· Экспертные системы:
o Системы для широких кругов пользователей
o Системы специалистов
· Интеллектуальные информационные системы
· Расчетно-логические (гибридные системы)
· Интеллектуальные САПРы и САНИ
· Интеллектуальные роботы
· Обучающие системы
o Системы школьного и вузовского образования
o Интеллектуальные тренажеры
o Консультирующие системы
Общая структура интеллектуальной системы
2. Основные свойства экспертных систем – накопление и организация знаний
· Применение для решения выявленных проблем высококачественного опыта, который представляет собой мышления наиболее квалифицированных экспертов в данной области, что в конечном счете приводит к точным и эффективным результатам;
· Наличие прогностических возможностей, при которых ЭС выдает ответы не только для конкретной ситуации, но и показывает, как изменяются эти ответы в новых ситуациях, при этом, что более важно, существует возможность получения подробного объяснения каким образом новая ситуация привела к изменениям;
· Институциональная память – набор знаний, за счет входящей в состав ЭС базы знаний, становится постоянно обновляемым справочником наилучших стратегий и методов, используемых персоналом, таким образом ведущие специалисты уходят, но их опыт остается;
· Возможность использования ЭС для обучения и тренировки специалистов, обеспечивая новых руководящих работников обширным багажом опыта и стратегий, по которым можно изучать рекомендуемую политику и методы.
3. Понятие данных и знаний
Данные - это совокупность сведений, зафиксированных на определенном носителе в форме, пригодной для постоянного хранения, передачи и обработки. Преобразование и обработка данных позволяет получить информацию.
Знания – это зафиксированная и проверенная практикой обработанная информация, которая использовалась и может многократно использоваться для принятия решений.
Знания – это вид информации, которая хранится в базе знаний и отображает знания специалиста в конкретной предметной области. Знания – это интеллектуальный капитал.
Формальные знания могут быть в виде документов (стандартов, нормативов), регламентирующих принятие решений или учебников, инструкций с описанием решения задач.
Неформальные знания – это знания и опыт специалистов в определенной предметной области.
4. Модели представления знаний. Продукционные модели.
Модели представления знаний – это одно из важнейших направлений исследований в области искусственного интеллекта. Почему одно из важнейших? Да потому, что без знаний искусственный интеллект не может существовать в принципе. Действительно, представьте себе человека, который абсолютно ничего не знает. Например, он не знает даже таких элементарных вещей как:
• для того, чтобы не умереть от голода, необходимо периодически есть;
• необязательно из одного края города в другой идти пешком, если для этих целей можно воспользоваться общественным транспортом.
продукционные модели – модели, основанные на правилах, позволяют представить знание в виде предложений типа: «ЕСЛИ условие, ТО действие». Продукционные модели обладает тем недостатком, что при накоплении достаточно большого числа правил, они начинают противоречить друг другу;
Под «условием» (антецедентом) понимается некоторое предложение-образец, по которому осуществляется поиск в базе знаний, а под «действием» (консеквентом) – действия, выполняемые при успешном исходе поиска (они могут быть промежуточными, выступающими далее, как условия и терминальными или целевыми, завершающими работу системы).
5. Модели представления знаний. Семантические сети
Модели представления знаний – это одно из важнейших направлений исследований в области искусственного интеллекта. Почему одно из важнейших? Да потому, что без знаний искусственный интеллект не может существовать в принципе. Действительно, представьте себе человека, который абсолютно ничего не знает. Например, он не знает даже таких элементарных вещей как:
• для того, чтобы не умереть от голода, необходимо периодически есть;
• необязательно из одного края города в другой идти пешком, если для этих целей можно воспользоваться общественным транспортом.
Семантическая сеть – это ориентированный граф, вершины которого – понятия, а дуги – отношения между ними.
Можно предложить несколько классификаций семантических сетей, связанных с типами отношений между понятиями.
По количеству типов отношений:
• Однородные (с единственным типом отношений).
• Неоднородные (с различными типами отношений). По типам отношений:
• Бинарные (в которых отношения связывают два объекта).
• N-арные (в которых есть специальные отношения, связывающие более двух понятий).
