Структура експертної системи. Поняття фрейлів і "продукції".
Технічні засоби машинної графіки.
Методи візуалізації даних у геоінформаційним технологіях.
Технічні засоби введення даних у ГІС.
Поняття експертної системи. Знання і дані в експертних системах
Експертна система - це система штучного інтелекту, що використовує знання з порівняно вузької предметної області для розв'язання задач, що виникають перед нею, причому так, як би це робив експерт-людина у процесі діалогу із зацікавленою особою, яка надає необхідні відомості (дані) з конкретного питання. Для розуміння суті експертних систем необхідно виокремити деякі поняття, насамперед, дані і знання, та показати їх відмінність. Знання у філософському їх розумінні – це відображення різних аспектів географічної реальності в мозку людини або в технічній системі. Щодо історії створення технічних систем, то спочатку виникли бази даних (БД), пізніше сформувались геоінформаційні системи (ГІС) і, насамкінець, виникли системи, засновані на знаннях, - інтелектуальні системи. Якщо раніше основним завданням ЕОМ було оперування з даними і смисл цих маніпуляцій розуміла людина, то створення програм, які б могли аналізувати семантику, тобто смисл використовуваних даних, потребувало звертання до баз знань (БЗ). Такі програми здатні здійснювати побудову логічних ланцюжків на основі раніше отриманих висновків, ніби пропускаючи знання через висновки, перевіряючи їх логічність; уточнюючи і будуючи більш тонкі конструкції. Якщо отримані результати будуть явно суперечити здоровому глузду, то при алгоритмічному шляху для ЕОМ це байдуже, але експертна система цього не пропустить. Загалом знання в інтелектуальних системах розділяються на предметні або загальнодоступні та індивідуальні або емпіричні. До загальнодоступних належать набори даних (повідомлень), наприклад, у підручниках чи іншій літературі, тоді як індивідуальні знання почасти носять емпіричний характер, що базується на правилах і підходах, які експерт часто не може чітко або однозначно сформулювати, – їх називають евристиками. Для експертної системи необхідні три компоненти: факти, правила, процедурні знання і керівні (управлінські) структури.
Фактичні знання експертній системі надає експерт-географ у процесі діалогу з нею і вони відображають погляди людини на момент роботи.
Процедурні знання або правила тісно пов’язані з фактичними, але вони являються ніби нагромадженими знаннями, на основі яких вироблені правила, що визначають, як поводитиметься система, і, насамкінець, керівні (управлінські) знання дозволяють підбирати найкращу стратегію в роботі системи. В інтелектуальних системах, здатних самонавчатись на основі нагромадженого досвіду, аналізу, контролю і прийняття рішень, у процесі дослідження явищ реального світу виникають ніби знання другого рівня, або метазнання.
Структура експертної системи. Поняття фреймів і "продукцій"
За своєю структурою експертна система складається із 4-5 компонентів: бази знань (БЗ), тобто знань другого рівня для самонавчання системи; машини виведення; системи нагромадження метазнань; системи пояснень і спілкування з користувачем. Реальні робочі системи можуть містити лише деякі її елементи.
Знання у базі знань, на відміну від даних, вимагають й іншого їх подання, для чого використовуються семантичні мережі з довільною структурою, а також більш регуляризовані мережі – фрейми. Фрейми виражають загальні поняття, а слоти або гніздечка подають їх деталізацію, що приводить до типової ієрархічної структури. Пояснити суть фреймового подання знань можна на прикладі оцінки стану природного середовища з точки зору його антропогенної трансформації і перш за все - забруднення. Утворивши фрейм «стан навколишнього природного середовища», як слоти можна використати – «ступінь забруднення атмосфери», «забруднення підземних і поверхневих вод», «стан геологічного середовища», «стан ґрунтового покриву», «стан рослинного і тваринного світу» тощо. Кожний слот, окрім імені, може мати одне або декілька значень (якісних або кількісних) – наприклад, викиди шкідливих речовин підприємством в атмосферу → «ізобутилен» «200», «600», «400», «600»; «етиленгликоль» «40», «70», «60», «80» тощо. При характеристиці викидів ізобутилену, етиленгликолю і т.ін, перше числове значення визначає фонові, друге – максимальні концентрації, третє – реальні, а четверте – ГДК. Як слот можна використовувати складні структури, що включають ієрархію слотів більш низького порядку. Так, зокрема, у слот «викиди, шкідливих речовин підприємством в атмосферу» можна включити «стан атмосфери», який, у свою чергу, буде характеризуватися «швидкістю вітру», «розподілом температур», «стратифікацією атмосфери» тощо. Змінюючи зміст слотів, можна перетворювати всю семантичну структуру залежно від конкретної мети, наприклад, пов'язаної з виробленням рекомендацій з охорони навколишнього природного середовища.
