Предметная и проблемная области.

Предметную область можно определить как сферу человеческой деятельности, выделенную и описанную согласно установленным критериям. В описываемое понятие должны входить сведения об ее элементах, явлениях, отношениях и процессах, отражающих различные аспекты этой деятельности. В описании предметной об­ласти должны присутствовать характеристики возможных воздей­ствий окружающей среды на элементы и явления предметной об­ласти, а также обратные воздействия этих элементов и явлений на среду. Работа по изучению и анализу предметной области: проектировании интеллектуальных систем оказывает решающее влияние на эффектив­ность ее работы.

Специфика предметной области может оказывать существенное влияние на характер функционирования проектируемой интеллектуальной системе, вы­бор метода представления знаний, способов рассуждения о знаниях, и т. д. В то же время можно привести примеры, когда системы ИИ, ориентированные на использование в определенной проблемной среде, подходили для проблематики совершенно из другой области.

Говоря о проблемной области, имею в виду комплексное понятие, включающее предметную область, решаемые задачи, цели, возможные стратегии и эвристики.

Предметную область можно определить как объект или производственную систему со всем комплексом понятий и знаний о ее функционировании. При исследовании проблемной области необходимы знания о задачах, решаемых в производственной системе, и стоящих перед ней целях. Определяются также возможные стратегии управления и эвристические знания, используемые в процессе эксплуатации производственной системы.

При исследовании экономических и производственных систем, производственных объектов и решаемых ими задач с целью формализации знаний в БЗ и работе с ними в интеллектуальных системах необходимо учитывать специфику таких систем. Экономическим и производственным системам присуща динамичность функционирования, частая смена ситуаций, обновление больших массивов измерительных и других данных, характеризующих состояние объекта. Они часто функцио­нируют в условиях неполной определенности из-за действия слу­чайных возмущающих факторов. Вместе с тем многие из произ­водств бывают вредными или протекают в опасной для человека среде, что предъявляет повышенные требования к надежности систем управления ими.

Таким образом, при проектировании БЗ надо определенным образом организовывать ее для работы в реальном времени, ког­да значительные объемы знаний и данных могут быстро изменять­ся и обновляться. Необходимо обеспечить точность и своевремен­ность представления экспертизы и рекомендаций пользователю (требование работы в реальном времени), а также высокую на­дежность работы интеллектуальных систем (требование надежности и безотказнос­ти в случае использования их для опасных производств). Кроме того, сам характер задач, решаемых в экономических и производственных систе­мах, в значительной степени влияет на процесс организации и проектирования интеллектуальных систем.

На характер знаний, возможность их структу­ризации, объемы, режимы работы с ними существенное влияние оказывают как область использования интеллектуальных систем (тип конкретного процесса, отрасль, среда функционирования системы), так и реализуемые интеллектуальными системами задачи, которые были пере­числены выше.

В системах управления экономическими и производственными процессами знания­ми могут являться описания конкретного процесса, характеристи­ки компонентов финансовая и аналитическая информация, фактографические знания или данные. Помимо этого знаниями являются эвристики, или правила, представляющие собой суж­дения на основе данных, для решения задачи управления, напри­мер когда необходим останов оборудования на ремонт, какими должны быть промежуточные запасы, значения технологических параметров при определенном качестве сырья и т. д. Эти прави­ла, или эвристики, базируются обычно на прошлом опыте.

При решении задач диспетчерского управления знаниями яв­ляются, например, данные контроля, поступающие с датчиков из­мерения расхода и уровня, скорости потока, качественные харак­теристики продуктов, а также оперативная информация о ходе выполнения плана, поставках, сбыте и т. д. Знаниями являются, в свою очередь, реакции и действия управленческого персонала при определенных значениях и набора данных контроля, действия в аварийных и критических ситуациях, координирующие дейст­вия между отдельными технологическими подразделениями заво­да в зависимости от производственной ситуации, и т. д.

При проектировании и планировании производства, в задачах в качестве знаний мо­гут выступать иные совокупности данных и правил действий.

Характер целей и стратегий управления для различных экономических и производственных задач и в разных областях приложения может также значительно отличаться.

Приобретение знаний реализуется с помощью двух функций: получения информации извне и ее систематизации. При этом в зависимости от способности системы обучения к логическим выводам возможны различные формы приобретения знаний, а также различные формы получаемой информации.

Форма представления знаний для их использования определяется внутри системы, поэтому форма информации, которую она может принимать зависит от того, какие способности имеет система для формализации информации до уровня знаний.

Чем выше способности компьютера к логическим выводам, тем меньше нагрузка на человека.

Следовательно, от функций обучения требуется преобразование полученной извне информации в знания и пополнения ими базы знаний.

Методы получения информации от экспертов, позволяющие строить полные (в рамках проблемной области) и непротиворечивые базы экспертных знаний, с использованием психологически корректных процедур получения знаний, описаны в работе [15].

В [53] предложена следующая классификация этапов обучения, соответствующих способностям компьютеров к формализации знаний.

А. Получение информации без логических выводов.

1. Вводе программ.