Наиболее часто в семантических сетях используются следующие отношения:
• связи типа часть – целое («класс – подкласса, элемент – множество, и т. п.);
• функциональные связи (определяемые обычно глаголами «производит», «влияет»);
• количественные (больше, меньше, равно);
• пространственные (далеко от, близко от, за, под, над);
• временные (раньше, позже, в течение);
• атрибутивные связи (иметь свойство, иметь значение);
• логические связи (И, ИЛИ, НЕ);
• лингвистические связи и др.
6. Модели представления знаний. Фреймы
Модели представления знаний – это одно из важнейших направлений исследований в области искусственного интеллекта. Почему одно из важнейших? Да потому, что без знаний искусственный интеллект не может существовать в принципе. Действительно, представьте себе человека, который абсолютно ничего не знает. Например, он не знает даже таких элементарных вещей как:
• для того, чтобы не умереть от голода, необходимо периодически есть;
• необязательно из одного края города в другой идти пешком, если для этих целей можно воспользоваться общественным транспортом.
Фрейм – это абстрактный образ для представления некоего стереотипа восприятия.
Различают фреймы-образцы, или прототипы, хранящиеся в базе знаний, и фреймы-экземпляры, которые создаются для отображения реальных фактических ситуаций на основе поступающих данных. Модель фрейма является достаточно универсальной, поскольку позволяет отобразить все многообразие знаний о мире через:
• фреймы-структуры, использующиеся для обозначения объектов и понятий (заем, залог, вексель);
• фреймы-роли (менеджер, кассир, клиент);
• фреймы-сценарии (банкротство, собрание акционеров, празднование именин);
• фреймы-ситуации (тревога, авария, рабочий режим устройства) и др.
7. Формирование состава коллектива разработчиков системы, основанной на знаниях. Требования к каждому специалисту
В коллектив разработчиков ЭС входят как минимум четыре человека:
· эксперт;
· инженер по знаниям;
· программист;
· пользователь.
Возглавляет коллектив инженер по знаниям, это ключевая фигура при разработке систем, основанных на знаниях.
Экспертная система может полностью взять на себя функции, выполнение которых обычно требует опыта человека эксперта или играть роль ассистента для человека, принимающего решение.
Пользователь:
Дружелюбие, умение объяснить, что он хочет от системы, отсутствие психологического барьера к применению вычислительной техники.
Эксперт: доброжелательность, готовность поделиться своим опытом, умение объяснить, заинтересованность
Программист: общительность, способность отказаться от традиционных навыков и освоить новые методы, интерес к разработке
Инженер по знаниям: интеллект, стиль общения.
Критерии коллектива разработчиков: эффективность реализации, производительность и т.п.
8. Классификация систем, основанных на знаниях по решаемой задаче
Экспертные системы – это сложные программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и тиражирующие этот эмпирический опыт для консультаций менее квалифицированных пользователей.
Классификация экспертных систем
По сложности и объему базы знаний - неглубокие и глубокие.
Неглубокие (простые) ЭС имеют относительно малые БЗ. Доказательства их заключений обычно коротки, большинство выводов являются прямыми следствиями информации, хранимой в базе знаний. Такие ЭС в основном предназначены для решения относительно простых задач типа ответов на запросы по требуемой информации.
Глубокие ЭС делают свои выводы обязательно из моделей происходящих процессов, хранящихся в базах знаний. Сама модель процесса представляет собой набор правил, предназначенных для объяснения большого количества эмпирических данных. В глубоких ЭС доказательства выводов значительно длиннее, основываются на знаниях, выведенных из моделей.
9. Классификация систем, основанных на знаниях по связи с реальным временем. Архитектура статической и динамической экспертной системы.
По связям с реальным миром.
1) Статические ЭС разрабатываются в предметных областях, в которых БЗ и интерпретируемые данные не меняются во времени. Они стабильны. Например, диагностика неисправностей в автомобиле.
2) Квазидинамические ЭС интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени. Например, микробиологические ЭС, в которых снимаются лабораторные изменения с технологического процесса один раз в 4 -5 часов и анализируется динамика полученных показателей по отношению к предыдущему измерению.
3) Динамические ЭС работают в сопряжении с датчиками объектов в режиме реального времени с непрерывной интерпретацией поступающих в систему данных. Например, управление гибкими производственными комплексами, мониторинг в реанимационных палатах.
Предметная область называется статической, если описывающие ее исходные данные не изменяются во времени. Статичность области означает неизменность описывающих ее исходных данных. При этом производные данные (выводимые из исходных) могут и появляться заново, и изменяться (не изменяя, однако, исходных данных).
