Введення
В даний час курс «Основи штучного інтелекту» є базовим при підготовці вчителів інформатики за фахом 030100.00 інформатика. Це обумовлено тим, що передові інформаційні технології все ширше використовують методи вирішення проблем і завдань, що розвиваються у такої наукової дисципліни, як штучний інтелект. Всі сучасні пристрої, що використовують цифрову обробку інформації вже застосовують ті чи інші алгоритми штучно-інтелектуальної обробки. А тенденція розвитку техніки та інформаційних технологій такі, що інтелектуалізація систем, пристроїв і програмного забезпечення буде посилюватися. Тому вчителю інформатики необхідно бути готовим відповісти на виклик часу, і бути здатним орієнтуватися в сучасних інтелектуальних технологіях обробки інформації, і мати уявлення про їх засадах. Це дозволить йому впевнено почувати себе як у спілкуванні з сучасними широко поінформованими школярами, так і у викладанні основ інформатики, оскільки будівля інформатики, побудоване на цих засадах вже достатньою мірою просякнуте інтелектуальними технологіями, методами і підходами.Існуючий базовий курс за індексом ДПП.Ф.10, що спирається на державний освітній стандарт вищої професійної освіти від 2000р., Передбачає деяке знайомство учнів з основами подання знань та побудови експертних систем. У стандарті зазначено наступне зміст з цього питання: «Система знань. Моделі подання знань: логічна, мережева, фреймова, продукційна ». Але для застосування конкретних схем і мов подання знань та побудови баз знань необхідно ці знання витягнути з різних носіїв, наприклад, людей-експертів або текстових описів. Цей момент є дуже істотною і не формальним. Є багато методів і технологій здобування знань. Вони настільки великі, що утворюють цілу окрему науково-практичну область - інженерію знань. До того ж серед всіх цих методів і технологій немає універсальних, вони лише доповнюють один одного, і на практиці необхідно комбінувати і поєднувати самі різні підходи.
Але у інженерії знань є інший аспект, який не лежить на поверхні, і в деякій мірі є побічним ефектом. Це педагогічно-дидактичний аспект, тобто можливості, технологій та інструментів інженерії знань, які дозволяють їх використовувати в якості засобів навчання. Відомі приклади такого використання [1].
Але не тільки тому цей розділ можна вважати дуже важливим саме для майбутніх вчителів інформатики. З одного боку вчитель повинен знати, як можуть бути структуровані і представлені у формальному вигляді знання, які ми традиційно звикли бачити представленими у вигляді текстів на природній мові, або у вигляді знань, умінь і навичок конкретних людей. З іншого боку особливо важливо буде для майбутнього вчителя познайомитися з методами здобуття знань з експерта альтернативні педагогічним методів «витягу знань з учня».
Все це дозволить майбутньому вчителю з одного боку поглибити своє розуміння в області формування і придбання знань студентів, а з іншого - дасть йому можливість розширити свій педагогічний арсенал прийомами виявлення та структуризації знань, що застосовуються в інженерії знань.
Але необхідно мати на увазі, що даний розділ штучного інтелекту - «інженерія знань» являє собою досить велику і складну область, тому є деякою проблемою дати її адекватне уявлення за невелику кількість годин майбутнім вчителям інформатики, що вивчають базовий курс «Основи штучного інтелекту».
У зв'язку з вищесказаним у даній роботі була поставлена наступна мета: дослідити можливість адекватного вивчення теми «Інженерія знань» студентами, які навчаються за спеціальністю «вчитель інформатики», при вивченні курсу «Основи штучного інтелекту».
При цьому була висунута наступна гіпотеза: можливо розробити на підтримку курсу «Основи штучного інтелекту» курс за вибором на тему «Інженерія знань» такий, що його вивчення дозволить навчаються за спеціальністю «вчитель інформатики» отримати адекватне уявлення про сучасний стан даного розділу інформатики.
Об'єктом дослідження в даній роботі був процес навчання учнів за спеціальністю 030100.00-інформатика, предметом дослідження - вивчення можливості побудови курсу за вибором за темою «Інженерія знань» задовольняє цілі і гіпотезі дослідження.
Для виконання поставленої мети було необхідно вирішити такі завдання:
1. Ознайомитися з таким розділом штучного інтелекту, як інженерія знань.
2. Визначити розділи, теми, поняття і методи області «інженерія знань», що представляють значимість для освоєння учнями та формування їх погляду на цю область.
3. Зібрати матеріали за темою «інженерія знань», що мають цінність для побудови навчального курсу та навчання.
4. Визначити і знайти програмне забезпечення, що дозволяє на практиці закріпити необхідні знання з інженерії знань.
5. Розробити тематичне планування та робочу програму курсу за вибором, що дозволяють при проведенні занять з ним досягти заявлену мету і довести заявлену гіпотезу.
6. Розробити лабораторні роботи, вправи й контрольні питання за темами курсу.
У разі успішного виконання завдань і реалізації мети даної роботи очікується отримання наступних результатів: підтвердження положення про можливість побудови курсу «Інженерія знань» на підтримку базового курсу «Основи штучного інтелекту» так, що майбутні вчителі інформатики зможуть познайомитися з методами та технологіями цій галузі досліджень в штучному інтелекті.
1. Інженерія знань - прийоми структуризації та формалізації знань
1.1. Визначення знань і набуття знань людиною
Знання є невід'ємною і суттєвою складовою діяльності людини. Що таке знання та їх властивості можна визначати по-різному, але всі ці визначення не взаємовиключні, але доповнюють один-одного. Наведемо деякі з них.Знання - перевірений практикою і засвідчений логікою результат пізнання дійсності, відображений у свідомості людини у вигляді уявлень, понять, суджень і теорій. Знання формуються в результаті цілеспрямованого педагогічного процесу, самоосвіти та життєвого досвіду. За Д. А. Поспєлову для знань характерні внутрішня интерпретованість, структурованість, зв'язаність і взаємна активність.
Можна виділити здоровий глузд і наукові знання. Здоровий глузд - засновані на повсякденному досвіді знання і погляди психічно здорових людей на навколишнє середовище і самих себе. Наукове знання - система знань про закони природи, суспільства, мислення. Наукове знання становить основу наукової картини світу і відображає закони його розвитку. Наукове знання:
· Є результатом осягнення дійсності та когнітивної основою людської діяльності;
· Соціально обумовлено;
· Володіє різним ступенем достовірності.
Наукові знання добуваються шляхом наукової діяльності (науки). Наукова діяльність - це інтелектуальна діяльність, спрямована на одержання і застосування нових знань для:
· Вирішення технологічних, інженерних, економічних, соціальних, гуманітарних та інших проблем;
· Забезпечення функціонування науки, техніки і виробництва як єдиної системи.
Можна виділити також формальні знання або знання - в інформатиці. Знання - в інформатиці - вид інформації, що відображає досвід фахівця (експерта) у певній предметній області, його розуміння безлічі поточних ситуацій та способи переходу від одного опису об'єкта до іншого.
Окрім знань існує також індивідуальний досвід. Досвід - це сукупність знань і умінь, набутих індивідом на основі і в процесі безпосереднього практичного взаємодії із зовнішнім світом. Частина індивідуального досвіду є повсякденне знання. Повсякденне знання - це знання:
· Засноване на здоровому глузді і повсякденному досвіді;
· Є орієнтовною основою поведінки людини в повсякденному житті.
Повсякденне знання - у феноменологічної соціології - основа наукового знання і теоретичних абстракцій.
Існує також і здоровий глузд - засновані на повсякденному досвіді знання і погляди психічно здорових людей на навколишнє середовище і самих себе.
Слід відрізняти від знань інформацію. Наприклад, за законодавством РФ, інформація - це відомості про осіб, предмети, факти, події, явища і процеси незалежно від форми їх подання. Інформація зменшує ступінь невизначеності, неповноту знань про осіб, предмети, події і т.д.
Але в інформатиці більш популярно інше визначення. Інформацією (від лат. Informatio - «навчання», «зведення», «сповіщення») називається опосередкований формами зв'язку результат відображення змінюваного об'єкта змінюються з метою збереження їх системної цілісності. Інформація первинна і змістовна - це категорія, тому в категоріальний апарат науки вона вводиться портретно - описом, через близькі категорії: матерія, система, структура, відображення. У матеріальному світі (людини) інформація матеріалізується через свій носій і завдяки йому існує. Сутність матеріального світу постає перед дослідником в єдності форми і змісту. Передається інформація через носій. Матеріальний носій надає інформації форму. У процесі формоутворення проводиться зміна носія інформації. Визначення термін інформація не має, так як не є поняттям. Існує інформація в каналах зв'язку систем управління. Не слід плутати категорію інформація з поняттям знання. Знання визначається через категорію інформація.
У XX столітті слово «інформація» стало терміном у безлічі наукових областей, отримавши особливі для них визначення і тлумачення.
Також, поряд з поняттями знання та інформація існує поняття «дані». Дані - це відомості:
· Отримані шляхом вимірювання, спостереження, логічних або арифметичних операцій;
· Представлені у формі, придатній для постійного зберігання, передачі і (автоматизованої) обробки.
Дані - це представлення фактів та ідей у формалізованому вигляді, придатному для передачі та обробки в деякому інформаційному процесі. Дані - це виділена (з системи, завдяки відокремленості існування носія) інформація.
Для передачі знань людині використовується навчання. Навчання - це цілеспрямований і планомірний процес передачі і засвоєння знань, умінь, навичок і способів пізнавальної діяльності людини. Навчання - щодо постійна зміна в людській поведінці або здібностях, що є наслідком досвіду.
Від навчання можна відокремити поняття «навчання». Научение - в широкому сенсі - це клас психологічних процесів, що забезпечують формування нових пристосувальних реакцій. Научіння - у вузькому сенсі - процес і результат придбання індивідуального досвіду. Шляхом навчання купуються:
· Знання, вміння та навички у людини;
· Нові форми поведінки у тварин.
Існує також інструментальне научіння - навчання, що відбувається:
· За рахунок спонтанного породження організмом безлічі різноманітних реакцій на один і той же стимул або ситуацію
· З подальшим закріпленням тільки тих реакцій, які виявилися найбільш вдалими з точки зору отриманого ефекту.
У процесі навчання виробляються навички. Звичка - це послідовність розгортання в часі і просторі дій та операцій:
· Вироблена в процесі навчання і тренування;
· Доведена до автоматизму;
· Оптимальна для деякого виду діяльності.
В основі формування досвіду лежить утворення динамічного стереотипу. Стійкість досвіду залежить від особливостей пам'яті. Розрізняють рухові, сенсорні та інтелектуальні навички.
1.2. Види знань і способи їх подання
Існують різні визначення поняття «знання». В одному з найбільш ємних визначень під знаннями розуміють формалізовану інформацію, на яку посилаються або яку використовують у процесі виконання завдання. Знання про предметну область включає опис об'єктів, їх оточення, необхідних явищ, фактів, а також відносин між ними. Спілкування з ЕОМ на рівні знання зумовлює можливість введення в машину і використання нею деякої сукупності взаємозалежної інформації. Складність поняття «знання» поміщена в множинності його носія і нерозривність з поняттям «дані». Виділяють кілька рівнів формалізації знання про предметну область: знання в пам'яті людини; знання у формі мовної моделі предметної області, що використовуються людиною і зафіксовані на фізичних носіях з використанням контекстно-залежних мов, графічних образів і т. п.; знання, формалізовані для їх подання при використанні в ЕОМ; фактографічні відомості або дані.1.2.1. Види знань
Фактичні і стратегічні знанняЗнання визначаються як «... основні закономірності предметної області, що дозволяють людині вирішувати конкретні виробничі, наукові та інші задачі, тобто факти, поняття, взаємозв'язки, оцінки, правила, евристики (інакше фактичні знання), а також стратегії прийняття рішення в цій області (інакше стратегічні знання) ».
Факти та евристики
Деякі автори поділяють знання на дві великі категорії: факти та евристики. Перша категорія (факти) вказує на добре відомі в тієї чи іншої предметної області обставини. Такі знання ще називають текстовими, маючи на увазі достатню їх освітленість в спеціальній літературі та підручниках. Друга категорія знань (евристики) грунтується на індивідуальному досвіді спеціаліста (експерта) в предметній області, накопичений у результаті багаторічної практики. Ця категорія нерідко відіграє вирішальну роль при побудові інтелектуальних програм. Сюди відносяться такі знання, як «способи видалення непотрібних гіпотез», «способи використання нечіткої інформації», «способи вирішення протиріч» і т. п.
Декларативні та процедурні знання
Під декларативними знаннями увазі знання типу «А це В», і вони характерні для баз даних. Це, наприклад, такі факти, як «у час пік на вулиці багато машин», «запалена плита - гаряча», «скарлатина - інфекційне) захворювання» ...
Інтенсіональні і екстенсіонального знання
Інтенсіональні знання - це знання про зв'язки між атрибутами (ознаками) об'єктів даної предметної області. Вони оперують абстрактними об'єктами, подіями і відносинами.
Екстенсіонального знання являють собою дані, що характеризують конкретні об'єкти, їх стану, значення параметрів у просторі та часі.
Глибинні й поверхневі знання
У глибинних знаннях відбивається розуміння структури предметної області, призначення і взаємозв'язок окремих понять (глибинні знання у фундаментальних науках - це закони та теоретичні основи). Поверхневі знання звичайно стосуються зовнішніх емпіричних асоціацій з яких-небудь феноменом предметної області.
Наприклад, для розмови по телефону потрібно лише поверхневе знання того, що, знявши трубку і правильно набравши номер, ми з'єднаємося з потрібним абонентом. Більшість людей не має потреби в глибинних уявленнях про структуру телефонного зв'язку, конструкції телефонного апарату, якими, безумовно, користуються фахівці з телефонії.
Відзначається, що більшість експертних систем заснована на застосуванні поверхневих знань. Це, однак, нерідко не заважає досягати цілком задовільних результатів. Разом з тим, опора на глибинні уявлення допомагає створювати більш потужні, гнучкі та інтелектуальні адаптивні системи. Наочним прикладом може служити медицина. Тут молодий і недостатньо досвідчений лікар часто діє за поверхневої моделі: «Якщо кашель - то пити таблетки від кашлю, якщо ангіна - то еритроміцин» і т. п. У той же час досвідчений лікар, грунтуючись на глибинних знаннях, здатний породжувати різноманітні способи лікування однієї і тієї ж хвороби в залежності від індивідуальних особливостей пацієнта, його стану, наявності доступних ліків в аптечній мережі і т. д.
Глибинні знання є результатом узагальнення первинних понять предметної області у деякі більш абстрактні структури. Ступінь глибини і рівень узагальненості знань безпосередньо пов'язані з досвідом експертів і можуть служити показником їх професійної майстерності.
Жорсткі та м'які знання
Жорсткі знання дозволяють отримувати однозначні чіткі рекомендації при заданих початкових умовах. М'які знання допускають множинні, «розмиті» рішення і різні варіанти рекомендацій (рис. п.16).
Характеристика різних предметних областей за глибиною і жорсткості дає можливість простежити тенденцію розвитку інтелектуальних систем.
