Определяющим фактором, который снижает эффективность существующих ИТ, является использование жестких (формализованных) моделей, неадекватных реальным объектам и процессам, для синтеза которых используется только количественная информация предметной области. Строгий математический аппарат, применяемый для синтеза формальных моделей, не позволяет учесть все многообразие факторов, влияющих на состояние или поведение объекта управления. Поэтому на практике большинство лиц, принимающих решения (ЛПР), как правило, дополнительно используют собственные эвристические, интуитивные модели и алгоритмы решения прикладных задач. Решения, получаемые при этом, неоптимальные в математическом смысле, тем не менее, учитывают сложную природу взаимосвязи реальных объектов, процессов и их элементов между собой и внешней средой. Поэтому синтез моделей объектов или процессов, которые учитывают еще и профессиональные знания (опыт, интуицию) ЛПР, позволяет повысить обоснованность принимаемых решений и добиться нового качества управления сложными организационными системами.
Одним из основных путей повышения качества управления сложными организационными системами является создание интеллектуальных информационных технологий (ИИТ).
Создание ИИТ связано с решением комплекса проблем синтеза базы знаний (БЗ) в экспертных системах (ЭС) [30], [32], [41]. Синтез БЗ является не только сложной научной проблемой, но и длительным, трудоемким и слабоструктурированным процессом. До 90% времени при создании систем с БЗ идет на процесс приобретения и формализации знаний. Эффективность экспертных систем в значительной степени определяется знаниями, введенными в БЗ. Экспертная система является средством информационной технологии, автоматизирующим процесс представления знаний и его процедур - получения и генерации (вывода) знаний. Структура экспертной системы представлена на рис.6.1.
Создание и модификация базы знаний осуществляется совместными усилиями эксперта (Э) и инженера по знаниям (ИЗ). Для этой цели создается интеллектуальный редактор БЗ, представляющий собой программу диалогового взаимодействия, облегчающую работу с базой знаний. Решатель (блок логического вывода) производит вывод (генерацию) нового знания, то есть решает поставленную задачу, на основе имеющихся в базе знаний. При желании пользователь ЭС может получить объяснение того, как была решена задача. Для этого в ЭС включают блок объяснений. Взаимодействие с экспертной системой пользователя происходит при помощи интерфейса пользователя. Центральным блоком экспертной системы является база знаний.
Ошибка! Ошибка связи.
Рис.6.1 Структура экспертной системы
СВОЙСТВА И ТИПЫ ЗНАНИЙ
Обязательным элементом, определяющим эффективность функционирования любой системы искусственного интеллекта (СИИ), являются знания. В СИИ, в частности в области интеллектуальных автоматизированных информационных технологий, нет общепризнанного формального определения понятию „знания“. Определение термина „знания“ включает в себя большей частью философские элементы. Часто знания рассматривают как данные, имеющие развитую и более сложную структуру. Наиболее близко к рассматриваемой проблеме приобретения и представления знаний находится следующее определение: знания - это специальная форма представления информации, позволяющая человеческому мозгу хранить, воспроизводить и понимать ее.
Однако далеко не вся информация выступает в виде знания, которое рассматривается как ее высшая и при том совершенно особая форма. Знания есть особая информация, зафиксированная и выраженная в языке. Поэтому основные типы отношений, определяющие связь знаний с внеязыковым миром, друг с другом и системой человеческих действий, должны подчиняться особым закономерностям (правилам) семантики, синтаксиса и прагматики.
Таким образом, знания это не только особая форма информации, но и особая система отношений.
В качестве рабочего можно принять следующие определение: знания - это особая форма информации, представляющая собой совокупность структурированных теоретических и эмпирических положений предметной области, которые представлены в различной форме, обладают определенными свойствами и связаны синтаксическими, семантическими и прагматическими отношениями и которые позволяют решать прикладные задачи.
Грань, отделяющая информацию от знаний, условна. Общепризнанно, что знания обладают пятью важными свойствами, наличие которых позволяет считать их таковыми: внутренняя интерпретируемость, рекурсивная структурируемость, взаимосвязь единиц, наличие семантического пространства с метрикой и активность.
Сущность свойств знаний состоит в следующем:
1. Внутренняя интерпретируемость. Вместе с информационной единицей, представляющей собственно элемент данных, в памяти ЭВМ стало возможным хранить систему имен, связанную с такой информационной единицей. Наличие системы имен позволяет системе „знать“, что храниться в ее памяти, и, следовательно, уметь отвечать на запросы о содержании памяти, которые могут порождаться в процессе выполнения программ в самой системе или поступать от пользователей либо других систем извне.
2. Рекурсивная структурируемость. Информационные единицы могут при необходимости расчленяться на более мелкие и объединяться в более крупные по принципу матрешки. Для этих операций могут использоваться родо-видовые отношения и принадлежности элементов к классу. В действительности число структурообразующих отношений насчитывает более 200.
3. Взаимосвязь единиц. Между единицами возможно установление самых разнообразных отношений, отражающих семантику и прагматику связей явлений и фактов. Когда между информационными единицами в памяти системы возникает система отношений, фрагментами этой структуры начинают определяться новые информационные единицы.
