Процесс приобретения знаний при разработке экспертных систем.

Рис. Связь основных понятий предметной области экспертной системы(ЭС)

Экспертная система (ЭС) – система искусственного интеллекта, включающая знания об определенной слабо структурированной и трудно формализуемой узкой предметной области и способная предлагать и объяснять пользователю разумные решения. ЭС состоит из базы знаний, механизма логического вывода и подсистемы объяснений.

Процесс получения знаний от эксперта (или из каких-либо других источников знаний) и передачи их экспертной системе называют приобретением знаний. Обычно источником знания является эксперт-человек, но могут быть и эмпирические данные и тексты, в которых содержатся сведения об области экспертизы. Процесс приобретения знаний важен и сложен. Качество и эффективность решения задач ЭС определяются качеством и количеством используемых ею знаний. Объем знаний, используемых экспертом, велик, так и тем, что знания эти не полностью осознаются экспертом.

Подсистема приобретения знаний (ППЗ) – программа, предназначенная для корректировки и пополнения базы знаний. ППЗ –– интеллектуальный редактор базы знаний, средства для извлечения знаний из баз данных, из неструктурированного текста, из графической информации и т.д.

ППЗ предназначена для добавления в базу знаний новых правил и модификации имеющихся. В ее задачу входит приведение правила к виду, позволяющему подсистеме вывода применять это правило в процессе работы. В более сложных системах предусмотрены еще и средства для проверки вводимых или модифицируемых правил на непротиворечивость с имеющимися правилами.

ЭС работает в двух режимах: режиме приобретения знаний и в режиме решения задачи

В режиме приобретения знаний общение с ЭС осуществляет (через посредничество инженера по знаниям) эксперт. эксперт, используя компонент приобретения знаний, наполняет систему знаниями, которые позволяют ЭС в режиме решения самостоятельно (без эксперта) решать задачи из проблемной области. Эксперт описывает проблемную область в виде совокупности данных и правил. Данные определяют объекты, их характеристики и значения, существующие в области экспертизы. Правила определяют способы манипулирования с данными, характерные для рассматриваемой области. режиму приобретения знаний в традиционном подходе к разработке программ соответствуют этапы алгоритмизации, программирования и отладки, выполняемые программистом. Т.о., в отличие от традиционного подхода в случае ЭС разработку программ осуществляет не программист, а эксперт (с помощьюЭС), не владеющий программированием.

Целесообразно осуществить разбиение процесса приобретения знаний на фазы, отражающие изменение функций участников проектирования (эксперта и инженера по знаниям) и/или экспертной системы: 1) предварительная фаза; 2) начальная фаза; 3) фаза накопления.

Предварительная фаза приобретения знаний. ЭС еще не существует (отсюда и название фазы). Знания приобретаются инженером по знаниям от эксперта. На этой фазе задача инженера по знаниям состоит в том, чтобы получить от эксперта основные сведения об области экспертизы (основные понятия, отношения, подзадачи и т.п.) и сформировать на их основе общее представление о структуре данных и принципах построения экспертной системы. Эта фаза приобретения знаний выполняется на этапах идентификации, концептуализации и формализации.
На начальной фазе осуществляется наполнение системы знаниями о представлении, т.е. значениями, определяющими организацию, структуру и способ представления базы знаний. В связи с тем, что для определения указанных знаний необходимо владеть основами программирования и детально понимать функционирование проектируемой экспертной системы, введение знаний на начальной фазе может осуществлять только инженер по знаниям, а не эксперт. Начальная фаза осуществляется в ходе первой стадии этапа выполнения.
В ходе фазы накопления осуществляется приобретение основных знаний об области экспертизы. На современном уровне развития приобретение знаний на этой фазе осуществляется экспертом совместно с инженером по знаниям. На фазе накопления решаются следующие задачи: 1) обнаружение неправильности, неполноты или противоречивости знаний, используемых экспертной системой; 2) извлечение новых знаний, устраняющих обнаруженную неправильность, неполноту или противоречивость; 3) преобразование новых знаний в вид, понятный экспертной системе; 4) объединение " новых" знаний со " старыми". Следует отметить, что на данной фазе приобретаются все виды знаний, необходимые для эффективного и качественного функционирования ЭС.
??? Модели приобретения знаний. Процесс приобретения знаний является наиболее сложным этапом разработки экспертной системы. Это объясняется тем, что обычно инженер по знаниям плохо разбирается в предметной области, а эксперт не знает программирования. В связи с этим лексика, используемая экспертом, непонятна инженеру по знаниям. Чтобы уточнить и расширить лексику, требуется совместная работа эксперта и инженера по знаниям. Одна из наиболее сложных задач, стоящих перед инженером по знаниям, заключается в том, чтобы помочь эксперту структурировать знания о проблемной области.
Процесс приобретения знаний можно свести к последовательности выполнения следующих задач:
1) определяется необходимость модификации (расширения) знаний;
2) при необходимости модификации осуществляется извлечение новых знаний, в противном случае процесс приобретения знаний заканчивается;
3) новые знания преобразуются в форму, " понятную" экспертной системе;
4) знания системы модифицируются, и осуществляется переход к первой задаче.

