Системы управления знаниями

Под системой управлением знаниями (СУЗ) понимается совокупность организационных процедур, подразделений и компьютерных технологий, которые обеспечивают интеграцию разнородных источников знаний и их коллективное использование в деловых процессах.

Отличительной особенностью системы управления знаниями является интеграция множества разнородных, часто территориально распределенных источников знаний для решения общих задач. СУЗ интегрирует знания, как из внутренних, так и из внешних источников. Источники знаний могут иметь недокументированную форму (например, неявные знания экспертов), документированную форму (например, текстовую, табличную, графическую форму) и структурируемую форму – в виде баз знаний экспертных систем.

Экспертные системы

Определение:

Экспертная система (ЭС, expert system) — компьютерная программа, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации.

 

ЭС – это компьютерная система, способная имитировать процесс принятия решения человеком-экспертом (Wikipedia eng).

ЭС - это прикладные системы ИИ, в которых база знаний представляет собой формализованные эмпирические знания высококвалифицированных специалистов (экспертов) в какой-либо узкой предметной области.

 

Ключевым элементом такой системы является база знаний, содержащая знания специалистов о некоторой узкой предметной области.

 

ЭС могут использоваться пользователем (не специалистом в данной области) для улучшения их способностей в решении задач определенного класса в конкретной предметной области.

Также данные системы могут использоваться для распространения редких знаний.

Развитие направления по технологии разработки ЭС создало научную область, получившую название инженерии знаний.

Инженерия знаний представляет собой совокупность моделей, методов и технических приемов, нацеленных на создание систем, основанных на знаниях (СОЗ).

Главными элементами инженерии знаний являются использование операций типа обобщение, генерация гипотез для индуктивных выводов и др. Слово engineering в английском означает искусная обработка предметов, изобретение или создание чего-либо. Следовательно, работу по оснащению программ специальными экспертными знаниями из проблемной области, выполняемую человеком, либо компьютером (программой), также можно назвать инженерией знаний.

Рассмотрим примеры первых систем, получивших название ЭС:

MYCIN — экспертная система для медицинской диагностики. Разработана группой специалистов по инфекционным заболеваниям Стенфордского университета.

Система MYCIN ставит соответствующий диагноз, исходя из представленных ей симптомов, и рекомендует курс медикаментозного лечения любой из диагностированных инфекций. База данных состоит из 450 правил.

PUFF — система анализа нарушения дыхания. Данная система представляет собой модифицированную систему MYCIN, из которой удалили данные по инфекциям и вставили данные о легочных заболеваниях.

DENDRAL — система распознавания химических структур. Эта система — старейшая из имеющих звание экспертных. Первые ее версии появились еще в 1965 году во все том же Стенфордском университете. Пользователь дает системе DENDRAL некоторую информацию о веществе, а также данные спектрометрии (например, инфракрасной спектрометрии или масс-спектрометрии), в результате ЭС выдает вид соответствующей химической структуры.

PROSPECTOR — экспертная система, созданная для содействия поиску коммерчески оправданных месторождений полезных ископаемых.

 

Основные понятия и определения

Механизм логического вывода в структуре ЭС предназначен для получения новых фактов на основе сопоставления исходных данных из рабочей памяти и знаний из базы знаний.

Этот компонент является в основном компьютерной программой, которая обеспечивает методологию для рассуждения об информации из БЗ, из рабочей области, а также для формулирования заключений.

Внутри экспертной системы нет заранее определенного дерева вопросов, каждый следующий вопрос выбирается исходя из ответов на все предыдущие. Это позволяет исключить лишние вопросы и не выдавать варианты ответа, которые не приведут к каким-либо результатам.

Экспертные системы имеют одно большое отличие от других ИИС: они не предназначены для решения каких-то универсальных задач, как например нейронные сети или генетические алгоритмы. Экспертные системы предназначены для качественного решения задач в определенной разработчиками области, в редких случаях – областях.

 

Рассмотрим подробнее элемент базы знаний ЭС.

Ценность всей экспертной системы как законченного продукта на 90% определяется качеством созданной базы знаний.

Структурно БЗ можно организовать в ви­де двух основных подбаз:

1 - базы правил (БП);

* правила - набор инструкций, применяя которые к известным фактам можно получать новые факты

2 - базы данных (БД) или фактов;

* факты - статические сведения о предметной области.

В БД хранится фактографическая информация о решаемых задачах, а также данные, которые относятся к указанной предметной области.

А элемент БП определяет отношения между элементами данных, на основе моделей пред­ставления знаний о предметной области.

Таким образом, очень обобщенно можно говорить о двух уров­нях представления знаний:

первый уровень — фактографическая информация, данные;

второй уровень — описания, отношения, правила и процедуры, определяющие способ манипулирования фактографической информацией.

Помимо знаний о предметной области в БЗ должны храниться и другие типы знаний, такие как знания о пользова­теле, целях и т. д. Эти знания в основном содержатся на втором уровне представления в виде блоков или органических частей БП.