Рис. П.16. Тенденція розвитку інтелектуальних систем
Як видно з малюнка, область практичного застосування інтелектуальних систем все більше зміщується в сферу завдань з переважанням глибинних і м'яких знань. Такі завдання ще називають важко формалізуються. Для них характерна одна або кілька таких особливостей:
· Завдання не може бути визначена в числовій формі (потрібно символьне подання);
· Алгоритмічне рішення задачі не відомо (хоча, можливо, і існує), або не може бути використано з-за обмежених ресурсів (пам'яті комп'ютера, швидкодії);
· Мети завдання не можуть бути виражені в термінах точно визначеної цільової функції або не існує точної математичної моделі задачі
Системи, засновані на знаннях, не відкидають і не замінюють традиційних підходів до вирішення формалізованих завдань. Вони відрізняються тим, що орієнтовані на рішення важко формалізованих задач. Інтелектуальні системи особливо важливі там, де наука не може створити конструктивних визначень, область визначень змінюється, ситуації залежать від контекстів і мовна (описова) модель домінує над алгоритмічної.
1.2.2. Моделі подання знань
Найбільш поширеними моделями подання знань є:· Продукційні системи;
· Логічні моделі;
· Фрейми;
· Семантичні мережі.
Продукційні системи
У продукційних системах знання представляються у вигляді сукупності спеціальних інформаційних одиниць.
У загальному випадку продукційна система включає наступні компоненти:
· Базу даних, що містить безліч фактів;
· Базу правил, що містить набір продукцій;
· Інтерпретатор (механізм логічного висновку) або правила роботи з продукціям.
База правил і база даних утворюють базу знань. Факти в базі даних являють собою короткострокову інформацію і в принципі можуть змінюватися в ході роботи продукційної системи в міру накопичення досвіду. Правила є більш довгостроковій інформацією і призначені для породження гіпотез (нових фактів) з того, що вже відомо.
Продукційні системи ділять на два типи - з прямими та зворотними висновками. При прямому виведенні міркування ведеться від даних до гіпотез, а при зворотному проводиться пошук доведення або спростування деякої гіпотези. Часто використовуються комбінації прямого і зворотного ланцюга міркувань.
Продукції в порівнянні з іншими формами подання знань мають наступні переваги:
· Модульність;
· Однаковість структури (основні компоненти продукційної системи можуть застосовуватися для побудови інтелектуальних систем з різною проблемної орієнтацією);
· Природність (висновок ув'язнення в продукційної системі багато в чому аналогічний процесу міркувань експерта);
· Гнучкість родовідових ієрархії понять, яка підтримується тільки як зв'язку між правилами (зміна правила тягне за собою зміну в ієрархії).
Однак продукційні системи не вільні від недоліків:
· Процес виведення менш ефективний, ніж в інших системах, оскільки велика частина часу при виведенні витрачається на непродуктивну перевірку застосовності правил;
· Цей процес важко піддається управлінню;
· Складно уявити родовідових ієрархію понять.
Подання знань за допомогою продукцій іноді називають «плоским», так як у продукційних системах відсутні кошти для встановлення ієрархії правил. Обсяг бази знань продукційних систем зростає лінійно, по мірі включення в неї нових фрагментів знань, в той час як в традиційних алгоритмічних системах, що використовують дерева рішень, залежність між обсягом бази знань і кількістю власне знань є логарифмічною.
Логічні моделі
Логічні моделі подання знань реалізуються засобами логіки предикатів.
Предикатом називається функція, що приймає лише два значення - правда, і неправда - і призначена для вираження властивостей об'єктів або зв'язків між ними. Вираз, в якому стверджується або заперечується наявність будь-яких властивостей в об'єкта, називається висловленням. Константи служать для іменування об'єктів предметної області. Логічні пропозиції або висловлювання утворюють атомарні формули. Інтерпретація предиката - це множина всіх допустимих скріплення змінних з константами. Зв'язування представляє собою підстановку констант замість змінних. Предикат вважається загальнозначущим, якщо він правдивий на всіх можливих інтерпретаціях. Кажуть, що висловлювання логічно випливає із заданих посилок, якщо воно істинно завжди, коли істинні посилки.
Найбільш простою мовою логіки є числення висловлювань, в якому відсутні змінні. Будь-якого виступу можна приписати значення істинне або хибне. Окремі висловлювання можуть з'єднуватися зв'язками І, АБО, НЕ, які називаються булевими операторами. Основу числення висловлень складають правила утворення складних висловлювань з атомарних.
Тут змінні позначають логічні вислови, про які можна сказати, що вони істинні або хибні. Логічні оператори є в більшості мов програмування. Однак числення висловлень - недостатньо виразне засіб для обробки знань, оскільки в ньому не можуть бути представлені пропозиції, які включають змінні з кванторами.
Обчислення предикатів з кванторами (логіка предикатів) є розширенням обчислення висловлювань, в якому для вираження відношень між об'єктами предметної області можуть використовуватися пропозиції, які включають не тільки константи, але і змінні.
У загальному випадку моделі, засновані на логіці предикатів, описуються формальної системою, яка задається четвіркою:
М = (Т, Р, А, П),
де Т - безліч базових елементів або алфавіт формальної системи; Р - безліч синтаксичних правил, за допомогою яких можна будувати синтаксично коректні пропозиції; А - безліч аксіом або деяких синтаксично правильних пропозицій, заданих апріорно; П - правила продукцій (правила виводу або семантичні правила) , за допомогою яких можна розширювати множину А, додаючи в нього синтаксично правильні пропозиції.
Головна перевага логічних моделей представлення знань полягає у можливості безпосередньо запрограмувати механізм виведення синтаксично правильних висловлювань. Прикладом такого механізму є, зокрема, процедура виведення, побудована на основі методу резолюцій. Однак за допомогою правил, що задають синтаксис мови, не можна встановити істинність або хибність того чи іншого висловлювання. Причому це поширюється абсолютно на всі мови. Висловлювання може бути побудовано синтаксично правильно, але виявитися абсолютно безглуздим.
Логічні моделі подання і маніпулювання знаннями були особливо популярні в 70-х роках. Тоді здавалося, що з появою мов програмування типу ПРОЛОГ процедури логічного виводу в численні предикатів будуть достатні для вирішення всіх типів завдань в інтелектуальних системах. Разом з тим, у міру того як у полі зору дослідників включалися всі нові інтелектуальні завдання, стало ясно, що говорити про доказовому виведення можна тільки в невеликій кількості випадків, коли проблемна область, в якій вирішується завдання, формально описана і повністю відома. Але більшість завдань, де інтелект людини дозволяє знаходити потрібні рішення, пов'язане з областями, де знання принципово неповні, неточні, некоректні й характеризуються ще чималим числом характеристик, що починаються з частки «не». За таких умов мова може йти тільки про правдоподібному виведення, при якому остаточний результат виходить лише з деякою оцінкою впевненості в його істинності. Крім того, фахівці, що працюють в погано формалізованих областях (наприклад, у медицині), міркують зовсім не так, як представники точних наук. Для них вагомим аргументом на користь прийняття будь-якого положення може бути думка ряду визнаних в цих областях авторитетів або, наприклад, подібність доказуваного положення з іншим, для якого рішення вже відомо. Тому подальший розвиток баз знань пішло по шляху робіт в області індуктивних логік, логік «здорового глузду», логік віри та інших логічних систем, що мають мало спільного з класичною математичною логікою.
Фрейми
Фрейм найчастіше визначають як структуру даних для представлення стереотипних ситуацій. Модель представлення знань на основі фреймів використовує концепцію організації пам'яті, розуміння і навчання людини, запропоновану М. Мінським (1979). Фрейм (дослівно - «рамка») - це одиниця представлення знань, деталі якої можуть змінюватися відповідно з поточною ситуацією. Фрейм в будь-який момент може бути доповнений різною інформацією, що стосується способів застосування даного фрейму, наслідків цього застосування і т. п.
Структура фрейму складається з характеристик описуваної стереотипної ситуації та їх значень, які називаються, відповідно, слотами та заповнювачами слотів.
Ім'я фрейму:
Ім'я першого слота, значення першого слота
Ім'я другого слота, значення другого слоту
Ім'я К-го слота, значення К-го слота
Незаповнений фрейм називається протофреймом, а заповнений - екзофреймом. Роль протофрейма як оболонки в екзофрейме дуже важлива. Ця оболонка дозволяє здійснювати процедуру внутрішньої інтерпретації, завдяки якій дані в пам'яті системи не безликі, а мають цілком певний, відомий системі сенс.
Слот може містити не тільки конкретне значення, а й ім'я процедури, що дозволяє обчислити його по заданому алгоритму, а також одну або кілька продукцій (евристик), за допомогою яких це значення визначається. У слот може входити не одне, а кілька значень. Іноді цей слот включає компонент, званий фасетів, який задає діапазон або перелік його можливих значень. Фасет вказує також граничні значення заповнювача слота.
Як вже зазначалося, крім конкретного значення в слоті можуть зберігатися процедури і правила, які викликаються при необхідності обчислення цього значення. Серед них виділяють процедури-демони і процедури-слуги. Перші запускаються автоматично при виконанні деякої умови, а другі активізуються тільки за спеціальним запитом. Якщо, наприклад, фрейм, що описує людину, включає слоти ДАТА НАРОДЖЕННЯ і ВІК і в першому з них знаходиться деяке значення, то в другому слоті може стояти ім'я процедури-демона, що обчислює вік за датою народження і поточної дати і активізується при кожній зміні поточної дати .
Сукупність фреймів, що моделює будь-яку предметну область, являє собою ієрархічну структуру, до якої фрейми збираються за допомогою родовідових зв'язків. На верхньому рівні ієрархії знаходиться фрейм, що містить найбільш загальну інформацію, дійсну для всіх інших фреймів. Фрейми мають здатність наслідувати значення характеристик своїх батьків, що знаходяться на більш високому рівні ієрархії. Ці значення можуть передаватися за замовчуванням фреймах, що знаходиться нижче них в ієрархії, але якщо останні містять власні значення даних характеристик, то в якості істинних приймаються саме вони. Ця обставина дозволяє без ускладнень враховувати під фреймових системах різного роду виключення.
Розрізняють статичні і динамічні системи фреймів. У системах першого типу фрейми не можуть бути змінені в процесі виконання завдання, а в системах другого типу це припустимо.
Про системи програмування, заснованих на фреймах, кажуть, що вони є об'єктно-орієнтованими. Кожен кадр відповідає деякому об'єкту предметної області, а слоти містять описують цей об'єкт дані, тобто в слотах знаходяться значення ознак об'єктів. Фрейм може бути представлений у вигляді списку властивостей, а якщо використовувати засоби бази даних, то у вигляді запису.
Найбільш яскраво гідності фреймових систем представлення знань проявляються в тому випадку, якщо родовидові зв'язку змінюються нечасто і предметна область нараховує трохи винятків. Під фреймових системах дані про родовідових зв'язках зберігаються явно, як і знання інших типів. Значення слотів представляються в системі в єдиному екземплярі, оскільки включаються тільки в один кадр, що описує найбільш загальні поняття з усіх тих, які містить слот з такою назвою. Така властивість систем фреймів забезпечує економне розміщення бази знань у пам'яті комп'ютера. Ще одна перевага фреймів полягає в тому, що значення будь-якого слота може бути обчислено за допомогою відповідних процедур або знайдено евристичними методами. Тобто фрейми дозволяють маніпулювати як декларативними, так і процедурними знаннями.
До недоліків фреймових систем відносять їх відносно високу складність, що проявляється в зниженні швидкості роботи механізму виведення і збільшенні трудомісткості внесення змін до родовідових ієрархію. Тому велику увагу при розробці фреймових систем приділяють наочним способам відображення та ефективним засобам редагування фреймових структур.
Семантичні мережі
Семантична мережа описує знання у вигляді мережевих структур. В якості вершин мережі виступають поняття, факти, об'єкти, події і т. п., а в якості дуг мережі - відносини, якими вершини зв'язані між собою. Так, семантична мережа, що знання про автомобіль гр. Васильєва, показана на рис. П. 17.
Семантичні мережі часто розглядають як загальний формалізм для представлення знань. Приватним випадком таких мереж є сценарії, в яких як відносин виступають каузальні відносини або відносини типу «мета - засіб».
Вершини мережі з'єднуються дугою, якщо відповідні об'єкти предметної області перебувають у будь-якому відношенні. Найпоширенішими є такі типи відносин:
БУТИ ЕЛЕМЕНТОМ КЛАСУ (БУТИ) - означає, що об'єкт входить до складу даного класу, наприклад: ВАЗ 2106 є автомобілем;
МАТИ - дозволяє задавати властивості об'єктів, наприклад: жираф має довгу шию;
БУТИ НАСЛІДКОМ - відображає причинно-наслідкові зв'язки, наприклад: астенічний стан є наслідком перенесеного простудного захворювання;
МАТИ ЗНАЧЕННЯ - задає значення властивостей об'єктів, наприклад: пацієнт може мати двох братів.
Як і в системі, заснованої на фреймах, у семантичній мережі можуть бути представлені родовидові відносини, які дозволяють реалізовувати спадкування властивостей від об'єктів-батьків. Ця обставина призводить до того, що семантичні мережі набувають всі недоліки і достоїнства представлення знань у вигляді фреймів. Переваги полягають у простоті і наочності опису предметної області. Однак остання властивість з ускладненням семантичної мережі втрачається і, крім того, істотно збільшується час виведення. Також до недоліків семантичних мереж відносять складність обробки різного роду винятків.
Інші методи представлення знань
З інших методів представлення знань популярністю користується подання знань з прикладів. Працюючи з системою такого типу, користувач задає їй кілька прикладів розв'язання задач з актуальної предметної області. На основі цих прикладів система самостійно будує базу знань, яка потім застосовується для вирішення інших завдань. При створенні бази знань користувач має можливість у будь-який момент викликати на екран дисплея матрицю, що складається із прикладів задач і їх рішень, з тим щоб встановити в ній наявність порожніх місць, які необхідно заповнити відсутніми прикладами «завдання-рішення».
Знання в такій системі можуть зберігатися в різній формі. Це може бути, наприклад, інтенсіональні форма, коли користувач вводить у систему правила операцій з атрибутами об'єктів предметної області, що призводять до необхідного рішення. Також це може бути екстенсіонального форма, при якій кожен приклад детально описується користувачем і подається у пам'яті комп'ютера у вигляді сукупності значень виділених атрибутів. Можливо поєднання і тієї, і іншої форм. У результаті виходить матриця прикладів, яка може бути розширена або змінена лише шляхом коригування прикладів, що містяться в матриці, або їх додаванням.
Основною перевагою подання знань з прикладів є простота даного способу, оскільки користувач може не мати ні найменшого уявлення про продукційних правилах, численні предикатів, фреймах і семантичних мережах. Разом з тим, як недоліків методу представлення знань за прикладами відзначають відсутність гнучкості процесу побудови інтелектуальної системи. Користувач виявляється відстороненим від власне створення бази знань і тому не може контролювати зв'язку між містяться в ній поняттями.
Вибір способу представлення знань здійснюється інженером по знаннях після того, як їм досягнуто розуміння природи даних моделюється області. При вирішенні складних завдань можливі ситуації, коли джерела знань розрізняються за типами, і, відповідно, подання таких знань вимагає використання різних способів (змішане подання). Тоді для продуктивного функціонування інтелектуальної системи нерідко застосовують принцип дошки оголошень, за допомогою якого реалізується взаємодія різних незалежних джерел знань.
