Экспертные системы в профессиональном обучении |
|
1. Содержание обучения 2. Теоретические основы концепции конструирования экспертных систем в профессиональном обучении 3. Экспертные системы и их место при анализе проблем 4. Модели представления данных и знаний Заключение Литература Так как содержание образования является системой, соз¬данной в ре-зультате целенаправленной деятельности человека, то ее также возможно от-нести к классу антропогенных систем. В соответствии с функционально-структурной организацией, воз¬можность разрешения проблемы содержания образования, в первую очередь, сводится к возможности конкретизировать по¬ставленные цели. Наличие же целей позволит описать необходи¬мую для их реализации структуру системы "содержание образо¬вания". В отечественной дидактике цели образования, а следова¬тельно и его содержание, рассматриваются на трех иерархически расположенных уров-нях: общетеоретического обобщенного представления, учебного предмета и учебного материала. На первом общетеоретическом уровне в трудах В.П. Беспалько, В.В. Краевского, И.Я. Лернера, В.С. Леднева, М.Н. Скаткина и других исследователей сформулировано систем¬ное представление о содержании образования. В соответствии с парадоксом иерархичности, существую¬щем в теории систем, "описание любой системы возможно при решении задачи описания данной системы как элемента более широкой системы, а решение последней задачи возможно при описании этой системы как системы". По отношению к содержанию образования "более широкой системой" (метасистемой) является педагогическая система. Она также деятельностная, искусственная, открытая, конкретная, динамиче¬ская и в определенной степени централизованная. Определение педагогической системы сформулировано в работах. Так, например, В.П. Беспалько определяет педагогическую сис¬тему как "совокупность взаимосвязанных средств, методов и процессов, необходимых для создания организованного, целена¬правленного и преднамеренного педагогического влияния на формирование личности с заданными свойствами". Так как содержание образования представляет собой эле¬мент педагогической системы, то в соответствии с системным принципом иерархичности любой элемент системы может быть рассмотрен как система, состоящая из элементов (подсистем) более низкого уровня. Такая система, по мнению Л.Г.Семушиной, - "это конечный результат, цель, поставленная перед образовательной структурой и личностью, которая состоит в овладении системой определенных знаний, умений и навыков, опытом творческой деятельности, в выработке гражданских, мировоззренческих, а для профессионального образования и профессионально значимых личных качеств". Зависи¬мость между содержанием образования и его целью не вызывает сомнения, однако само понятие "цель образования" на уровне общетеоретического обобщенного представления невозможно определить однозначно. В основе этого утвер-ждения лежит концепция, рассматривающая образование как сложную, дву-единую систему. В работе Е.П.Белозерцева указывается, что образо¬вание является подсистемой общества, т.е. одной из разновидно¬стей социальных систем, и одновременно является педагогиче¬ской системой, в центре которой находится человек. Дву¬единая социально-личностная сущность системы образования (педагогической системы) позволяет на уровне общетеоретиче¬ского представления выделить два взаимосвязанных подхода к определению цели, а следовательно, и содержания образования: социальный (общественно-государственный) и личностный. При доминирующей роли социального подхода (социоцентризм) цель образования заключается в выполнении общественно-государственного заказа. Содержание образования должно при этом обеспечивать "готовность учащихся к деятель¬ности как на собственное благо, так и в еще большей степени на благо общества". Такое понимание цели и содержания образования нашло отражение в трудах Ю.К.Бабанского, Т.А.Ильиной, В.М.Монахова, Г.Нойнера, Б.Саймона, И.Ф.Харламова и других исследователей. При ориентации на доминирование личностного подхода (педоцентризм) целью образования является удовлетворение образовательных возможностей и потребностей учащегося как гражданина, способного в дальнейшем влиять на окружающую среду и общество. Таким образом, "отбор содержания образова¬ния должен осуществляться в соответствии с сегодняшними потребностями ребенка в практической деятельности". Данный прагматический подход, имеющий основы в ра-ботах Дж. Дьюи, нашел дальнейшее продолжение в исследовани¬ях Р. Биллета, Т. Брамельда, Р. Хевигхерста и др. Пути нахождения оптимального соотношения описанных выше подхо-дов при определении целей, а следовательно и со¬держания образования, еще мало изучены. По словам В.