- •Введение
- •Глава 1. Ведение в системы искусственного интеллекта
- •1.1. Архитектура систем искусственного интеллекта
- •1.2. База знаний и данных
- •1.1.1 Понятие модели
- •1.1.2. Логические модели
- •1.1.3 Модели знаний на основе продукций
- •1.1.4 Фреймовая модель знаний
- •1.1.5 Семантические сети
- •1.3. Машина вывода
- •1.3.1. Понятие формальной системы
- •Примеры стратегии вывода
- •Как функционирует машина вывода
- •1.4. Извлечение знаний и обучение
- •1.4.1. Извлечение знаний от многих экспертов
- •1.4.2 Проблема непротиворечивости формализованной базы знаний
- •1.5. Обучение системы
- •1.6. Интерфейс с пользователем
- •1.7. Организация работы
- •1.8. Инструментальные средства создания систем искусственного интеллекта
- •Языки программирования
- •1.8.2. Языки продукционного программирования
- •1. 8. 3. Языки инженерии знаний и инструментальные системы
- •1.8.3.1. Система vpExpert
- •1.8.3.2. Система kas
- •1.8.3.3. Система Expert-Ease
- •Глава 2. База знаний
- •2.1. Методы извлечения знаний
- •2.1.1. Классификация методов извлечения знаний
- •2.1.2. Пассивные методы
- •2.1.2.1. Наблюдения
- •2.1.2.2. Анализ протоколов «мыслей вслух»
- •2.1.2.3. Лекции
- •2.1.3. Активные индивидуальные методы
- •2.1.3.1. Анкетирование
- •2.1.3.2. Интервью
- •2.1.3.3. Свободный диалог
- •2.1.4. Активные групповые методы
- •2.1.4.1. «Круглый стол»
- •2.1.4.2. «Мозговой штурм»
- •2.1.4.3. Экспертные игры
- •2.1.4.3.1. Игры с экспертом
- •2.1.4.3.2. Ролевые игры в группе
- •2.1.4.4. Игры с тренажерами
- •2.1.4.4.1. Компьютерные экспертные игры
- •2.1.5. Текстологические методы
- •2.2.Формальное описание понятий предметной области (по)
- •2.2.1. Методы абстрагирования понятий
- •2.2.1.1.Агрегация и декомпозиция понятий
- •2.2.1.2.Обобщение и специализация понятий
- •2.2.1.3.Типизация и конкретизация понятий
- •2.2.1.4.Ассоциация и индивидуализация понятий
- •2.3.Методы классификации
- •2.3.1. Экстенсиональный и интенсиональный аспекты классификации
- •2.3.2. Таксономия и мерономия
- •2.3.3. Типы классификаций
- •2.3.4. Древовидные классификации
- •2.3.5. Булевы классификации
- •2.3.6. Комбинативные классификации
- •2.4.События и процессы
- •2.4.1. Состояния предметной области
- •2.4.2. Событие
- •2.4.3. Последовательные процессы
- •2.4.4. Рекурсивные процессы
- •2.4.5. Ветвящиеся процессы
- •2.5. Системы продукций: структура, технология, применение
- •2.5.1. Неформальное введение в системы продукций
- •2.5.1.1 Алгоритмические модели
- •2.5.2 Логический вывод
- •2.5.3 Прикладные модели
- •2.5.4. Метамодель систем продукций
- •2.5.4.1. Основные подсистемы
- •2.5.5.2. Метаструктура базы данных и операций
- •2.5.5.2.1. Характер организации данных
- •2.5.5.2.2 Операции над базой данных
- •2.5.5.2.3 Контроль несовместимости
- •2.5.5.2.4 Ассоциативная надстройка
- •2.5.6. Метаструктура модуля правил
- •2.5.6.1 Аппарат активации
- •2.5.6.2 Структура правил
- •2.5.7. Метаструктура модуля управления
- •2.5.8. Технология поддержки разработок продукционных систем
- •2.5.9. Формальные модели систем продукций
- •2.5.9.1. Алгебраическая модель
- •2.5.9.1.1. Основные определения
- •2.5.9.1.2. Операции преобразования ситуации
- •2.5.9.1.3. Условия корректности вычислений над конъюнктивной базой данных
- •2.5.9.1.4. Однозначность вычислений над дизъюнктивной базой
- •2.5.9.2. Управление выводом в системах продукций
- •2.5.9.3. Язык управления применением продукций
- •2.5.9.4. Язык управления выбором данных
- •2.5.9.5. Обзор формальных моделей вычислений
- •2.5.10. Экспериментальные системы продукций
- •2.5.10.1. Система скип
- •2.5.10.2. Система анализа топологических чертежей интегральных схем
- •P(слой) x0, y0 : Dx1, Dy2, .., Dxn-1, Dyn;
- •2.6. Выводы к второй главе
- •3. Машина логического вывода
- •3.1. Формальное определение задачи
- •3.2. Специфика решения задач в сии
- •3.3. Управление процессом решения задачи
- •3.4. Модели эвристического поиска решений
- •3.4.1 Стратегия поиска в глубину
- •3.4.2. Стратегии перебора с отсечениями
- •3.4.2.1. Метод ветвей и границ
- •3.4.2.2. Стратегии поиска на основе эвристической функции оценки
