Информационные системы.

Тема 1. Достоинства и недостатки экспертных систем, основные факторы, влияющие на целесообразность и эффективность разработки экспертных систем.

Достоинства экспертных систем. У них нет предубеждений, они не делают поспешных выводов. Введенные в машину знания сохраняются, человек же имеет ограниченную базу знаний, и если данные долгое время не используются, то они забываются и навсегда теряются. Эксперт пользуется побочными знаниями и легко поддается влиянию внешних факторов, которые непосредственно не связаны с решаемой задачей.

Тема 2. Основные сведения из истории создания интеллектуальных систем.

4 октября 1939 г. по решению суда изобретателем первого цифрового электронного компьютера признан Джон Винсент Атанасов и его ассистент Клиффорд Берри (Университет штата Айова). Половинчатое признание первенства Атанасова является следствием скандального судебного решения. По этому решению первые компьютерные инженеры Джон Мочли и Джон Эккерт лишились права на патент, полученный ими в 1964 году, и права называться изобретателями электронно-цифрового компьютера. Однако именно они после нескольких экспериментальных моделей создали в 1945 году в Университете Пенсильвании более известный компьютер ENIAC, с которого началось развитие индустрии.

Тема 3. Представление знаний.

В рамках этой проблемы решаются задачи, связанные с формализацией и представлением знаний в памяти ИС. Для этого разрабатываются специальные модели представления знаний и языки для описания знаний, выделяются различные типы знаний. Изучаются источники, из которых ИС может черпать знания, и создаются процедуры и приемы, с помощью которых возможно приобретение знаний для ИнС.

Тема 4. Структура и представление понятий.

При построении описания выделенного фрагмента реальной действительности одним из основных допущений является предположение о том, что мир состоит из независимых объектов (предметов, процессов, вещей или сущностей), которые могут быть уникально идентифицированы.

Тема 5. Знаковое представление понятий.

Понятия именуются с помощью слов или словосочетаний естественного языка, которые играют роль знаков или имен. Таким образом, носителем знаковой формы представления знания является естественный язык. Он позволяет с применением символов (букв и цифр) зафиксировать любую информацию, в том числе и графическую. Для представления понятия в естественном языке используется слово или словосочетание, называемое именем. Оно играет роль идентификатора, выделяя понятие среди остальных.

Тема 6. Данные.

Всегда вызывает интерес соотношение между данными и знаниями, в особенности представления (способы формализации) тех и других, модели представления данных и знаний, поскольку данные и знания — это форма представления информации в ЭВМ. Параллельно с развитием структуры ЭВМ происходило развитие информационных структур для представления данных. Появились способы описания данных в виде: векторов, матриц, списочных структур, иерархических структур, структур, создаваемых программистом.

Тема 7. Знания.

Знания имеют более сложную структуру, чем данные (метаданные). При этом знания задаются как экстенсионально (т.е. через набор конкретных фактов, соответствующих данному понятию и касающихся предметной области), так и интенсионально (т.е. через свойства, соответствующие данному понятию, и схему связей между атрибутами).

Тема 8. База знаний.

База знаний, БЗ (англ. Knowledge base, KB) — это особого рода база данных, разработанная для управления знаниями (метаданными), то есть сбором, хранением, поиском и выдачей знаний. Раздел искусственного интеллекта, изучающий базы знаний и методы работы со знаниями, называется инженерией знаний.

Тема 9. Модели представления знаний.

В связи с организацией базы знаний в информационной системе, возникли задачи по поиску оптимального и верного решения на поставленную задачу перед информационной системой. Таким образом, неструктурированную массу знаний нужно было представить в такой форме, которая позволяла бы найти оптимальное решение с наименьшими затратами, например, временными. И начиная со второй половины 20-ого века в области искусственного интеллекта стали появляться различные методы представления знаний.

Тема 10. Модель семантические сети.

Термин семантическая означает смысловая, а семантика - это наука, устанавливающая отношения между символами и объектами, которые они обозначают, то есть наука, определяющая смысл знаков. Семантическая сеть - это ориентированный граф, вершины которого это понятия, а дуги - отношения между ними.

Тема 11. Фреймовая модель представления знаний.

Термин фрейм (от английского frame, что означает " каркас" или " рамка") был предложен Марвином Минским, одним из пионеров ИИ, в 70-е годы для обозначения структуры знаний для восприятия пространственных сцен. Эта модель представляет собой систематизированную психологическую модель памяти человека и его сознания.

Тема 12. Продукционная модель представления знаний.

Психологические исследования процессов принятия решений человеком показали, что, рассуждая и принимая решения человек, использует правила, аналогичные продукциям. Продукционная модель, основанная на правилах, позволяет представить знания в виде предложений типа «если (условие), то (действие)». Под «условием» (антецедентом) понимается некоторое предложение - образец, по которому осуществляется поиск в базе знаний. Под «действием» (консеквентом) понимаются действия, выполняемые при успешном исходе поиска.

Тема 13. Методы извлечения знаний.

До настоящего момента в явном виде не определили, каким методом знания получены. В неявном виде предполагалось, что это некоторое взаимодействие инженера по знаниям и эксперта в форме непосредственного живого общения. Однако это не единственная форма извлечения знаний, хотя и довольно распространенная. Классифицируем методы извлечения знаний. Из предложенной схемы классификации видно, что основной принцип деления связан с источником знаний. Коммуникативные методы охватывают все виды контактов с живым источником знаний - экспертом, а текстологические касаются методов извлечения знаний из документов (методик, пособий, руководств) и специальной литературы (статей, монографий, учебников).

Тема 14. Классификация уровней понимания.

В существующих ИС можно выделить пять основных уровней понимания и два уровня метапонимания. Первый уровень характеризуется схемой, показывающей, что любые ответы на вопросы система формирует только на основе прямого содержания, введенного из текста. На втором уровне добавляются средства логического вывода, основанные на информации, содержащейся в тексте. К средствам второго уровня добавляются правила пополнения текста знаниями системы о среде. Вместо текста на четвертом уровне используется расширенный текст, который порождается лишь при наличии двух каналов получения информации. На пятом уровне кроме текста ИС использует информацию о конкретном субъекте, являющемся источником текста, и хранящуюся в памяти системы общую информацию, относящуюся к коммуникации. На первом метауровне происходит изменение содержимого базы знаний. На втором метауровне происходит порождение метафорического знания.

Тема 15. Аспекты получения знаний.

В настоящее время большинство разработчиков экспертных систем отмечают, что процесс извлечения знаний остается самым " узким" местом при построении промышленных систем. Процесс извлечения знаний - это длительная и трудоемкая процедура, в которой инженеру по знаниям, вооруженному специальными знаниями по когнитивной психологии, системному анализу, математической логике и пр., необходимо воссоздать модель предметной области, которой пользуются эксперты для принятия решения. Часто начинающие разработчики экспертных систем, желая избежать этой мучительной процедуры, задают вопрос: может ли эксперт сам извлечь из себя знания?