МЕТОДЫПРЕДСТАВЛЕНИЯ ЗНАНИЙ
В ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ
Методические указания
к выполнению лабораторных работ
по курсу «Представление знаний в информационных системах»
для студентов направления 230200
«Информационные системы»
Одобрено
редакционно-издательским советом Саратовского государственного технического университета
Саратов 2008
ВВЕДЕНИЕ
Что такое интеллектуальные системы?
Под интеллектуальной системой понимают систему, основанную на знаниях. Знания - это дефицитный ресурс, непосредственно влияющий на научно-технический прогресс и благосостояние. Традиционный способ передачи знаний трудоемок и требует длительного времени. Извлечение знаний у специалистов (экспертов), их формализация для компьютерной обработки могут значительно ускорить и удешевить процесс воспроизводства знаний и их применения.
Знания – это:
· практическая информация, которая активно управляет процессами выполнения задач, решения проблем и принятия решений;
· слова, факты, примеры, события, правила, гипотезы или модели, которые расширяют понимание процессов и явлений и возможности их практического использования в определенной области деятельности.
Одним из эффективных способов передачи и использования знаний является создание экспертных систем. Целью создания экспертных систем является разработка программного обеспечения, которое при решении задач, трудных для человека-эксперта, позволяют получить результаты, не уступающие по качеству и эффективности решениям, принимаемым экспертом. Часто методы искусственного интеллекта, используемые для обработки трудноформализуемых данных, называют «инженерией знаний» или «привнесением принципов и инструментария исследований из области искусственного интеллекта в решение трудных прикладных проблем, требующих знаний экспертов» [1, 2, 3].
Приобретением знаний называется выявление знаний из источников и преобразование их в нужную форму, а также перенос в базу знаний экспертной системы [2,3]. Источниками знаний могут быть книги, документы, содержимое других баз знаний и т. п., т. е. некоторые объективизированные знания, переведенные в форму, которая делает их доступными для потребителя. Другим типом знаний являются экспертные знания, которые имеются у специалистов, но не зафиксированы во внешних по отношению к нему хранилищах. Экспертные знания являются субъективными. Еще одним видом субъективных знаний являются эмпирические знания. Такие знания могут добываться экспертной системой путем наблюдения за предметной областью или в ходе обучения экспертной системы.
Экспертные системы (ЭС) предназначены для неформализованных или трудноформализуемых задач, в то же время они не отвергают и не заменяют традиционных методов обработки данных. Используем определение неформализованных задач, введенное в 1972 г. А.Ньюэллом и М.Саймоном [4]:
• задачи не могут быть выражены в числовой форме;
· цели не могут быть выражены в терминах точно определенной целевой функции;
· не существует алгоритмического решения задач или оно существует, но его нельзя использовать из-за ограниченности ресурсов.
Неформализованные задачи обладают следующими характеристиками:
· неполнотой, противоречивостью, неоднозначностью исходных данных, а также знаний о предметной области и решаемой задаче;
· большой размерностью пространства решения;
· динамически изменяющимися данными и знаниями.
Экспертные системы отличаются от других систем обработки данных тем, что в них в основном используются символьный способ представления, нечисловой вывод и эвристический поиск решения (а не исполнение заданного алгоритма) [5,6]. ЭС применяются для решения трудных практических задач. По качеству и эффективности решений ЭС не уступают решениям человека-эксперта. Источником знаний для наполнения экспертных систем являются эксперты в соответствующей предметной области, поэтому знания, на которых базируется принятие решения в экспертных системах, – эвристические.
Особую роль в экспертных системах играют сами знания, а не формальные методы рассуждений, прежде всего, потому, что для большинства трудных проблем нет четких алгоритмических решений, так как многие важные задачи возникают в сложных контекстах социальных или физических явлений, не поддающихся строгому описанию. К таким задачам можно отнести задачи управления и социальных прогнозов, юридическую практику, медицинскую диагностику и прогноз, геологическую разведку, анализ военных ситуаций и пр. Современные методы символьных рассуждений или математического вывода, которые лишь ограниченно применимы в области ЭС, не обеспечивают представления знаний, описания задач на различных уровнях абстрагирования, распределения средств решения задач, управления объединяющими процессами для различных источников знаний. Во-вторых, необходимо также учитывать, что эксперты-специалисты достигают очень высоких результатов благодаря своим знаниям и опыту. В-третьих, большое внимание к знаниям связано с ценностью собственно знаний.
Обязательным компонентом любой ЭС является база знаний, хранящая правила, факты и информацию о текущей задаче, которая может быть полезной при решении задачи. Правила имеют процедурную интерпретацию, а факты играют пассивную роль. Иногда компонент непротиворечивости может являться частью базы знаний.
Поскольку знания являются ядром ЭС, наиболее важной задачей при создании экспертных систем является подбор источников информации, в том числе эксперта/экспертов, а также извлечение знаний и их формализация. Знания, которые должны быть получены, представляют набор специальных фактов, процедур, оценок и правил принятия решений в определенной узкой предметной области. Посредником, помогающим эксперту структурировать и формализовать знания, является инженер знаний.