1.3. Придбання знань
Вилучення знань - процес взаємодії інженера по знаннях з джерелом знань (експертом), в результаті якого стають явними процес міркувань фахівців при прийнятті рішення і структура їх уявлень про предметну область. Займається витяганням знань інженер по знаннях. Інженер по знаннях - це фахівець зі штучного інтелекту, який проектує і створює експертну систему. Зазвичай інженер по знаннях виступає в ролі посередника між експертом і базою знань.Для отримання знань інженером по знаннях йому необхідний експерт. Експерт - це фахівець, який за роки навчання і практичної діяльності навчився ефективно вирішувати завдання, пов'язані з конкретної предметної області. Експерт - це фахівець, який може робити експертні оцінки. Експертні оцінки - це засновані на думках фахівців кількісні або бальні оцінки процесів чи явищ, що не піддаються безпосередньому виміру.
Поняття «управління знаннями» (Knowledge Management, КМ) народилося в середині 90-х років у великих корпораціях, де проблеми обробки інформації набули особливої гостроти, ставши критичними. З'ясувалося, що основне вузьке місце - це обробка знань, накопичених фахівцями компанії (саме такі знання забезпечують їй перевагу перед конкурентами). Знання, яке не використовується і не зростає, і в кінцевому рахунку застаріває і стає марним, точно так само, як гроші, які зберігаються, не перетворюючись в оборотний капітал, в кінцевому рахунку знецінюються. Знання ж, яке поширюється, здобувається й обмінюється, навпаки, генерує нове знання. Існують десятки визначень знання, але в системах KM знання - це фундаментальний ресурс, що базується на практичному досвіді фахівців і на даних, що використовуються на конкретному підприємстві.
Ресурси знань розрізняються в залежності від галузей індустрії і додатків, але, як правило, до них входять методики, технології, процедури обробки інформації, що накопичилися в процесі функціонування підприємства; керівництва, листи, новини, відомості про замовників і конкурентів, схеми, креслення та інші дані. Традиційно проектувальники систем КМ орієнтуються в основному на менеджерів, хоча є і тенденція приймати в розрахунок більш широке коло працівників організації.
Для інтеграції в єдиний комплекс системи KM використовують ряд технологій:
· Традиційні системи автоматизації та інформаційно-пошукові системи;
· Електронну пошту, корпоративні мережі і Інтернет-сервіси;
· Бази і сховища даних (data warehouse);
· Системи електронного документообігу;
· Спеціалізовані програми обробки даних (наприклад, статистичного аналізу);
· Експертні системи і бази знань.
При розробці систем КМ можна виділити наступні етапи.
Накопичення. Стихійне і безсистемне нагромадження інформації в організації.
Витяг. Процес перенесення компетентності фахівців на аналітика. Це один з найбільш складних і трудомістких етапів, від його успішності залежить подальша життєздатність системи.
Структурування та формалізація. На цьому етапі повинні бути виділені основні поняття, вироблена структура представлення інформації. Вона повинна бути максимально наочною і такою, щоб її було легко змінювати і доповнювати. Саме на цьому етапі створюються описи і моделі бізнес процесів і структури потоків інформації.
Проектування системи. Предметна постановка задачі, розробка архітектури та специфікацій для програмування.
Програмна реалізація. Розробка власне програмного комплексу системи.
Обслуговування. Під ним розуміється коректування формалізованих даних і знань (додавання, оновлення); «чистка» - видалення застарілої інформації; фільтрація даних і знань для пошуку інформації, необхідної користувачам.
Це не єдино можлива опис процесу розробки, але воно дозволяє зрозуміти, що відбувається при створенні реальних систем управління знаннями. У літературі досить докладно описані лише етапи проектування і реалізації, при тому, що основну складність представляють етапи витягу і структурування. Мало хто з розробників знає, що існує наука під назвою «інженерія знань» (knowledge engineering), що виникла в руслі розробки інтелектуальних систем, чи систем, заснованих на знаннях, приблизно 15-20 років тому.
Оскільки основна проблема інженерії знань - це процес вилучення знань, розроблювачам систем KM і в першу чергу аналітику необхідно чітко розуміти природу та особливості цих процесів. Можна виділити три основні аспекти процесу здобуття знань:
A = {A1, А2, А3} = {психологічний, лінгвістичний, гносеологічний}.
Слід зазначити, що навіть якщо мова йде про розробку традиційної інформаційної системи, а не системи KM, проблеми інженерії знань не втрачають своєї актуальності.
З трьох аспектів отримання знань найбільш важливий психологічний (А1), оскільки він визначає успішність та ефективність взаємодії (спілкування) аналітика з основним джерелом знань - фахівцями підприємства.
1.3.1. Придбання та вилучення знань
Існує визначення терміна придбання знань: "Передача і перетворення досвіду вирішення проблем, отриманого від деякого джерела знань, в програму".Термін набуття знань носить узагальнений характер і абсолютно нейтральний до способу передачі знань. Наприклад, передача може здійснюватися за допомогою спеціальної програми, яка в процесі обробки великого масиву історій хвороби встановлює зв'язок між симптомами і захворюваннями. А ось термін вилучення знань відноситься саме до одного зі способів передачі знань - опитуванням експертів у певній проблемній області, який виконується аналітиком або інженером по знаннях. Останній потім створює комп'ютерну програму, що представляє такі знання (або доручає це комусь іншому, забезпечуючи його всією необхідною інформацією).
Цей же термін застосовується і для позначення процесу взаємодії експерта зі спеціальною програмою, метою якого є:
· Витягти яких-небудь систематичним способом знання, якими володіє експерт, наприклад, пропонуючи експерту репрезентативні завдання і фіксуючи запропоновані способи їх вирішення;
· Зберегти отримані таким чином знання в деякому проміжному вигляді;
· Перетворити знання з проміжного представлення у вид, придатний для практичного використання в програмі, наприклад в набір породжують правил.
Перевага використання такої програми - зниження трудомісткості процесу, оскільки перенесення знань від експерта до системи здійснюється в один прийом.
1.3.2. Теоретичний аналіз процесу придбання знань
Стадії придбання знаньМожна виділити кілька стадій набуття знань.
(1) Ідентифікація. Аналізується клас проблем, які передбачається вирішувати за допомогою проектованої системи, включаючи дані, якими потрібно оперувати, і критерії оцінки якості рішень. Визначаються ресурси, доступні при розробці проекту, - джерела експертних знань, трудомісткість, обмеження по часу, вартості і обчислювальних ресурсів.
(2) Концептуалізація. Формулюються базові концепції та відносини між ними. Сюди ж входять і характеристика різних видів використовуваних даних, аналіз інформаційних потоків і лежать в їх основі структур в предметній області в термінах причинно-наслідкових зв'язків, відносин приватне / ціле, постійне / тимчасове і т.п.
(3) Формалізація. Робиться спроба представити структуру простору станів і характер методів пошуку в ньому. Виконується оцінка повноти і ступеня достовірності (невизначеності) інформації та інших обмежень, накладених на логічну інтерпретацію даних, таких як залежність від часу, надійність і повнота різних джерел інформації.
(4) Реалізація. Перетворення формалізованих знань в працюючу програму, причому на перший план виходить специфікація методів організації управління процесом і уточнення деталей організації інформаційних потоків. Правила перетворюються у форму, придатну для виконання програмою у вибраному режимі управління. Приймаються рішення про використовувані структурах даних і розбитті програми на ряд більш-менш незалежних модулів.
(5) Тестування. Перевірка роботи створеного варіанту системи на великому числі репрезентативних завдань. У процесі тестування аналізуються можливі джерела помилок в поведінці системи. Найчастіше таким джерелом є наявний в системі набір правил. Виявляється, що в ньому не вистачає якихось правил, інші не зовсім коректні, а між деякими виявляється протиріччя.
1.3.3. Методи вилучення знань з пам'яті експерта
У цьому розділі розглянуто особливості процедури взаємодії інженера по знаннях з джерелом знань (експертом), що дозволяє зробити явними міркування фахівців при прийнятті рішень і структуру їх уявлень про предметну область.Процедура взаємодії інженера по знаннях з експертом
Відомий парадоксальний факт Джонсона про те, що в міру накопичення досвіду фахівець-експерт все більше втрачає вміння словесно виражати свої знання. Є досить переконливі психологічні докази того, що люди далеко не завжди в змозі вірогідно описати свої розумові процеси. Теоретик штучного інтелекту Марвін Мінський писав, що «самосвідомість - це складна, але ретельно сконструйована ілюзія ...» і що «.. . Тільки як виняток, а не як правило, людина може пояснити те, що він знає ».
Інше психологічне положення полягає в тому, що досвід експерта - це інтуїція, яка важко піддається вираженню у формі правил типу «ЯКЩО - ТО». Широко відомий вислів Лао-Цзи («старого вчителя»): «Хто скаже, той не знає, хто знає, той не скаже».
Тим не менш, інженерія знань пропонує певні методи (прийоми, способи) роботи з експертами. Ці методи спрямовані на «розкручування» лабіринтів пам'яті експертів, в яких зберігаються знання, часто мають невербальний характер.
Класифікація методів роботи з експертами
В основу викладеного матеріалу покладено класифікація комунікативних методів роботи інженера по знаннях.
Під комунікативними методами розуміють всі види контактів інженера по знаннях з живим джерелом знань - експертом. Серед цих методів виділяють дві великі групи: активні і пасивні (рис. п.21).
Пасивні методи мають на увазі, що провідна роль у процедурі здобуття знань належить експерту. При цьому інженер по знаннях головним чином протоколює міркування і дії експерта.
В активних методах ініціатива повністю в руках інженера по знаннях. Він веде з експертом бесіду, пропонує різні «ігри», організовує «круглий стіл» і т. д.
Пасивні методи на перший погляд прості. Разом з тим, вони вимагають від інженера по знаннях вміння аналізувати «потік свідомості» експерта і виділяти в ньому цінні фрагменти знання.
Активні методи поділяють на дві групи в залежності від числа експертів, що беруть участь у процедурі здобуття знань. У групових методах велике значення має дискусія між експертами, в якій нерідко виявляються нетривіальні аспекти знань. У той же час, провідну роль на сьогоднішній день грають індивідуальні методи. Значною мірою це пов'язано з делікатністю процедури «відбирання знань».
Пасивні методи
Спостереження
Метод спостереження є єдиним «чистим» методом, де інженер по знаннях не втручається в процес роботи експерта і не нав'язує йому будь-які власні уявлення. Виділяють два різновиди спостережень:
· Спостереження за реальним процесом.
· Спостереження за імітацією процесу.
Спочатку звичайно застосовують перший різновид і спостерігають за реальним процесом на робочому місці експерта. Це допомагає глибше зрозуміти предметну область і відзначити всі зовнішні особливості процедури прийняття рішень, необхідні для проектування інтерфейсу користувача.
На другому етапі експерт імітує процес. У такому режимі він менш напружений і працює на «два фронти» - веде професійну діяльність і водночас демонструє її.
Сеанси спостережень пред'являють до інженера по знаннях наступні вимоги:
· Володіння технікою стенографії.
· Знайомство з методиками хронометрування для чіткого структурування виробничого процесу в часі.
· Розвинуті навички «читання по очах», тобто спостережливість до жестів, міміки та іншим невербальним компонентам спілкування.
· Попереднє знайомство з предметною областю.
Протоколи спостережень після проведення сеансів ретельно розшифровуються, а потім обговорюються з експертом.
Аналіз протоколів «думок вголос»
При протоколюванні «думок уголос» експерта просять розкрити весь ланцюжок міркувань, що пояснюють його дії та рішення. При такому протоколюванні вважається важливим зафіксувати не тільки весь «потік свідомості» експерта, але навіть паузи і вигуки в мовленні експерта. Іноді даний метод називають «вербальними звітами».
При протоколюванні «думок вголос» експерт може проявити себе максимально яскраво. Він нічим не скутий, йому ніхто не заважає, він як би вільно ширяє в потоці власних міркувань і висновків, може блиснути своєю ерудицією та продемонструвати глибину пізнань. Для великого числа експертів це найприємніший і утішний спосіб здобування знань.
Разом з тим, як зазначалося вище, далеко не кожен фахівець, навіть з числа вміють вимовляти вражаючі монологи про свою роботу, виявляється в стані формалізувати та структурувати міркування. Однак існують люди, схильні до рефлексії, здатні до конструктивного викладу думок. Такі люди - знахідка для інженера по знаннях.
Лекції
Лекторський дар зустрічається нечасто. Досвідчений лектор добре структурує свої знання і хід міркувань. Але буває, деякі люди мають лекторським
даром, але не підозрюють про його присутність. У будь-якому випадку інженерові по знаннях варто спробувати спантеличити експерта підготовкою лекції на тему, що цікавить. Якщо експерт зуміє подолати специфічний психологічний бар'єр і увійти в образ педагога, це може виявитися вельми ефективним для вирішення завдання здобуття знань.
Хороше запитання інженера по знаннях по ходу лекції має важливе значення. Серйозні, глибокі і цікаві питання, з одного боку, стимулюють творчу уяву лектора, і з іншого - підвищують авторитет інженера по знаннях.
Тривалість лекцій рекомендується стандартна - від 40 до 50 хвилин, і через 5-10 хвилин - ще стільки ж. Весь курс повинен займати, як правило, від двох до п'яти лекцій.
Метод добування знань у формі лекцій, як і всі пасивні методи, застосовують на початку багатоетапної процедури вилучення знань з пам'яті експерта. Він сприяє швидкому зануренню інженера по знаннях у предметну область.
Активні індивідуальні методи
Анкетування
Анкетування є найбільш стандартизованим методом. Складання анкети - досить тонкий і відповідальний момент. Ось кілька рекомендацій:
· Анкета не повинна бути монотонною і одноманітною, щоб не викликати нудьгу і втому. Для цього питання повинні змінюватись, тематика змінюватися. Крім того, нерідко в анкету вставляють спеціальні питання-жарти та ігрові питання;
· Анкета повинна бути пристосована до мови експертів;
· Слід враховувати, що питання впливають один на одного. Тому послідовність питань повинна бути добре продумана;
· Анкета повинна мати «хороші манери». Її потрібно викладати ясним, зрозумілим і гранично ввічливим мовою. Методичною майстерністю складання анкети можна опанувати тільки на практиці.
Процедура анкетування може проводитися двома способами. У першому аналітик вголос задає питання і сам заповнює анкету за відповідями експерта. У другому експерт заповнює анкету самостійно після попереднього інструктування.
Вибір способу залежить від ряду умов (зокрема, від оформлення анкети, її зрозумілості, готовності експерта). Разом з тим, другий спосіб представляється кращим, так як у експерта з'являється необмежений час на обдумування питань і знижується так званий ефект присутності.
Інтерв'ю
Перед проведенням інтерв'ю непогано запитати себе: «А чи вміємо ми задавати питання?» У філософії ця проблема обговорюється з давнини. Розглянемо класифікацію питань (рис. п.22).
Відкрите питання позначає тему або предмет, надаючи експерту свободу за формою та змістом відповіді.
При закритому питанні експерту пропонується набір відповідей, серед яких він повинен зробити вибір.
Закриті питання легше обробляються, але вони певною мірою «програмують» відповідь експерта і «закривають» хід його міркувань. Тому при складанні сценарію інтерв'ю зазвичай чергують відкриті і закриті питання і особливо ретельно продумують «меню» і зміст закритих питань.
