Информационный процесс представления знаний

1. Информационный процесс представления знаний.

2. План лекции:

Свойства и типы знаний.
Модели представления знаний.
Приобретение и формализация знаний:
• Элементы технологии приобретения
знаний.
• Методы приобретения знаний.
• Повышение эффективности процесса
представления знаний.

3. Определяющим фактором, который снижает эффективность существующих АИТ, является использование жестких (формализованных)

моделей, неадекватных
реальным объектам и процессам, для
синтеза которых используется только количественная информация предметной области. Строгий математический аппарат,
применяемый для синтеза формальных
моделей, не позволяет учесть все многообразие факторов, влияющих на состояние
или поведение объекта управления.

4. На практике большинство лиц, принима-ющих решения (ЛПР), как правило, допол-нительно используют собственные эвристи-ческие,

На практике большинство лиц, принимающих решения (ЛПР), как правило, дополнительно используют собственные эвристические, интуитивные модели и алгоритмы решения прикладных задач.
Одним из основных путей повышения
качества управления сложными организационными системами является создание интеллектуальных 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 слабоструктурированным процессом.

5. Экспертная система является средством ин-формационной технологии, автоматизирующим процесс представления знаний и его процедур

Экспертная система является средством информационной технологии, автоматизирующим
процесс представления знаний и его процедур получения и генерации (вывода) знаний. Структура экспертной системы представлена ниже:
Интерфейс
пользователя
Инженер
по знаниям
Решатель
База знаний
Подсистема
объяснений
Пользователь
Интеллектуальный редактор БЗ
Эксперт

6. Создание и модификация базы знаний осущест-вляется совместными усилиями эксперта (Э) и инже-нера по знаниям (ИЗ). Для этой цели

Создание и модификация базы знаний осуществляется совместными усилиями эксперта (Э) и инженера по знаниям (ИЗ). Для этой цели создается интеллектуальный 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.

7. Свойства и типы знаний. Обязательным элементом, определяющим эф-фективность функционирования любой системы искусственного

Свойства и типы знаний.
Обязательным элементом, определяющим эффективность 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 структурированных теоретических и эмпирических положений предметной области, которые представлены в различной
форме, обладают определенными свойствами и связаны
синтаксическими, семантическими и прагматическими
отношениями и которые позволяют решать прикладные задачи.

8. Сущность свойств знаний состоит в следующем:

Внутренняя
интерпретируемость.
Рекурсивная структурируемость.
Взаимосвязь единиц.
Возникновение семантического
пространства с метрикой.
Активность.

9. Знания существуют в следующих формах: в памя-ти человека (эксперта); материализованные (канони-зированные) знания (учебники,

Знания существуют в следующих формах: в памяти человека (эксперта); материализованные (канонизированные) знания (учебники, монографии и т.п.);
полуформализованная структурированная модель (поле) знаний; формализованное знание на некотором
языке представления и в БЗ. Знания в СИИ представлены на уровнях : внешнем, логическом и физическом.
Существуют различные подходы к классификации знаний. Предлагаемые классификации носят открытый характер. Так выделяют декларативные и процедурные знания, глубинные и поверхностные, жесткие 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.

10. В практике разработки СИИ обозначилась тен-денция перехода от использования поверхностных и жестких знаний к глубинным и

В практике разработки СИИ обозначилась тенденция перехода от использования поверхностных и
жестких знаний к глубинным и мягким. Глубинные
знания образуются как результат обобщения первичных понятий в некоторые абстрактные структуры,
которые могут и не иметь вербального описания.
Мягкие знания допускают множественные, расплывчатые решения и приводят к различным вариантам рекомендаций.
Использование глубинных и мягких знаний позволяет создать БЗ большой мощности. Глубинные
знания обладают такими важными особенностями как
гибкость и аддитивность.
Поверхностные знания представляют собой совокупность эмпирических ассоциаций и отношений
между понятиями предметной области для стандартных
рассуждений и ситуаций.