Если исходные данные, описывающие предметную область, изменяются за время решения задачи, то предметную область называют динамической. В архитектуру динамической экспертной системы, по сравнению со статической, вводятся два компонента:
· подсистема моделирования внешнего мира;
· подсистема связи с внешним окружением.
10. Классификация систем, основанных на знаниях по степени интеграции с другими программами
Автономные экспертные системы работают непосредственно в режиме консультаций с пользователем для специфических «экспертных» задач, для решения которых не требуется привлекать традиционные методы обработки данных (расчеты, моделирование и т.д.).
Гибридные экспертные системы представляют программный комплекс, агрегирующий стандартные пакеты прикладных программ (например, матстатистика, линейное программирование, СУБД) и средства манипулирования знаниями. Это может быть интеллектуальная надстройка над пакетами прикладных программ или интегрированная среда для решения сложной задачи с элементами экспертных знаний.
11. Требования, необходимые для возможности разработки экспертной системы.
Чтобы разработка экспертной системы была возможной, необходимо одновременное выполнение по крайней мере следующих требований:
· наличие экспертов в данной предметной области;
· эксперты способны выразить на естественном языке и объяснить используемые ими методы, в противном случае трудно рассчитывать на то, что знания экспертов будут «извлечены» и вложены в экспертную систему;
· задача хотя и не должна быть выражена в формальном виде, но все же должна относиться к достаточно «понятной» и структурированной области, т.е. должны быть выделены основные понятия, отношения и известные (хотя бы эксперту) способы получения решения задачи;
· решение задачи не полагается в значительной степени на использование так называемого «здравого смысла» (широкий спектр общих сведений о мире и о способе его функционирования, которые знает и умеет использовать любой нормальный человек), так как подобные знания пока не удается в достаточном количестве вложить в системы искусственного интеллекта.
12. Условия, при которых разработка экспертной системы оправдана.
Использование экспертной системы может быть возможно, но не оправдано. Применение экспертной системы может быть оправдано одним из следующих факторов:
· решение задачи принесет значительный эффект, например, экономический;
· использование человека-эксперта невозможно либо из-за недостаточного количества экспертов, либо из-за необходимости выполнять экспертизу одновременно в различных местах;
· при передаче информации эксперту происходит недопустимая потеря времени или информации;
· существует необходимость решать задачу в окружении, враждебном для человека.
13. Особенности проблемной области, делающие применение экспертных систем подходящим.
Решаемая задача соответствует методам экспертных систем, если обладает совокупностью следующих характеристик:
· задача имеет эвристическую, а не алгоритмическую природу, т.е. ее решение должно требовать применения эвристических правил. Задачи, которые могут быть гарантированно решены с помощью некоторых формальных процедур, не подходят для применения экспертных систем;
· решаемая задача может быть естественным образом решена посредством манипуляции с символами, а не с числами, как принято в математических методах и в традиционном программировании;
· задача должна быть достаточно узкой, чтобы решаться методами экспертных систем, и практически значимой.
14. Этапы разработки экспертных систем
На этапе идентификации основными действующими лицами являются эксперты и инженеры - когнитологи. В их задачи входит: определение участников процесса проектирования и распределение ролей между ними, неформальное описание задачи и оценка целесообразности разработки ЭС, определение целей разработки и необходимых для нее ресурсов (время, оборудование, финансирование и т.п.).
На этапе концептуализации действующие лица те же, но теперь они решают задачи выявления знаний, относящихся к процессу решения поставленной задачи (объекты, данные, гипотезы, отношения, правила, стратегии, вопросы, типы ответов, объяснения и т.п.).
На этапе формализацииосуществляется выработка ключевых понятий и отношений инженером - когнитологом, который выражает ранее выявленные знания формально на некотором языке, определяет пригодность доступных инструментальных средств для решения данной задачи и принимает решение о выборе подходящего средства (язык, оболочка и т.п.). Результатом данного этапа является формальная модель решения задачи.
На этапереализацииразработчики, используя выбранные инструментальные средства, воплощают формальную модель в программе для ЭВМ. При этом они взаимодействуют с инженерами - когнитологами, так как в процессе реализации появляются неувязки в спецификациях данных правил и схем управления. Здесь же производится разработка текстовой документации по ЭС.
