Из других методов представления знаний популярностью пользуется представление знаний по примерам /Таунсенд К. и др., 1990/. Работая с системой такого типа, пользователь задает ей несколько примеров решения задач из актуальной предметной области. На основе этих примеров система самостоятельно строит базу знаний, которая затем применяется для решения других задач. При создании базы знаний пользователь имеет возможность в любой момент вызвать на экран дисплея матрицу, состоящую из примеров задач и их решений, с тем чтобы установить в ней наличие пустых мест, которые необходимо заполнить недостающими примерами «задача — решение».
Знания в такой системе могут храниться в различной форме. Это может быть, например, интенсиональная форма, когда пользователь вводит в систему правила операций с атрибутами объектов предметной области, приводящие к требуемому решению. Также это может быть экстенсиональная форма, при которой каждый пример детально описывается пользователем и представляется в памяти компьютера в виде совокупности значений выделенных атрибутов. Возможно сочетание и той и другой форм. В результате получается матрица примеров, которая может быть расширена или изменена лишь путем корректировки примеров, содержащихся в матрице, или их добавлением.
Основным достоинством представления знаний по примерам является простота данного способа, поскольку пользователь может не иметь ни малейшего представления о продукционных правилах, исчислении предикатов, фреймах и семантических сетях. Вместе с тем, в качестве недостатков метода представления знаний по примерам отмечают отсутствие гибкости процесса построения интеллектуальной системы. Пользователь оказывается отстраненным от собственно создания базы знаний и поэтому не может контролировать связи между содержащимися в ней понятиями.
Выбор способа представления знаний осуществляется инженером по знаниям после того, как им достигнуто понимание природа данных моделируемой области. При решении сложных задач возможны ситуации, когда источники знаний различаются по типам и, соответственно, представление таких знаний требует использования разных способов (смешанное представление). Тогда для продуктивного функционирования интеллектуальной системы нередко применяют принцип доски объявлений, с помощью которого реализуется взаимодействие различных независимых источников знаний.
Литература
1. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. — М.: Финансы и статистика, 1989.
2. Будущее искусственного интеллекта. — М.: Наука, 1991.
3. Вассерман Л.И., Дюк В.А., Иовлев Б.В., Червинская К.Р. Психологическая диагностика и новые информационные технологии. — СПб.: СЛП, 1997.
4. Гаврилова Т.А., Червинская К.Р. Извлечение и структурирование знаний для экспертных систем. — М.: Радио и связь, 1992.
5. Десять лет спустя (интервью с Д. Мичи)//Будущее искусственного интеллекта. — М.: Наука, 1991. — С. 213—215.
6. Коов М.И., Мацкин М.Б., Тыугу Э.Х. Интеграция концептуальных и экспертных знаний в САПР//Изв. АН СССР. Техн. Кибернетика. — 1988. — № 5. — С. 108–118.
7. Минский М. Фреймы для представления знаний. — М.: Мир, 1979.
Попов Э.В. Экспертные системы. Решение неформализованных задач в диалоге с ЭВМ. — М.: Наука.
8. Назаретов В.М., Ким Д.П. Техническая имитация интеллекта. Кн. 6. Робототехника и гибкие автоматизированные производства. В 9-ти кн./под ред. И. М. Макарова. — М.: Высшая школа, 1986.
9. Поляков А.О. Технология интеллектуальных систем: Учебное пособие. — СПб., СПбГТУ, 1995.
10. Попов Э.В. Особенности разработки и использования экспертных систем//Искусственный интеллект. Кн. 1: системы общения и экспертные системы. — М.: Радио и связь, 1990.
11. Поспелов Д.А. Данные и знания. Представление знаний//Искусственный интеллект. Кн. 2: Модели и методы: Справочник/Под ред. Д.А. Поспелова. — М.: Радио и связь, 1990. — С. 7—13.
12. Поспелов Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов. — М.: Радио и связь, 1989.
13. Поспелов Д.А. Ситуационное управление. — М.: Наука, 1986.
14. Представление и использование знаний/под ред. Уэно К., Исидзука М. — М.: Мир, 1989.
15. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ. — М.: Финансы и статистика, 1990.
16. Франселла Ф., Баннистер Д. Новый метод исследования личности. — М.: Прогресс, 1987.
17. Davis R. TEIRESIAS: Applications of mete-level knowledge//Knowledge-based Systems in Artifical Intelligence/ — N.Y.: McGraw-Hill, 1982.
18. Osgood Ch. E., Susi G.E., Tannenbaum P.N. The Measurement of Meaning. — Urbana: Univ. I 11. Press, 1957.
19. Shortliffe E. Computer based medical consultations: MYCIN. N.Y.: American Elsevier, 1976.
20. Waterman D.A. Guide to expert Systems. — N.Y.: Addison. — Welse, 1986.