П. Беспалько, в современной дидактике нет методики назначе¬ния цели образования, ее еще необходимо создать. В качестве примеров, иллюстрирующих попытки решения этой задачи, следует выделить исследования в области теории непре¬рывного образования (Б.С. Гершунский, Р. Давэ, В.И. Загвязинский, М.Л. Левицкий, З.А. Малькова, В.Г. Онушкин и др.) и определения государственных образовательных стандартов (В.М. Березовский, В.П. Беспалько, Б.С. Гершунский), проводимые параллельно в различных странах мира. Как компромисс возможно определить позицию В.В.Серикова, который считает, что личность участвует в опре¬делении целей содержания образования в той степени, в которой предполагает образование личности. Если следовать логике автора, то существует некий интеллектуальный уровень, начиная с которого личность вправе самостоятельно определять свое отношение к образованию. Функция же государства заключается в обеспечении достижения личностью этого уровня. Как было отмечено выше, понятие "структура" связано с упорядочен-ностью отношений, связывающих элементы системы. Структура содержания образования как системы достаточно подробно рассмотрена в работе В.С. Леднева. Содержание образования определяется как содержание триединого целост¬ного процесса образования личности - усвоение опыта, воспита¬ния и развития. Структура содержания образования, считает В.С. Леднев, является структурой имплицитного типа, в которой также возможно выделить внутренние и внешние струк¬туры. Элементы внутренних структур, например, обучение, вос¬питание и развитие, выступают в единстве и автономно не суще¬ствуют. К внешним структурам относятся структуры, элементы которых - циклы учебных курсов, учебные курсы, дисциплины и т.д. - могут рассматриваться как целостные, автономно сущест¬вующие элементы. В качестве основных принципов структури¬рования приводятся: принцип двойного вхождения базисных компонентов в систему, принцип функциональной полноты обра-зования, принцип преемственности ступеней образования. По мнению автора, принципы структурирования содержания обра¬зования еще мало изучены и в дальнейшем должны стать пред¬метом самостоятельных углубленных исследований. Такой вы¬вод правомерен, так как отсутствие методики назначения цели предполагает невозможность достаточно конкретного описания структуры рассматриваемой системы. Ведущим видом деятельности, характеризующим содер¬жание образо-вания, является обучение. Воспитание и развитие осуществляются опосред-ственно. При реализации содержания образования в процессе обучения оно становится содержани¬ем обучения. "Содержание обучения выступает по от-ноше¬нию к содержанию образования как средство по отношению к целям и представляет собой состав, содержание и структуру учебной информации, предъявляемой обучающимся, и комплекс задач, заданий и упражнений, обеспечивающих формирование профессиональных и учебных умений и навыков, накопление первоначального опыта профессиональной деятельно-сти". Цели обучения, как и его содержание, первоначально кон-кретизируются на уровне учебного предмета. Конкретизация целей заклю-чается в определении требований, которым должен удовлетворять конечный результат обучения. Таким результатом, по мнению В.И. Гинецинского, может считаться целостное разви¬тие человека. Иного мнения придерживается А.А. Кузнецов, считающий, что требования к результатам обучения состоят из трех компонентов: характеристики объектов изучения, описания видов деятельности и особенностей личности обучающихся, указания на качество результатов обучения. При этом автор ука¬зывает на ведущее значение первого компонента. Перспек-тивными представляются исследования по построению и анализу модели обучающегося на различных стадиях обучения. При этом модель рас-сматривается как конечный или промежуточный результат процесса обучения. Сопоставление реального обучающегося с моделью позволяет не только определять, но и корректировать поставленные перед процессом обучения цели. К работам в этом направлении можно отнести и ис-следования акмеологов. Однако, по мнению В.С. Черепанова, в настоящее время отсутствует теория построения как профессиограмм обучаемых, так модели специалиста. Дидактический подход к решению проблемы содержания обучения отражен в работе В.С. Леднева. На основе раскрыты закономерности действия факторов, определяющих структур содержания образования, им сформулированы основные принципы определения набора учебных предметов. В качестве дидактических основ построения каждого из учебных предметов И.