В сьогоднішній час найбільш поширені так звані «продукції», які можна передати у вигляді виразу – «якщо – то». Наприклад, якщо вміст вуглеводнів у викидах в атмосферу перевищить ГДК у 100 разів, то це може призвести до екокатастрофи. Для отримання висновків «продукції» можуть утворювати складні ланцюжки, при цьому вони допускають використання передумов і постумов, що дозволяють або забороняють дану умову, а також визначають, чи потрібно змінювати щось у базі знань залежно від результату виконання процедури «якщо–то». Важливою особливістю експертних систем є можливість працювати з «нечіткими» даними, а також (і це найважливіше) з «нечіткими» знаннями. Використовуючи комбінації елементів знань, можна прийти до цілком певних висновків, тобто навіть на основі ненадійних даних можна отримати правдоподібні висновки. Нечіткість визначень, з якими працює географ, веде до нечіткості знань. Наприклад, поняття «широка річка» для різних людей буде змінюватися у значних межах. Для характеристики фактів використовують «нечітку» логіку, для якої розроблені коефіцієнти впевненості для вимірювання ступеня довіри до будь-якого висновку. Другим важливим елементом експертної системи є машина логічного виведення, яка є універсальною думаючою машиною, а база знань (БЗ) – це те, над чим необхідно думати. Іншими словами, у відповідь на запит, система здатна будувати логічні ланцюжки і на їх основі приходить до певного висновку. Тут перевіряється виконуваність умов конкретної ситуації у відношенні до існуючих правил, і вибирається шлях їх задоволення. Причому, на відміну від традиційних алгоритмів, що здійснюють механічний перебір всіх правил, в експертній системі простір пошуку звужується за рахунок того, що, як і людина, ЕОМ повинна очікувати, що ж їй зустрінеться. Наприклад, аналізуючи видовий склад мішаних і широколистянних лісів середньої смуги, географ очікує зустріти ялину, березу, дуб, липу і клен, але не пальми, наявність яких у переліку для аналізу суперечить здоровому глузду. Процедуру отримання висновків шляхом аналізу фреймів або «продукцій» називають прямою стратегією. В тому випадку, якщо людина висуває гіпотези (а виконує вона це, як правило, з охотою), ЕОМ їх перевіряє (що простіше для машини), ми переходимо до зворотної стратегії. Використовуються і змішані стратегії, коли машина видає ряд варіантів розв'язку (а експертна система саме так і вчиняє), вибравши з них якийсь один, що аналізується за допомогою зворотної стратегії. Природно, що цей шлях буде не однозначним, причому можуть додаватися нові значення.