В выполнении перечисленных задач могут принимать участие эксперт, инженер по знаниям (программист) и экспертная система. В зависимости от того, кто выполняет задачу, можно выделить различные модели приобретения знаний.
В ранних работах по искусственному интеллекту взаимодействие с разрабатываемой системой осуществлял только программист. При разработке системы программисты не отделяли знания (данные) от механизма вывода. В задачу программиста входило освоить с помощью эксперта предметную область и затем при разработке системы выступать в роли и эксперта, и программиста. Недостаточное знание области экспертизы не позволяло программисту гарантировать полноту и непротиворечивость приобретенных знаний. Неизбежные модификации системы приводили (при отсутствии разделения системы на базу знаний и механизм вывода) к невозможности сохранить однажды достигнутую непротиворечивость знаний. В этой модели все перечисленные выше задачи по приобретению знаний выполнял программист.
Последующие разработки систем искусственного интеллекта основывались на отделении знаний от программ и оформлении знаний в виде простых информационных структур, называемых базами знаний. В этом случае эксперт взаимодействует с системой через инженера по знаниям. Преимущество данного подхода состоит в том, что база знаний упрощает модификацию знаний. В данной модели первую и вторую задачи приобретения знаний выполняет эксперт с помощью инженера по знаниям, третью задачу выполняет инженер по знаниям, а четвертую - экспертная система. Важный недостаток- большая трудоемкость. Из четырех задач по приобретению знаний автоматизирована только одна.
Эксперт, минимально сведующий в вопросах программирования, может взаимодействовать с ЭС через интеллектуальный редактор без посредничества инженера по знаниям. В этой модели интеллектуальный редактор должен обладать развитыми диалоговыми способностями и значительными знаниями о структуре базы знаний (т.е. метазнаниями). Заметим, то интеллектуальный редактор может быть включен в состав ЭС. При использовании интеллектуального редактора эксперт (с минимальной помощью инженера по знаниям и ЭС) решает первую и вторую зачади приобретения знаний, третья и четвертая задачи выполняются ЭС.
ЭС могут приобретать знания аналогично тому, как это делает эксперт-человек. В этом случае индуктивная программа будет анализировать данные, содержащие сведения о некоторой области экспертизы, автоматически формируя значимые отношения и правила, описывающие предметную область. Предполагается, что в базе знаний в явном виде хранятся конкретные факты о проблемной области, а задача индуктивной программы — сделать значимые обобщения. Основным достоинством этого подхода является автоматизация всех перечисленных выше четырех задач по приобретению знаний.
Дальнейшие перспективы развития ЭС связываются с приобретением знаний непосредственно из текстов на ЕЯ. В данном случае требуется читать обычные печатные тексты (книги, статьи и т.п.) и извлекать из них знания, т.е. понимать текст, схемы, графики и т.п.

Сложность задачи понимания состоит не только в обработке естественного языка, но и в необходимости воссоздать по тексту модель некоторой проблемной области. Эти требования пока превосходят возможности существующих программ понимания, несмотря на то, что в данном случае речь идет об анализе текстов, ограниченных достаточно узкой областью экспертизы. Следует отметить, что приведенные выше методы (модели) приобретения знаний различаются с точки зрения их независимости от эксперта. Методы приведены в порядке возрастания этой независимости, т.е. в порядке увеличивающейся степени автоматизации процесса приобретения знаний.