К. Журавлева предлагает считать следующее: дидактическое обоснование сущности учебного предмета, раскрытие функций различных предметов в структуре содержания образования и их типологию, закономерности их построения и функционирования. Дидактическая модель учебного предмета состоит из двух блоков: основного и процессуального. Следовательно, каждый учебный предмет имеет ведущую функцию, которая предполага¬ет обозначение его ведущего компонента. Для определения со¬держания основного блока предлагает¬ся типология по ведущим компонентам учебного предмета, кото¬рыми могут выступать: 1) предметные знания; 2) способы дея¬тельности; 3) образное видение мира. В процессуальный блок входит комплекс вспомогательных знаний. Следует отметить, что, несмотря на многочисленные ис¬следования, решение проблемы содержания образования на уровне учебного предмета не определено однозначно. Трудности обусловлены тем, что в составе каждого учебного предмета ле¬жит идейно-теоретическое ядро, образованное элементами раз¬личных теорий (концепций) и развивающееся по различным направлениям. Многочисленность таких направлений не позволяет конкретизировать цели, а следовательно, и структуру содержания обучения с точностью, достаточной для алгоритми¬зации и технологизации рассматриваемого процесса. В содержании учебного предмета выделяются элементы учебного ма-териала, например, элементы знаний, элементы уме¬ний, элементы творче-ской деятельности, элементы отношений. При таком разделении возможно рассмотрение их на эле¬ментарном, с точки зрения дидактики, уровне, позволяющем оперировать понятием "дескриптор". Дескриптор (descriptor -описывающий) в педагогических исследованиях определяется как "наиболее существенное понятие в виде слов или словосоче¬таний, важной характери-стикой которого является семантическая устойчивость и контрастность". На уровне дескрип¬торов содержание образования конкретизируется в наибольшее степени, так как "более конкретной формой, чем учебный материал, содержание образования не обладает". Это объясняется тем, что для каждого дескриптора возможно задать конкретную цель, которая и определяет его место в структурам учебного материала. С позиций кибернетики дескрипторы воз можно рассматривать как элементы информации, без которых невозможно определить семантические и логические характеристики передатчика, приемника и канала передачи информации. Процесс определения целей обучения на уровне учебного материала имеет различные варианты решения, некоторые и которых приведены ниже. В работе Н.Ф.Талызиной указывается, что обучение призвано внести определенные изменения в психическую деятельность учащихся" и, следовательно, "психологического звено" играет главную роль при задании целей обучения как изменение психической деятельности учащихся. Автор также признает, что "точное указание цели обучения в силу недостаточно точного уровня развития психологической и педагогической науки в настоящее время невозможно". Представление целей обучения в виде соотнесения иерархии уровней деятельности с содержанием обучения предлагается в работе В.П.Беспалько. Автор распределяет дескриптор по четырем уровням усвоения: "знакомства", "копи (воспроизведения)", "умения", "трансформации". Такой подход перспективен, так как позволяет не только качественно, но количественно описывать цели обучения и критерии его резул тативности. Тех же взглядов придерживается и В.В. Попов, который под целями обучения понимает "такое диагностично заданное описание знаний, умений, навыков, а также характеристик относящихся к личности обучаемого, которое позволяет установить факт наличия и измерить степень их сформированное после проведения урока, изучения темы, окончания курса и т.д. Возможность конкретизировать цель для каждого деск¬риптора обеспечивает основу для технологизации процесса по¬строения системы "содержание образования", отказ от экспромта и субъективизма. При этом, важнейшее значение имеет состав (как количественный, так и качественный) тех, кто реали¬зует эту возможность. В соответствии с законом Российской Федерации "Об образовании" (ст.2) должна быть обеспечена адаптивность системы образования, а следовательно и его со-держания, к уровням и особенностям развития и подготовки обучающихся, воспитанников. Для достижения этого условия конкретизация целей образования должна осуществляться "снизу" - от уровня образовательного учреждения или сферы профессиональной деятельности. Реализация этой задачи возможна при использовании экспертных или социологических методов. Диагностичная постановка целей в этом слу¬чае обеспечивается учетом следующих факторов: • индивидуальных возможностей и образовательных потребностей обучающихся; • реальных и потенциальных возможностей работников системы об-разования; • ориентации учебного материала на специфику сферы профессио-нальной деятельности. 