На этапе тестирования осуществляется оценка качества работы прототипа и выработка рекомендаций по его модификации. Оценка производится экспертами, которые затем помогают инженерам - когнитологам сформулировать требования к ее модификации. В зависимости от несоответствия поведения прототипа ЭС желаемому поведению модификация может заключаться либо в уточнении элементов базы знаний, либо в пересмотре выбранных методов представления знаний (переконструирование), либо в поиске других моделей решения задачи (переформулирование).
15. Уровни разработки экспертной системы.
| Уровень проектирования ЭС | Характеристика уровня |
| Демонстрационный прототип (50-100 правил) | Система решает часть поставленной задачи, демонстрируя целесообразность разработки ЭС |
| Исследовательский прототип (200-500 правил) | Система удовлетворительно решает всю задачу, но может быть ненадежной вследствие неполного тестирования |
| Действующий прототип (500-1000 правил) | Система проявляет высокое качество решения задачи при достаточной надежности, но для сложных задач получение решения может быть недостаточно эффективным по времени и (или) используемой памяти |
| Промышленная система (1000-1500 правил) | Система показывает высокое качество, надежность и эффективность работы в реальных условиях эксплуатации |
| Коммерческая система (1000-3000 правил) | Промышленная система, пригодная не только для использования внутри организации - заказчика, но и для продажи другим потребителям |
16. Выбор инструментального средства построения экспертной системы.
Общность. Выбрать инструмент со степенью общности, не превышающей той, которая необходима для решения данной задачи. Например, если для данной задачи сложный механизм управления не является жизненно необходимым, использовать его не только расточительно, но и нежелательно.
Выбор. Выбор инструментария должен определяться в первую очередь характеристиками задачи, решаемой экспертной системой, а не другими привходящими обстоятельствами, например, тем, что какой-то инструмент уже есть под рукой или знаком вам лучше остальных.
Быстрота. Если успех проекта зависит от срока разработки, то следует выбирать инструментальную среду со встроенными средствами формирования пояснений и развитым пользовательским интерфейсом. Разработка интерфейса — одна из наиболее трудоемких стадий проектирования системы, и чем большую часть этой работы можно переложить на среду разработки, тем быстрее будет завершен проект.
17. Методы тестирования экспертных систем.
Тестирование экспертных систем отличается от тестирования обычных систем.
Во-первых, экспертные системы часто обладают недетерминированным
поведением, потому что стратегия разрешения конфликтов может зависеть от
параметров времени выполнения. Это делает поведение невоспроизводимым, и,
следовательно, более трудным для отладки.
Во-вторых, для правил в отличие от процедур в традиционном
программном обеспечении нет никаких точных отношений ввода-вывода. это
затрудняет применение для тестирования анализа ввода-вывода.
В-третьих, число способов, которыми могут быть активизированы
правила, слишком велико, чтобы пользоваться средствами покрытия ветвей и
путей.
Макетирование является единственным эффективным способом тестирования
экспертной системы.
18. Проведение исследований по выполнимости проекта.
Проведение исследований по выполнимости проекта направлено на разрешение трех больших задач: выяснение технических, экономических и культурных предпосылок для создания прикладной СИИ.
При обсуждении технических вопросов основное внимание следует обращать на следующие моменты:
1) на пригодность задачи для ее решения с помощью системы;
2) на характеристики знаний;
3) на интерфейсы;
4) на вопросы отладки и тестирования.
О пригодности задачи судят по ряду факторов:
1) по отсутствию алгоритмического решения задачи или его большой трудоемкости;
2) по отсутствию у задачи достаточно четко очерченных границ;
3) по наличию и доступности экспертов, обладающих опытом решения этой задачи;
4) по достаточности времени на ее разработку
5) и по ряду других факторов.
Относительно знаний дается оценка:
1) примерного размера будущей базы знаний;
2) сложности структуры знаний;
3) времени, необходимого для получения знаний;
4) преимущественного характера знаний (факты, отношения, образы и т.п.);
5) соотношения между временем, затраченным на рассуждения при решении задачи, и временем, необходимым для сбора информации.
19. Разработка общей концепции системы.??? фиг знает, мб это.
