иывиывиыииывиы ывпып ывпы ып. Интеллектуальные информационные системы. 1 Понятие интеллектуальные информационные системы. Классификация иис

• Название: Интеллектуальные информационные системы. 1 Понятие интеллектуальные информационные системы. Классификация иис
• Дата: 14.05.2023
• Размер: 2.96 Mb.
• Имя файла: иывиывиыииывиы ывпып ывпы ып.docx
• Тип: Глава; #1128775
• страница: 5 из 11

2.2 Анализ предметной области и методы приобретения знаний

Предметную область можно определить как сферу человеческой деятельности, выделенную и описанную согласно установленным критериям. В описываемое понятие должны входить сведения об ее элементах, явлениях, отношениях и процессах, отражающих различные аспекты этой деятельности. В описании предметной области должны присутствовать характеристики возможных воздействий окружающей среды на элементы и явления предметной области, а также обратные воздействия этих элементов и явлений на среду. Работа по изучению и анализу предметной области: проектировании интеллектуальных систем оказывает решающее влияние на эффективность ее работы.

Специфика предметной области может оказывать существенное влияние на характер функционирования проектируемой интеллектуальной системе, выбор метода представления знаний, способов рассуждения о знаниях, и т. д. В то же время можно привести примеры, когда системы ИИ, ориентированные на использование в определенной проблемной среде, подходили для проблематики совершенно из другой области.

Говоря о проблемной области, имею в виду комплексное понятие, включающее предметную область, решаемые задачи, цели, возможные стратегии и эвристики.

Предметную область можно определить как объект или производственную систему со всем комплексом понятий и знаний о ее функционировании. При исследовании проблемной области необходимы знания о задачах, решаемых в производственной системе, и стоящих перед ней целях. Определяются также возможные стратегии управления и эвристические знания, используемые в процессе эксплуатации производственной системы.

При исследовании экономических и производственных систем, производственных объектов и решаемых ими задач с целью формализации знаний в БЗ и работе с ними в интеллектуальных системах необходимо учитывать специфику таких систем. Экономическим и производственным системам присуща динамичность функционирования, частая смена ситуаций, обновление больших массивов измерительных и других данных, характеризующих состояние объекта. Они часто функционируют в условиях неполной определенности из-за действия случайных возмущающих факторов. Вместе с тем многие из производств бывают вредными или протекают в опасной для человека среде, что предъявляет повышенные требования к надежности систем управления ими.

Таким образом, при проектировании БЗ надо определенным образом организовывать ее для работы в реальном времени, когда значительные объемы знаний и данных могут быстро изменяться и обновляться. Необходимо обеспечить точность и своевременность представления экспертизы и рекомендаций пользователю (требование работы в реальном времени), а также высокую надежность работы интеллектуальных систем (требование надежности и безотказности в случае использования их для опасных производств). Кроме того, сам характер задач, решаемых в экономических и производственных системах, в значительной степени влияет на процесс организации и проектирования интеллектуальных систем.

На характер знаний, возможность их структуризации, объемы, режимы работы с ними существенное влияние оказывают как область использования интеллектуальных систем (тип конкретного процесса, отрасль, среда функционирования системы), так и реализуемые интеллектуальными системами задачи, которые были перечислены выше.

В системах управления экономическими и производственными процессами знаниями могут являться описания конкретного процесса, характеристики компонентов финансовая и аналитическая информация, фактографические знания или данные. Помимо этого знаниями являются эвристики, или правила, представляющие собой суждения на основе данных, для решения задачи управления, например, когда необходим ремонт оборудования, какими должны быть промежуточные запасы, значения технологических параметров при определенном качестве сырья и т. д. Эти правила, или эвристики, базируются обычно на прошлом опыте.

При решении задач диспетчерского управления знаниями являются, например, данные контроля, поступающие с датчиков измерения расхода и уровня, скорости потока, качественные характеристики продуктов, а также оперативная информация о ходе выполнения плана, поставках, сбыте и т. д. Знаниями являются, в свою очередь, реакции и действия управленческого персонала при определенных значениях и набора данных контроля, действия в аварийных и критических ситуациях, координирующие действия между отдельными технологическими подразделениями завода в зависимости от производственной ситуации, и т. д.

При проектировании и планировании производства, в задачах в качестве знаний могут выступать иные совокупности данных и правил действий.

Характер целей и стратегий управления для различных экономических и производственных задач и в разных областях приложения может также значительно отличаться.

Приобретение знаний реализуется с помощью двух функций: получения информации извне и ее систематизации. При этом в зависимости от способности системы обучения к логическим выводам возможны различные формы приобретения знаний, а также различные формы получаемой информации.

Форма представления знаний для их использования определяется внутри системы, поэтому форма информации, которую она может принимать зависит от того, какие способности имеет система для формализации информации до уровня знаний.

Чем выше способности компьютера к логическим выводам, тем меньше нагрузка на человека.

Следовательно, от функций обучения требуется преобразование полученной извне информации в знания и пополнения ими базы знаний.

В случае прикладных систем инженерии знаний необходимо преобразовать специальные знания из какой-либо области в машинный формат, но для этого нужен посредник, хорошо знающий как проблемную область, так и инженерию знаний. Таких посредников называют инженерами по знаниям (инженерами знаний).

Для подготовки знаний в интеллектуальной системе необходимы вспомогательные средства типа редактора знаний, причем в процессе приобретения знаний в диалоге редактируются отдельные правила, но и восполняются недостатки существующих правил, т.е. ведется редактирование базы знаний.

Если знания заданы во внешнем формате, например на естественном языке, то следует преобразовать их во внутренний формат. Для этого необходимо понимать внешнее представление, т.е. естественный язык, графические данные и т.п. Фактически приобретение знаний и их понимание тесно связаны. Проблема понимания сводится не только к преобразованию структуры предложений - необходимо получить формат, удобный для применения.

Аналогичная проблема - преобразование во внутренний формат советов, подсказок по решению задач. В этом заключается одна из центральных проблем искусственного интеллекта. Она, в частности, изучает преобразование советов, подсказок, рекомендаций, представленных в терминах проблемной области, в процедуры. [1, стр. 91]

Выявление источников знаний и работа с ними - основная задача инженера знаний. Инженер знаний выполняет важные функции при разработке БЗ. Он должен хорошо ориентироваться в проблемной области и быть неплохим психологом, чтобы общаться с экспертом в процессе приобретения знаний. Вместе с тем он должен хорошо знать и возможности программного обеспечения компьютеров, чтобы структурировать знания для хранения и работы с ними.

Основным источником знаний о проблемной области является человек-эксперт. Инженер знаний работает с ним в режиме диалога или интервью и формирует необходимый объем знаний и сведений для работы с объектом. Возможно также использование опросников, которые затем соответствующим образом обрабатываются. Для некоторых задач источниками дополнительной информации являются книги, технологические описания, инструкции, документы. Используются также методы так называемого «мозгового штурма», когда группа специалистов в определенной обстановке в оперативные сроки генерирует необходимую информацию, помогающую разрешение проблемы и лучшему исследованию предметной области. Для некоторых областей применения интеллектуальных систем знания об объекте можно формировать путем использования статистической обработки информации и информации о результатах имитационных экспериментов. В последнее время все чаще начинают использовать методы автоматизированного заполнения БЗ.