10545

09.04.01-УММ-М.1.2.5-ПИС-ЛК02-Задачи, решаемые прикладными системами искусственного интеллекта (ПСИИ). Классификация ПСИИ. Критерии выбора ПСИИ.

Учебник создан в соответствии с Федеральным государственным образовательным стандартом по направлению бакалавриата «Информационные системы и технологии». Рассмотрены современное состояние теоретических и прикладных вопросов

представления знаний в информационных системах, идеология построения

интеллектуальных систем, математический аппарат представления знаний, возможности и пути использования искусственного интеллекта при проектировании

информационных систем. Изложены новые аспекты представления знаний на основе

искусственных нейронных сетей, расчетно-логических систем, генетических

алгоритмов, мультиагентных систем. Приведены примеры практической реализации

представления знаний на базе декларативного языка Пролог. Для студентов

учреждений высшего профессионального образования. Может быть полезен разработчикам и пользователям информационных систем; преподавателям и научным

сотрудникам, сферой интересов которых является интеллектуализация различных

предметных областей; менеджерам и руководителям различного ранга, желающим

самостоятельно ознакомиться с современным состоянием информационных

технологий.

Подробнее: https://lavkababuin.com/predstavlenie-znaniy-v-informacionnyh-sistemah-2-e- izd-ster-650564/

[4] Остроух, А. В. Интеллектуальные информационные системы и технологии

[Электронный ресурс] : монография / А. В. Остроух, А. Б. Николаев. Санкт-Петербург:

Лань, 2019. - 308 с.

В монографии изложены концептуальные основы и методы представления знаний в интеллектуальных системах. Рассмотрены различные подходы, применяемые при

проектировании и разработке интеллектуальных систем и технологий в

транспортном комплексе, а также рассмотрены тенденции развития систем

искусственного интеллекта.

Монография может быть использована для формирования профессиональной

компетентности студентов высших учебных заведений, аспирантов и научных сотрудников обучающихся и ведущих научные исследования в области разработки и

практического применения систем искусственного интеллекта по укрупнённой

группе направлений подготовки "Информатика и вычислительная техника".

Подробнее: https://www.labirint.ru/books/692861/

Ссылки на открытые ресурсы (он-лайн-курсы, видеоуроки и т.д.)

[5]

iСписок рекомендуемой литературы может быть более широким по сравнению со списком литературы, указанным в рабочей программе

09.04.01-УММ-М.1.2.5-ПИС-ЛК03-Системы основанных на знаниях. Понятие инженерии знаний. Этапы получения знаний о предметной области. Методы получения знаний о предметной области

Прикладные интеллектуальные системы

Конспект лекции 3. Системы основанных на знаниях. Понятие инженерии знаний. Этапы получения знаний о предметной области. Методы получения

знаний о предметной области

Аннотация: В лекции рассказывается о понятии систем основанных на знаниях и

понятии инженерии знаний. Рассмотрены этапы и методы получения знаний о предметной области в инженерии знаний.

План лекции:

1.Системы основанных на знаниях.

2.Понятие инженерии знаний.

3.Этапы получения знаний о предметной области.

4.Методы получения знаний о предметной области

5.Задания для самостоятельной работы.

Ключевые слова: системы основанные на знаниях, инженерия знаний, знания о предметной области, Методы получения знаний о предметной области

09.04.01-УММ-М.1.2.5-ПИС-ЛК03-Системы основанных на знаниях. Понятие инженерии знаний. Этапы получения знаний о предметной области. Методы получения знаний о предметной области

СОДЕРЖАНИЕ ЛЕКЦИИ:

1. Системы основанных на знаниях.

На начальном этапе исследований по искусственному интеллекту возникло всеобщее убеждение, что за интеллектуальным поведением человека скрываются его знания об

окружающем мире. Речь идет о знаниях, которыми обладают специалисты

профессионалы.

Данные – отдельные факты, характеризующие объекты, процессы и явления в

предметной области, а также их свойства.

Знания основаны на данных, полученных эмпирическим путем. Это результат

мыслительной деятельности человека, направленной на обобщение опыта,

полученного в результате практической деятельности.

Знания – это закономерности предметной области (принципы, связи, законы),

полученные в результате практической деятельности и профессионального опыта,

позволяющие специалистам ставить и решать задачи в этой области.

Знания – выводы, сделанные на основе данных. Они более компактны, чем данные.

Знания можно сформулировать в виде правил, т.е. изложить в форму.

Особенности знаний, которые отличают их от данных.

