Система управления базой знаний

Методы представления знаний, развитые в базах данных и в искусственном интеллекте, не вполне удовлетворительны для использования при разработке промышленных систем управления базами знаний СУБЗ, которые призваны обеспечивать создание, сопровождение и применение баз знаний в интеллектуальных системах.

Для построения СУБЗ как одного из важнейших инструментальных средств новой технологии необходима интеграция методов представления знаний в БД и ИИ.

Опыт работ в области ИИ и в технологии баз данных позволяет сформулировать основные требования к такой интегрированной системе.

Поскольку СУБЗ представляет собой инструментальное средство, с ней работают в первую очередь программисты – разработчики интеллектуальных систем и администраторы баз знаний (инженеры знаний) – специалисты, отвечающие за проектирование и сопровождение баз знаний в актуальном состоянии, т.е. в таком состоянии, которое правильно отражает внешнюю среду.

Основная задача программистов – разработчиков – создание процедурной части интеллектуальной системы, работающей на основе БЗ. Для решения этой задачи имеются развитые инструментальные средства, не обеспечивающие, однако, необходимого уровня эффективности при работе с большими базами знаний. Интеграция должна преодолеть этот недостаток.

Цель интеграции для разработчиков интеллектуальных систем – обеспечить создание единых инструментальных (языковых) средств, успешно и эффективно реализующих методы доступа к информации и обработки ее, типичные и для искусственного интеллекта и для технологии баз данных, и не зависящие от того, где эта информация размещается. Иначе говоря, применяемые методы физической организации базы знаний (размещение ее в многоуровневой памяти компьютера) должны быть прозрачны для программиста – разработчика. В этом случае примитивы доступа к информации (типичные для той или иной области) выбираются программистом только из соображений удобства.

Цель интеграции для администраторов БЗ – обеспечить ряд средств, представленных в основном в технологии баз данных, но приспособленных к требованиям СУБЗ.

Это прежде всего:

- Средства автоматизации логического и физического проектирования БЗ, обеспечивающие, в частности, помощь в выборе способов хранения отдельных фрагментов БЗ в соответствии с критерием максимальной эффективности функционирования СУБЗ;

- Средства поддержания логической и физической целостности СУБЗ в процессе ее эксплуатации, т.е. обеспечение надежной работы системы в условиях возможных сбоев технических и программных средств компьютера, ошибок пользователей;

- Средства реорганизации БЗ для повышения эффективности работы СУБЗ и в связи с глобальными изменениями системы знаний. Все эти средства имеют прототипы в технологии баз данных.

- Опыт, накопленный в технологии баз данных, свидетельствует о необходимости таких средств и в технологии баз знаний.

Обработка знаний.

Обработка знаний в компьютере представляет собой обработку их содержимого правилами преобразования тех форм, которыми описываются знания в машине. Следовательно, при обработке знаний наиболее фундаментальной и важной проблемой является прежде всего описание смыслового содержимого проблем широкого диапазона, а также наличие такой формы описания знаний, которая гарантирует, что обработка их содержимого формальными правилами преобразования будет осуществляться правильно. Эта проблема называется проблемой представления знаний.

Обработка знаний является одной из областей обработки информации. Обсуждение технологии обработки информации в течение многих лет вплоть до настоящего времени ведется в основном вокруг вычислительных механизмов машины Тьюринга – фон Неймана, которая вплотную подошла к своей оптимальной форме. Экспертные и интеллектуальные системы, являющиеся практически те же методы, а их функции базируются на тех же механизмах.

Однако при анализе этих проблем необходимо проникнуть в суть вопроса с позиции более широкого исследования процесса решения проблемы. Это связано с тем, что желаемая структура систем обработки знаний, обладающих возможностями решения сложных проблем, еще не определена в полной мере. Кроме того, при интеллектуальной обработке информации преследуется цель создания нового стиля обработки на основе когнитивных человеко – машинных отношений, совершенно отличных от тех, что приняты в машине Тьюринга – фон Неймана. Следовательно для утверждения нового стиля обработки информации необходимо сначала проанализировать поведение человека при решении проблем, а затем посмотреть, какую часть процесса решения можно автоматизировать средствами обработки знаний, насколько эффективно можно этими средствами поддерживать решение проблем и что будет представлять из себя система, которую удастся воплотить в реальную действительность?