2. Теоретические основы концепции конструирования экспертных систем в профессиональном обучении Важное значение для достижения основной цели функционирования системы профессионального образования - удовлетворения потребностей общества в квалифицированных специалистах - имеет развитие компьютеризации обучения. Уровень компьютеризации обучения характеризуется не только оснащённостью вычислительной техникой, её возможностями и качеством программного обеспечения, но и уровнем компьютерной грамотности студентов и преподавателей, обоснованностью выбора направлений компьютеризации в рамках учебной программы, сочетанием традиционных и компьютерных форм обучения, степенью разработанности их методического обеспечения, возможностью оценивать эффективность и определять направления совершенствования компьютерного обучения. В зависимости от того, как разделяются функции преподавателя и компьютера в процессе обучения, следует различать два основных направления компьютеризации. Метод обучения с использованием прикладного программного обеспечения, известный как обучение, усиленное компьютером, основывается на том, что все функции учебного процесса - передача и контроль знаний, обучение практическим навыкам - реализуются преподавателем. В ходе обучения он используется прикладное программное обеспечение, являющееся инструментальным дополнением традиционной технологии обучения. Обучение, усиленное ЭВМ, обеспечивает возможность расширять сферу применения математических методов для решения экономических задач за счёт использования соответствующих прикладных программ (статистических, эконометрических, оптимизационных пакетов, электронных таблиц, баз данных и других программных средств). Этот метод обучения удобен для небольших групп школьников и он позволяет преподавателю обеспечить индивидуальный подход к обучаемым и эффективно контролировать учебный процесс. В группах с большим числом обучаемых этот метод менее эффективен, так как не обеспечивает желаемой интенсивности работы учащихся и сопровождается значительно более высокой, чем при традиционном обучении, нагрузкой на преподавателя, связанной, прежде всего, с необходимостью обеспечить контроль знаний. Альтернативным направлением является компьютерное обучение. Го-ворить о компьютером обучении или об использовании компьютерной тех-нологии обучения можно тогда, когда преподаватель передаёт свои функции частично или целиком компьютеру. Компьютерная технология обучения характеризуется средствами обучения и методами их использования в учебном процессе. К средствам компьютерного обучения относятся: техническое обеспечение (hardware); программное обеспечение (software) и учебный материал (courseware). Программное обеспечение и учебный материал, используемые при данной форме обучения, имеют специфические особенности, так как ориентированы на реализацию функций учебного процесса. В зависимости от того, как именно реализуются функции обучения, различаются два основных типа технологий: • технологии, предоставляющие возможность обучаться; • технологии обучения под управлением компьютера. В технологиях обучения под управлением компьютера используются обучающие системы, которые реализуют функции управления учебным про-цессом. При этом степень подготовленности обучаемого и, что более важно, наилучшая стратегия обучения, определяется ЭВМ. 3. Экспертные системы и их место при анализе проблем Развитие информационных технологий расширяет возможности интеллектуальных систем, берущих на себя различные функции, традиционно считавшиеся прерогативой интеллектуальной деятельности. Одним из ключевых этапов при разработке интеллекту¬альных систем является описание их предметной области. Согласно определению, "пред-метная область - это модель неко¬торой части реального мира". На концепту-альном уров¬не предметная область представляется выделенными в ней типа¬ми объектов, атрибутами этих типов объектов и связями между ними. Следует отметить, что при описании предметной области важное значение имеет не столько количество используемых знаний, сколько методы их отбора и представления. Именно от них зависит показатель интеллектуальности системы, проявляющийся в способности использовать в нужный момент релевантные (необходимые) знания. Выбор метода отбора и представления знаний определяется спецификой той части реального мира, которую отражает предметная область. Эффективность принимаемых решений интеллектуальными системами существенно зависит от подготовки и адаптации богатства знаний специали-стов исследуемой предметной области в памяти компьютера. Поэтому, до сих пор остаётся актуальным вопрос разработки методов получения, пре-ставления и формализации знаний о предметной области для разработки си-стем искусственного интеллекта. Характерной чертой системы образования является циркуляция в ее рамках педагогических знаний. По мнению В.