Информационный процесс представления знаний презентация

приобретения знаний.
Методы приобретения знаний.
Повышение эффективности процесса представления знаний.

АИТ, является использование жестких (формализованных) моделей, неадекватных реальным объектам и процессам, для синтеза которых используется только коли-чественная информация предметной об-ласти. Строгий математический аппарат, применяемый для синтеза формальных моделей, не позволяет учесть все много-образие факторов, влияющих на состояние или поведение объекта управления.

(ЛПР), как правило, допол-нительно используют собственные эвристи-ческие, интуитивные модели и алгоритмы ре-шения прикладных задач. Одним из основных путей повышения качества управления сложными организацион-ными системами является создание интеллек-туальных информационных технологий (ИИТ). Создание ИИТ связано с решением комплекса проблем синтеза базы знаний (БЗ) в экспертных системах (ЭС) [30], [32], [41]. Синтез БЗ является не только сложной научной проблемой, но и длительным, трудоемким и слабоструктурирован-ным процессом.

процесс представления знаний и его процедур - получения и генерации (вывода) знаний. Струк-тура экспертной системы представлена ниже:

Интерфейс
пользователя

Интеллектуаль-
ный редактор БЗ

Пользователь

Инженер
по знаниям

Эксперт

осущест-вляется совместными усилиями эксперта (Э) и инже-нера по знаниям (ИЗ). Для этой цели создается интел-лектуальный редактор БЗ, представляющий собой программу диалогового взаимодействия, облегчающую работу с базой знаний. Решатель (блок логического вывода) производит вывод (генерацию) нового знания, то есть решает поставленную задачу, на основе имеющихся в базе знаний. При желании пользователь ЭС может получить объяснение того, как была решена задача. Для этого в ЭС включают блок объяснений. Взаимодействие с экспертной системой пользователя происходит при помощи интерфейса пользователя. Центральным блоком экспертной системы является база знаний.

Свойства и типы знаний. Обязательным элементом, определяющим эф-фективность функционирования любой системы искусственного интеллекта (СИИ), являются знания. В СИИ, в частности в области интеллектуальных автоматизированных информационных технологий, нет общепризнанного формального определения понятию „знания". В качестве рабочего можно принять следующие определение: знания - это особая форма информации, представляющая собой совокупность структурирован-ных теоретических и эмпирических положений пред-метной области, которые представлены в различной форме, обладают определенными свойствами и связаны синтаксическими, семантическими и прагматическими отношениями и которые позволяют решать приклад-ные задачи.

Возникновение семантического пространства с метрикой.
Активность.

памя-ти человека (эксперта); материализованные (канони-зированные) знания (учебники, монографии и т.п.); полуформализованная структурированная модель (по-ле) знаний; формализованное знание на некотором языке представления и в БЗ. Знания в СИИ представ-лены на уровнях : внешнем, логическом и физическом. Существуют различные подходы к классифи-кации знаний. Предлагаемые классификации носят от-крытый характер. Так выделяют декларативные и про-цедурные знания, глубинные и поверхностные, жест-кие и мягкие знания. Рассматривают теоретические и эмпирические знания в зависимости от уровня их осмысления. Содержание знаний является основой для выбора структуры их представления, поскольку не только крайне важно их соответствие, а еще и потому, что сама структура представления информативна.

перехода от использования поверхностных и жестких знаний к глубинным и мягким. Глубинные знания образуются как результат обобщения пер-вичных понятий в некоторые абстрактные структуры, которые могут и не иметь вербального описания. Мягкие знания допускают множественные, рас-плывчатые решения и приводят к различным вари-антам рекомендаций. Использование глубинных и мягких знаний по-зволяет создать БЗ большой мощности. Глубинные знания обладают такими важными особенностями как гибкость и аддитивность. Поверхностные знания представляют собой сово-купность эмпирических ассоциаций и отношений между понятиями предметной области для стандартных рассуждений и ситуаций.

