Организация моделей знаний

Знания о предметной области в системе Image Expert могут быть представлены в форме:

• формализованного описания процесса принятия решения по поводу имеющих место ситуаций;
• упорядоченной совокупности базовых знаний о предметной области (произвольные тексты, схемы, условно-графические изображения, подборки фотографий, рентгенограмм и пр.);
• множества алгоритмов обработки изображений, используемых в предметной области.

Модель знаний или, иначе, модель предметной области представляет собой совокупность разного рода знаний специалистов о конкретной предметной области.

Модель знаний состоит из информационной и логической компонент.

Логическая компонента модели знаний имеет четыре уровня, заполняемые экспертом совместно с инженером по знаниям:

• уровень гипотез;
• уровень свидетельств;
• уровень фактов;
• уровень запросов.

Взаимодействие уровней модели достигается за счет наличия ссылок в структурах данных одного уровня на объекты другого.

Уровень гипотез содержит множество конечных состояний (решений задачи). Характер связи с нижними уровнями модели и механизм подтверждения/опровержения гипотез отличаются от типа применяемой модели. В моделях нейлоровского типа эта связь имеет вероятностный характер, указывающий на то, как объекты нижнего уровня могут изменять текущее состояние множества гипотез. В моделях с жесткой логикой эта связь устанавливается по типу ЕСЛИ–ТО и записывается в виде решающего правила.

Уровни свидетельств и фактов — это множество характерных признаков анализируемой ситуации.

Объекты уровня свидетельств формируются из свидетельств и фактов, а также объектов уровня запросов с помощью решающих правил, а объекты уровня фактов — как арифметико-логическое выражение.

Уровень запросов предназначен для связи с информационной компонентой модели знаний, т.е. для организации взаимодействия с пользователем. В системе возможны следующие типы запросов:

• запрос на получение какой-либо информации от пользователя;
• вызов другой модели знаний;
• вызов процедур обработки изображений;
• запуск внешней задачи.

Информационная компонента модели знаний организована в виде сети фреймов.

Помимо средств для описания знаний, модель содержит некоторые сервисные средства для организации диалога, консультации и фиксации результатов работы, а также средства связи с другими модулями оболочки, что позволяет в процессе работы модели вызывать другие модели, программы на языке обработки изображений, а также любые внешние программы.

Типы моделей знаний

В системе Image Expert определены 3 типа моделей: МЕНЮ, НЕЙЛОР, ЛОГИКА.

Модель типа МЕНЮ используется для организации в единую систему различных, как правило, не связанных по информации, но объединенных общей тематикой информационных единиц (моделей, процедур на языке обработки изображений и внешних модулей).

Модель типа НЕЙЛОР позволяет организовать процедуру логического вывода, представляющую собой итерационный процесс принятия решения, каждый шаг которого частично изменяет (подтверждает/ опровергает) вероятности гипотез.

Модель типа ЛОГИКА может быть использована для решения задач, характеризующихся полнотой описания предметной области, т.е. в тех случаях, когда есть возможность применить решающие правила. Для создания тестирующих систем в этот тип моделей заложена возможность организации диалога с тестируемым случайным образом.

Фреймовая компонента моделей знаний

Фрейм — информационная единица, отображающая шаг диалога в режиме выполнения модели. Фрейм состоит из графической, текстовой и речевой информации, выдаваемой пользователю, и описания полей запроса к пользователю. Запросы могут представлять собой требования ввода числа, текста, запрос речевого ввода, а также различные типы меню. Меню может быть представлено в виде текстового вопроса и нескольких вариантов ответа или в графической форме — в виде схемы, на которой необходимо пометить требуемые участки или выбрать какое-либо из отображенных состояний. В одном фрейме может находиться несколько слотов (например, речевое сообщение и несколько вопросов, каждый из которых имеет несколько альтернативных вариантов ответа).

Язык описания фреймов позволяет организовывать модели типа гипертекст со вставками графической и речевой информации.

Кроме того, средствами языка возможна организация динамических графических моделей (видеоряда), сопровождающегося звуковыми (речевыми) комментариями. Для этого необходимо описать последовательность кадров в виде имен картинок из библиотеки, причем имеется возможность задавать время отображения каждого кадра, а также сопровождать демонстрацию динамического процесса звуком.

Создание моделей знаний

Создание модели знаний включает в себя следующие этапы:

1. Информационная часть модели описывается на языке описания фреймов.
2. Логика модели описывается с помощью языка описания знаний.
3. Исходные тексты на этих языках транслируются соответственно компилятором знаний и компилятором фреймов.
4. Формируется библиотека графических данных, необходимых для работы модели, а также иллюстративный материал.
5. При наличии средств аудиоподдержки формируется библиотека звуковых фрагментов и речевых сообщений, используемых в процессе работы с моделью.

Поддерживаемая в настоящее время технология ввода знаний в ЭС, созданных и функционирующих в оболочке Image Expert, обеспечивает однонаправленный языковой интерфейс с моделью знаний. Практически под моделью подразумевается ее описание на ЯПЗ. В таком виде модель представляет собой статическую конструкцию, т.е. появление новых знаний влечет за собой необходимость внесения изменений в исходные тексты информационной и логической компоненты модели знаний, затем трансляцию этих описаний, после чего следует этап тестирования нового представления в режиме консультации с ЭС.

Компонента ввода знаний

Компонента ввода знаний призвана решить проблему “отдаленности” формы описания знаний от самих знаний и, что более существенно, от процесса их использования. На нее возлагается задача преобразования модели знаний в базу знаний, структура которой не зависит от типа конкретной модели, а тип модели будет определять характер связей и отношений объектов этой базы. В качестве объектов (единиц хранения) базы на равных правах выступают понятия и объекты предметной области, их графические представления, речевые и текстовые описания и т.п. С помощью специальных средств, зависящих от модели организации знаний в конкретной ЭС, описывается механизм связи понятий и объектов. Интеллектуальный редактор базы знаний решает задачу визуализации знаний с учетом иерархических и сетевых отношений на множестве составляющих базу объектов. К нему предъявляются требования максимально возможной степени адекватности отображения знаний той модели, которая сформирована в сознании эксперта. Для этого предназначены средства настройки подсистемы визуализации на конкретного пользователя.

Проблема извлечения знаний