11. Наибольший интерес для построения баз знаний СИИ представляют концептуальные и экспертные зна-ния. Концептуальные знания

Наибольший интерес для построения баз знаний
СИИ представляют концептуальные и экспертные знания. Концептуальные знания выражают свойства объектов, процессов и ситуаций через понятия (базовые
элементы) соответствующей области. Описание понятия 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 соответствующей области. Совместное использование концептуальных и экспертных знаний является крайне важным и перспективным, ибо они вместе покрывают
значительную часть плоскости знаний СИИ, и
позволяют сочетать ассоциативные и логические рассуждения для решения задач при низких вычислительных затратах.

12. Синтаксические знания характеризуют синтакси-ческую структуру описываемого объекта или процесса, которая не зависит от смысла и

Синтаксические знания характеризуют синтаксическую структуру описываемого объекта или процесса,
которая не зависит от смысла и содержания используемых при этом понятий. Семантические знания содержат информацию непосредственно связанную со
знанием и смыслом описываемых объектов и процессов. 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 совокупности элементов, объектов, явлений, процессов, их
количественных и качественных характеристик, а
также связей между ними, объединенных общей идеей,
определенным смыслом или понятием более высокого
уровня.

13. Модели представления знаний. Представление знаний в СИИ является не только фундаментальным понятием, но и решающим аспектом их

разработки.
Выбор модели представления знаний
(МПЗ) важен ввиду их многообразия и размытости критериев выбора, ибо он оказывает огромное влияние на любую часть
СИИ и предпределяет их возможности
(свойства и характеристики). Последствия
неудачного решения проблемы представления знаний могут быть катастрофическими.

14. Проблемы представления знаний в ком-пьютерных системах решается на трех уровнях:

Проблемы представления знаний в компьютерных системах решается на трех
уровнях:
технический уровень
программный (логический) уровень
концептуальный уровень
Под представлением знаний подразумевают соглашение о том, как описывать реальную ПрО (понятия и отношения). Иногда
такое соглашение называют нотацией. Каждая модель знаний определяет форму
представления знаний и является формализмом, призванным отобразить объекты,
связи между ними и отношения, иерархию
понятий ПрО и изменение отношений между
объектами.

15. Логические схемы представляют знания в виде формул, 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 знаний лежит понятие формальной системы, задаваемой
четверкой:
М = < Т, Р, A, F >,
где Т - множество базовых элементов (алфавит
формальной системы);
Р - множество синтаксических правил, позволяющих строить синтаксически правильные выражения
А из Т;
А - множество априорно истинных аксиом (любое
множество синтаксически правильных выражений);
F - правила вывода, позволяющие расширять множество аксиом.

16. Среди реализаций логических схем представ-ления знаний различают системы дедуктивного типа (имеют фиксированную систему правил

Среди реализаций логических схем представления знаний различают 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 набором правил построения правильных синтаксических выражений, а семантика - набором
правил преобразования выражений и разрешающей процедурой, позволяющей однозначным
образом и за конечное число шагов определить,
является ли данное выражение семантически
правильным.

17. Логические схемы, в силу присущих им недостатков, самостоятельно применяются в СИИ крайне редко. Обычно они применяются в

сочетании с другими МПЗ.
Продукции (правила) задаются в виде выражений;
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 произвести некоторое действие. Продукционные модели могут быть реализованы как процедурно, так и
декларативно.

18. Семантические сети основываются на результатах изучения организации долговременной памяти че-ловека. Характерной особенностью

Семантические сети основываются на результатах
изучения организации долговременной памяти человека.
Характерной особенностью для семантических сетей 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).

19. Фреймы - это особые познавательные струк-туры, дающие целостное представление о явле-ниях и их типах. Структура фрейма имеет

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

20. Слоты - это некоторые структурные элементы фрей-ма, заполнение которых приводит к тому, что фрейм ставится в соответствие

Слоты - это некоторые структурные элементы фрейма, заполнение которых приводит к тому, что фрейм
ставится в соответствие некоторой ситуации, явлению
объекту или процессу. В качестве слота может быть указано имя другого фрейма. Значениями слота могут быть
конкретные данные, процедуры и даже продукции. Слот
может быть пустым (незаполненным). Из всех ранее рассмотренных МПЗ только фреймам свойственна высокая
структурируемость, внутренняя интерпретируемость посредством имен и значений и связность слотов.
Фреймы обладают высокой наглядностью и модульностью, объединяют достоинства декларативного и процедурного представления знаний. Однако фреймы наиболее эффективны при обработке семантической составляющей знаний. У фреймов, как и у семантических сетей,
отсутствуют универсальные процедуры их обработки, что
приводит к неэффективному использованию ресурсов
вычислительной техники (памяти и быстродействия).