Особисте питання апелює до індивідуального досвіду експерта. Особисті питання зазвичай активізують мислення експерта, «грають» на його самолюбство, прикрашають інтерв'ю.
Безособовий питання націлений на виявлення найбільш поширених і загальноприйнятих закономірностей предметної області.
При підготовці питань враховують, що мовні можливості експерта, як правило, обмежені. Крім того, мають на увазі, що через замкнутості, скутості і боязкості окремі експерти не можуть відразу висловити свою думку і надати потрібні! знання. Тому часто використовують не прямі запитання, які безпосередньо вказують на предмет чи тему, а непрямі, опосередковано направляючі увагу на актуальну проблему. Іноді в інтересах справи доводиться задавати кілька непрямих питань замість одного прямого.
Вербальні питання - це традиційні усні запитання.
Питання з використанням наочного матеріалу урізноманітнюють інтерв'ю і знижують стомлюваність експерта. В якості наочного матеріалу використовують фотографії, малюнки і картки.
Поділ питань по функції на основні, зондувальні і контрольні пов'язано з тим, що нерідко експерт з якихось причин йде у бік від питання та основні питання інтерв'ю виявляються непродуктивними. Тоді аналітик застосовує зондувальні питання, що концентрують увагу експерта в потрібному напрямку. Контрольні питання використовують для перевірки достовірності та об'єктивності отриманої інформації.
Нейтральні питання носять об'єктивний характер. У той же час, навідні запитання змушують експерта прислухатися або навіть прийняти до уваги позицію інтерв'юера.
Крім наведених у класифікації на рис. П.22, корисно розрізняти і включати в інтерв'ю наступні види питань:
· Контактні («ламають кригу» між аналітиком і експертом);
· Буферні (для розмежування різних тем інтерв'ю);
· Оживляючі пам'ять експертів (для реконструкції окремих випадків із практики);
· «Провокують» (для отримання спонтанних, непідготовлених відповідей).
Вільний діалог
При вільному діалозі інженера по знаннях з експертом відсутній будь-який регламентований план. Проте ця форма здобуття знань вимагає самої серйозної попередньої підготовки. На рис. П.23 показана одна з рекомендованих схем такої підготовки.
Кваліфікована підготовка до діалогу - справжня драматургія. У її сценарії передбачають плавний розвиток процедури вилучення знань від приємного враження на початку бесіди до професійного контакту через пробудження інтересу і завоювання довіри експерта.
Для забезпечення бажання експерта продовжувати бесіду зазвичай виробляють «погладжування» на кшталт: «Я Вас розумію ...»,« ... Це дуже цікаво »і т. п. При цьому поведінка аналітика повинно бути щирим, адже давно відомо, що краща виверт - уникати будь-яких вивертів і ставитися до співрозмовника з істинним повагою і справжнім інтересом.
Існує каталог властивостей ідеального інтерв'юера: «Він повинен виглядати здоровим, спокійним, впевненим, вселяти довіру, бути щирим, веселим, проявляти інтерес до бесіди, бути охайно одягненим, доглянутим».
Активні групові методи
Активні групові методи самі по собі не можуть служити джерелом більш-менш повного знання. Вони виступають як додаткові і служать хорошою «приправою» до індивідуальних методів вилучення знань, активізує мислення і поведінку експертів.
«Круглий стіл»
Метод круглого столу передбачає рівноправне обговорення цікавить проблеми кількома експертами. Завдання дискусії - колективно, з різних точок зору, під різними кутами дослідити спірні проблеми предметної області. Для гостроти на «круглий стіл» запрошують представників різних наукових напрямків і поколінь. Число учасників дискусії зазвичай коливається від трьох до п'яти-семи.
Перед початком дискусії ведучому (інженеру по знаннях) необхідно переконатися, що всі учасники правильно розуміють завдання. Потім потрібно встановити регламент і чітко сформулювати тему.
По ходу дискусії важливо простежити, щоб надто емоційні й балакучі експерти не підміняли тему і щоб критика позицій один одного була обгрунтованою. Певні зусилля ведучий повинен докласти для зменшення «ефекту фасаду», коли в учасників превалює бажання справити враження на інших і вони говорять зовсім не те, що сказали б у нормальній обстановці.
«Мозковий штурм»
«Мозковий штурм» або «мозкова атака» - один з найбільш популярних методів розкріпачення і активізації людського мислення. Вперше цей метод був використаний в 1939 році А. Осборном у США для генерації нових ідей. Основне положення штурму - відділення процедури генерації ідей в замкнутій групі фахівців від процесу їх аналізу та оцінки.
Звичайна тривалість штурму - близько 40 хвилин. Кількість учасників - до 10 осіб. Цим учасникам пропонується висловити на задану тему будь-які думки, в тому числі жартівливі, фантастичні і помилкові. Критика заборонена. Регламент - до 2 хвилин на виступ.
З досвіду відомо, що число висловлених ідей часто перевищує 50. Найбільш суттєвий момент штурму - наступ піка (ажіотажу), коли ідеї починають буквально «фонтанувати». Подальший аналіз, який проводить група сторонніх експертів, як правило, показує, що всього лише 10-15% ідей розумні, але серед них зустрічаються доволі оригінальні.
Мистецтво інженера по знаннях, що проводить «мозковий штурм», полягає в здатності ставити запитання аудиторії, «підігріваючи» аудиторію. Питання служать своєрідним «гачком», яким витягуються ідеї.
Експертні ігри
Плідність моделювання реальних ситуацій в іграх сьогодні підтверджена практично у всіх галузях науки і техніки. Нижче розглянуті різні види експертних ігор відповідно до класифікації.
Ігри з експертом
В іграх з експертом інженер по знаннях бере на себе будь-яку роль в моделюється ситуації. Наприклад, це може бути роль Учня, який на очах у експерта (Вчителі), поправляє Учня, виконує роботу на задану тему. Така гра - хороший спосіб розговорити сором'язливого експерта. Інший приклад - гра в Фахівця (інженер по знаннях) і Консультанта (експерт). Ця гра дає іноді вражаючі результати.
Для виявлення прихованих пластів знання застосовується гра, у якій фахівець робить прогнози в професійних ситуаціях і дає їм обгрунтування. Потім після закінчення певного часу спеціалісту пред'являють його власні обгрунтування і просять зробити по них прогнози. Як виявляється, такий простий прийом нерідко дозволяє виявити пропущені кроки в міркуваннях експерта.
У грі «фокусування на контексті» експерт виконує роль експертної системи, а інженер по знаннях - роль користувача. Моделюється ситуація консультації. Перші реакції експерта концентруються навколо найбільш значущих понять і найважливіших аспектів проблеми.
У цілому по іграх з експертом даються такі основні поради інженерові по знаннях:
· Грайте сміливіше, придумуйте ігри самі.
· Не нав'язуйте гру експерту, якщо він не розташований.
· Не «тисніть» на експерта, не забувайте мети гри.
· Не забувайте про час і про те, що гра стомлююча для експерта.
· Грайте весело, непересічно.
Рольові ігри в групі
У кожній груповій грі заздалегідь складається сценарій, розподіляються ролі, готуються портрети-опису ролей і розробляється система оцінювання гравців.
Відомі різні способи проведення рольових ігор. В одних іграх учасники придумують собі нові імена і виступають під ними. В інших всі гравці переходять на «ти». По-третє ролі вибирають гравці, в четвертому для розподілу ролей витягується жереб.
Зазвичай в грі, призначеної для отримання знання, беруть участь від трьох до шести експертів. У випадку більшого числа експертів вони розбиваються на групи, між якими організується змагання: чий діагноз виявиться ближче до істинного, чий план раціональніше використовує ресурси, хто швидше визначити несправність в технічному блоці і т. п.
Створення ігрової обстановки вимагає фантазії і вигадки від інженера по знаннях. Головне, щоб експерти в грі максимально занурилися в ситуацію, дійсно «заграли», розкріпачилися і «розкрили свої карти».
Ігри з тренажерами
Тренажери широко застосовуються для навчання професій, які вимагають динамічного реагування на мінливу виробничу ситуацію. Сюди належать професії льотчиків, судноводіїв, операторів атомних станцій та ін Застосування тренажерів для здобуття знань дозволяє фіксувати фрагменти так званих летких знань. Ці знання раптові і, як правило, важко відтворювані і випадають з пам'яті, за звичайних обставин при виході з модельованої ситуації.
1.3.4. Вилучення знань: психологічний аспект
Психологічні проблеми здобуття знань
Як відомо, в процесі людського спілкування сприймається далеко не вся можлива інформація. У зв'язку з цим актуальною є проблема збільшення інформативності спілкування аналітика і фахівців підприємства за рахунок використання психологічних знань.
Модель спілкування при добуванні знань включає такі структурні компоненти: учасники спілкування (партнери); засоби спілкування (процедура); предмет спілкування (знання). Відповідно до цієї структурою виділимо три «шару» психологічних проблем, що виникають при добуванні знань.
Контактний шар
Розробка корпоративних систем - це колективний процес, для якої небайдужа атмосфера в групі розробників. Проводилися експерименти, результати яких незаперечно показують, що дружня атмосфера в колективі більше впливає на результат, ніж індивідуальні здібності членів групи. Особливо важливо, щоб у колективі розробників складалися кооперативні, а не конкурентні відносини.
Прогнозувати сумісність у спілкуванні з 100%-ної гарантією неможливо. Однак можна виділити ті фактори, риси особистості, характеру та інші особливості учасників розробки, які, безсумнівно, впливають на ефективність процедури.
Стать і вік. Значення цих параметрів хоча і впливають на ефективність контакту, але не є критичними. У літературі зазначається, що хороші результати дають гетерогенні (змішані) пари чоловік / жінка. Що стосується співвідношення віку, краще, коли воно підпорядковується наступній залежності:
20> (Ве - Ва)> 5
де Ве - вік експерта-спеціаліста; Ва - вік аналітика.
Характеристики особистості та темпераменту. Під особистістю зазвичай розуміється стійка система психологічних рис, що характеризує індивідуальність людини. Рекомендовані складові для аналітика: доброзичливість, аналітичність, хороша пам'ять, увагу, спостережливість, уяву, вразливість, велика зібраність, наполегливість, товариськість, винахідливість.
З часів Галена і Гіппократа, які виділили чотири класичних типи темпераменту, використовуються поняття холерик, сангвінік, меланхолік, флегматик. Для ефективної роботи аналітика кращі сангвінічний і холеричний темперамент.
Мотивація. На ефективність колективного вирішення завдань впливає і мотивація учасників - їх прагнення до успіху. Аналітик в залежності від умов розробки повинен вишукувати різноманітні стимули для експертів-фахівців. Експерт передає аналітику один з найдорожчих у світі продуктів - знання. І якщо одні люди діляться досвідом добровільно і з задоволенням, то інші вельми неохоче відкривають свої професійні таємниці. Іноді виявляється корисно порушити в експерта дух суперництва, конкуренції (не порушуючи, природно, обстановки кооперативності в колективі).
Процедурний шар
Параметри процедурного шару описують процес проведення процедури вилучення знань.
Ситуація спілкування (місце, час, тривалість). Бесіду з експертом краще всього проводити в невеликому приміщенні наодинці, оскільки сторонні люди порушують конфіденційність бесіди і можуть породити ефект «фасаду». Робоче місце експерта - не кращий варіант, так як його можуть відволікати телефонні дзвінки, співробітники та ін Американський психолог І. Атватера вважає, що для ділового спілкування найбільш сприятлива дистанція між співрозмовниками від 1,2 до
Обладнання (допоміжні засоби, освітленість, меблі). Одне з основних засобів збільшення ефективності процесу здобування знань - використання наочного матеріалу. При цьому враховується, що більшу частину інформації людина отримує за допомогою зору. Рада активніше користуватися схемами та малюнками можна вважати універсальним. Для протоколювання результатів зараз використовуються наступні способи:
запис на папір безпосередньо по ходу бесіди;
запис на диктофон, що допомагає аналітику проаналізувати весь хід сеансу та свої помилки;
запам'ятовування з подальшим записом після.
Найбільш поширений перший спосіб. Найбільша небезпека при цьому - втрата знань, оскільки будь-який запис відповідей - це вже інтерпретація, привносить суб'єктивне розуміння предмета. Значення параметрів освітленості очевидні і пов'язані з впливом зовнішніх факторів на експерта.
Професійні прийоми (темп, стиль, методи та ін.) Облік індивідуального темпу і стилю експерта дозволяє аналітику знизити напруженість процедури вилучення знань. Типова помилка - нав'язування власних темпу і стилю.
На успішність також впливає довжина фраз, які вимовляє аналітик. Це було встановлено американськими вченими - лінгвістом Інгве і психологом Міллером - при дослідженні причин низької засвоюваності команд на військово-морському флоті США. Причиною виявилася довжина команд. З'ясувалося, що людина найкраще сприймає пропозиції глибиною (або довжиною) 7 ± 2 слова. Ця величина отримала назву «число Інгве - Міллера». Можна вважати його мірою «разговорности» промови.
Велика частина інформації надходить до аналітика у вигляді пропозицій на природній мові. Проте зовнішня мова експерта є відтворення його внутрішнього мовлення (мислення), яка набагато багатше і різноманітніше. Для передачі цієї внутрішнього мовлення експерт використовує і невербальні засоби, такі, як інтонація, міміка, жести. Досвідчений аналітик намагається по можливості записувати в протоколи (у формі ремарок) і цю додаткову інтонацію.
Kогнітівний шар
Для ефективного моделювання когнітивних (від англ. Cognition - пізнання), або пізнавальні, процесів необхідно враховувати їх природу. На сьогоднішній день ці питання найменш досліджені і потребують вивчення так званих когнітивних стилів. Під когнітивним стилем людини розуміється сукупність критеріїв переваги при вирішенні завдань і пізнанні світу, специфічна для кожного індивіда. Когнітивний стиль визначає не стільки ефективність діяльності, скільки спосіб досягнення результату. Це спосіб пізнання, який дозволяє людям з різними здібностями домагатися однакових результатів у діяльності; система засобів і індивідуальних прийомів, до яких вдається людина для організації своєї діяльності.
Можна виділити кілька важливих характеристик когнітивних стилів.
Полезалежність - поленезалежності. Поленезалежності дозволяє людині акцентувати увагу лише на тих аспектах проблеми, які необхідні для вирішення конкретного завдання, і відкидати все зайве, тобто не залежати від фону або навколишнього завдання шумового поля. Ця характеристика корелює з такими рисами особистості, як невербальний інтелект, аналітичність мислення, здатність до розуміння суті. Очевидно, що не тільки самому аналітику необхідно високе значення цього параметра; поленезалежний експерт - це теж бажаний фактор. Однак доводиться враховувати, що полезавісімие люди краще спілкуються, вони більш контактні. Для спілкування особливо вдалі гетерогенні (змішані) пари: «полезалежний - поленезалежний».
Поленезалежності - одна з характерних рис професійних когнітивного стилю найбільш кваліфікованих аналітиків. За деякими даними, чоловіки більш поленезалежних, ніж жінки.