Во многих интеллектуальных системах, особенно работающих в реальном времени, реализуется уровень метазнаний, кото­рый необходим для обеспечения рационализации процессов управления знаниями в БЗ, уменьшения области поиска решения, сокращения время обработки ин­формации.

Метазнания - это зна­ния системы о себе, т. е. знания о своих знаниях, их структуре и о принципах своего функционирования.

Пример использования метазнаний – выбор среди имею­щегося набора стратегий поиска наибо­лее эффективной.

Рис.2. Обобщенная структура БЗ

При варианте структуры БЗ, представленном на Рис.2., функ­ции интерпретатора правил, реализующе­го механизм вывода решений, по существу выполняет верхний уровень БЗ – блок метазнаний.

Необходимо подчеркнуть, что существуют различные вариан­ты как организации самой БЗ, так и взаимодействия БЗ с дру­гими компонентами ИС.

Рассмотрим процесс вза­имодействия БЗ с основными модулями системы при поиске и ге­нерации знаний. Структура БЗ берется из предыдущей схемы.

 

Рис.3. Структура взаимодействия БЗ с основными компонентами ИС

Вывод решения и ге­нерация новых правил и знаний осуществляется с помощью блока вывода, который взаимодействует с метауровнем БЗ при интерпретации правил и данных находящихся в БЗ.

Решение задачи и работа с правилами и данными осуществля­ются в специальном блоке - рабочей области (или рабочей памяти). В нем содержится описание решаемой задачи, а также данные и правила из БЗ и стратегия механизма вывода.

Компонент рабочей памяти предназначен для хранения исходных и промежуточных фактов решаемой в текущий момент задачи. Как правило, размещается в оперативной памяти ЭВМ и отражает текущее состояние предметной области в виде фактов с коэффициентами уверенности (КУ) в истинности этих фактов.

При использовании наиболее распространенных в настоящее время продукционных систем представления знаний возможен иной ва­риант структурной и функциональной организации основных ком­понентов системы, который можно представить следующей схемой.

Рис.4. Структура взаимодействия БЗ с основными компонентами ИС на примере продукционных систем.

Что касается Механизма объяснения знаний, то он необходим в составе интеллектуальной системы, так как в процессе или по результатам решения задачи пользователь может запросить объяснение или обоснование хода решения.

Современные ИС способны предоставить соответствующий механизм объяснения.

Объяснительные способности ИС определяются возможностью механизма вывода запоминать путь решения задачи.

Пользователь имеет возможность задать вопросы: “Как?” и “Почему?” было получено решение или запрошены те или иные данные, при этом, система всегда может выдать цепочку рассуждений до требуемой контрольной точки, сопровождая выдачу объяснений заранее подготовленными комментариями.

В случае отсутствия решения задач объяснение должно выдаваться пользователю автоматически.

Если же пользователь продолжает не понимать полученный ответ, то система должна быть способна в диалоге на основе поддерживаемой модели проблемных знаний обучать пользователя тем или иным фрагментам знаний, т.е. раскрывать более подробно отдельные понятия и зависимости, если даже эти детали непосредственно в выводе не использовались.

Характерными чертами ЭС являются:

• четкая ограниченность предметной области;
• способность принимать решения в условиях неопределенности;
• способность объяснять ход и результат решения (понятным для пользователя способом);
• четкое разделение декларативных и процедурных знаний (т.е. фактов и механизмов вывода);
• способность пополнять базу знаний;
• выдача результата в виде конкретных рекомендаций, не уступающих решениям лучших специалистов;
• ориентация на решение неформализованных задач;
• алгоритм решения не описывается заранее, а строится самой экспертной системой;

· отсутствие гарантии нахождения оптимального решения.

Классификация экспертных систем.

- Статические ЭС - это ЭС, решающие задачи в условиях не изменяющихся во времени исходных данных и знаний.

- Квазидинамические ЭС интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.

- Динамические ЭС - это ЭС, решающие задачи в условиях изменяющихся во времени исходных данных и знаний.

Рассмотрим подробнее данные типы ЭС.

Здесь можно немного пояснить компоненты приобретения знаний и диалога.

Подсистема приобретения и пополнения знаний автоматизирует процесс наполнения экспертной системы знаниями, и адаптации базы знаний к условиям ее функционирования. Адаптация к изменениям в предметной области реализуется путем замены правил или фактов в базе знаний.

Структура экспертной системы была бы неполной без подсистемы диалога. Подсистема диалога ориентирована на организацию дружественного интерфейса со всеми категориями пользователей как в ходе решения задач, так и в ходе приобретения знаний и объяснения результатов работы.

Для учета таких изменений применяются динамические ЭС.

При этом, квазидинамические ЭС можно рассмотреть как частный случай динамических ЭС. Поэтому рассмотрим только вид динамических экспертных систем (структура изображена на рисунке).

 

На рис. показано, что в архитектуру динамической ЭС по сравнению со статической ЭС вводятся два компонента:

- подсистема моделирования внешнего мира

- подсистема связи с внешним окружением.

Подсистема связи осуществляет связи с внешним миром через систему датчиков и контроллеров.