний обычно понимается процесс Передачи опыта по решению некоторого класса задач от определенного источника знаний в программную систему [22, 23].
В качестве потенциальных источников знаний могут выступать эксперты, специальная литература по данной проблеме и личный опыт пользователя.
Часто знания о проблемной области носят отрывочный характер, слабо структурированы и плохо формализованы. Именно в этих условиях наиболее адекватно использование экспертных систем. Поэтому основным источником знаний в ЭС, как правило, служат эксперты, являющиеся опытными практиками в какой-то узкой предметной области. Знания, которые могут быть получены от эксперта, представляют собой набор специальных фактов, правил, процедур и оценок в узкой области знаний, а не общие знания о какой-либо предметной области.
Сложность передачи информации от эксперта к программному продукту приводит к необходимости введения в процесс проектирования ЭС специального посредника — инженера по знаниям. В качестве основных трудностей организации процесса извлечения знаний из эксперта обычно отмечается несоответствие способа, которым формулирует знания эксперт, способу представления знаний в ЭС; неспособность и нежелание эксперта выразить свои знания, сложность проведения испытаний экспертной системы.
Процесс извлечения знаний из эксперта и формирование на этой основе структурированной формализованной модели проблемной среды можно разбить на несколько этапов. В [22] в качестве таких этапов выделены идентификация, концептуализация, формализация, реализация и тестирование (отладка).
На этапе идентификации инженер по знаниям и эксперт должны дать характеристику искомой проблеме и связанных с нею знаний, т. е. они должны ответить на вопросы типа: какие классы задач будет решать данная ЭС, какие задачи основные, какие — вспомогательные, каков перечень подзадач, перечень основных понятий и их взаимосвязей и т. д. Понятия и связи, выявленные на стадии идентификации, должны быть явно зафиксированы на естественном языке на этапе концептуализации.
Этап формализации состоит в формальном представлении зафиксированных основных понятий и их связей на некотором выбираемом языке представления знаний. Результатом формализации является разработка спецификаций для построения некоторого варианта базы
знаний. После формализации происходит этап реализации построенной в виде графов или диаграмм базы знаний, выбранных механизмов логического вывода и стратегий управления в виде текстов и программ проектируемой экспертной системы.
Этап тестирования предусматривает проверку и отладку варианта базы знаний в рамках экспериментальной версии экспертной системы на представительном множестве тестовых примеров из данной предметной области.
Процесс построения базы знаний и экспертной системы в целом имеет итеративный характер, включающий внесение необходимых изменений в базу знаний и отладку полученных вариантой.
Наряду с традиционными способами извлечения знаний из эксперта или других источников знания через посредника — инженера по знаниям — предпринимаются попытки автоматизации этого процесса. Одним из наиболее простых способов автоматизированного приобретения знаний является организация работы эксперта через вопросо-ответную систему [23]. В этом случае роль инженера по знаниям берет на себя вопросо-ответная система, которая запрашивает у эксперта информацию об используемых им терминах, просит определить и уточнить основные понятия и связи. Очевидно, что возможности этого способа значительно ограничены заранее составленным сценарием.
Наиболее радикальным решением было бы создание некоторой программы индуктивного или правдоподобного вывода, которая могла бы строить базу знаний, опираясь на те же источники, что и эксперт, т. е. на прошлый опыт и специальную литературу.
В современных экспертных системах эти программы основаны, как правило, на методах обучения с помощью предъявления множества примеров. Эта задача во многом аналогична задаче синтеза программ на основе предъявления синтезируемой системе примеров корректных программ, решающих определенную задачу. В настоящее время созданы программы, которые обучаются как фактическим знаниям о предметной области, так и знаниям о стратегиях решения задач. Однако, хотя первые подобные программы и существуют (см. § 3.3), тем не менее решение задачи индуктивного вывода для общего случая автоматического формирования базы знаний даже теоретически пока не найдено.