Імпульсивність - рефлективність (рефлексивність). Під імпульсивністю розуміється швидке прийняття рішення (часто без достатнього обгрунтування), а під рефлексивностью - схильність до розсудливості. Рефлексивність, за експериментальними даними, корелює із здатністю до формування понять і продуктивністю стратегій вирішення логічних завдань. Таким чином, і аналітику, і експертові бажано бути рефлексивними, хоча власний стиль змінюється лише частково і з великим напруженням.
Ригідність - гнучкість. Цей фактор характеризує здатність людини змінювати установки і свою точку зору відповідно до мінливих ситуацією. Ригідні люди не схильні змінювати свої уявлення і структуру сприйняття; гнучкі, навпаки, легко пристосовуються до нових обставин. Очевидно, що якщо експерт ще може дозволити собі ригідність (що характерно для довго працюють над однією проблемою фахівців, особливо старшого віку), то аналітику ця характеристика когнітивного стилю явно протипоказана. Збільшення ригідності з віком відзначається багатьма психологами.
Когнітивна еквівалентність. Характеризує здатність людини до розрізнення понять та розбиття їх на класи і підкласи. Чим вже діапазон когнітивної еквівалентності, тим більш тонку класифікацію здатна провести індивід, тим більшу кількість ознак понять він може виділити. Зазвичай у жінок діапазон когнітивної еквівалентності вужче, ніж у чоловіків.
Психологічні проблеми, розглянуті в цій статті, далеко не вичерпують всього комплексу теоретичних і практичних аспектів проблеми здобуття знань. Про інші проблеми ми поговоримо в наступних статтях цього циклу.
1.3.5. Оболонки систем придбання знань
Наведене вище поділ на етапи реалізовані в середовищі KADS. В основі цього підходу лежить ідея про те, що експертна система є не контейнером, наповненим представленими експертом знаннями, а "операційної моделлю", яка демонструє деяке потрібне нам поведінку в зіткненні з явищами реального світу. Придбання знань, таким чином, включає в себе не тільки витяг специфічних знань про предметну область, але й інтерпретацію отриманих даних стосовно деякої концептуальної оболонці та формалізацію їх таким способом, щоб програма могла дійсно використовувати їх у процесі роботи.В основу оболонки KADS покладено п'ять базових принципів.
(1) Використання безлічі моделей, що дозволяє подолати складність процесів інженерії знань.
(2) Чотирьохрівнева структура для моделювання необхідної експертність - набору якостей, що лежать в основі високого рівня роботи фахівців.
(3) Повторне використання родових компонентів моделі в якості шаблонів, які підтримують спадну стратегію придбання знань.
(4) Процес диференціації простих моделей на складні.
(5) Важливість перетворення моделей експертність зі збереженням структури в процесі розробки та впровадження.
Перший з принципів, покладених в основу KADS, полягає в тому, що оболонка повинна містити безліч приватних моделей, що допомагають знайти відповідь на ці питання. Прикладами таких моделей можуть служити:
· Організаційна модель "соціально-економічного середовища", в якій повинна функціонувати система, наприклад фінансові послуги, охорона здоров'я тощо;
· Прикладна модель розв'язуваної проблеми і виконуваної функції, наприклад діагностика, планування розкладу робіт і т.д.;
· Модель задач, що демонструє, як повинна виконуватися специфікованих функція, для чого проводиться її розбивка на окремі завдання, наприклад збирання даних про доходи, формування гіпотез про захворювання.
Описані принципи побудови оболонки системи придбання знань отримали подальший розвиток у системі CommonKADS. Ця система підтримки інженерії знань містить редактори кожного з перерахованих типів моделей і безліч інструментальних засобів і компонентів, що полегшують проектування експертної системи. Суттєву допомогу менеджеру проекту при плануванні робіт повинна надати модель життєвого циклу експертної системи. На додаток до тих моделям, які входили до складу ранніх версій оболонки KADS, в нову версію включено кілька нових, зокрема модель агента, яка представляє саму експертну систему, її користувачів і підключені обчислювальні системи.
У рамках проекту KASTUS онтологія і методологія оболонки KADS була використана і при побудові великих повторно використовуваних баз знань. Найменування проекту KASTUS - скорочення від Knowledge about Complex Technical Systems for Multiple Use (знання багаторазового застосування про складних технічних системах). Мета проекту - створення системи знань, яку можна було б використовувати в безлічі різноманітних додатків.
Як правило, людина-експерт знає про ту предметної області, в якій він є фахівцем, набагато більше, ніж може висловити на словах. Навряд чи можна добитися від нього багато чого, задаючи питання в загальному вигляді, наприклад: "Що вам відомо про інфекційні захворювання крові?" Набагато продуктивніше підхід, реалізований у програмі TEIRESIAS, який передбачає залучення експерта у вирішення нескладних репрезентативних завдань з певної предметної області і відбір необхідних знань в процесі такого рішення.
Поставивши собі за певним набором базових правил, що представляють прототип експертної системи, TEIRESIAS вирішує у відповідності з цими правилами яку-небудь з сформульованих репрезентативних проблем і пропонує експерту критикувати результати. У відповідь експерт повинен сформулювати нові правила і відкоригувати введені раніше, а програма відстежує внесені зміни, аналізує їх на предмет збереження цілісності і несуперечності всього набору правил, використовуючи при цьому моделі правил. У процесі аналізу використовується узагальнення правил різного виду.
Проект COMPASS можна вважати одним з найбільш яскравих прикладів використання традиційної методики придбання знань, що базується на відповідним чином організованому опитуванні експертів. Така методологія "виросла" із запропонованої Ньюеллом і Саймоном методики аналізу протоколу (protocol analysis). У цьому розділі ми зупинимося на проекті OPAL, в якому використана інша методика, що відрізняється від традиційної в двох важливих аспектах.
· Ця методика орієнтована на часткову автоматизацію процесу добування знань у ході активного діалогу інтерв'юйованого експерта з програмою.
· Методика придбання знань передбачає використання стратегії, що спрямовується знаннями про предметну область.
Ми вже розглядали програму TEIRESIAS, в якій використовувалося безліч засобів пошуку помилок в існуючому наборі правил, редагування та тестування відкоригованого набору правил. Але для побудови початкового набору правил та відстеження змін в них програма TEIRESIAS не використовувала будь-які знання про предметну область. Програма OPAL, навпаки, намагається "витягнути" з користувача як можна більше деталей, що стосуються подання знань та їх використання. OPAL не є програмою загального призначення. Вона розроблена спеціально для діагностики онкологічних захворювань і призначена для формування правил прийняття рішень на основі отриманих від експерта знань про плани лікування в тому чи іншому випадку.
Програма OPAL спрощує процес вилучення знань, призначених для використання в експертній системі ONCOCIN. Остання формує план лікування хворих на онкозахворювання і зацікавлена у використанні моделі предметної області для отримання знань безпосередньо від експерта з допомогою засобів графічного інтерфейсу. Поняття модель предметної області можна трактувати в термінах знань різного виду, якими володіє експерт.
Незалежно від того, про яку конкретної предметної області йде мова, грі в шахи або медичній діагностиці, завжди існують деякі попередні умови або попередній досвід, якими повинен володіти суб'єкт або технічна система, щоб сприймати знання про цю предметної області. Якщо мова йде про гру в шахи, то принаймні потрібно знати правила цієї гри: як ходять фігури, в чому мета гри і т.п. Стосовно до медичній діагностиці потрібно мати уявлення про пацієнтів, захворюваннях, клінічних тестах і т.п. Цей вид фонових, чи фундаментальних, знань іноді в літературі з експертним системам називають глибокими знаннями, протиставляючи їх поверхневим знанням, які представляють собою хаотичний набір відомостей про зв'язки "стимул - реакція".
При розробці прототипу системи ONCOCIN однією з найбільш складних виявилася саме проблема придбання знань. Введення інформації, необхідної для створення протоколів лікування раку лімфатичних вузлів, зайняв близько двох років і відняв у експертів близько 800 годин робочого часу. Формування наступних наборів протоколів у процесі розвитку системи займало, як правило, кілька місяців. При цьому було зазначено, що ефективність процесу придбання знань системою у вирішальній мірі залежить від того, наскільки успішно інженер по знаннях справляється з роллю перекладача в процесі передачі знань від експертів програмі. Бажання позбутися цієї залежності і надихнуло розробників на створення програми OPAL, яка допомогла б автоматизувати процес придбання знань.
Використовуючи цю програму, експерт може сформувати новий протокол протягом декількох днів. За перший рік експлуатації програми OPAL в систему ONCOCIN було додано понад трьох дюжин нових протоколів. Ефективність використаного в цій програмі методу заповнення формулярів при введенні нових знань багато в чому пояснюється тим, що в програму включені базові знання про ту предметної області, в якій вона використовується. Звичайно, включення цих знань вимагало значних зусиль від інженерів за знаннями, які раніше займалися спілкуванням з експертами, але ці витрати потім з лишком окупилися. Успішне застосування програми OPAL показало перевага представлення знань про предметну область на декількох рівнях абстракції порівняно з підходом, який передбачає перемикання основної уваги на деталі реалізації.
Технологія вилучення знань про предметну область у експерта за допомогою опитування через термінал останнім часом стала використовуватися у множині експертних систем. У більшості з них експерту пропонується заповнити екранні формуляри, інформація з яких потім прочитується у структуровані об'єкти, аналогічні фреймах. Прикладами таких систем можуть служити ETS. Але далеко не у всіх системах такого роду є так розвинений графічний інтерфейс, як у програмі OPAL, і існує можливість компілювати отримані знання безпосередньо у правила прийняття рішень. Реалізація цих можливостей у OPAL істотно полегшується особливостями структурування планів лікування хворих, на що звертали увагу і автори цієї розробки.
Досвід, набутий в ході розробки програми OPAL, був потім використаний при створенні PROTEGE - системи більш загального призначення. Остання версія цієї системи, PROTEGE-II, являє собою комплект інструментальних засобів, що полегшують створення онтології предметної області й формування програм придбання знань, подібних OPAL, для різних додатків. Замість того щоб розробляти інструментальні засоби загального призначення з нуля, автори цієї розробки пішли шляхом підвищення рівня абстракції раніше розробленого і успішно використовуєте, як це було зроблено при розробці системи EMYCIN на основі MYCIN.
1.4. Експертні системи
Практичним полем застосування баз знань є експертні системи (ЕС). Експертна система - це система штучного інтелекту, що включає знання про певну слабо структурованої і важко формалізується вузькій предметній області і здатна пропонувати і пояснювати користувачеві розумні рішення. Експертна система складається з бази знань, механізму логічного висновку і підсистеми пояснень. Її основним компонентом є база знань. База знань - це семантична модель, що описує предметну область і дозволяє відповідати на такі питання з цієї предметної області, відповіді на які в явному вигляді не присутні в базі. База знань є основним компонентом інтелектуальних та експертних систем.Для побудови бази знань необхідний інтелектуальний редактор бази знань. Інтелектуальний редактор бази знань - це програма, що надає інженеру по знаннях можливість створювати базу знань в інтерактивному режимі. Інтелектуальний редактор включає в себе систему шаблонів мови представлення знань, підказки та інші сервісні засоби, що полегшують роботу з базою.
Основний режим роботи експертної системи - консультаційний режим. Консультаційний режим - це інтерактивний режим експлуатації бази знань, при якому користувач просувається до вирішення завдання.
Другим істотним компонентом ЕС є машина логічного висновку або дедуктивна машина (або блок логічного висновку, або вирішувач). Машина логічного висновку - це програма, що моделює механізм міркувань і оперує знаннями і даними з метою отримання нових даних з знань та інших даних, наявних в робочій пам'яті. Зазвичай машина логічного висновку використовує програмно реалізований механізм дедуктивного логічного виводу або механізм пошуку розв'язку в мережі фреймів або семантичної мережі.
Для контакту з користувачем ЕС повинна мати підсистемою спілкування і підсистемою пояснень. Підсистема спілкування - це програма:
- Входить до складу експертної системи;
- Службовець для ведення діалогу з користувачем, у ході якого ЕС запитує у користувача необхідні факти для процесу міркування;
- Надає можливість користувачеві в певній мірі контролювати і коректувати хід міркувань експертної системи.
Підсистема пояснень - це програма, що дозволяє користувачеві отримати відповіді на питання:
- "Як було отримано те чи інше рішення?"; Зазвичай відповідь на це питання представляє собою трасування всього процесу виведення рішення із зазначенням використаних фрагментів бази знань; і
- "Чому було прийняте таке рішення?"; Зазвичай відповідь на це питання є посилання на умовивід, безпосередньо передувала отриманому рішенню.
Добре якщо ЕС має підсистемою придбання знань. Підсистема придбання знань - це програма, призначена для коректування і поповнення бази знань.
Підсистема придбання знань - у найпростішому випадку - інтелектуальний редактор бази знань. Підсистема придбання знань - у більш складних випадках - кошти для здобуття знань:
- З баз даних;
- З неструктурованого тексту;
- З графічної інформації і т.д.
ЕС створюється і існує для користувача. Користувач - це проблемний фахівець, для якого призначена експертна система. Вважається, що кваліфікація користувача недостатньо висока, і тому він потребує допомоги і підтримки своєї діяльності з боку експертної системи.
ЕС є системою, заснованої на знаннях. Система, заснована на знаннях - це система штучного інтелекту, в якій предметні знання представлені в явному вигляді і відокремлені від інших знань системи.
1.5. Візуальне проектування баз знань як інструмент навчання
Візуальні методи специфікації і проектування баз знань та розробка концептуальних структур є досить ефективним гносеологічним інструментом або інструментом пізнання. Використання методів інженерії знань як дидактичних інструментів і як формалізмів представлення знань сприяє більш швидкому і більш повного розуміння структури знань даної предметної області, що особливо цінно для новачків на стадії вивчення особливостей професійної діяльності.Методи візуальної інженерії знань можна широко використовувати в різних навчальних закладах - від шкіл до університетів - як для поглиблення процесу розуміння, так і для контролю знань. Більшість учнів та студентів оволодівають навичками візуального структурування протягом декількох
Від понятійних карт до семантичних мереж
Було запропоновано визначення поля знань, яке дозволяє інженеру по знаннях трактувати форму представлення поля досить широко, зокрема семантичні мережі або понятійні карти (concept maps) є можливою формою подання. Це означає, що сам процес побудови семантичних мереж допомагає усвідомлювати пізнавальні структури.
Програми візуалізації є інструментом, що дозволяє зробити видимими семантичні мережі пам'яті людини. Мережі складаються з вузлів і упорядкованих співвідношень або зв'язків, що з'єднують ці вузли. Вузли виражають поняття або припущення, а зв'язки описують взаємини між цими вузлами. Тому розробка семантичних мереж має на увазі аналіз структурних взаємодій між окремими поняттями предметної області.
У процесі створення семантичних мереж експерт і аналітик змушені аналізувати структури своїх власних знань, що допомагає їм включати нові знання в структури вже наявних знань. Результатом цього є більш осмислене використання набутих знань.
Візуальні специфікації у формі мереж можуть використовуватися новачками та експертами в якості інструментів для оцінки змін, що відбулися в їх мисленні. Якщо погодитися, що семантична мережа є достатньо повним поданням пам'яті людини, то процес навчання з цієї точки зору можна розглядати як реорганізацію семантичної пам'яті.