И.Гинецинского, определившего их как категорию педагогики, - это "знания, которые, будучи отражением объективно сущест¬вующего, несут в себе отпечаток внутреннего мира его носителя". Из определения следует - педагогические знания субъективны, что предполагает вариативность при их восприятии, изложении и интерпретации достигнутых результатов. Такая вариативность порождает проблему отбора учебного материала, которая в условиях "информационного взрыва", продолжающейся дифференциации направлений профессиональной деятельно¬сти и роста требований к уровню профессионализма крайне ак¬туальна. Решение ее возможно, если цель образования поставле¬на диагностично, "т.е. настолько точно и определенно, чтобы можно было однозначно сделать заключение о степени ее реализации и построить вполне определенный дидактический процесс, гарантирующий ее достижение за заданное время". Постановка диагностичной цели предполагает наличие профессионально ориенти-рованного образования, обеспечивающего фундамент будущего профессио-нализма обучающегося, как специализацию, готовящую к определенному способу деятельности, становящегося отличительной чертой каждой лично-сти". Достоверную информацию, необходимую для диагностичной поста-новки целей и отбора соответствующего содержания образования, возможно получить посредством социологических и экспертных методов, реализуемых непосредственно в образовательных учреждениях или в сферах профессиональной деятельности. Полученная от респондентов и экспертов информация, как правило, является значительной по объему, слабо-формализованной и нечисловой, что предполагает невозможность ее использования разработчиками диагностических средств и непосредственными участниками дидактического процесса. Учебный материал, соответствующий диагностично поставленным целям, должен быть представлен в виде квалиметрически обоснованных структур. Именно они и должны являться основой для разработки учебных программ, учебной литературы, нормативной документации и т.д. Игнорирование таких методов ведет к невозможности диагностичной постановки целей образо¬вания и субъективизму при отборе учебного материала. В инженерии знаний при описании предметной области преду-сматриваются когнитивный и технологический уровни. Логика описываемого исследования включает этапы: 1. Анализ системы "содержание образования". 2. Когнитивный уровень описания предметной области ЭС: • выявление характерных особенностей реального мира и возможных границ его отражения в предметной области; • определение объектов предметной области; • установление параметров, характеризующих рассматриваемые объ-екты; • определение структур, описывающих организацию объектов пред-метной области; • характеристика методов описания объектов в предметной области. 3. Технологический уровень описания предметной области ЭС: • квалиметрическое обоснование технологии описания предметной области ЭС; • алгоритм описания предметной области ЭС. Последовательное выполнение перечисленных этапов, на наш взгляд, позволит разработать технологию описания пред¬метной области ЭС, т.е. ре-шить задачу, являющуюся базовой при построении интеллектуальных си-стем. При создании систем искусственного интеллекта выделяют следующие основные направления их развития: 1) интеллектуальные информационно-поисковые системы; 2) обучающие системы; 3) экспертные системы. Интеллектуальные информационно-поисковые системы располагают обширным справочно-информационным фондом, формируют адекватные ответы на запросы пользователя, а также обрабатывают огромные количества информации из разнообразных источников, осуществляя автоматическое реферирование и проводя анализ на противоречивость на и неполноту тех или иных фрагментов знания. Обучающие системы применяются для профессионально обучения будущих специалистов, которые нередко называют тьюторами. Основной особенностью тьюторов является их способность давать обоснованные, методические эффективные для обучения объяснения с адаптивной степенью детализации по рассматриваемым диагностическим решениям. Экспертные системы (ЭС) аккумулируют профессиональные знания опытных квалифицированных экспертов и предназначены для решения практических задач, возникающих у специалиста, работающего в исследуемой предметной области. На рис. 1 представлена общая структура интеллектуальных экспертных систем. Основу любой экспертной системы составляют база данных (БД) и база знаний (БЗ). В БД накапливаются эмпирические факты из исследуемой предметной области: фактические данные, примеры экспертных заключений, элементарные высказывания с некоторой оценкой и т.