При разработке экспертных систем часто используется концепция быстрого прототипа. Суть её в следующем: поначалу создается не экспертная система, а её прототип, который обязан решать узкий круг задач и требовать на свою разработку незначительное время. Прототип должен продемонстрировать пригодность будущей экспертной системы для данной предметной области, проверить правильность кодировки фактов, связей и стратегий рассуждения эксперта. Он также дает возможность инженеру по знаниям привлечь эксперта к активной роли в разработке экспертной системы. Размер прототипа – несколько десятков правил.
20. Стратегии прототипирования.
Виды стратегий прототипирования. Существуют, по меньшей мере, три стратегии создания прототипов.
Создание начального прототипа для всей задачи в целом, его тестирование и отладка системы на серии последующих прототипов.
Создание прототипа, объемлющего на поверхностном уровне все структуры системы (скелетного прототипа) возможно с углубленной разработкой одной или нескольких подзадач; тестирование этого прототипа; расширение последующих прототипов путем добавления и тестирования других подзадач, составляющих всю задачу в целом.
Создание прототипов для каждой из подзадач, поочередное тестирование каждого из прототипов, а затем объединение всех составных прототипов в единый финальный прототип, решающий всю задачу в целом.
Первая стратегия предпочтительна для сравнительно небольших задач. Тестирование, оценивание и доводка может проводиться сразу по всей задаче в целом.
Вторая стратегия хорошо работает для более крупных задач, которые нельзя просто реализовывать за короткое время. Стратегия направлена на создание хорошо интегрированных систем, которые могут быть слишком большими для исследования первой стратегии. Система создается путем все большего углубления решаемых подзадач, входящих в изначально построенную скелетную структуру.
Третья стратегия работает хорошо в случае, когда задача включает в себя две или более слабо пересекающиеся области. При этом один прототип создается, тестируется и доводится применительно к решению задач из одной области. Второй прототип создается для другой области и т.д. В финальном прототипе интегрируется вся система. При такой стратегии группа разработки может быть разбита на две и более группы, которые параллельно разрабатывают различные подзадачи. Сложность применения этой стратегии состоит в том, что интеграция всей системы может быть достаточно трудным делом, особенно когда важной составляющей всей системы является человеко-машинный интерфейс. Использование этой стратегии может помешать выбору общего представления знаний для различных подзадач. Поэтому использовать эту стратегию следует только в тех случаях, когда задача решается с привлечением знаний из разных дисциплин, но в процессе решения пересечение в знаниях минимально или отсутствует.
21. Стратификация знаний.
| Страта | Вид знаний страты | Уровни страты |
| S_1 | ЗАЧЕМ-знания | Стратегический анализ: назначение и функции системы |
| S_2 | КТО-знания | Организационный анализ: коллектив разработчиков системы |
| S_3 | ЧТО-знания | Концептуальный анализ: основные концепты, понятийная структура |
| S_4 | КАК-знания | Функциональный анализ: гипотезы и модели принятия решения |
| S_5 | ГДЕ-знания | Пространственный анализ: окружение, оборудование, коммуникации |
| S_6 | КОГДА-знания | Временной анализ: временные параметры и ограничения |
| S_7 | ПОЧЕМУ-знания | Каузальный или причинно-следственный анализ: формирование подсистемы объяснений |
| S_8 | СКОЛЬКО-знания | Экономический анализ: ресурсы, затраты, прибыль, окупаемость |
22. Классификация методов практического извлечения знаний.
Коммуникативные методы. Они разделяются на пассивные и активные. В пассивных методах ведущую роль играет эксперт, в активных — инженер по знаниям. При решении конкретных задач, как правило, используются как пассивные, так и активные методы. Активные методы делятся на индивидуальные и групповые. В групповых методах знания получают от множества экспертов, в индивидуальных — от единственного эксперта. Индивидуальные методы получили более широкое применение на практике по сравнению с групповыми.
Текстологические методы включают методы извлечения знаний, основанные на изучении текстов учебников, специальной литературы и документов. Текстология — это наука, целью которой является практическое прочтение текстов, изучение и интерпретация литературных источников, а также рассмотрение семиотических, психолингвистических и других аспектов извлечения знаний из текстов.
23. Пассивные методы извлечения знаний.
Пассивные коммуникативные методы включают наблюдение, анализ протоколов «мыслей вслух», процедуры извлечения знаний из лекций.