Kozma, один з розробників програми організації семантичної мережі Learning Tool, вважає, що ці кошти є інструментами пізнання, що підсилюють і розширюють пізнання людини. Розробка семантичних мереж вимагає від учнів:
· Реорганізації знань;
· Вичерпного опису понять і зв'язків між ними;
· Глибокої обробки знань, що сприяє кращому запам'ятовуванню та вилучення з пам'яті знань, а також підвищує здатності застосовувати знання в нових ситуаціях;
· Зв'язування нових понять з існуючими поняттями і уявленнями, що покращує розуміння;
· Просторового вивчення за допомогою просторового уявлення понять у досліджуваній області.
Корисність семантичних мереж і карт понять, мабуть, краще за все демонструється їх зв'язками з іншими формами мислення вищого порядку. Вони тісно пов'язані з формальним обгрунтуванням у хімії і здатністю аргументувати свої висловлювання в біології. Також було показано, що семантичні мережі мають зв'язок з виконанням досліджень.
База знань як пізнавальний інструмент
Коли семантична мережа створюється як прообраз бази знань, розробник повинен фактично моделювати знання експерта. Особливо глибокого розуміння 'потребує розробка функціональної структури.
Визначення структури ЯКЩО-ТО галузі знань змушує чітко формулювати принципи прийняття рішення. Не можна вважати, що просто розробка поля знань системи обов'язково призведе до отримання повних функціональних знань у даній області.
Розробка експертних систем стала використовуватися як інструмент пізнання порівняно недавно. Lippert, який є одним з піонерів застосування експертних систем у якості інструментів пізнання, стверджує, що завдання зі створення невеликих базисів правил є дуже / корисними для вирішення педагогічних проблем і структурування знань для учнів від шостого класу до дорослих. Вивчення при цьому стає більш осмисленим, так як учні оцінюють не тільки сам процес мислення, але також і результати цього процесу, тобто отриману базу знань. Створення бази знань вимагає від учнів уміння відокремлювати один від одного факти, змінні і правила, пов'язані з зв'язків між складовими галузі знань.
Наприклад, Lai встановив, що після того, як студенти-медики створять медичну експертну систему, вони підвищують своє вміння в плані аргументації і одержують більш глибокі знання по досліджуваному предмету. Шість студентів-першокурсників фізичного факультету, які використовували експертні системи для складання питань, прийняття рішень, формулювання правил і.об'ясненій щодо руху частки відповідно до законів класичної фізики, отримали більш глибокі знання в даній області завдяки ретельній роботі, пов'язаної з кодуванням інформації та обробкою великого матеріалу для отримання ясного і зв'язного змісту, а отже, і більшої семантичної глибини.
Таким чином, створення бази знань експертної системи сприяє більш глибокому засвоєнню знань, а візуальна специфікація посилює прозорість і наочність уявлень.
Коли комп'ютери використовуються під час навчання як інструмент пізнання, а не як контрольно-навчальні системи (навчальні комп'ютери), вони розширюють можливості автоматизованих навчальних систем (АОС), одночасно розвиваючи розумові здібності і знання учнів. Результатом такої співпраці учня і комп'ютера є значне підвищення ефективності навчання. Комп'ютери не можуть і не повинні керувати процесом навчання. Швидше, комп'ютери повинні використовуватися для того, щоб допомогти учням набути знання.
2. Розробка курсу «Інженерія знань»
2.1. Аналіз вимог до змісту курсу з урахуванням заявленої мети
Досліджуючи проблему подання за невелику кількість годин майбутнім вчителям інформатики теми «Інженерія знань», необхідно мати на увазі мета такого вивчення. Цей розділ можна вважати дуже важливим саме для майбутніх вчителів інформатики з таких причин. З одного боку вчитель повинен знати, як можуть бути структуровані і представлені у формальному вигляді знання, які ми традиційно звикли бачити представленими у вигляді текстів на природній мові, або у вигляді знань, умінь і навичок конкретних людей. З іншого боку особливо важливо буде для майбутнього вчителя познайомитися з методами здобуття знань з експерта альтернативні педагогічним методів «витягу знань з учня». Все це дозволить майбутньому вчителю з одного боку поглибити своє розуміння в області формування і придбання знань студентів, а з іншого - дасть йому можливість розширити свій педагогічний арсенал прийомами виявлення та структуризації знань, що застосовуються в інженерії знань.Тому необхідно розробити курс за вибором на тему «Інженерія знань» такий, що його вивчення дозволить навчаються за спеціальністю «вчитель інформатики» отримати адекватне уявлення про сучасний стан даного розділу інформатики. При цьому необхідно уникнути зайвих технічних подробиць.
2.2. Зміст курсу
Вивчаючи побудова курсу, виділимо теми, що підлягають вивченню.По-перше, необхідно розглянути основи інженерії знань. У даному розділі треба розкрити такі поняття: дані і знання, бази знань, основні сфери застосування баз знань - експертні системи, структура і класифікація експертних систем, етапи розробки експертних систем, колектив розробників експертних систем.
Далі необхідно розглянути теоретичні аспекти видобування знань. У даному розділі треба розкрити такі поняття: стратегії отримання знань, психологічний аспект, лінгвістичний аспект, гносеологічний аспект.
Наступна тема - когнітивна психологія в інженерії знань. У даному розділі треба розкрити такі поняття: основи когнітивної психології, семантична репрезентація знань, образна репрезентація, сприйняття інформації, організація пам'яті.
Основні теми курсу починаються з теми «методи видобування знань». У даному розділі треба розкрити такі поняття: класифікація методів, пасивні методи, активні індивідуальні методи, активні групові методи, експертні ігри, текстологічні методи.
Далі йде тема «методологія структурування знань». У даному розділі треба розкрити такі поняття: поле знань, стадії структурування, методи структурування, психосемантика і методи багатовимірного шкалювання.
Наступна тема - машинно-орієнтовані придбання та формування знань. У даному розділі треба розкрити такі поняття: автоматичне формування знань, системи автоматичного формування знань.
2.3. Тематичне планування і робоча програма курсу
Мета і завдання курсуМета - дати студентам систематичне уявлення про можливості сучасних методів вилучення та представлення знань для орієнтування в сучасних інформаційних технологіях, і проведення аналогій із придбанням знань в учнів. Завдання - дати студентам вміння роботи зі знаннями, їх вилучення та структуризації.
Вимоги до рівня засвоєння змісту курсу
У результаті вивчення дисципліни студенти повинні:
· Мати уявлення про сучасні методи видобування знань
· Мати практичні вміння роботи зі знаннями
· Мати вміння витягати знання з експертів і текстів
· Вміти організувати процес вилучення знань різними способами
·
Навчальний план
Всього курсом передбачається 14 годин лекцій, 14 годин практичних занять, і 54 години самостійної роботи.
Гаврилова Т. А., Червінська К. Р. Виймання та структурування знань для експертних систем - М.: Радіо і зв'язок, 1992. - 200с. Книга присвячена одному з найважливіших і недостатньо досліджених аспектів теорії і практики штучного інтелекту - вилучення і структурування знань при розробці експертних систем. При створенні так систем найбільшу складність викликає Домашина етап, на якому розробники виявляють знання фахівців у конкретній предметній області і структурують їх для подальшої формалізації і введення в ЕОМ. Як і всі дослідження з штучного інтелекту, дана тема носить міждисциплінарний характер, і тому в книзі висвітлено різні аспекти цієї проблеми, (включаючи питання когнітивної психології, психології спілкування, лінгвістики, гносеології та ін Розглянуто основні етапи розробки експертних систем з акцентом на практичні прийоми і методи інженерії знань, в тому числі вилучення знань з текстів, експертні гри, техніка інтерв'ювання та анкетування і т. д. Введена класифікація методів здобуття знань і запропонована методологія структурного аналізу знань, яка проілюстрована на прикладі трьох експертних систем - АВТАНТЕСТ, АВ-ТАНКЛІП і МІКРОЛЮШЕР. Дано огляд сучасного стану інших способів створення баз знань експертних систем, що включає аналіз систем індуктивного формування знань і автоматизованих систем придбання знань у прямому діалозі «експерт-ЕОМ».
Гаврилова Т. А., Хорошевський В. Ф. Бази знань інтелектуальних систем: Підручник для вузів. СПб: Питер, 2001 рік, 384 стор Підручник для технічних вузів по вхідним у різні дисципліни питанням розробки інтелектуальних систем. Актуальність предмету визначається стрімко розвивається сферою застосування інженерії знань і системного аналізу в різних областях діяльності. Особливістю викладу є його практична спрямованість: освоєння наявного матеріалу має бути достатньо для початку самостійної роботи над створенням інтелектуальної системи, заснованої на знаннях. У підручнику врахована все зростаюча роль Інтернету і тому детально розглядається застосування інженерії знань у Мережі.
Prot? G? - Локальна, що вільно розповсюджується Java-програма, розроблена групою медичної інформатики Стенфордського університету (перша версія - 1987, остання Prot? G? -3.0 - Червень 2004). Програма призначена для побудови (створення, редагування та перегляду) онтологій прикладної області. Її первинна мета - допомогти розробникам програмного забезпечення в створенні і підтримці явних моделей предметної області та включення цих моделей безпосередньо в програмний код. Prot? G? включає редактор онтологій, що дозволяє проектувати онтології розвертаючи ієрархічну структуру абстрактних чи конкретних класів і слотів. Структура онтології зроблена аналогічно ієрархічній структурі каталогу. На основі сформованої онтології, Prot? G? може генерувати форми отримання знань для введення екземплярів класів і підкласів. Інструмент має графічний інтерфейс, зручний для використання недосвідченими користувачами, забезпечений довідками та прикладами.
Prot? G? заснований на фреймової моделі представлення знання OKBC і забезпечений поряд плагінів, що дозволяє його адаптувати для редагування моделей зберігаються в різних форматах (стандартний текстовий, в базі даних JDBC, UML, мов XML, XOL, SHOE, RDF і RDFS, DAML + OIL, OWL ).
Prot? G? має 3-х рівневу архітектуру, де існує чіткий поділ між зберіганням онтологій, модулями бізнес-логіки логіки додатків і додатками інтерфейсу користувача. Ці інструменти мають більші можливості з нарощування (наприклад, за допомогою плагінів). Більшість інструментів зберігає свої онтології в текстових файлах, що обмежує розмір онтологій. Тільки Prot? G? (І WebODE) можуть зберігати свої онтології в базах даних і таким чином керувати великими онтологіями. Нарешті, більшість інструментів реалізовано на Java.
Prot? G? забезпечує графічні засоби редагування та перегляду онтологій, де класи зазвичай представлені вузлами на графах, а відносини - дугами між ними. Додатково до цих графічним функціям, Prot? G? надає деяку підтримку в написанні формальних аксіом і складних виразів.
Опис Prot? G? - 2000
Prot? G? -2000 - Це інтегроване інструментальне програмний засіб, що використовується розробниками систем і експертами з предметним областям для розробки систем, заснованих на знаннях. Програми, розроблені за допомогою Prot? G? -2000, Використовуються при вирішенні завдань та прийнятті рішень у конкретній предметній області.
У той час як у більш ранньому засобі Prot? G? / Win, як у класичній системі баз даних окремо визначалися класи інформації (схема) і зберігалися екземпляри цих класів, Prot? G? -2000 Полегшує роботу і з класами, і з примірниками . Так, окремий екземпляр може бути використаний на рівні опису класу, а клас можна зберігати, як екземпляр. Подібним чином, слоти, які раніше використовувалися тільки всередині класів, зараз піднялися до рівня, на якому знаходяться класи. Використовуючи цю нову модель знань, також забезпечується відповідність протоколу ОКВС (Open Knowledge Base Connectivity) для доступу до баз даних, що зберігаються в системах подання знань. У кінцевому рахунку, додатки з цих компонентів також виконуються всередині інтегрованої середовища Prot? G? -2000.
Засіб Prot? G? -2000 Отримує доступ до всіх цих частин за допомогою уніфікованого графічного інтерфейсу користувача, верхній рівень якого включає перекриваються вкладки для компактного представлення частин і зручного їх спільного редагування. Такий дизайн верхнього рівня з вкладками дозволяє інтеграцію (1) моделювання онтології класів, яка описує певну дисципліну, (2) створення засобу придбання знань для збору інформації, (3) введення окремих екземплярів даних і створення бази знань і (4) виконання додатків. Онтологія визначає набір понять та їх відносини. Засіб придбання знань розробляється спеціально для предметної області, дозволяючи експертам з предметної області легко і вільно вводити свої знання в предметній області. Кінцева база знань потім може бути використана разом з методом пошуку вирішення завдань для відповіді на питання і рішення задач у предметній області. У кінцевому рахунку, програма є кінцевим продуктом, створеним, коли база знань використовується для вирішення задачі кінцевого користувача з використанням відповідних методів пошуку вирішення завдань, методів «експерт-система» або методів підтримки прийняття рішень.
Основне припущення в Prot? G? -2000 - Це те, що системи баз знань зазвичай дуже дорого будувати і підтримувати. Наприклад, передбачається, що розробкою системи, заснованої на знаннях, займається команда, включаючи як розробників, так і експертів з предметної області, які можуть бути в меншій мірі знайомі з комп'ютерним ПЗ. Prot? G? -2000 Призначено для того, щоб вести розробників та експертів з предметної області в процесі розробки системи. Prot? G? -2000 Призначено для того, щоб дозволити розробникам повторно використовувати онтології предметних областей і методи пошуку розв'язання задач, таким чином зменшуючи час, необхідний для розробки та підтримки програми. Кілька додатків можуть використовувати одну і ту ж онтологію предметної області для вирішення різних завдань; один і той же метод пошуку вирішення завдань може бути використаний з різними онтологіями. Більш докладно про побудову систем, заснованих на знаннях, та про підхід, що використовується в Prot? G? -2000, Можна дізнатися в розділі Планування Проекту Prot? G? -2000.
В даний час Prot? G? -2000 Використовується в клінічній медицині та біометричних науках, хоча її можна використовувати в будь-якій області, в якій поняття можна представити у вигляді ієрархії класів.
· Основи інженерії знань
· Моделі представлення знань
· Теоретичні аспекти видобування знань
· Когнітивна психологія в інженерії знань
· Методи видобування знань
· Методологія структурування знань
· Машинно-орієнтовані придбання та формування знань
були розроблені лабораторні роботи.
Наприклад, робота по темі «методи видобування знань» приведена нижче.
Заповнити семантичну мережу. Вирішіть, про що буде мережа. Наприклад, "Мене турбують мої стосунки з моїми друзями або колегами. Значить, мета моєї мережі -" Мої стосунки з колегами ". Якщо я вибрав собі автомобіль, мета решітки -" Які бувають автомобілі ". Щоб перейти до введення елементів - кнопка" Стоп ! "
Напишіть 8-15 людей або предметів, що відповідають назвою мережі. Краще, якщо вам допоможе скласти список елементів ваш консультант. Якщо працюєте самостійно, постарайтеся, щоб введені елементи приблизно рівномірно описували проблему. Для прикладу, тут лежить список ролей, запропонований самим Дж.Келлі. Можете, скориставшись їм, підставити свої значення. Далі переходимо до виявлення конструктів.
Порівняйте три пред'явлених елемента, розташуйте їх так, щоб два елементи відрізнялися від одного, по найбільш важливому, на ваш погляд, якості. Якщо це якість вам подобається, запишіть його в графу "конструкт". Якщо не подобається - у графу "контраст". Потім, намагаючись не використовувати частку не-, сформулюйте якість за значенням протилежне записаному, запишіть його у вільний вікно і натисніть кнопку "Додати".