п. (представленные в виде троек <объект, признак, значение признака>). В БЗ заносятся сведения, выражающие закономерности структуры множества эмпирических фактов и способы решения возникающих в этой области задач. Кроме того, в БЗ помещается информация об их важности, а также сведения о том, каким образом эти связи и закономерности могут быть использованы. Закономерности в БЗ представляются в виде различных математических моделей. Рис. 1. Общая структура систем искусственного интеллекта От качества представления данных и знаний зависит эффективность принимаемых решений экспертной системой, которые строятся в логическом блоке, или решателе. Блок общения, или интеллектуальный интерфейс - организует взаимо-действие пользователя с системой в удобной для него форме, максимально приближенной к реальному общению людей. Функция блока объяснения заключается в выдаче информации, объяс-няющей или иллюстрирующей путь получения того или иного вывода, если он интересует пользователя. Создание экспертных систем состоит из следующих основных этапов. 1 этап. Структуризация имеющихся данных и знаний об изучаемых объектах с привлечением квалифицированных экспертов в рассматриваемой предметной области. 2 этап. Выбор математического аппарата и формализация данных и знаний. 3 этап. Разработка системы, предоставляющей пользователю эффек-тивные средства для анализа данных на предмет выявления закономерностей, построения решающих правил и распознавания предъявляемых объектов, выработки и обоснования решений. 4 этап. Создание, заполнение и управление БЗ системы. 5 этап. Решение реальных задач по распознаванию произвольных объектов и принятию решений в рассматриваемой предметной области. 6 этап. Доработка экспертной системы по результатам эксплуатации. Базовым понятием в ЭС является «знание», хотя однозначного определения оно не имеет. Специалистами предложены десятки различных толкований. Рассмотрим некоторые из них. Определение знаний вне контекста искусственного интеллекта, звучит следующим образом: «Проверенный практикой результат познания действительности, верное её отражение в мышлении человека». Это определение достаточно общее и не проясняет особенностей знаний, связанных с компьютерными системами. Другое определение термина «знание», уже в рамках инженерии знаний, где «знания» определяются как формализованная информация, на которую ссылаются или которую используют в процессе решения. Соответственно, под базой знаний понимают совокупность знаний, относящихся к некоторой предметной области и формально представленных таким образом, чтобы на их основе можно было осуществлять рассуждения». Кроме того, знания определяются как основные закономерности предметной области, позволяющие человеку решать конкретные производственные, научные и другие задачи, то есть факторы, понятия, взаимосвязи, оценки, правила, эвристики, а также стратегии принятия решения в этой области. Множественность и многообразие определения «знания», заключается в его материальном носителе. Например, это могут быть знания, хранящиеся в памяти человека; материализованные знания в виде статей, энциклопедий или формализованные знания на языках представления знаний. В связи с этим, знания делят на две категории: декларативные (экстен-сиональные) знания и процедурные (интенсиональные) знания. Декларативные знания представляют собой свойства, характеризующие конкретные объекты, события, эмпирические факты, хорошо известные в исследуемой предметной области обстоятельства, иногда такие знания называют текстовыми, имея в виду достаточную их освещённость в специальной литературе или учебниках. Процедурные знания основываются на собственном опыте эксперта (знания о закономерностях в данной предметной области), накопленном в результате многолетней практики, в силу этого они являются эвристическими, экспериментальными, неопределенными и оперируют абстрактными объектами, событиями и отношениями. Но, тем не менее, именно эта категория знаний играет решающую роль в повышении эффективности ин-теллектуальных систем. При решении задачи получения знаний для экспертных систем выде-ляют три стратегии: приобретение, извлечение и формирование знаний. Приобретение знаний осуществляется посредством автоматизированного диалога между экспертом и специальной программой. Таким образом, удается получить фрагменты знаний в соответствии со структурами, заложенными разработчиками системы. Существует ряд недостатков в данной стратегии таких как: привязанность к предметной области, неполнота приобретаемых знаний, упрощение структуры знаний. Извлечение