- •3.5. Методы вывода и доказательства теорем
- •3.5.1 Механизм резолюции Робинсона
- •3.5.2. Резолюция в логике высказываний
- •3.5.2.1 Линейная резолюция вL
- •Метод линейного вывода в lЛавленда, Ковальского и Кюнера
- •Эффективная реализация
- •3.5.2.3. Метод поиска в глубину
- •3.5.2.4 Эвристики поиска в дереве
- •3.5.2.5. Семантическая резолюция
- •3.5.3 Резолюция в pl
- •3.6. Методы индуктивного вывода
- •3.6.1. Виды индукции
- •3.6.2. Индукция как вывод и индукция как метод
- •3.6.3. Правила, необходимые для систем автоматического формирования знаний
- •3.7. Дедуктивный вывод на семантических сетях
- •3.7.1. Нерезолютивные методы вывода на семантических сетях
1. 8. 3. Языки инженерии знаний и инструментальные системы
Языки инженерии знаний реализованы как компоненты системы программирования оболочковых экспертных систем. Они различаются по: степени сложности, методам реализации, способу представления знаний, математическим основам построения системы, механизму логического вывода, способам извлечения знаний из эксперта, возможности развития, трудоемкости настройки на проблемную задачу, стоимости.
Рассмотрим характеристики некоторых известных инструментальных систем разработки СИИ.
1.8.3.1. Система vpExpert
Знания представлены цепочками простых правил, а факты - парами: <атрибут, значение>. VPExpertподдерживает атрибуты со многими значениями, которые позволяют разработчику вставлять переменные в правила с помощью описанных атрибутов. Система вывода основана на индуктивных правилах (т.е. правилах, использующих аналогию). Разработчик может вводить набор примеров, которые система преобразует в правила.
Для создания базы знаний VPExpertимеет текстовый редактор, использующий многооконное меню и цвет. Реализованы средства представления знаний в графическом виде.
1.8.3.2. Система kas
Система KAS является редактором системы PROSPECTORи предназначена для разработки и отладки правил, семантических сетей и других моделей знаний. Особенностью редактораKASявляется то, что он работает с графическим представлением знаний. Таким образом, пользователь не связан с машинным представлением создаваемых семантических структур. Редактор может быть активирован в произвольный момент, включая рабочий режим консультации, для модификации правил базы знаний. Структура правил системы KAS задается с помощью следующих синтаксических правил:
<правило>:: = (ЕСЛИ <условие>
ТО <мощность_правила>
<мощность_правила>
<заключение>)
<условие>:: = <выражение>
<заключение>:: = <описательное выражение>
<выражение>:: = <логическое выражение>|
<описание выражения>
< логическое выражение>:: = (И{<выражение>}+)|
(ИЛИ{<выражение>}+)|
(НЕ <выражение>)
1.8.3.3. Система Expert-Ease
В системе реализован индуктивный алгоритм вывода цели. В дополнение к этому алгоритму введены средства, позволяющие либо конструировать дерево решений, либо проектировать поиск в базе данных. При создании базы знаний производится заполнение столбцов матрицы значений атрибутов. Матрица сразу задает не одно правило, а набор правил. При отсутствии информации, необходимой для построения дерева решений, система задает вопросы эксперту. Эксперт высказывает мнения. Затем вопрос сопоставляется с мнениями, на основании мнений заполняется матрица. Матрицы увязываются в цепочку. В системе используется достоверность.
Глава 2. База знаний
Представлению знаний в базе знаний предшествуют процессы извлечения знаний, их структуризация и формализация. Рассмотрим последовательно все процессы.
2.1. Методы извлечения знаний
2.1.1. Классификация методов извлечения знаний
Рассмотрим, разработанную Т.А. Гавриловой и К.Р. Червинской, классификацию методов извлечения знаний, в которой используются наиболее употребительные термины, что позволит инженерам по знаниям в зависимости от конкретной задачи и ситуации выбрать подходящий метод.
Методы извлечения знаний:
– коммуникативные:
пассивные
наблюдение;
протокол "мыслей вслух";
лекции;
активные
групповые:
мозговой штурм;
круглый стол;
ролевые игры;
индивидуальные:
анкетирование;
интервью;
диалог;
экспертные игры;
– текстологические:
анализ учебников;
анализ специальной литературы;
анализ документов.