Етап називається "Ранжування". Передбачається, що всі, по черзі пред'являються елементи, ви віднесете до більш відповідного полюса конструкту.
Після цього ви побачите нову трійку елементів. Проробіть з нею все те ж саме, але стежте, щоб записувані вами конструкти-контрасти не повторювалися. Передбачається, що таким чином ви виявите приблизно стільки ж конструктів, скільки у вас було записано елементів.
Подивимося, що вийшло. Якщо ви все зробили правильно, ви отримаєте два кластерних дерева. Одне утворено зв'язками між елементами, інше - між конструктами. Чим вище рівень зв'язку між елементами або конструктами, тим менше ви бачите різниці між ними.
Ось тепер саме час подумати, чому конструкції вийшли саме такими, який зв'язок між кластерами - утвореними групами конструктів. Якщо хочете оцінити ступінь впливу якогось елементу або конструкту, виділіть його та натисніть на кнопку "сховати". Ви побачите, як буде виглядати ваша система конструктів без цього конкретного. Подивіться, як змінилося і інше дерево.
· Основи інженерії знань
· Моделі представлення знань
· Теоретичні аспекти видобування знань
· Когнітивна психологія в інженерії знань
· Методи видобування знань
· Методологія структурування знань
· Машинно-орієнтовані придбання та формування знань
були розроблені контрольні питання.
Наприклад, питання по темі «методи видобування знань» наведено нижче.
1. Що називається витяганням знань і в чому полягає його головний аспект?
2. Назвіть основні рівні спілкування. Чим визначаються втрати інформації при спілкуванні?
3. Намалюйте структуру психологічного аспекту здобування знань.
4. Що таке контактний, процедурний, когнітивний шари здобуття знань?
5. Назвіть основні закономірності проведення процедури вилучення знань.
6. У чому полягає лінгвістичний аспект здобуття знань?
7. Намалюйте і поясніть схему отримання загального коду.
8. У чому полягає неоднозначність проблеми інтерпретації?
9. Що таке понятійна структура?
10. Що таке гносеологічний аспект здобуття знань?
11. У чому полягає модальність знань?
12. Що таке системно-структурний підхід до пізнання?
13. Намалюйте структуру пізнання.
14. У чому полягає встановлення зв'язків і закономірностей?
15. Для чого необхідна побудова ідеалізованої моделі?
16. Назвіть пасивні методи здобування знань.
17. Назвіть активні групові методи здобування знань.
18. Назвіть активні індивідуальні методи здобування знань.
19. Підготуйте анкету вилучення знань з лікування застуди народними методами.
20. Назвіть текстологічні методи видобування знань.
21. Що можуть зажадати сеанси спостережень від інженера по знаннях?
22. У чому полягає протоколювання думок вголос?
23. Назвіть переваги і недоліки кожного з пасивних методів здобування знань.
24. У чому полягає метод анкетування?
25. У чому полягає метод інтерв'ювання?
26. Яка схема підготовки до вільного діалогу?
27. Назвіть переваги і недоліки кожного з активних індивідуальних методів здобування знань.
28. У чому полягає метод круглого столу?
29. Що таке мозковий штурм?
30. Дайте класифікацію експертних ігор.
31. Що таке ігри з експертом?
32. Що таке рольові ігри?
33. Назвіть переваги і недоліки кожного з видів експертних ігор.
34. Намалюйте схему вилучення знань з тексту.
35. Як утворюється семантична структура тексту?
36. Що таке набір ключових слів?
37. Що називається структуруванням знань?
38. Що являє собою концептуальна і функціональна струкгур предметної області?
39. Опишіть концептуальну структуру для експертної системи "Як робити подарунки".
40. Створіть функціональну структуру, що відображає модель міркуванні експерта по вибору подарунка.
· Було проведено ознайомлення з таким розділом штучного інтелекту як інженерія знань.
· Були визначені розділи, теми, поняття і методи області «інженерія знань», що представляють значимість для освоєння учнями та формування їх погляду на цю область.
· Були зібрані матеріали з теми «інженерія знань», що мають цінність для побудови навчального курсу та навчання.
· Було визначено і знайдено програмне забезпечення, що дозволяє на практиці закріпити необхідні знання з інженерії знань.
· Було розроблено тематичне планування і робоча програма курсу, що дозволяють при проведенні занять з ним досягти заявлену мету і довести заявлену гіпотезу.
· Були розроблені лабораторні роботи, вправи й контрольні питання за темами курсу.
У результаті чого було підтвердження положення про можливість побудови курсу «Інженерія знань» на підтримку базового курсу «Основи штучного інтелекту» так, що майбутні вчителі інформатики зможуть познайомитися з методами та технологіями цій галузі досліджень в штучному інтелекті.
2. Осипов Г.С. Придбання знань інтелектуальними системами. М.: Наука, 1997.
3. Частика А.П., Гаврилова Т.А., Бєлов Д.Л. Розробка експертних систем. Середа CLIPS. BH V -Санкт-Петербург, 2003
4. Дюк В. А., Самойленко А. П. Data Mining (+ CD). Навчальний курс 1-е видання, 2001 рік, 368 стор
5. Осуга С., Обробка знань; М., 1989.
6. Уено Х., Каямо Т.,. Окомото Т. Представлення і використання знань / За ред. Х. Уено, М. Ісідзухо .- М.: Світ, 1989 .- 205 с.
7. Осуга С., Саекі Ю. Придбання знань. Пер. з япон. 1990. 304 с.
8. Е. дзуки Введення в методологію соціально-психологічного дослідження, Мілан-Новосибірськ, 1997
9. В. А. Дюк "Комп'ютерна психодіагностика", С.-Петербург, 1994
10. Франселла, Банніствер "Новий метод дослідження особистості", М., 1987
11. Дж.Келлі "Психологія особистості, теорія особистих конструктів", С-Петербург, 2000
12. Петренко В.Ф. "Психосемантика свідомості", М., 1988
13. М. Л. Іванова "Репертуарні особистісні методики", Ярославль, 1995,
14. Дж.Келлі "Психологія особистості, теорія особистих конструктів", С-Петербург, 2000,
15. В. В. Семенова Якісні методи в соціології, 1998
16. Р. Л. Солсо Когнітивна психологія, 1996
17. Шкуратова І.П, "Руководоство по пріменненію репертуарного тексту Дж.Келлі",
18. Олексіївська М.А., Недоступ А.В Діагностичні гри в медичних завданнях. Питання кібернетики. Завдання медичної діагностики та прогнозування з точки зору лікаря. 1988. N112.
19. Величковський Б.М. Когнітивна психологія. М.: Наука, 1987.
20. Гаврилова Т.А., Червінська К.Р. Виймання та структурування знань для експертних систем. М.: Радіо і зв'язок, 1992.
21. Гинкул Г.П. Ігровий підхід до придбання знань і його реалізація в системі КАПРИЗ. Проблеми застосування експертних систем в народному господарстві. Тез. докл. респ. школи-семінару. Кишинів. 1989.
22. Мицич П.П. Як проводити ділові розмови. - М.: Економіка, 1987.
23. Нейлор К. Як побудувати свою експертну систему. М.: Атоміздат, 1991.
24. Ноель Е. Масові опитування: Пер. з нім. М.: Прогрес, 1978.
25. Погосян Г.А. Метод інтерв'ю та достовірність соціологічної інформації. Єреван: АНАрм.ССР, 1985.
26. Побудова експертних систем / Під. ред. Ф.Хейсс-Рота, Д. Уотермена, Д. Лената., М.: Світ, 1987.
27. Соколов О.М. Внутрішня мова і мислення. М.: Просвещение, 1968.
28. Таунсенд К., Фохт Д. Проектування і реалізація експертних систем на ПЕОМ. М., Фінанси і статистика, 1991.
29. Шепотів Є.Г., Шмаков Б.В., Крикун П.Д. Методи активізації мислення. Челябінськ: ЧПІ, 1985
30. Шумиліна Т.В. Інтерв'ю в журналістці. М.: МГУ, 1973.
31. Вассерман Л. І., Дюк В. А., Іовльов Б. В., Червінська К. Р. Психологічна діагностика та нові інформаційні технології. - СПб.: СЛП, 1997.
32. Гаврилова Т. А., Червінська К. Р. Виймання та структурування знань для експертних систем. - М.: Радіо і зв'язок, 1992.
33. Коов М. І., Мацкін М. Б., Тиугу Е. X. Інтеграція концептуальних та експертних знань в САПР / / Изв. АН СРСР. Техн. кібернетика. - 1988. - № 5 .- С. 108-118.
34. Мінський М. Фрейми для представлення знань. - М.: Світ, 1979. Попов Е. В. Експертні системи. Рішення неформалізованих задач у діалозі з ЕОМ. - М.: Наука.
35. Поляков А. О. Технологія інтелектуальних систем: Учеб. посібник. - СПб.: СПБДТУ, 1995.
36. Ю. Попов Е. В. Особливості розробки і використання експертних систем / / Штучний інтелект. Кн. 1. Системи спілкування та експертні системи. - М.: Радіо і зв'язок, 1990.
37. П. Поспєлов Д. А. Дані і знання. Представлення знань / / Штучний інтелект. Кн. 2. Моделі та методи: Довідник / За ред. Д. А. Поспєлова. - М.: Радіо і зв'язок, 1990. - С. 7-13.
38. Представлення і використання знань / За ред. К. Уено, М. Ісізукі. - М.: Світ, 1989.
39. Таунсенд К., Фохт Д. Проектування і програмна реалізація експертних систем на персональних ЕОМ. - М.: Фінанси і статистика, 1990.
40. Франселла Ф., Банністер Д. Новий метод дослідження особистості. - М.: Прогрес, 1987.
У результаті вивчення дисципліни студенти повинні:
· Мати уявлення про сучасні методи видобування знань
· Мати практичні вміння роботи зі знаннями
· Мати вміння витягати знання з експертів і текстів
· Вміти організувати процес вилучення знань різними способами
·
Навчальний план
| Тема | Зміст | Часів | ||
| Лекцій | Практичних | |||
| 1 | основи інженерії знань | дані і знання, бази знань, основні сфери застосування баз знань - експертні системи, структура і класифікація експертних систем, етапи розробки експертних систем, колектив розробників експертних систем | 2 | 2 |
| 2 | моделі подання знань | семантичні мережі, фрейми, логічні уявлення, продукції | 2 | 2 |
| 3 | теоретичні аспекти видобування знань | стратегії отримання знань, психологічний аспект, лінгвістичний аспект, гносеологічний аспект | 2 | 2 |
| 4 | когнітивна психологія в інженерії знань | основи когнітивної психології, семантична репрезентація знань, образна репрезентація, сприйняття інформації, організація пам'яті | 2 | 2 |
| 5 | методи видобування знань | класифікація методів, пасивні методи, активні індивідуальні методи, активні групові методи, експертні ігри, текстологічні методи | 2 | 2 |
| 6 | методологія структурування знань | полі знань, стадії структурування, методи структурування, психосемантика і методи багатовимірного шкалювання | 2 | 2 |
| 7 | машинно-орієнтовані придбання та формування знань | автоматичне формування знань, системи автоматичного формування знань | 2 | 2 |
| 14 | 14 | |||
| Всього годин | 28 | |||
2.4. Навчально-методичні матеріали
В якості навчальних посібників можна рекомендувати наступні книги.Гаврилова Т. А., Червінська К. Р. Виймання та структурування знань для експертних систем - М.: Радіо і зв'язок, 1992. - 200с. Книга присвячена одному з найважливіших і недостатньо досліджених аспектів теорії і практики штучного інтелекту - вилучення і структурування знань при розробці експертних систем. При створенні так систем найбільшу складність викликає Домашина етап, на якому розробники виявляють знання фахівців у конкретній предметній області і структурують їх для подальшої формалізації і введення в ЕОМ. Як і всі дослідження з штучного інтелекту, дана тема носить міждисциплінарний характер, і тому в книзі висвітлено різні аспекти цієї проблеми, (включаючи питання когнітивної психології, психології спілкування, лінгвістики, гносеології та ін Розглянуто основні етапи розробки експертних систем з акцентом на практичні прийоми і методи інженерії знань, в тому числі вилучення знань з текстів, експертні гри, техніка інтерв'ювання та анкетування і т. д. Введена класифікація методів здобуття знань і запропонована методологія структурного аналізу знань, яка проілюстрована на прикладі трьох експертних систем - АВТАНТЕСТ, АВ-ТАНКЛІП і МІКРОЛЮШЕР. Дано огляд сучасного стану інших способів створення баз знань експертних систем, що включає аналіз систем індуктивного формування знань і автоматизованих систем придбання знань у прямому діалозі «експерт-ЕОМ».
Гаврилова Т. А., Хорошевський В. Ф. Бази знань інтелектуальних систем: Підручник для вузів. СПб: Питер, 2001 рік, 384 стор Підручник для технічних вузів по вхідним у різні дисципліни питанням розробки інтелектуальних систем. Актуальність предмету визначається стрімко розвивається сферою застосування інженерії знань і системного аналізу в різних областях діяльності. Особливістю викладу є його практична спрямованість: освоєння наявного матеріалу має бути достатньо для початку самостійної роботи над створенням інтелектуальної системи, заснованої на знаннях. У підручнику врахована все зростаюча роль Інтернету і тому детально розглядається застосування інженерії знань у Мережі.
2.5. Рекомендоване програмне забезпечення для проведення лабораторних робіт
З розглянутих вище спеціалізованих засобів роботи зі знаннями для проведення практичних робіт була обрана система Prot? G?.Prot? G? - Локальна, що вільно розповсюджується Java-програма, розроблена групою медичної інформатики Стенфордського університету (перша версія - 1987, остання Prot? G? -3.0 - Червень 2004). Програма призначена для побудови (створення, редагування та перегляду) онтологій прикладної області. Її первинна мета - допомогти розробникам програмного забезпечення в створенні і підтримці явних моделей предметної області та включення цих моделей безпосередньо в програмний код. Prot? G? включає редактор онтологій, що дозволяє проектувати онтології розвертаючи ієрархічну структуру абстрактних чи конкретних класів і слотів. Структура онтології зроблена аналогічно ієрархічній структурі каталогу. На основі сформованої онтології, Prot? G? може генерувати форми отримання знань для введення екземплярів класів і підкласів. Інструмент має графічний інтерфейс, зручний для використання недосвідченими користувачами, забезпечений довідками та прикладами.
Prot? G? заснований на фреймової моделі представлення знання OKBC і забезпечений поряд плагінів, що дозволяє його адаптувати для редагування моделей зберігаються в різних форматах (стандартний текстовий, в базі даних JDBC, UML, мов XML, XOL, SHOE, RDF і RDFS, DAML + OIL, OWL ).
Prot? G? має 3-х рівневу архітектуру, де існує чіткий поділ між зберіганням онтологій, модулями бізнес-логіки логіки додатків і додатками інтерфейсу користувача. Ці інструменти мають більші можливості з нарощування (наприклад, за допомогою плагінів). Більшість інструментів зберігає свої онтології в текстових файлах, що обмежує розмір онтологій. Тільки Prot? G? (І WebODE) можуть зберігати свої онтології в базах даних і таким чином керувати великими онтологіями. Нарешті, більшість інструментів реалізовано на Java.