Метод наблюдения является одним из наиболее применяемых на начальных этапах разработки экспертных систем. Его суть заключается в фиксировании всех действий эксперта, его реплик и объяснений. При этом аналитик не вмешивается в работу эксперта, а только наблюдает за процессом решения реальных задач либо за решением проблем, имитирующих реальные задачи. Наблюдения за процессом решения реальных задач позволяют инженеру по знаниям глубже понять предметную область. Однако эксперт в этом случае испытывает большое психологическое напряжение, понимая, что осуществляет не только свою профессиональную деятельность, но и демонстрирует ее инженеру по знаниям. Наблюдение за имитацией процесса снимает это напряжение, но приводит к снижению полноты и качества извлекаемых данных. Наблюдения за имитацией незаменимы в тех случаях, когда наблюдения за реальным процессом невозможны из-за специфики изучаемой предметной области.
Метод анализа протоколов «мыслей вслух» отличается от метода наблюдения тем, что эксперт не только комментирует свои действия, но и объясняет цепочку своих рассуждений, приводящих к решению. Основной проблемой, возникающей при использовании этого метода, является принципиальная сложность для любого человека словесного описания собственных мыслей и действий. Повысить полноту и качество извлекаемых знаний можно за счет многократного уточняющего протоколирования рассуждений эксперта.
Метод извлечения знаний из лекций предполагает, что эксперт передает свой опыт инженеру по знаниям в форме лекций. При этом инженер по знаниям может заранее сформулировать темы лекций. Если этого не удается сделать, то когнитолог конспектирует лекции и задает вопросы. Качество информации, предоставленной экспертом в ходе лекции, определяется четкостью сформулированной темы, а также способностями лектора в структурировании и изложении своих знаний и рассуждений.
24. Активные групповые методы извлечения знаний.
Активные групповые методы включают «мозговой штурм», дискуссии за круглым столом и ролевые игры. Групповые методы позволяют творчески интегрировать знания множества экспертов.
Метод «мозгового штурма» - один из наиболее известных и широко применяемых методов генерирования новых идей путем творческого сотрудничества группы специалистов. Являясь в некотором смысле единым мозгом, группа пытается штурмом преодолеть трудности, мешающие разрешить рассматриваемую проблему. В процессе такого штурма участники выдвигают и развивают собственные идеи, стимулируя появление новых и комбинируя их. Для обеспечения максимального эффекта «мозговой штурм» должен подчиняться определенным правилам и основываться на строгом разделении во времени процесса выдвижения идей и процесса их обсуждения и оценки. На первой стадии штурма запрещается осуждать выдвинутые идеи и предложения (считается, что критические замечания уводят к частностям, прерывают творческий процесс, мешают выдвижению идей). Роль аналитика состоит в том, чтобы активизировать творческое мышление участников заседания и обеспечить выдвижение возможно большего числа идей.
Метод дискуссии за круглым столом предполагает равноправное обсуждение экспертами поставленной проблемы. Отличительной особенностью метода дискуссии является коллективное рассмотрение предметной области с разных точек зрения и исследование спорных гипотез.
Экспертные игры предназначены для извлечения знаний и базируются на деловых, диагностических и компьютерных играх.
25. Активные индивидуальные методы извлечения знаний.
Активные индивидуальные методы включают методы анкетирования, интервьюирования, свободного диалога и игры с экспертом. Сравнительный анализ методов данной группы приведен в табл. 8.3.
Преимуществом методов анкетирования является то, что анкета или вопросник составляются инженером по знаниям заранее и используются для опроса экспертов. Составление анкеты следует проводить с учетом рекомендаций, выработанных в социологии и психологии. Основными требованиями к анкетам являются следующие:
Анкета не должна быть монотонной и однообразной, чтобы не вызывать скуку или усталость. Для этого необходимо разнообразить тематику и форму задания вопросов, включить вопросы-шутки и применить стиль игры.
Анкета должна быть приспособлена к языку эксперта.
Следует учитывать, что вопросы влияют друг на друга, поэтому важно расположить их в правильной последовательности.
В анкете должно содержаться оптимальное число избыточных вопросов, часть которых предназначена для контроля правильности ответов, а другая часть — для снятия напряжения.
Метод интервьюирования отличается от метода анкетирования тем, что позволяет аналитику опускать ряд вопросов в зависимости от ситуации, вставлять новые вопросы в анкету, изменять темы и разнообразить ситуацию общения.