Сегодня системы обработки знаний, достигшие в своем развитии коммерческого уровня, реализованы на компьютерах традиционного типа. Однако реальное воплощение в жизнь машинной обработки, оперирующей с представлениями информации, ориентированными на обработку знаний, возможно и другими, отличными от фон – неймановскими средствами. Смысл заключается в привнесении новых принципов в обработку информации.

Интенсивное количественное и качественное развитие информационных и компьютерных технологий, проявление новых когнитивных концепций, позволяет говорить о возможности практической реализации альтернативных методов и подходов к обработке знаний.

Отличительная черта обработки знаний состоит в возможности изменения человеко – машинных отношений и в соответствии с этим – становление нового стиля решения проблем.

Инженерия знаний.

Инженерия знаний представляет собой совокупность моделей, методов и технических приемов, нацеленных на создание систем, которые предназначены для решения проблем с использованием знаний. Знания – это информация с ограниченной семантикой, однако с позиции прикладных аспектов необходимо, чтобы знания имели такую форму, которой была бы в определенной степени свойственна свобода достижения поставленной цели. В какой именно степени допустима эта свобода, или каким условиям должны отвечать знания, включая и их описательные возможности, зависит от области их приложения. В сфере технического применения и в экономике используется самая разнообразная среда представления, и помимо языкового описания она включает рисунки, математические формулы и т.п.

Хотя языковое представление и ограничено сравнительно простыми формализмами, оно не всегда удобно для технической и экономической областей. Это связано с их специфическим характером, т.к. в них все определяется фактами и объективной реальностью.

В дальнейшем изложении языковое описание, требуемое в прикладных областях информации (включая язык в широком его понимании и графику), будет называться языком представления знаний. Для использования подобной информации в виде знаний требуются интеллектуальные функции, превосходящие пока возможности современных компьютеров. Представление знаний, их обработка и использование, рассматриваемое применительно к конкретной прикладной области, является предметом инженерии знаний.

Инженерия знаний заняла свое место как технология применения знаний, когда вышла из недр ИИ и продолжала интенсивно развиваться все последние года.

Существом ИИ можно считать научный анализ и автоматизацию интеллектуальных функций человека. Однако для большинства проблем общей реальностью является трудность их машинного воплощения.

Исследования по ИИ позволили утвердиться во мнении, что подлинно необходимыми для решения проблем являются знания экспертов. То есть, если создать систему, способную запоминать и использовать знания экспертов, то она найдет применение в практической деятельности.

И когда исследователи по ИИ действительно создали подобного ряда системы в конце 60-х и начале 70-х годов прошлого века, все эти воззрения были подтверждены.

Это системы DENDRAL [78], а позднее MYCIN, созданные под руководством Э. Фейгунбаума в Стэнфордском университете США, Поскольку эти системы накапливают в памяти компьютера знания экспертов и используют эти знания для решения проблем, извлекая их при необходимости из памяти, то они получили название экспертных, а профессор Э. Фейгенбаум, являющийся одним из создателей экспертных систем (ЭС), выдвинул для данной области техники название «инженерия знаний».

Фактически инженерия знаний – это методология ЭС, которая охватывает методы добычи, анализа и выражения в правилах знаний экспертов. Развитие ЭС создало инженерию знаний – процесс построения интеллектуальных систем.

Инженерия знаний тесно связана со всем процессом разработки интеллектуальных информационных систем в целом и ЭС в частности – от возникновения замысла до его реализации и совершенствования.

Главными элементами инженерии знаний являются использование операций типа обобщение, генерация гипотез для индуктивных выводов, подготовка новых программ самими компьютерными программами и т.д.

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.

 

3.2. Развитие исследований в области искусственного интеллекта.

Искусственный интеллект как наука был основан тремя поколениями исследователей.

В таблице 3.1. [115] представлены ключевые события в истории ИИ и инженерии знаний, начиная с первой работы Маккалока и Питса в 1943 г. и до современных тенденций в комбинированных усилиях экспертных систем, нечеткой логики и нейронных вычислений в современных системах, основанных на знаниях, способных осуществлять вычисления при помощи слов.

 

Таблица 3.1.