представляют концептуальные и экспертные зна-ния. Концептуальные знания выражают свойства объ-ектов, процессов и ситуаций через понятия (базовые элементы) соответствующей области. Описание поня-тия включает описание его компонентов, а также операциональную часть, содержащую зависимости между компонентами понятий. Экспертные знания - это знания специалистов предметной области. Они аккумулируют накопленный практический опыт, навыки и приемы в соответст-вующей области. Совместное использование концеп-туальных и экспертных знаний является крайне важ-ным и перспективным, ибо они вместе покрывают значительную часть плоскости знаний СИИ, и позволяют сочетать ассоциативные и логические рас-суждения для решения задач при низких вычис-лительных затратах.

или процесса, которая не зависит от смысла и содержания исполь-зуемых при этом понятий. Семантические знания со-держат информацию непосредственно связанную со знанием и смыслом описываемых объектов и про-цессов. Прагматические знания описывают объекты и процессы с точки зрения целей решаемой задачи. К понятию „знание" близко примыкает понятие „предметной области". В научной литературе сформировалось обобщенное определение предметной области (ПрО) как совокуп-ности элементов, объектов, явлений, процессов, их количественных и качественных характеристик, а также связей между ними, объединенных общей идеей, определенным смыслом или понятием более высокого уровня.

в СИИ является не только фундаментальным понятием, но и решающим аспектом их разработки. Выбор модели представления знаний (МПЗ) важен ввиду их многообразия и раз-мытости критериев выбора, ибо он оказы-вает огромное влияние на любую часть СИИ и предпределяет их возможности (свойства и характеристики). Последствия неудачного решения проблемы представ-ления знаний могут быть катастрофичес-кими.

трех уровнях:

технический уровень
программный (логический) уровень
концептуальный уровень
Под представлением знаний подразумева-ют соглашение о том, как описывать реаль-ную ПрО (понятия и отношения). Иногда такое соглашение называют нотацией. Каж-дая модель знаний определяет форму представления знаний и является форма-лизмом, призванным отобразить объекты, связи между ними и отношения, иерархию понятий ПрО и изменение отношений между объектами.

которые состоят из констант, переменных, функций, предикатов, логических связок и кванторов. Каждая логическая формула дает частичное описание состояния предметной области. В основе всех логических схем представления зна-ний лежит понятие формальной системы, задаваемой четверкой: М = < Т, Р, A, F >, где Т - множество базовых элементов (алфавит формальной системы); Р - множество синтаксических правил, позволя-ющих строить синтаксически правильные выражения А из Т; А - множество априорно истинных аксиом (любое множество синтаксически правильных выражений); F - правила вывода, позволяющие расширять мно-жество аксиом.

системы дедуктивного типа (имеют фиксированную систему правил вывода) и индуктивного типа (правила вывода порождаются системой на основании конечного числа обучающих примеров. В логических схемах синтаксис задается на-бором правил построения правильных синтак-сических выражений, а семантика - набором правил преобразования выражений и разреша-ющей процедурой, позволяющей однозначным образом и за конечное число шагов определить, является ли данное выражение семантически правильным.

самостоятельно применяются в СИИ крайне редко. Обычно они применяются в сочетании с другими МПЗ. Продукции (правила) задаются в виде выраже-ний; ЕСЛИ условие ТО действие (1) ЕСЛИ причина ТО следствие (2) ЕСЛИ ситуации ТО решение (3) Суть выражений (1), (2), (3) заключается в том, что если выполняется условие, то нужно произ-вести некоторое действие. Продукционные моде-ли могут быть реализованы как процедурно, так и декларативно.

долговременной памяти че-ловека. Характерной особенностью для семантических се-тей является то, что они для образования своей структуры используют два компонента - вершинам сети соответствуют понятия (объекты, события, процессы, явления), а дугам, их соединяющим, - отношения между понятиями. В зависимости от структуры узлов и характера отношений между ними различают следующие сети: простые, иерархические, однородные и неодно­родные сети. Последние делятся на функциональные сети, сценарии и семантические сети. В семантических сетях знания представлены в терминах естественного языка и отношений между ними (элемент-класс; класс-подкласс, функцио­наль-ные дуги).

дающие целостное представление о явле-ниях и их типах. Структура фрейма имеет вид: I:{ < VI, ql, pi >, < V2, q2, р2 > ..., < Vk, qk, pk . > }, где I - имя фрейма; , k = 7, n - называется слотом; Vk - имя слота; qk - значение слота; pk - процедура (является необязательным эле-ментом). Фреймы отражают концептуальную основу организации памяти человека.