знаний происходит без привлечения вычислительной тех-ники путем непосредственного контакта инженера по знаниям и источником знаний (экспертом, специальной литературой и др.). Инженеру по знаниям необходимо воссоздать модель предметной области, которой пользуются эксперты для принятия решений. Это длительная и трудоемкая процедура. Формирование знаний осуществляется непосредственно в самой экс-пертной системе, которая «самостоятельно» формирует необходимые знания или получает «новое» знание не задаваемое экспертом. Другими словами формирование знаний - это задача обработки база данных (БД) с целью перехода к базам знаний (БЗ). Возможности человека в выделении новых (скрытых) закономерностей ограничены, поэтому разработка методов и алгоритмов, способных анализировать слабоструктурированные, разнородные данные и предоставлять новые полученные знания в удобной для восприятия человеком форме, является наиболее актуальной задачей при разработке экспертных систем. Обобщая приведённую выше информацию можно сделать следующий вывод, что от того насколько качественно • будут структурированы исходные данные и профессиональные зна-ния, • сформированы новые знания, которые будут положены в основу БЗ, • подобрана математическая модель представления данных и знаний зависит оперативность и качество принимаемых решений интеллектуальной экспертной системой. 4. Модели представления данных и знаний Вопросам построения моделей данных и знаний уделялось самое при-стальное внимание при разработке интеллектуальных экспертных систем, что привело к созданию ряда математических моделей, используемых для представления данных и знаний. В настоящее время наиболее проработанными и традиционно исполь-зуемыми моделями для представления данных в интеллектуальных си-стемах являются иерархическая, сетевая и реляционная модели, а для пред-ставления знаний - семантические сети, фреймы, логические модели, си-стемы продукций. Иерархическая модель данных - это модель представления элементов данных и связей между элементами данных в виде древовидных структур. Сетевая модель данных реализуется на основе ориентированных гра-фов, где вершинам гарафа соответствуют специальным образом организо-ванные таблицы, а дугам - типы связей между этими таблицами. Реляционная модель данных базируется на теоретико-множественном понятии отношения, т.е. множества кортежей фиксированной длины, где каждый кортеж задает описание объекта в виде последовательности отдельных значений признаков, а связи между элементами данных задаются путем включения одинаковых признаков в разные отношения. На логическом уровне реляционная модель представляется набором связанных между собой таблиц с данными. В представлении знаний семантическая сеть - это ориентированный граф, вершины которого - понятия (абстрактные или конкретные объекты), а дуги - отношения между ними. Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, представляющей ответ на поставленный вопрос. Основным преимуществом этой модели является то, что она более других соответствует современным представлениям об организации долговременной памяти человека. Недостатком этой модели является сложность организации процедуры поиска вывода на семантической сети. Если ввести ограничения на характерструктур и типов информационных единиц, находящихся в вер-шинах семантической сети, и на характер связей, задаваемых её дугами, то можно получить другие модели представления знаний, например, фреймовые модели. Фреймы представляют собой поименованные структуры, составленные из ряда описаний (слотов), идентифицирующих основные элементы фрейма, и позволяющие внести в семантическую сеть определённую структуризацию. Допускается, чтобы слот сам был фреймом. Связь между фреймами задаётся значениями специального слота. Основным преимуществом фреймов является их гибкость и наглядность, а также фреймы, как и семантическая сеть отражают концептуальную основу организации памяти человека. Логические модели представления классов объектов и отношений между ними базируются на использовании понятий исчисления предикатов, позволяющих описывать взаимосвязи между различными объектами. В основе моделей такого типа лежит формальная система, задаваемая четверкой вида M=, где Т - множество базовых элементов, Р - множество синтаксических правил, А - множество аксимом, В - множество правил вывода. Заданная таким образом формальная система представляет собой генератор порождения правильных цепочек, образующих множество выводимых в данной системе знаний. Логические модели применяются в основном в исследовательских системах, так как предъявляют очень высокие требования и накладывают ограничение к предметной