Теоретические аспекты инженерии знаний | Статья в журнале «Молодой ученый»

Библиографическое описание:

Иванов К. К., Лужин В. М., Кожевников Д. В. Теоретические аспекты инженерии знаний // Молодой ученый. — 2017. — №7. — С. 10-11. — URL https://moluch.ru/archive/141/39878/ (дата обращения: 25.09.2018).



Статья посвящена важным теоретическим проблемам в области исследования искусственного интеллекта, а именно теоретическим аспектам инженерии знаний, связанным с получением и структурированием знаний специалистов некоторой предметной области для их последующего использования в системах, основанных на знаниях.

Ключевые слова: искусственный интеллект, инженерия знаний, экспертные системы, извлечение знаний, структурирование знаний

Понятие «искусственный интеллект» сейчас у всех на слуху. Научное сообщество занимается исследованиями в этой области уже более шестидесяти лет. Одним из основных направлений является представление знаний и разработка систем, основанных на знаниях. Однако именно в ней и кроются довольно серьезно теоретические проблемы, заключающие в формализации полученных от специалистов некоторых предметных областей знаний. Все эти проблемы в области искусственного интеллекта изучаются в рамках инженерии знаний, которая включает в себя три больших блока работы со знаниями:

  1. Извлечение знаний.
  2. Представление и структурирование знаний.
  3. Использование знаний.

Как известно, традиционно выделяется шесть этапов разработки экспертных систем (или систем, основанных на знаниях), а именно [1]:

  1. Выбор проблемы.
  2. Разработка прототипа экспертной системы. Прототип являются усеченной версией будущей и экспертной системы и помогает понять, насколько правильно выбран подход в разработке экспертной системы.
  3. Доработка до промышленной экспертной системы. На данном этапе принимается решение, как именно должен быть доработан прототип, и, соответственно, происходит непосредственная разработка промышленной экспертной системы.
  4. Оценка экспертной системы. При оценке работы экспертной системы необходимо понять, насколько эффективно она выполняет поставленные перед ней задачи. При недостижении определенного критериев система отправляется на доработку.
  5. Стыковка экспертной системы. На данном этапе происходит интеграция экспертной системы с различными программными модулями, а также обучение пользователей будущей системы работе с ней.
  6. Поддержка экспертной системы. Необходимость в поддержке возникает тогда, когда с течением времени проблемная область и знания о ней изменяются, что обуславливает внесений этих изменений в разработанную экспертную систему.

Наибольший интерес в рамках вопроса инженерии знаний представляет второй этап, на котором происходит разработка прототипа системы, основанной на знаниях. Данный этап делится на следующие пять стадий:

  1. Уточнение проблемы — это знакомство с проблемой, выработку ее неформального описания, а также планирование хода разработки прототипа экспертной системы.
  2. Извлечение знаний — это процесс получения экспертом наиболее полного представления об предметной области, а также способах принятия решений в ней.
  3. Структурирование знаний — это выделение структуры полученных знаний с определений основных понятий и атрибутов, отношений между ними.
  4. Формализация — это преставление знаний на некотором формализованном языке представления знаний, который позволит в дальнейшем программно реализовать прототип.
  5. Реализация — это непосредственная программная разработка прототипа, обязательно включающая базу знаний и показывающая, что выбранный подход имеет право на существование
  6. Тестирование — это отладка и получение обратной связи на основе работы с реальными запросами пользователей.

Как видно, целые три стадии на этапе разработки прототипа имеет прямое отношение к области инженерии знаний, что еще раз подтверждает ее значимость.

Начинается работа со знаниями с их извлечения. Происходит данный процесс при взаимодействии эксперта с источниками знаний и специалистами предметной области, в ходе которого эксперту необходимо установить процесс рассуждения специалистов при принятии решений и структуру их представлений о предметной области [1]. При этом при извлечении знаний возникает целый ряд проблем, к которым, например, относятся неправильная постановка диалога между экспертом и специалистом, отсутствие четкой и устоявшейся терминологии, неверно выбранный способ извлечения знаний и некоторые другие. Кроме того, извлечение знаний — крайне длительный и трудоемкий процесс. Как правило, он занимает от одного до трех месяцев. Само же получение знаний может происходить как с использованием электронно-вычислительной техники, так и без нее, причем, в первом случае возможно даже отсутствие диалога со специалистом при условии достаточного количества различных обучающих программ принятия решения в исследуемой области знаний, однако он является наименее используемым, а обучающие программы, в свою очередь, не могли разрабатываться без участия специалиста предметной области.

При извлечении знаний эксперту необходимо принимать во внимание три аспекта: психологический, лингвистический и гносеологический.

Психологический аспект возникает на почве возникновения диалога между экспертом и специалистами предметной области. Эксперт должен быть крайне внимателен, ведь если беседа не задастся, то ему не удастся получить от специалиста всего объема столь необходимых и ценных знаний.

Лингвистический аспект проявляется на почве использования в определенной предметной области терминологии, недоступной эксперту. Для правильного извлечения знаний ему придется быть готовым углубиться в изучение исследуемой области.

Наконец, гносеологический аспект, который, возможно, сыграет одну из важнейших ролей в дальнейшей работе эксперта, возникает по причине того, что, вполне возможно, исследуемая экспертом область окажется для него абсолютно новой, и ему придется в определенном смысле осознать полученные знания, чтобы правильно отразить выявленные им закономерности.

По окончании процесса извлечения знаний эксперт переходит к их описанию, причем к нему выдвигаются определенные требования с точки зрения выбранного им языка представления знаний. Дело в том, что крайне важно добиться максимальной формализации и точности знаний. К сожалению, на данный момент не существует общепринятого языка инженерии знаний, хотя работы в этом направлении ведутся уже не один десяток лет. Именно поэтому представление знаний экспертом, его личный выбор начинает приобретать настолько большое значение.

При структурировании же данных экспертом чаще всего выбирается один из двух подходов: структурный, при котором основное внимание уделяется выделению модулей, выполняющий какой-либо важный процесс, либо объектный, при которым выделяются не процессы, а, соответственно, объекты. Кроме этого, существует также и объектно-структурный подход, который ставит по главу угла взаимосвязь между понятиями, выявление существенных характеристик понятия, которые отличают его от других, ранжирование на упорядоченные системы абстракций, выделение классов понятий с частичным наследованием свойств в подклассах, разбиение задачи на подзадачи и наглядность и простоту нотации.

Таким образом, инженерия знаний является очень важной областью знаний, ведь без ее исследований не удастся разработать действительно ценные и отвечающие всем запросам пользователей экспертные системы.

Литература:

  1. Гаврилова, Т. А. Базы знаний интеллектуальных систем / Т. А. Гаврилова, В. Ф. Хорошевский. — СПб.: Питер, 2001. — 384 с.: ил.
Основные термины (генерируются автоматически): экспертной системы, инженерии знаний, предметной области, извлечения знаний, структурирование знаний, извлечение знаний, Извлечение знаний, инженерия знаний, представление знаний, извлечении знаний, представления знаний, прототипа экспертной системы, промышленной экспертной системы, аспекты инженерии знаний, аспектам инженерии знаний, структурированием знаний специалистов, рамках инженерии знаний, области инженерии знаний, представление знаний экспертом, извлечении знаний эксперту.


Ключевые слова

экспертные системы, искусственный интеллект, инженерия знаний, извлечение знаний, структурирование знаний

Похожие статьи

Обсуждение

Социальные комментарии Cackle

Похожие статьи

Задать вопрос