фрей-ма, заполнение которых приводит к тому, что фрейм ставится в соответствие некоторой ситуации, явлению объекту или процессу. В качестве слота может быть ука-зано имя другого фрейма. Значениями слота могут быть конкретные данные, процедуры и даже продукции. Слот может быть пустым (незаполненным). Из всех ранее рас-смотренных МПЗ только фреймам свойственна высокая структурируемость, внутренняя интерпретируемость по-средством имен и значений и связность слотов. Фреймы обладают высокой наглядностью и модуль-ностью, объединяют достоинства декларативного и про-цедурного представления знаний. Однако фреймы наибо-лее эффективны при обработке семантической составля-ющей знаний. У фреймов, как и у семантических сетей, отсутствуют универсальные процедуры их обработки, что приводит к неэффективному использованию ресурсов вычислительной техники (памяти и быстродействия).

знаний. Ключевой проблемой при построении СИИ является приобретение знаний. От качества и полноты знаний, введенных в БЗ, в решающей степени зависит эффек-тивность работы СИИ и качество решения задач. Элементы технологии приобретения знаний. В теории ЭС принята методология постепенно нарас-тающей разработки, которая базируется на концепции быстрого прототипа. Прототип ЭС представляет собой один или несколь-ко вариантов, усеченной версии ЭС, демонстрирующих жизнеспособность выбранного подхода и правильность принятых решений.

знаниями, технология быстрого прототипа позволяет эмпирически проверить правильность принятых про-ектных решений на каждом этапе создания ЭС и считается эффективной. Технология разработки ЭС включает шесть эта-пов: выбор проблемы, разработку прототипа, доработку прототипа до промышленной ЭС, оценку ЭС, стыковку ЭС, поддержку ЭС. Второй этап состоит из следующих шести подэтапов: идентификации проблемы, приоб-ретения знаний, структурирования и формализации знаний, реализации прототипа и тестирования. При проектировании экспертной системы разра-батывают демонстрационный, исследовательский и действующий прототипы.

мощность ЭС зависит в первую очередь от ко-личества и качества знаний, хранимых в ней. Обобщенная схема процедуры приобретения знаний представлена ниже:

Средства
автоматизации

Источники
знаний

Инженер
по знаниям

Программисты

База
знаний

Приобретение

Преобразование

Кодирование

Ввод
(обучение)
БЗ

максимально автоматизировать. Основная задача автоматизации приобретения знаний состоит в облегчении труда эксперта и инженеров по знаниям разработчиков СИИ. Эта задача может быть решена двумя путями:

Передача части функций, выполняемых инженерами познаниям в процессе приобретения знаний, автоматизиро-ванной системе;
Полное исключение экспертов и ин-женеров по знаниям из процесса путем создания автоматизированных систем приобретения знаний.

стратегии получения знаний. В рамках первой стратегии основ-ные функции по актуализации и формированию зна-ний выполняет эксперт, обращаясь при этом за по-мощью к СИИ. За счет этой помощи эксперт структу-рирует, систематизирует и формализует свои знания, используя некоторый формализм. В рамках второй стратегии получения знаний ведущей стороной в диалоге является автоматизиро-ванная система. По ответам эксперта СИИ кон-струирует готовые формы знания и затем передает в другие компоненты СИИ для включения в состав БЗ. Третья стратегия приобретения знаний связана с ис-ключением из классической технологии и инженера по знаниям и программиста.

Извлечение знаний - процесс приобретения мате-риализованных знаний из текстологических источ-ников информации с помощью некоторой совокуп-ности методов и процедур, позволяющих переходить от знаний в текстовой форме к их аналогам для ввода в базу знаний СИИ. Получение знаний - это процесс приобретения вер-бализуемых и невербализуемых знаний эксперта, осно-ванный на использовании непосредственно им самим или инженером по знаниям приемов, процедур, методов и инструментальных средств.