Из предложенной схемы классификации видно, что основной принцип деления связан с источником знаний. Коммуникативныеметоды охватывают все виды контактов с живым источником знаний -экспертом, атекстологическиекасаются методов извлечения знаний из документов (методик, пособий, руководств) и специальной литературы (статей, монографий, учебников)
Разделение этих групп методов на верхнем уровне классификации не означает их антагонистичности, обычно инженер по знаниям комбинирует различные методы, например, сначала изучает литературу, затем беседует с экспертами, или наоборот.
В свою очередь, коммуникативные методы можно также разделить на две группы: активные и пассивные. Пассивныеметоды подразумевают, что ведущая роль в процедуре извлечения как бы передается эксперту, а инженер по знаниям только протоколирует рассуждения эксперта во время его реальной работы по принятию решений или записывает то, что эксперт считает нужным самостоятельно рассказать в форме лекции. Вактивных методах, напротив, инициатива полностью в руках инженера по знаниям, который активно контактирует с экспертом различными способами -в играх, диалогах, беседах за «круглым столом» и т. д.
Хотелось еще раз подчеркнуть, что и активные и пассивные методы могут чередоваться даже в рамках одного сеанса извлечения знаний. Например, если инженер по знаниям застенчив и не имеет большого опыта, то вначале он может использовать пассивные методы, а постепенно, ближе знакомясь с экспертом, захватывать инициативу и переходить в «наступление».
Пассивные методы на первый взгляд достаточно просты, но на самом деле требуют от инженера по знаниям умения четко анализировать «поток создания» эксперта и выявлять в нем значимые фрагменты знаний. Отсутствие обратной связи (пассивность инженера по знаниям) значительно ослабляет эффективность этих методов, чем и объясняется их обычно вспомогательная роль при активных методах.
Активные методы можно разделить на две группы в зависимости от числа экспертов, отдающих свои знания. Если их число больше одного, то целесообразно помимо серии индивидуальных контактов с каждым применять и методы групповых обсуждений предметной области. Такие групповыеметоды обычно активизируют мышление участников дискуссий и позволяют выявлять весьма нетривиальные аспекты их знаний. В свою очередь,индивидуальныеметоды на сегодняшний день остаются ведущими, поскольку столь деликатная процедура, как «объем знаний», не терпит лишних свидетелей.
Отдельно следует сказать об играх. Игровыеметоды сейчас широко используются в социологии, экономике, менеджменте, педагогике для подготовки руководителей, учителей, врачей и других специалистов. Игра -это особая форма деятельности и творчества, где человек раскрепощается и чувствует себя намного свободнее, чем в обычной трудовой деятельности.
На выбор метода влияют три фактора: личностные особенности инженера по знаниям, эксперта и характеристика предметной области.
Одна из возможных классификаций людей по психологическим характеристикам делит всех на три типа:
мыслитель (познавательный тип),
собеседник (эмоционально-коммуникативный тип),
практик (практический тип).
Мыслителиориентированы на интеллектуальную работу, учебу, теоретические обобщения и обладают такими характеристиками когнитивного стиля, как поленезависимость и рефлексивность.Собеседники -это общительные, открытые люди, готовые к сотрудничеству.Практикипредпочитают действие разговорам, хорошо реализуют замыслы других, направлены на результативность работы.
Для характеристики предметных областей можно предложить следующую классификацию:
хорошо документированные;
средне документированные;
слабо документированные.
Эта классификация связана с соотношением двух видов знаний Z1иZ2, гдеZ1- это экспертное «личное» знание,aZ2 -материализованное в книгах «общее» знание в данной конкретной области. Если представить знания
Zпо предметной области как объединение Z1 и Z2, т. е. Zпо = Z1 U Z2, то
хорошо документированные -
средне документированные -
слабо документированные -
Кроме этого, предметные области можно разделить по критерию структурированности знаний. Под структурированностьюбудем понимать степень теоретического осмысления и выявленности основных закономерностей и принципов, действующих в данной предметной области. И хотя ЭС традиционно применяются в слабо структурированных предметных областях, сейчас наблюдается тенденция расширения сферы внедрения экспертных систем.
По степени структурированности знаний предметные области могут быть:
хорошо структурированными - с четкой аксиоматизацией, широким применением математического аппарата, устоявшейся терминологией;
средне структурированными - с определившейся терминологией, развивающейся теорией, явными взаимосвязями между явлениями;
слабо структурированными - с размытыми определениями, богатой эмпирикой, скрытыми взаимосвязями, с большим количеством «белых пятен».
Введенные в данном разделе классификации методов к предметных областей помогут инженеру по знаниям, четко определив свою предметную область, соотнести ее с предложенными, типами и наметить подходящий метод или группу методов извлечения знаний. Однако, скорее всего, реальная работа полностью зачеркнет его выбор, и окажется, что его хорошо документированная область является слабо документированной, а метод наблюдений надо срочно заменять играми! Такова жизнь.