Метод свободного диалога позволяет извлекать знания в форме беседы с экспертом, поэтому здесь не предусматривается использование жесткого вопросника или плана. В то же время подготовка к свободному диалогу должна проводиться по специальной методике, в которую входит общая, специальная, конкретная и психологическая подготовка. Общая подготовка направлена на повышение научной эрудиции, овладение общей культурой, знакомство с системной методологией. Специальная подготовка сводится к овладению теорией и навыками интервьюирования. Конкретная подготовка предполагает изучение предметной области, подготовку ситуации общения, знакомство с экспертом, тестирование эксперта. Психологическая подготовка включает знакомство с теорией общения и с когнитивной психологией.
Игры с экспертом существенно отличаются от приведенных выше индивидуальных активных методов извлечения знаний и рассматриваются в классе групповых активных методов, где особое место принадлежит ролевым и экспертным методам.
26. Текстологические методы извлечения знаний.
Текстологические методы включают методы извлечения знаний, основанные на изу-чении текстов учебников, специальной литературы и документов. Текстология — это наука, целью которой является практическое прочтение текстов, изучение и интерпре-тация литературных источников, а также рассмотрение семиотических, психолингви-стических и других аспектов извлечения знаний из текстов.
Особую сложность представляет извлечение знаний из специальной литературы и методик, поскольку в них очень высока степень концентрации специальных знаний.
Простейший алгоритм извлечения знаний из текстов включает следующие шаги.
· Составить «базовый» список литературы для ознакомления с предметной областью.
· Выбрать текст для извлечения знаний.
· Беглое знакомство с текстом. Провести консультации со специалистами для определения значений незнакомых слов.
· Сформировать первую гипотезу о макроструктуре текста.
· Внимательно прочитать текст и выписать ключевые слова и выражения, определив тем самым «смысловые вехи».
· Определить связи между ключевыми словами, разработать макроструктуры текста в форме графа или реферата.
· Сформировать новое представление знаний на основании макроструктуры текста.
27. Алгоритм извлечений знаний из текста.
Простейший алгоритм извлечения знаний из текстов включает следующие шаги.
· Составить «базовый» список литературы для ознакомления с предметной областью.
· Выбрать текст для извлечения знаний.
· Беглое знакомство с текстом. Провести консультации со специалистами для определения значений незнакомых слов.
· Сформировать первую гипотезу о макроструктуре текста.
· Внимательно прочитать текст и выписать ключевые слова и выражения, определив тем самым «смысловые вехи».
· Определить связи между ключевыми словами, разработать макроструктуры текста в форме графа или реферата.
· Сформировать новое представление знаний на основании макроструктуры текста.
28. Психологический аспект процесса извлечения знаний. Контактный слой.
Этот аспект является наиболее важным, поскольку определяет успешность и эффективность общения инженера по знаниям и эксперта. Модель общения при извлечении знаний включает следующие структурные компоненты: участников общения (партнеров) - определяют контактный слой общения; средства общения (процедура) – определяют процедурный слой; предмет общения (знания) – определяют когнитивный слой.
Контактный слой
При любом общении следует стремиться к обеспечению дружеской атмосферы в коллективе. Для этого следует учитывать, в частности, некоторые личностные характеристики участников общения. Пол и возраст хотя и влияют на эффективность контакта, но не являются критическими. В литературе отмечается, что хорошие результаты дают гетерогенные (смешанные) пары мужчина - женщина. Что касается соотношения возрастов, лучше, когда оно подчиня-ется следующей зависимости: 20 > (Вэ - Ва) > 5, где Вэ - возраст эксперта; Ва - возраст инже-нера по знаниям.
Характеристики личности и темперамента включают устойчивую систему психологических черт, свойственную индивидуальности человека, а также классические типы темперамента: холерик, сангвиник, меланхолик, флегматик. Рекомендуе-мые составляющие для инженера по знаниям: доброжелательность, аналитичность, хорошая память, внимание, наблюдательность, воображение, впечатлительность, большая собран-ность, настойчивость, общительность, находчивость. Для эффективной работы инженера по знаниям предпочтителен сангвинический и холерический темперамент.
На эффективность коллективного решения задач влияет и мотивация участников - их стремление к успеху. Инженер по знаниям в зависимости от условий разработки должен изыскивать разнообразные стимулы для экспертов, поскольку те передают ему один из са-мых дорогих в мире продуктов - знания. И если од