Работа с экспертами и проблема извлечения знаний.

Интеллектуальные системы создаются совместно со специалистами, которые передают свои знания о процессах и объ­ектах, поясняют схему рассуждений по выбору решений конкрет­ных задач, приводят неформализуемые факторы, которые необхо­димо учитывать. Процесс работы с экспертами или специалистом состоит в извлечении знаний или, более корректно, приобретении знаний. Процесс этот сложный, трудоемкий, содержит факторы технического, психологического, производственного и социального характера. Большую роль в данном процессе играет инженер зна­ний. В течение долгого времени он работает совместно с экспер­том, определяя задачи, выявляя наиболее важные понятия, опре­деляя и формулируя правила отношений между понятиями. Инже­нер знаний должен хорошо знать предметную область, владеть ме­тодами формализации и представления знаний, другим инструмен­тарием искусственного интеллекта, быть психологом, быстро ори­ентироваться в различных ситуациях.

Эксперт должен желать и быть в состоянии помочь в изучении предметной области. Он должен осознавать, что интеллектуальные системы призваны помочь им в практической деятельности, а не вытеснять их.

Инженеру знаний обычно приходится работать с плохо опреде­ленными задачами, в которых отсутствует детерминированная вну­тренняя структура. В своей практической деятельности эксперты при решении этих задач используют эвристики - эмпирические правила, применяемые в случаях, когда условия оперативности ре­шения задачи или недостаточное понимание существа проблемы делают невозможным анализ всех параметров задачи. Поэтому в интеллектуальных системах для решения задач стремятся заложить эвристические процедуры.

Методы извлечения знаний разработаны в таких работах [61, 53, 106, 7, 76]. Трудным моментом в работе инженера знаний является оказание помощи эксперту при попытках структурировать предметные знания, определить и формализовать предметные концепции.

Работа, связанная с получением знаний, имеющихся у конкретного лица, т.е. извлечение знаний, в инженерии знаний имеет немаловажное значение. Необходимостью извлечения знаний специалиста разработчиком интеллектуальной системы нельзя пренебрегать не только из-за того, что полностью автоматизировать этот процесс необычайно сложно, но из теоретических соображений.

В чем особенность извлечения знаний для интеллектуальных и экспертных систем? Ответ можно получить, ответив на другой вопрос: «Откуда, что и как извлекать?».

Откуда извлекать знания? Как отмечалось выше, источниками знаний для интеллектуальных и экспертных систем могут быть учебники, справочники, материалы конкретных исследований в проблемной области, экономическая информация и т.п.

Тем не менее, классический источник знаний – это эксперт в данной области, знания которого получает разработчик систем, выступающий в роли инженера знаний.

Кто же такой эксперт? Это либо специалист высокой квалификации в отличие от обычного исполнителя, либо человек с опытом в отличие от новичка.

Изучение общих особенностей эксперта – это не только одна из возможных целей, к которой следует стремиться в человеко-машинных системах, состоящих из интеллектуальной системы (или ЭС) и пользователя, это важно для того, чтобы заранее знать особенности партнера, от которого мы будем получать знания.

Известно, что чем выше способности эксперта в проблемной области, тем более он не способен к описанию знаний, используемых им для решения задачи. Уотермен назвал это парадоксом инженерии знаний. Если спросить у эксперта, что он конкретно делает, решая задачу, то он объяснит наиболее правдоподобный, по его мнению, но совершенно отличный от реального процесс рассуждений, поэтому здесь нужно быть осторожным.

Существует мнение, что знания эксперта систематизируются вместе с внешней моделью задачи и мгновенно выбираются из памяти в ответ на каждую конкретную ситуацию и лишь в ситуации, с которой эксперт сталкивается впервые, порядок их выборки будет определяться сознательно но наиболее общим закономерностям.

Какие знания извлекать (что извлекать?). Если функции системы уже определены, то естественно, самое важное – получить правила выводов, которые необходимы для реализации этих функций.

Прежде всего, это базовая структура. Важно перечислить объекты, понятия и атрибуты, которые формируют базовую структуру проблемной области, и знать свойства области. Связь между объектами, понятиями и атрибутами организуется через правила вывода.

Далее, критерии разумности, т.е. почему эксперт решает некоторую проблему именно данным способом? Может быть, этот способ имеет высокую эвристическую ценность, а может, подготовлен на случай неудачи? Какая этому способу нужна поддержка?

Средства, используемые экспертом, например модели принятия решений, используемые им при принятии решений.

Как извлекать знания? В таблице 7.1. приведены основые методы извлечения знаний из предметного эксперта и их описание.

Таблица 7.1.

Методы извлечения знаний из предметного эксперта.

Технику извлечения знаний можно разделить на шесть основных классов: опрос с наводящими вопросами, структурированный опрос, самонаблюдение, самоотчет, диалог, критический обзор. Каждый класс в свою очередь состоит из нескольких технических методов. Подробную информацию мы рассматривать не будем, укажем только, что цель извлечения знаний может быть достигнута различными способами в зависимости оттого, как эти знания будут анализироваться.

Эксперт, способный работать с вычислительной техникой, мо­жет также взаимодействовать с интеллектуальной системой непосредст­венно через редактирующую программу. Эта программа должна обладать развитым диалоговым интерфейсом и знаниями о струк­туре БЗ. Однако возникает проблема эффективности взаимодейст­вия эксперта с программой.

Еще одним способом приобретения знаний системой является автоматизация извлечения знаний и запись их в БЗ. Неавтомати­зированный сбор знаний специалистов — трудоемкий процесс. В связи с этим в развитых интеллектуальных системах предусмат­риваются вспомогательные средства для приобретения знаний.

Интернет или Интранет также могут использоваться для облегчения процесса извлечения знаний. Электронное интервьюирование может проводиться, если инженер знаний и эксперты находятся в различных местах. Также, эксперты могут утверждать и сопровождать базы знаний на расстоянии. Посредством Интернет могут быть достигнуты документированные знания. Проблемой является идентификация знаний: задача, которая может быть облечена интеллектуальными агентами.

Актуальной является также задача автоматической структуризации неформальных знаний, доступных в Интернет через распределенную гипермедиа систему – Web. Технология гипермедиа через Web обеспечивает идеальный подход для развития систем, основанных на знаниях путем расширения возможностей каналов человеко – машинного взаимодействия. Этот новый подход к интеграции технологии гипермедиа с извлечением знаний имеет дело со знаниями до того, как они будут формализованы.

Многие Web – механизмы поиска включают интеллектуальных агентов для идентификации и поставки требуемой информации по индивидуальным потребностям и запросам.

Причина экспоненциального роста количества информации, обеспечиваемого через Web-механизмы, вызывает развитие методов структуризации информации в распределенных гипермедиа системах.

Такая интеграция между технологией гипермедиа и методами извлечения знаний может обеспечить мощный инструмент для извлечения знаний.