Интерпретируемость. Данные, помещенные в ЭВМ, могут содержательно

интерпретироваться лишь соответствующей программой. В отрыве от программы, данные не несут никакой содержательной информации. Знания отличаются тем, что в

них возможность содержательной интерпретации всегда присутствует.

Наличие классифицирующих отношений. Несмотря на разнообразие форм хранения

данных, ни одна из них не обеспечивает возможности компактного описания всех

связей между различными типами данных. При переходе к знаниям между отдельными

единицами знаний можно установить такие отношения, как “элемент-множество”, “тип

-подтип”, “ситуация-подситуация”, отражающие характер их взаимосвязи. Это

позволяет записать и хранить отдельно информацию, одинаковую для всех элементов

множества. При необходимости эту информацию можно автоматически передать описанию любого элемента множества. Такой процесс передачи называют

“наследованием” информации.

Наличие ситуативных связей. Эти связи определяют ситуативную совместимость

отдельных событий или фактов, хранимых или вводимых в память, а также отношения,

как одновременность, расположение в одной области пространства, нахождение в

09.04.01-УММ-М.1.2.5-ПИС-ЛК03-Системы основанных на знаниях. Понятие инженерии знаний. Этапы получения знаний о предметной области. Методы получения знаний о предметной области

состоянии механического взаимодействия. Ситуативные связи помогают строить

процедуры анализа знаний на совместимость, противоречивость, которые трудно

реализовать при хранении традиционных массивов данных.

Традиционно знания классифицируются по категориям:

поверхностные – знания о видимых взаимосвязях между отдельными событиями и

фактами в предметной области. (Кнопка звонка).

глубинные – абстракции, аналогии, схемы, отображающие структуру и природу процессов, протекающих в предметной области. Эти знания объясняют явления и

могут использоваться для прогнозирования поведения объектов.

Помимо этой классификации, знания делят на процедурные и декларативные.

Декларативные знания - знания, которые записаны в памяти интеллектуальной системы так, что они непосредственно доступны для использования после обращения

к соответствующему полю памяти. Обычно декларативных знаний используются для представления информация о свойствах и фактах предметной области. По форме

представления декларативные знания противопоставляются процедурным знаниям.

Процедурные знания - знания, хранящиеся в памяти интеллектуальной системы в виде

описаний процедур, с помощью которых их можно получить. Обычно процедурные

знания используются для представления информации о способах решения задач в

проблемной области, а также различные инструкции, методики и т.п.

Интеллектуальная система, основанная на знаниях, представляет собой такую

систему, в которой с помощью логического вывода знания применяются к решению

поставленных задач.

Экспертные системы отличаются от традиционных вычислительных пакетов

программ тем, как они организованы. С традиционных позиций программы

представляет собой процедуру и данные.

Общее представление о работе экспертной системы показано на рисунке 6.2.

Экспертные системы содержат в базе данных три различных модуля:

факты о признаках конкретной ситуации

правила относящиеся к области экспертизы

правила работы с «экспертными правилами» или «машина вывода»

Схема работы системы основанной на знаниях:

09.04.01-УММ-М.1.2.5-ПИС-ЛК03-Системы основанных на знаниях. Понятие инженерии знаний. Этапы получения знаний о предметной области. Методы получения знаний о предметной области

Инженерия знаний применяется в менеджменте знаний для организации сбора,

накопления, хранения и использования знаний организации в стратегии управления

знаниями, ориентированную на кодификацию знаний.

Инженерия знаний (ИЗ) была определена Фейгенбаумом и МакКордак в 1983 году как

«ИЗ — раздел (дисциплина) инженерии, направленный на внедрение знаний в

компьютерные системы для решения сложных задач, обычно требующих богатого

человеческого опыта».

В настоящее время это также предполагает создание и обслуживание подобных

систем (Кендэл, 2007). Это также тесно соприкасается с разработкой программного

обеспечения и используется во многих информационных исследованиях, например

таких, как исследования искусственного интеллекта, включая базы знаний, сбор

данных, экспертные системы, системы поддержки принятия решений и географические информационные системы. ИЗ связана с математической логикой, также используемой в разных научных дисциплинах, например, в социологии, где целью исследований понимание социального поведения людей, анализ логики взаимоотношения людей в обществе.

Инженерия знаний представляет собой совокупность моделей, методов и технических приемов, нацеленных на создание систем, которые предназначены для

решения проблем с использованием знаний. Фактически инженерия знаний – это

теория, методология и технология, которые охватывают методы добычи, анализа,

представления и обработки знаний экспертов.