4. Возникновение семантического пространства с метрикой, характеризующего близость-удаленность информационных единиц. Специалисты в области когнитивной психологии (психологии познания)считают, что знания не могут быть бессистемным „сборищем“ отдельных информационных единиц, а должны быть взаимосвязанными и взаимозависимыми в некотором общем для них когнитивном семантическом пространстве.
5. Активность. В программировании процедурам всегда отводилась роль активизирующего начала. Они отражали способ решения задачи, активизировали необходимые данные, пассивно лежащие в памяти системы. Эта „безгласность“ данных в ЭВМ не находит аналогов у человека. Для когнитивных структур в нашей памяти характерна внутренняя активность. Мы используем те или иные процедуры потому, что в наших знаниях возникла определенная ситуация. То или иное соотношение между информационными единицами побуждает нас к тем или иным действиям, для реализации которых должны быть выполнены определенные процедуры. Активность базы знаний позволяет СИИ формировать мотивы, ставить цели и строить процедуры для их выполнения.
В настоящее время не создано баз знаний СИИ, в которых бы в полной мере были бы реализованы все свойства знаний. Основными причинами этого являются: ограниченные возможности используемых моделей представления знаний, неполнота знаний предметных областей, несовершенство методов приобретения знаний и несоответствие типов используемых знаний и моделей их представления.
Справедливость этого подтверждается практикой создания СИИ, в частности экспертных систем.
Знания существуют в следующих формах: в памяти человека (эксперта); материализованные (канонизированные) знания (учебники, монографии и т.п.); полуформализованная структурированная модель (поле) знаний; формализованное знание на некотором языке представления и в БЗ. Знания в СИИ представлены на уровнях: внешнем, логическом и физическом.
Существуют различные подходы к классификации знаний. Предлагаемые классификации носят открытый характер. Так выделяют декларативные и процедурные знания, глубинные и поверхностные, жесткие и мягкие знания. Рассматривают теоретические и эмпирические знания в зависимости от уровня их осмысления. Содержание знаний является основой для выбора структуры их представления, поскольку не только крайне важно их соответствие, а еще и потому, что сама структура представления информативна.
В практике разработки СИИ обозначилась тенденция перехода от использования поверхностных и жестких знаний к глубинным и мягким. Глубинные знания образуются как результат обобщения первичных понятий в некоторые абстрактные структуры, которые могут и не иметь вербального описания. Мягкие знания допускают множественные, расплывчатые решения и приводят к различным вариантам рекомендаций.
Использование глубинных и мягких знаний позволяет создать БЗ большой мощности. Глубинные знания обладают такими важными особенностями как гибкость и аддитивность.
Поверхностные знания представляют собой совокупность эмпирических ассоциаций и отношений между понятиями предметной области для стандартных рассуждений и ситуаций.
Наибольший интерес для построения баз знаний СИИ представляют концептуальные и экспертные знания. Концептуальные знания выражают свойства объектов, процессов и ситуаций через понятия (базовые элементы) соответствующей области. Описание понятия включает описание его компонентов, указания взаимосвязи с другими понятиями, а также операциональную часть, содержащую зависимости между компонентами понятий. Концептуальные знания - более глубинные и жесткие. Применять их более целесообразно при решении задач анализа.
Экспертные знания - это знания специалистов предметной области. Они аккумулируют накопленный практический опыт, навыки и приемы в соответствующей области. Этот тип знаний играет наиболее важную роль в слабоструктурованных предметных областях, в которых отсутствуют формальные модели. Их роль также велика в тех областях, где применимы формальные методы, но при этом необходимо принимать решения и делать выбор в первую очередь на основе опыта. Экспертные знания более мягкие и поверхностные. Совместное использование концептуальных и экспертных знаний является крайне важным и перспективным, ибо они вместе покрывают значительную часть плоскости знаний СИИ, и позволяют сочетать ассоциативные и логические рассуждения для решения задач при низких вычислительных затратах.
Синтаксические знания характеризуют синтаксическую структуру описываемого объекта или процесса, которая не зависит от смысла и содержания используемых при этом понятий. Семантические знания содержат информацию непосредственно связанную со знанием и смыслом описываемых объектов и процессов. Прагматические знания описывают объекты и процессы с точки зрения целей решаемой задачи.
К понятию „знание“ близко примыкает понятие „ предметной области “.
В научной литературе сформировалось обобщенное определение предметной области (ПрО) как совокупности элементов, объектов, явлений, процессов, их количественных и качественных характеристик, а также связей между ними, объединенных общей идеей, определенным смыслом или понятием более высокого уровня.
ПрО может быть описана в виде некоторой совокупности сведений о её структуре; основных характеристиках; процессах протекающих в ней, а также способов решения задач. Значительная роль принадлежит отношениям. Именно они определяют смысловую сторону, окончательно формирует конкретную ПрО, выделяя её из других областей или случайного скопления фактов. Упорядоченная и систематизированная совокупность знаний образует модель знаний ПрО.