(порождения) системой искусствен-ного интеллекта или инструментальным средством но-вого и полезного знания из исходной и текущей ин-формации, которое в явном виде не формируют экс-перты, с целью освоения новых процедур решения при-кладных задач на основе использования различных мо-делей машинного обучения. Приобретением знаний - процесс, основанный на переносе знаний из различных источников в базу зна-ний путем использования различных методов, моделей, алгоритмов и инструментальных средств. Обучение базы знаний - это процесс ввода (пере-носа) приобретенных знаний в СИИ на основе при-менения совокупности методов, приемов и процедур с целью ее заполнения, расширения и модификации

методов и методов автоматической обработки тек-стов. Текстологические методы предназначены для получе-ния инженером по знаниям знаний из материализованных источников, в качестве которых выступают монографии, учебники, статьи, методики, инструкции и другие носители профессиональных знаний. Значительное развитие получили методы извлечения знаний при применении современных информационных технологий, в частности гипертекстовой технологии. Гипертекст - это организация нелинейной последо-вательности записи и чтения информации, объединенной на основе ассоциативной связи. Представляет интерес синтез этой концепции и полиморфизма, приводящий к новой концепции гипермедиа, в рамках которой между информа-цией, представленной в различной форме (текстовой, гра-фической и других), организуются ассоциативные связи.

знаний из текстов базируется на формальных процедурах обнаружения в текстах семан-тических единиц различной выраженности. Семантические единицы получаются на основе статистической обработки текстов, в основе которых лежат универсальные механизмы определения частот-ных характеристик терминов. Задача извлечения зна-ний решается в два этапа: сначала формируется терми-нологическая сеть (поле знаний), а затем определяется ассоциативная близость терминов на основе статис-тически определенной меры ассоциации. Достоинство рассмотренного метода состоит в автоматическом выявлении значимых слов и связей с учетом стати-стической информации о гипертексте в целом.

следующие методы: коммуникативные, основанные на прямом диалоге экспертов и инженеров по знаниям как без использования СИИ, так и машинно-ориенти-рованные, основанные на диалоге эксперта с СИИ; психосемантики и тестирования БЗ. Коммуникативные методы получения знаний рас-сматриваются как разновидности интервьюирования. Для них характерны следующие основные особенности:

Не имеют формального определения и носят качествен-ный характер.
Требуют словесного выражения экспертом своих зна-ний, что является непростой задачей.
Сложность выражения процедурных знаний при их сло-весном описании;
Крайняя сложность явного описания знаний, которые являются результатом компиляции и автоматизма процессов мышления, а также интуиции эксперта.
Трудоемкость организации и неэффективность взаимо-действия инженера по знаниям и эксперта.

получения их от экспертов стимулировали раз-витие методов формирования знаний, известных, как методы „машинного обучения". Для развитых СИИ способность обучаться, т.е. самостоятельно формировать новые знания на основе текущих знаний, собственного опыта решения при-кладных задач, является их существенной харак-теристикой. Методы формирования знаний лежат в основе автоматических систем приобретения знаний. Автоматические системы формирования знаний являются более предпочтительными, т.к. уменьшается вероятность ошибок в приобретаемых знаниях и снижается время их приобретения.

представления знаний. Основным направлением повышения эффектив-ности процесса представления знаний является его автоматизация. В настоящее время ведется интенсивная разработ-ка разнообразных средств автоматизации приобрете-ния знаний. Выделяют следующие средства автомати-зации, которые получили наименование инструмен-тальных средств: языки программирования, языки символьной обработки, языки инженерии (представ-ления) знаний, средства автоматизации проектиро-вания ЭС (интегрированные гибридные среды или ком-плексы) и оболочки ЭС (пустые или инструментальные ЭС).

знаний, можно утверждать, что для эф-фективного использования в системах управления, интеллектуальная информационная технология должна быть способной выполнять следующие функции:

описывать знания с помощью языков представле-ния знаний;
организовывать накопление, хранение, анализ, обобщение и структурирование знаний;
вводить новые знания и объединять их с сущест-вующими в СИИ;
выводить новые знания из имеющихся, опериро-вать с неполными и неточными знаниями;
устранять устаревшие знания, быстро находить требуемые, проверять непротиворечивость накоп-ленных знаний;
осуществлять интеллектуальный интерфейс между пользователем и знаниями.