21. Приобретение и формализация знаний. Ключевой проблемой при построении СИИ является приобретение знаний. От качества и полноты

знаний,
введенных в БЗ, в решающей степени зависит эффективность работы СИИ и качество решения задач.
Элементы технологии приобретения знаний.
В теории ЭС принята методология постепенно нарастающей разработки, которая базируется на концепции
быстрого прототипа.
Прототип ЭС представляет собой один или несколько вариантов, усеченной версии ЭС, демонстрирующих
жизнеспособность выбранного подхода и правильность
принятых решений.

22. В условиях отсутствия формальных методов работы со знаниями, технология быстрого прототипа позволяет эмпирически проверить

правильность принятых проектных решений на каждом этапе создания ЭС и
считается эффективной.
Технология разработки ЭС включает шесть этапов: выбор проблемы, разработку прототипа, доработку
прототипа до промышленной ЭС, оценку ЭС, стыковку
ЭС, поддержку ЭС. Второй этап состоит из следующих
шести подэтапов: идентификации проблемы, приобретения знаний, структурирования и формализации
знаний, реализации прототипа и тестирования.
При проектировании экспертной системы разрабатывают демонстрационный, исследовательский и
действующий прототипы.

23. Особую важность имеет фаза приобретения знаний, так как мощность ЭС зависит в первую очередь от ко-личества и качества знаний,

Особую важность имеет фаза приобретения знаний,
так как мощность ЭС зависит в первую очередь от количества и качества знаний, хранимых в ней.
Обобщенная схема процедуры приобретения знаний
представлена ниже:
Средства
автоматизации
Источники
знаний
Инженер
по знаниям
База
знаний
Программисты
Ввод
Приобретение Преобразование Кодирование (обучение)
БЗ

24. Процесс приобретения знаний и разработки прото-типа ЭС стремятся максимально автоматизировать. Основная задача автоматизации

Процесс приобретения знаний и разработки прототипа ЭС стремятся 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, автоматизированной системе;
Полное исключение экспертов и инженеров по знаниям из процесса
путем создания автоматизированных
систем приобретения знаний.

25. Применение автоматизированных систем приобре-тения знаний позволяет реализовать три стратегии получения знаний. В рамках первой

Применение автоматизированных систем приобретения знаний позволяет реализовать три стратегии
получения знаний. В рамках первой стратегии основные функции по актуализации и формированию знаний выполняет эксперт, обращаясь при этом за помощью к СИИ. За счет этой помощи эксперт структурирует, систематизирует и формализует свои знания,
используя некоторый формализм.
В рамках второй стратегии получения знаний
ведущей стороной в диалоге является автоматизированная система. По ответам эксперта СИИ конструирует готовые формы знания и затем передает в
другие компоненты СИИ для включения в состав БЗ.
Третья стратегия приобретения знаний связана с исключением из классической технологии и инженера по
знаниям и программиста.

26. Методы приобретения знаний. Извлечение знаний - процесс приобретения мате-риализованных знаний из текстологических источ-ников

Методы приобретения знаний.
Извлечение знаний - процесс приобретения материализованных знаний из текстологических источников информации с помощью некоторой совокупности методов и процедур, позволяющих переходить от
знаний в текстовой форме к их аналогам для ввода в
базу знаний СИИ.
Получение знаний - это процесс приобретения вербализуемых и невербализуемых знаний эксперта, основанный на использовании непосредственно им самим
или инженером по знаниям приемов, процедур, методов
и инструментальных средств.