Блок нагромадження метазнань перевіряє несуперечливість даних, які надходять, існуючим правилам. Досягається це шляхом перевірки семантичної несуперечливості, а також автоматичним тестуванням. Перевірка семантичної несуперечливості визначає узгодженість вносимих змін із правилами бази знань, а автоматичне тестування перевіряє нововведення на більшій кількості задач, щоб оцінити, наскільки вони позитивно впливають на роботу експертної системи. Іноді, у випадку конфліктних ситуацій, необхідний перегляд правил. Тоді застосовують різні ступені довіри до потенційних рішень, щоб вони не суперечили здоровому глузду, хоча зробити це не завжди просто. Іноді може виявитись доцільним характеризувати не окремі явища, а їхні класи, коли конкретна ситуація порівнюється з типовими прикладами. Наприклад, географ, класифікуючи типи берегів (ріасовий, шхерний, фіордовий тощо) ніби порівнює їх з ідеальними моделями, в одній з яких, фіорди – вузькі клини, що вдаються глибоко у сушу тощо. Але експертна система не обмежується алгоритмічною класифікацією і враховує ще й семантику. Класифікуючи географічні об'єкти «Москва», «Київ», «Львів», людина легко згрупує їх у міста, але Москву в поєднанні з Волгою і Дніпром віднесе до річок, те ж повинна вміти й евристична програма. Більше того, іноді необхідні і не зовсім логічні висновки: при аналізі рівня соціально-економічного розвитку країн за рядом формальних критеріїв, в тому числі і таких, як національний доход на душу населення, кількість авто на 1 тис. жителів тощо. Кувейт слід би віднести до провідих держав, але експерт-географ, значно знизивши цю оцінку, не виглядатиме диваком. Аналогічно має діяти й експертна система, виводячи одні правила з інших, і приходити до висновків, отримати які із формальної логіки неможливо. Експертна система за своєю суттю стає ніби «другим я» того чи іншого вченого, копіюючи його стиль роботи. Система пояснень використовується для роз’яснення користувачеві того, як експертна система прийшла до того чи іншого висновку. Причому у процесі роботи користувач може ставити додаткові запитання для отримання проміжних результатів, уточнювати цілі, інспектувати правила з погляду їх узгодження між собою і відповідності поставленим цілям тощо. Як правило, система пояснень виконує трасування ходу проведення суджень у зворотному порядку від того місця, якого відносяться питання, або від кінцевого результату. Кожний крок суджень підкріплюється висновками із правил бази знань. Експертна система також пояснює, чому вона пішла таким шляхом, які правила бази знань цей шлях заблокували. Пояснення експертної системи допомагають користувачеві вдосконалювати базу знань, показувати слабкі місця, що ведуть до неправильних висновків. Система спілкування користувача з експертною системою повинна бути максимально зручною для людини, розуміти природну людську мову, графічні зображення, карти, фото тощо. Експертні системи можуть значно відрізнятися своєю конфігурацією залежно від мети їх створення, наявних технічних способів, об'єму даних і знань. Важлива можливість комбінування експертних систем із математичними моделями, які слугують для алгоритмічних обчислень. Такі систем мають назву інтегрованих. Розрізняють кілька типів експертних систем:
1) інтерпретуючі – подають описи і висновки на основі спостережених фактів;
2) прогнозні – виводять наслідки із сукупності станів досліджуваних явищ, зокрема прогнозують погоду, урожайність сільськогосподарських культур; здійснюють функції діагностики, особливо у медицині; проектування – у будівництві; ремонту; планування, навчання, моніторингу тощо.
Можливості застосування експертних систем стосовно географічних досліджень використовують для вдосконалення експлуатації ГІС із метою збільшення їх ефективності, навчання недосвідчених користувачів, вдосконалення пошуку інформації у великих масивах тощо. Важливі класифікаційні аспекти географії. І тут роль експертних систем у розв'язанні задач, що не піддаються математичній формалізації і складні для логічного аналізу, дуже важлива, зокрема у випадку типізації географічних ситуацій. Типологія геоситуацій необхідна для вироблення правил, фактів і зв'язків у відповідних базах знань, що формуються на основі знань експертів. Сценарії, що побудовані на базі типів геоситуацій, дозволяють у кожному конкретному випадку звертатись до перебору кількох варіантів, а ідентифікувавши тип геоситуації, - аналізувати структуру відповідних географічних утворень стосовно характеристик їх типу. В подальшому, експертні системи зможуть визначати структуру геоситуацій і рекомендувати заходи для їх цілеспрямованих трансформацій чи консервації, наприклад, розробки рекомендацій з охорони навколишнього природного середовища тощо.