Prot? G? забезпечує графічні засоби редагування та перегляду онтологій, де класи зазвичай представлені вузлами на графах, а відносини - дугами між ними. Додатково до цих графічним функціям, Prot? G? надає деяку підтримку в написанні формальних аксіом і складних виразів.
Опис Prot? G? - 2000
Prot? G? -2000 - Це інтегроване інструментальне програмний засіб, що використовується розробниками систем і експертами з предметним областям для розробки систем, заснованих на знаннях. Програми, розроблені за допомогою Prot? G? -2000, Використовуються при вирішенні завдань та прийнятті рішень у конкретній предметній області.
У той час як у більш ранньому засобі Prot? G? / Win, як у класичній системі баз даних окремо визначалися класи інформації (схема) і зберігалися екземпляри цих класів, Prot? G? -2000 Полегшує роботу і з класами, і з примірниками . Так, окремий екземпляр може бути використаний на рівні опису класу, а клас можна зберігати, як екземпляр. Подібним чином, слоти, які раніше використовувалися тільки всередині класів, зараз піднялися до рівня, на якому знаходяться класи. Використовуючи цю нову модель знань, також забезпечується відповідність протоколу ОКВС (Open Knowledge Base Connectivity) для доступу до баз даних, що зберігаються в системах подання знань. У кінцевому рахунку, додатки з цих компонентів також виконуються всередині інтегрованої середовища Prot? G? -2000.
Засіб Prot? G? -2000 Отримує доступ до всіх цих частин за допомогою уніфікованого графічного інтерфейсу користувача, верхній рівень якого включає перекриваються вкладки для компактного представлення частин і зручного їх спільного редагування. Такий дизайн верхнього рівня з вкладками дозволяє інтеграцію (1) моделювання онтології класів, яка описує певну дисципліну, (2) створення засобу придбання знань для збору інформації, (3) введення окремих екземплярів даних і створення бази знань і (4) виконання додатків. Онтологія визначає набір понять та їх відносини. Засіб придбання знань розробляється спеціально для предметної області, дозволяючи експертам з предметної області легко і вільно вводити свої знання в предметній області. Кінцева база знань потім може бути використана разом з методом пошуку вирішення завдань для відповіді на питання і рішення задач у предметній області. У кінцевому рахунку, програма є кінцевим продуктом, створеним, коли база знань використовується для вирішення задачі кінцевого користувача з використанням відповідних методів пошуку вирішення завдань, методів «експерт-система» або методів підтримки прийняття рішень.
Основне припущення в Prot? G? -2000 - Це те, що системи баз знань зазвичай дуже дорого будувати і підтримувати. Наприклад, передбачається, що розробкою системи, заснованої на знаннях, займається команда, включаючи як розробників, так і експертів з предметної області, які можуть бути в меншій мірі знайомі з комп'ютерним ПЗ. Prot? G? -2000 Призначено для того, щоб вести розробників та експертів з предметної області в процесі розробки системи. Prot? G? -2000 Призначено для того, щоб дозволити розробникам повторно використовувати онтології предметних областей і методи пошуку розв'язання задач, таким чином зменшуючи час, необхідний для розробки та підтримки програми. Кілька додатків можуть використовувати одну і ту ж онтологію предметної області для вирішення різних завдань; один і той же метод пошуку вирішення завдань може бути використаний з різними онтологіями. Більш докладно про побудову систем, заснованих на знаннях, та про підхід, що використовується в Prot? G? -2000, Можна дізнатися в розділі Планування Проекту Prot? G? -2000.
В даний час Prot? G? -2000 Використовується в клінічній медицині та біометричних науках, хоча її можна використовувати в будь-якій області, в якій поняття можна представити у вигляді ієрархії класів.
2.6. Лабораторні роботи
За всіма темами курсу:· Основи інженерії знань
· Моделі представлення знань
· Теоретичні аспекти видобування знань
· Когнітивна психологія в інженерії знань
· Методи видобування знань
· Методологія структурування знань
· Машинно-орієнтовані придбання та формування знань
були розроблені лабораторні роботи.
Наприклад, робота по темі «методи видобування знань» приведена нижче.
Заповнити семантичну мережу. Вирішіть, про що буде мережа. Наприклад, "Мене турбують мої стосунки з моїми друзями або колегами. Значить, мета моєї мережі -" Мої стосунки з колегами ". Якщо я вибрав собі автомобіль, мета решітки -" Які бувають автомобілі ". Щоб перейти до введення елементів - кнопка" Стоп ! "
Напишіть 8-15 людей або предметів, що відповідають назвою мережі. Краще, якщо вам допоможе скласти список елементів ваш консультант. Якщо працюєте самостійно, постарайтеся, щоб введені елементи приблизно рівномірно описували проблему. Для прикладу, тут лежить список ролей, запропонований самим Дж.Келлі. Можете, скориставшись їм, підставити свої значення. Далі переходимо до виявлення конструктів.
Порівняйте три пред'явлених елемента, розташуйте їх так, щоб два елементи відрізнялися від одного, по найбільш важливому, на ваш погляд, якості. Якщо це якість вам подобається, запишіть його в графу "конструкт". Якщо не подобається - у графу "контраст". Потім, намагаючись не використовувати частку не-, сформулюйте якість за значенням протилежне записаному, запишіть його у вільний вікно і натисніть кнопку "Додати".
Етап називається "Ранжування". Передбачається, що всі, по черзі пред'являються елементи, ви віднесете до більш відповідного полюса конструкту.
Після цього ви побачите нову трійку елементів. Проробіть з нею все те ж саме, але стежте, щоб записувані вами конструкти-контрасти не повторювалися. Передбачається, що таким чином ви виявите приблизно стільки ж конструктів, скільки у вас було записано елементів.
Подивимося, що вийшло. Якщо ви все зробили правильно, ви отримаєте два кластерних дерева. Одне утворено зв'язками між елементами, інше - між конструктами. Чим вище рівень зв'язку між елементами або конструктами, тим менше ви бачите різниці між ними.
Ось тепер саме час подумати, чому конструкції вийшли саме такими, який зв'язок між кластерами - утвореними групами конструктів. Якщо хочете оцінити ступінь впливу якогось елементу або конструкту, виділіть його та натисніть на кнопку "сховати". Ви побачите, як буде виглядати ваша система конструктів без цього конкретного. Подивіться, як змінилося і інше дерево.
2.7. Контрольно-вимірювальні матеріали
За всіма темами курсу:· Основи інженерії знань
· Моделі представлення знань
· Теоретичні аспекти видобування знань
· Когнітивна психологія в інженерії знань
· Методи видобування знань
· Методологія структурування знань
· Машинно-орієнтовані придбання та формування знань
були розроблені контрольні питання.
Наприклад, питання по темі «методи видобування знань» наведено нижче.
1. Що називається витяганням знань і в чому полягає його головний аспект?
2. Назвіть основні рівні спілкування. Чим визначаються втрати інформації при спілкуванні?
3. Намалюйте структуру психологічного аспекту здобування знань.
4. Що таке контактний, процедурний, когнітивний шари здобуття знань?
5. Назвіть основні закономірності проведення процедури вилучення знань.
6. У чому полягає лінгвістичний аспект здобуття знань?
7. Намалюйте і поясніть схему отримання загального коду.
8. У чому полягає неоднозначність проблеми інтерпретації?
9. Що таке понятійна структура?
10. Що таке гносеологічний аспект здобуття знань?
11. У чому полягає модальність знань?
12. Що таке системно-структурний підхід до пізнання?
13. Намалюйте структуру пізнання.
14. У чому полягає встановлення зв'язків і закономірностей?
15. Для чого необхідна побудова ідеалізованої моделі?
16. Назвіть пасивні методи здобування знань.
17. Назвіть активні групові методи здобування знань.
18. Назвіть активні індивідуальні методи здобування знань.
19. Підготуйте анкету вилучення знань з лікування застуди народними методами.
20. Назвіть текстологічні методи видобування знань.
21. Що можуть зажадати сеанси спостережень від інженера по знаннях?
22. У чому полягає протоколювання думок вголос?
23. Назвіть переваги і недоліки кожного з пасивних методів здобування знань.
24. У чому полягає метод анкетування?
25. У чому полягає метод інтерв'ювання?
26. Яка схема підготовки до вільного діалогу?
27. Назвіть переваги і недоліки кожного з активних індивідуальних методів здобування знань.
28. У чому полягає метод круглого столу?
29. Що таке мозковий штурм?
30. Дайте класифікацію експертних ігор.
31. Що таке ігри з експертом?
32. Що таке рольові ігри?
33. Назвіть переваги і недоліки кожного з видів експертних ігор.
34. Намалюйте схему вилучення знань з тексту.
35. Як утворюється семантична структура тексту?
36. Що таке набір ключових слів?
37. Що називається структуруванням знань?
38. Що являє собою концептуальна і функціональна струкгур предметної області?
39. Опишіть концептуальну структуру для експертної системи "Як робити подарунки".
40. Створіть функціональну структуру, що відображає модель міркуванні експерта по вибору подарунка.
Висновок
В результаті виконання даної роботи була досліджена можливість побудови курсу навчання основам інженерії знань для майбутніх вчителів інформатики. Для цього були реалізовані наступні завдання:· Було проведено ознайомлення з таким розділом штучного інтелекту як інженерія знань.
· Були визначені розділи, теми, поняття і методи області «інженерія знань», що представляють значимість для освоєння учнями та формування їх погляду на цю область.
· Були зібрані матеріали з теми «інженерія знань», що мають цінність для побудови навчального курсу та навчання.
· Було визначено і знайдено програмне забезпечення, що дозволяє на практиці закріпити необхідні знання з інженерії знань.
· Було розроблено тематичне планування і робоча програма курсу, що дозволяють при проведенні занять з ним досягти заявлену мету і довести заявлену гіпотезу.
· Були розроблені лабораторні роботи, вправи й контрольні питання за темами курсу.
У результаті чого було підтвердження положення про можливість побудови курсу «Інженерія знань» на підтримку базового курсу «Основи штучного інтелекту» так, що майбутні вчителі інформатики зможуть познайомитися з методами та технологіями цій галузі досліджень в штучному інтелекті.
Література
1. Гаврилова Т. А., Хорошевський В. Ф. Бази знань інтелектуальних систем: Підручник для вузів. СПб: Питер, 2001 рік, 384 стор2. Осипов Г.С. Придбання знань інтелектуальними системами. М.: Наука, 1997.
3. Частика А.П., Гаврилова Т.А., Бєлов Д.Л. Розробка експертних систем. Середа CLIPS. BH
4. Дюк В. А., Самойленко А. П. Data Mining (+ CD). Навчальний курс 1-е видання, 2001 рік, 368 стор
5. Осуга С., Обробка знань; М., 1989.
6. Уено Х., Каямо Т.,. Окомото Т. Представлення і використання знань / За ред. Х. Уено, М. Ісідзухо .- М.: Світ, 1989 .- 205 с.
7. Осуга С., Саекі Ю. Придбання знань. Пер. з япон. 1990. 304 с.
8. Е. дзуки Введення в методологію соціально-психологічного дослідження, Мілан-Новосибірськ, 1997
9. В. А. Дюк "Комп'ютерна психодіагностика", С.-Петербург, 1994
10. Франселла, Банніствер "Новий метод дослідження особистості", М., 1987
11. Дж.Келлі "Психологія особистості, теорія особистих конструктів", С-Петербург, 2000
12. Петренко В.Ф. "Психосемантика свідомості", М., 1988
13. М. Л. Іванова "Репертуарні особистісні методики", Ярославль, 1995,
14. Дж.Келлі "Психологія особистості, теорія особистих конструктів", С-Петербург, 2000,
15. В. В. Семенова Якісні методи в соціології, 1998
16. Р. Л. Солсо Когнітивна психологія, 1996
17. Шкуратова І.П, "Руководоство по пріменненію репертуарного тексту Дж.Келлі",
18. Олексіївська М.А., Недоступ А.В Діагностичні гри в медичних завданнях. Питання кібернетики. Завдання медичної діагностики та прогнозування з точки зору лікаря. 1988. N112.
19. Величковський Б.М. Когнітивна психологія. М.: Наука, 1987.
20. Гаврилова Т.А., Червінська К.Р. Виймання та структурування знань для експертних систем. М.: Радіо і зв'язок, 1992.
21. Гинкул Г.П. Ігровий підхід до придбання знань і його реалізація в системі КАПРИЗ. Проблеми застосування експертних систем в народному господарстві. Тез. докл. респ. школи-семінару. Кишинів. 1989.
22. Мицич П.П. Як проводити ділові розмови. - М.: Економіка, 1987.
23. Нейлор К. Як побудувати свою експертну систему. М.: Атоміздат, 1991.
24. Ноель Е. Масові опитування: Пер. з нім. М.: Прогрес, 1978.
25. Погосян Г.А. Метод інтерв'ю та достовірність соціологічної інформації. Єреван: АНАрм.ССР, 1985.
26. Побудова експертних систем / Під. ред. Ф.Хейсс-Рота, Д. Уотермена, Д. Лената., М.: Світ, 1987.
27. Соколов О.М. Внутрішня мова і мислення. М.: Просвещение, 1968.
28. Таунсенд К., Фохт Д. Проектування і реалізація експертних систем на ПЕОМ. М., Фінанси і статистика, 1991.
29. Шепотів Є.Г., Шмаков Б.В., Крикун П.Д. Методи активізації мислення. Челябінськ: ЧПІ, 1985
30. Шумиліна Т.В. Інтерв'ю в журналістці. М.: МГУ, 1973.
31. Вассерман Л. І., Дюк В. А., Іовльов Б. В., Червінська К. Р. Психологічна діагностика та нові інформаційні технології. - СПб.: СЛП, 1997.
32. Гаврилова Т. А., Червінська К. Р. Виймання та структурування знань для експертних систем. - М.: Радіо і зв'язок, 1992.
33. Коов М. І., Мацкін М. Б., Тиугу Е. X. Інтеграція концептуальних та експертних знань в САПР / / Изв. АН СРСР. Техн. кібернетика. - 1988. - № 5 .- С. 108-118.
34. Мінський М. Фрейми для представлення знань. - М.: Світ, 1979. Попов Е. В. Експертні системи. Рішення неформалізованих задач у діалозі з ЕОМ. - М.: Наука.
35. Поляков А. О. Технологія інтелектуальних систем: Учеб. посібник. - СПб.: СПБДТУ, 1995.
36. Ю. Попов Е. В. Особливості розробки і використання експертних систем / / Штучний інтелект. Кн. 1. Системи спілкування та експертні системи. - М.: Радіо і зв'язок, 1990.
37. П. Поспєлов Д. А. Дані і знання. Представлення знань / / Штучний інтелект. Кн. 2. Моделі та методи: Довідник / За ред. Д. А. Поспєлова. - М.: Радіо і зв'язок, 1990. - С. 7-13.
38. Представлення і використання знань / За ред. К. Уено, М. Ісізукі. - М.: Світ, 1989.
39. Таунсенд К., Фохт Д. Проектування і програмна реалізація експертних систем на персональних ЕОМ. - М.: Фінанси і статистика, 1990.
40. Франселла Ф., Банністер Д. Новий метод дослідження особистості. - М.: Прогрес, 1987.