27. Формирование знаний - это процесс автоматичес-кого приобретения (порождения) системой искусствен-ного интеллекта или

Формирование знаний - это процесс автоматического приобретения (порождения) системой искусственного интеллекта или инструментальным средством нового и полезного знания из исходной и текущей информации, которое в явном виде не формируют эксперты, с целью освоения новых процедур решения прикладных задач на основе использования различных моделей машинного обучения.
Приобретением знаний - процесс, основанный на
переносе знаний из различных источников в базу знаний путем использования различных методов, моделей,
алгоритмов и инструментальных средств.
Обучение базы знаний - это процесс ввода (переноса) приобретенных знаний в СИИ на основе применения совокупности методов, приемов и процедур с
целью ее заполнения, расширения и модификации

28. Методы извлечения знаний состоят из текстологи-ческих методов и методов автоматической обработки тек-стов. Текстологические

Методы извлечения знаний состоят из текстологических методов и методов автоматической обработки текстов. Текстологические методы предназначены для получения 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 последовательности 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 информацией, представленной в различной форме (текстовой, графической и других), организуются ассоциативные связи.

29. Метод и программные средства автоматизирован-ного извлечения знаний из текстов базируется на формальных процедурах обнаружения

Метод и программные средства автоматизированного извлечения знаний из текстов базируется на
формальных процедурах обнаружения в текстах семантических единиц различной выраженности.
Семантические единицы получаются на основе
статистической обработки текстов, в основе которых
лежат универсальные механизмы определения частотных характеристик терминов. Задача извлечения знаний решается в два этапа: сначала формируется терминологическая сеть (поле знаний), а затем определяется
ассоциативная близость терминов на основе статистически определенной меры ассоциации. Достоинство
рассмотренного метода состоит в автоматическом
выявлении значимых слов и связей с учетом статистической информации о гипертексте в целом.

30. К методам получения экспертных знаний относятся следующие методы: коммуникативные, основанные на прямом диалоге экспертов и

инженеров по знаниям как
без использования СИИ, так и машинно-ориентированные, основанные на диалоге эксперта с СИИ;
психосемантики и тестирования БЗ.
Коммуникативные методы получения знаний рассматриваются как разновидности интервьюирования. Для
них характерны следующие основные особенности:
Не имеют формального определения и носят качественный характер.
Требуют словесного выражения экспертом своих знаний, что является непростой задачей.
Сложность выражения процедурных знаний при их словесном описании;
Крайняя сложность явного описания знаний, которые
являются результатом компиляции и автоматизма
процессов мышления, а также интуиции эксперта.
Трудоемкость организации и неэффективность взаимодействия инженера по знаниям и эксперта.

31. Трудности извлечения знаний из текстовых источ-ников и получения их от экспертов стимулировали раз-витие методов формирования

Трудности извлечения знаний из текстовых источников и получения их от экспертов стимулировали развитие 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 прикладных задач, является их существенной характеристикой. 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.

32. Повышение эффективности процесса представления знаний. Основным направлением повышения эффектив-ности процесса представления

Повышение эффективности процесса
представления знаний.
Основным направлением повышения эффективности процесса представления знаний является его
автоматизация.
В настоящее время ведется интенсивная разработка разнообразных средств автоматизации приобретения знаний. Выделяют следующие средства автоматизации, которые получили наименование инструментальных средств: языки программирования, языки
символьной обработки, языки инженерии (представления) знаний, средства автоматизации проектирования ЭС (интегрированные гибридные среды или комплексы) и оболочки ЭС (пустые или инструментальные
ЭС).

33. Подводя итог краткому рассмотрению процесса представления знаний, можно утверждать, что для эф-фективного использования в

Подводя итог краткому рассмотрению процесса
представления знаний, можно утверждать, что для эффективного использования в системах управления,
интеллектуальная информационная технология должна
быть способной выполнять следующие функции:
описывать знания с помощью языков представления знаний;
организовывать накопление, хранение, анализ,
обобщение и структурирование знаний;
вводить новые знания и объединять их с существующими в СИИ;
выводить новые знания из имеющихся, оперировать с неполными и неточными знаниями;
устранять устаревшие знания, быстро находить
требуемые, проверять непротиворечивость накопленных знаний;
осуществлять интеллектуальный интерфейс между
пользователем и знаниями.