Представление знаний, их обработка и использование, рассматриваемые

применительно к конкретной прикладной области, являются предметом инженерии знаний.

Инженерия знаний включает применение единой стратегии, которая может быть

реализована с помощью технических средств на этапе сбора и обработки данных. Она тесно связана и находит применение в системе автоматизированного

проектирования (CAD). Инжиниринг, основанный на знаниях, объединяет по принципам объективной ориентации и правилам с CAD и другими традиционными инструментами инженерного программного обеспечения.

На высоком уровне, процесс инженерии знаний состоит из двух:

1.Извлечение знаний – преобразование «сырых знаний» в организованные.

2.Внедрение знаний – преобразование организованных знаний в реализованные.

Предметная область - сфера человеческой деятельности, выделенная и описанная

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.

09.04.01-УММ-М.1.2.5-ПИС-ЛК03-Системы основанных на знаниях. Понятие инженерии знаний. Этапы получения знаний о предметной области. Методы получения знаний о предметной области

Проблемная область - комплексное понятие, включающее предметную область, решаемые задачи, цели, возможные стратегии и эвристики. Предметную область можно

определить как объект или, например, 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.

При исследовании экономических систем и решаемых ими задач с целью формализации

знаний в БЗ и работе необходимо учитывать специфику таких систем. Экономическим системам присуща динамичность функционирования, частая смена ситуаций,

обновление больших массивов измерительных и других данных, характеризующих

состояние объекта. Они часто функционируют в условиях полной определенности из-

за действия случайных возмущающих факторов.

Автоматизация извлечения знаний и запись их в БЗ. Неавтоматизированный сбор знаний специалистов трудоемкий процесс. В развитых интеллектуальных системах предусматриваются вспомогательные средства для приобретения знаний.

3. Этапы получения знаний о предметной области.

Представление знаний заключается в последовательной реализации следующих

этапов.

На первом этапе осуществляется описание проблемной области с помощью

таксономий или онтологий [1].

Затем необходимо определить факты, правила и отношения для заданной проблемной области. Под фактами понимается описания значений данных, правила служат для интеграции фактов в каузальной форме в целях получения решения, а отношения

представляют собой совокупность семантических зависимостей, используемую для интерпретации правил в стратегиях поиска решений.

На следующем этапе, на основании определенных выше фактов, правил и отношений

осуществляется идентификация знаний, причем:

факты и правила составляют главные компоненты знания;

факты, правила и отношения определяют стратегию поиска решения;

декларативные и процедурные знания выражаются в виде цепочки логических

рассуждений в стратегиях поиска решения и лежат в основе организации

логического вывода.

Очередной этап связан с разработкой моделей представления знаний на основе одного из известных подходов:

фреймы;

семантические сети;

исчисление предикатов первого порядка;

продукции;

комбинированные модели на основе правил продукции.

Процедура лингвистической обработки проблемной информации реализует еще один этап представления знаний и заключается в формулировании предложений

(совокупности фактов) и утверждений (совокупности предложений).

09.04.01-УММ-М.1.2.5-ПИС-ЛК03-Системы основанных на знаниях. Понятие инженерии знаний. Этапы получения знаний о предметной области. Методы получения знаний о предметной области

Следующим этапом является организация логического вывода, определяемого в виде

результата совокупного применения стратегий и цепочек логических рассуждений.

Цепочки логических рассуждений представляют собой интерпретацию фактов

предметной области, причем может быть использована как прямая, так и обратная

цепочка логического вывода. На основе цепочек логических рассуждений строится

соответствующая стратегия поиска решения.

На заключительным этапе осуществляется оценка неопределенности в системах ИИ, которая может быть реализована на основе:

коэффициентов неопределенности;

вероятностных характеристик событий;

факторов логической необходимости и логической достаточности

событий;

формулы Байеса для оценки вероятности событий;

лингвистической переменной;

переменной неопределенности.

Реализация ИнС предполагает выбор инструментальных средств. При этом уже

определены характеристики задачи, решаемой проектируемой экспертной системой,

имеется структура, пространство поиска и пространство формируемых решений,

требуется обеспечить необходимые функциональные возможности

инструментального комплекса или среды разработки.

Для реализации ЭС используются как традиционные языки программирования, языки

обработки списков, логического программирования, процедурные языки, так

программные оболочки (среды) для создания экспертных систем, экспертные системы и системы приобретения знаний.

4. Методы получения знаний о предметной области

Существует несколько стратегий получения знаний. Наиболее распространенные:

извлечение;

приобретение;

обнаружение (формирование).