2. Ввод фактических данных.

Б. Получение извне информации, уже представленной в виде знаний.

1. Получение готового набора знаний, представленных во внутреннем формате.

2. Получение знаний, представленных во внутреннем формате, в режиме диалога.

3. Получение знаний, представленных во внешнем формате, и их понимание.

В. Обучение по примерам.

1. Параметрическое обучение.

2. Обучение на основе выводов по аналогии.

3. Обучение на основе выводов по индукции – эвристическое обучение.

Г. Приобретение знаний на метауровне.

Категорию А можно назвать обучение без выводов или механическим запоминанием, это простой процесс получения информации, при котором необязательны функции выводов, а полученная информация в виде программ или данных используется для решения задач в неизменном виде.

Категория Б – это получение информации извне представленной в форме знаний, т.е. в форме, которую можно использовать для выводов. Обучающейся системе необходимо иметь функцию преобразования входной информации в формат, удобный для дальнейшего использования и включения в базу знаний.

Приобретение знаний на этом этапе происходит в наиболее простой форме: это знания, предварительно подготовленные человеком во внутреннем формате, какими являются большинство специальных знаний, изначально заданных в интеллектуальных системах.

В случае прикладных систем инженерии знаний необходимо преобразовать специальные знания из какой-либо области в машинный формат, но для этого нужен посредник, хорошо знающий как проблемную область, так и инженерию знаний. Таких посредников называют инженерами по знаниям (инженерами знаний).

Для подготовки знаний в интеллектуальной системе необходимы вспомогательные средства типа редактора знаний, причем в процессе приобретения знаний в диалоге редактируются отдельные правила, но и восполняются недостатки существующих правил, т.е. ведется редактирование базы знаний.

Если знания заданы во внешнем формате, например на естественном языке, то следует преобразовать их во внутренний формат. Для этого необходимо понимать внешнее представление, т.е. естественный язык, графические данные и т.п. Фактически приобретение знаний и их понимание тесно связаны. Проблема понимания сводится не только к преобразованию структуры предложений – необходимо получить формат, удобный для применения.

Аналогичная проблема – преобразование во внутренний формат советов, подсказок по решению задач. В этом заключается одна из центральных проблем искусственного интеллекта. Она, в частности, изучает преобразование советов, подсказок, рекомендаций, представленных в терминах проблемной области, в процедуры.

Проблемы категории Б возникают из-за того, что описание, или, что то же самое, представление знаний, задаются извне в некотором формате. При этом необходимо всего лишь преобразование форматов представления информации, но функция открытия не требуется.

Напротив, в категории В есть свои особенности приобретения знаний: здесь выполняется сбор отдельных фактов, их обобщение и использование в качестве знаний. Для этого уже необходимо выявить общие понятия, вытекающие из примеров, и выбрать формат или структуру информации для их представления. В зависимости от уровня функций выводов могут возникать как сравнительно простые, так и сложные предсказания.

Высший уровень категории В – эвристическое обучение. В этом случает представление знаний наиболее сложное. Практически эвристическое в полном смысле обучение не реализовано.

По сравнению с категориями А и Б методы обучения по категории В имеют большую степень свободы.

Параметрическое обучение. Наиболее простая форма обучения по примерам или наблюдениям состоит в определении общего вида правила, которое должно стать результатом вывода, и последующей корректировки входящих в это правило параметров в зависимости от данных. При этом используются психологические модели обучения, системы управления обучением и другие системы.

Обучение на основе выводов по аналогии Приобретение новых понятий возможно путем преобразования существующих знаний, похожих на те, которые собираются получить. Это важная функций, которую называют обучением на основе выводов по аналогии или просто обучением по аналогии. В нашей жизни много примеров, когда новые понятия или технические приемы приобретаются с помощью аналогий. Выводы по аналогии – один из важных объектов исследования ИИ.

Обучение на основе выводов по индукции – эвристическое обучение. Среди всех форм обучения особо выделим обучение на основе выводов по индукции – это обучение с использованием выводов высокого уровня, как при обучении по аналогии.

В процессе этого обучения путем обобщения совокупности имеющихся данных выводятся общие правила. Обучение этой категории включает открытие новых правил, построение теорий, создание структур и другие действия, причем модель теории или структуры, которые следует создать, заранее не задаются, поэтому их необходимо разработать. Исследование структурированных выводов активно ведется многими специалистами, но такие выводы пока еще не реализованы. Индуктивные выводы возможны в случае, когда представление результата вывода частично определяется из представления входной информации.

Рассмотренные категории обучения и приобретения знаний реализуются на объектном уровне, а еще более сложная проблема- приобретение знаний на матауровне (категория Г в нашей классификации), т.е. знаний, основой которых является информация по управлению решением задач с использованием знаний на объектном уровне. Для знаний на метауровне пока не установлены ни формы представления и использования, ни связь со знаниями на объектном уровне, ни другая техника их систематизации.

Поскольку не определена форма их представления с точки зрения использования, то трудно говорить о приобретении знаний на метауровне. Тем не менее, с этой проблемой связаны многие надежды в инженерии знаний.