области. Продукционная модель представления знаний оперирует с правилами импликативного вида «Если А, то В», называемыми продукциями и задаю-щими элементарные шаги преобразований и умозаключений, где левая часть правила является посылкой (причиной), а правая часть - заключением (следствием). Вместо логического вывода, характерного для логических моделей, в продукционных моделях применяется вывод на знаниях. Продукционная модель чаще всего применятся в промышленных экспертных системах. Она привлекает разработчиков своей наглядностью, высокой модульностью, легкостью внесения дополнений и изменений и простотой механизма логического вывода.. Рассмотренные модели представления знания данных и знаний используются на этапе создания БЗ экспертной системы (4 этап). Заключение Переход от БД к БЗ является непростой задачей. В общем случае её можно описать в случае её можно описать в следующей форме, в которой большое место уделяется проблемам анализа данных и знаний. Предположим, что имеется «черный ящик»: набор признаков, среди которых существуют признаки, влияющие на целевое свойство объекта, но какие из них являются определяющими, и какой математической моделью описываются закономерности их влияния, не известно. Требуется выбрать определяющие (информативные) признаки и построить модель, позволяющую вычислять по из значениям значения целевого свойства. На результатах решения задач анализа данных лежит явный след боль-шого числа эвристических или экспертных предположений - и о выборе ха-рактеристик объекта, и о классе моделей, и о параметрах выбранной модели. Необходимо отметить и тот факт, что реальные данные обладают такими особенностями, которые затрудняют применение строгих математических методов, а именно: малые выборки в пространствах большой размерности, разнотипность измерительных шкал, наличие шумов и пробелов. В последнее время чаще стали использоваться такие алгоритмы анали-за данных, которые опираются не на общие модели «черного ящика», а на конкретные факты его поведения, зафиксированные в протоколах «вход-выход», или на «прецеденты». Построенные таким образом модели позволяют ответить на один из вопросов: «Что происходит?», «Как это происходит?», «Почему именно так, а не иначе?». 1. Содержание обучения Литература 1. Гаврилова Т. А., Червинская К. Р. Извлечение и структурирование знаний для экспертных систем. - М.: Радио и связь, 1992. - 200 с. 2. Дюк В. А. Самойленко А. Data Mining: Учебный курс. - СПб: Питер, 2001. -368с. 3. Дюк В. А. Компьютерная психодиагностика. - СПб.: Изд-во «Брат-ство», 2994. - 364с. 4. Поспелов Д. А. Искуственный интеллект: фантазии и реальность // Наука и жизнь. - 1995. - №6. 5. Будущее искусственного интеллекта/ Под ред. К.Е. Левитина и Д.А. Поспелова - М.: Наука, 1991.-302с. 6. Осипов Г.С. Приобретение знаний интеллектуальными системами: Ос-новы теории и технологии. - М.: Наука. Физматлит, 1997. - 112с. 7. Построение экспертных систем / Под ред. Ф. Хейес-Рота, Д. Уотерме-на, Д. Лената. - М.: Мир, 1987. - С. 434. 8. Психологическая диагностика и новые информационные технологии / Л. И. Вассерман, В.А Дюк, Б.В. Иовлев, К.Р. Червинская. - СПб.: ООО «СЛП», 1997. - 203с. 9. Дрибас В.П. Реляционные модели баз данных. - Минск: Изд-во БГУ, 1982. 10. Дейт К. Введение в системы баз данных / Пер. с англ. - М.: Наука, 1980. 11. Ефимова С.М., Суворов Е.В. Модель П-графов для представления зна-ний и способ её аппаратной реализации на основе метода МЗ // Изв. АН СССР. Техническая кибернетика. - 1986. - №2.-С.32-47. 12. Искусственный интеллект: В 3 кн. Кн. 2. Модели и методы / Под ред. Д. А. Поспелова. - М.: Радио и связь, 1990. 13. Искусственный интеллект: В 3 кн. Кн. 3. Программные и аппаратные средства + Под ред. В. Н. Захарова, В. Ф. Хорошевского. - М.: Радио и связь, 1990. 14. Лозовский В.С. Экстенсиональная база данных на основе семантиче-ских сетей // Изв. АН СССР. Техническая кибернетика. - 1982. - №5. - с. 23-42. 15. Мартин Дж. Организация баз данных в вычислительных системах / Пер. с англ. - М.: Мир, 1980. 16. Минский М. Фреймы для представления знаний \ пер. с англ. - М.: Энергия, 1979. 17. Нетрадиционные модели и системы с нечеткими знаниями / Под ред. А.Ф. Блишуна. - М.: Энергоатомиздат, 1991. 18. Нильсон Н. Принципы искусственного интеллекта / Пер. с англ. - М.: Радио и связь, 1985. 19. Осипов Г. С. Метод формирования и структурирования модели знаний для одного типа предметных областей // Изв. АН СССР. Техническая кибернетика. - 1988. - №2. - с.3-12. 20. Гладун В. П. Эвристический поиск в сложных средах. - Киев: Наукова Думка, 1977. 21. Дюк В., Самйленко А. Data Mining: Учебный курс. - СПб: Питер, 2001. - 368с. |
| « Пред. | След. » |
|---|
