11. Идея и метод принятия решений средствами инженерии квантов знаний.

Существующие искусственные нейронные сети и методы инженерии знаний (И З), основанные на логических, продукционных, фреймовых и др. моделях знаний, недостаточно эффективны из-за несовершенства способов представления и машинного способа манипулирования ими. Тем не менее, знаниеоориентированное направление остается актуальным в моделировании интеллектуальных умений человека успешно принимать решения в различных условиях неопределенности, благодаря человеческой интуиции и знаниям.

В этом направлении профессором И.Б. Сироджа предложен квантовый подход к инженерии знаний, реализованный посредством разработанного метода разноуровневых алгоритмических квантов знаний (δ-РАКЗ-метод) для принятия идентификационных и прогнозных решений в условиях δ-неопределенности. Эти условия предлагается определить параметром δ , значения которого конкретизируют суть вводимых типов неопределенностей соответствующей комбинацией следующих ограничений.

1. Данные об объекте принятия решений (ОПР) имеют разнотипный характер (измерены в количественных и качественных шкалах) и полученны в неполных объемах из разных источников (книги, справочники, техническая документация, эксперты, измерения и т.п.);

2. Информация о предметной области и ОПР не всегда достоверна, неполна и неточна;

3. Данные носят преимущественно статистический характер с неизвестными законами распределения характеристик (признаков) ОПР;

4. Преобладает лингвистический (качественный) и нечеткий характер описания предметной области и свойств ОПР;

5. Критерии качества принятия решений заданны неявно и неизвестны по количеству и конкретно какие информативные признаки ОПР, доставляющие оптимум критерия качества;

6. Неизвестны правила принятия идентификационных и прогнозных решений, а также индуктивные принципы их построения путем обучения компьютера по выборочным знаниям и экспериментальным данным;

7. Невозможно непосредственно построить правила принятия указанных решений с помощью известных стандартных вычислительных методов.

Комбинация ограничений {(1), (5)-(7)} определяет условия t-неопределенности, , при которых используются достоверные (точные) t-кванты знаний, а точнее tk-знания. Комбинации ограничений {(1), (2), (5)-(7)}, отвечает условиям π- неопределенности , когда показатели достоверности событий не точны и оцениваются приближенно, и применяются приближенные -кванты, т.е. k-знания.

Аналогично, при и ограничениях {(1), (3), (5)-(7)} выполняются условия v-неопределенности, при которых используются вероятностные vk-знания, а при и ограничениях {(1), (2), (4)-(7)} имеем условия -неопределенности и применяем нечеткие k-знания.

Идея квантового подхода к ИИ кроется в новой формализованной структуризации (автоматическом квантовании) информации для компьютерного воспроизведения умозаключений и рассуждений средствами математической логики и теории алгоритмов. Понятие δ – кванта знаний, т.е. δk – знания определяется аксиоматически как алгоритмическая структура 0-го, 1-го и 2-го уровней сложности, которая описывает конкретное событие порцией (квантом) информации в виде высказывания и содержит три составляющие: содержательную (семантика), информационную (символы) и процедурную (операторы, алгоритмы). Если квантовому событию можно поставить в соответствие число, то имеем δk -знания 0-го уровня, если кортеж чисел (вектор) или матрицу, то δk-знания имеют 1-й или 2-й уровень соответственно, независимо от типа условий δ-неопределенности. При этом посредством δРАКЗ-метода реализуется алгоритмизация δРАКЗ-моделей представления знаний и дедуктивного вывода следствий из посылок, опираясь на базу δ-знаний (БδkЗ), которая строится индуктивно при обучении на примерах.

Предложенная идея реализуется на основе концепции инженерии квантов знаний (ИКЗ), которая базируется на разработанном δРАКЗ-методе принятия решений [7] и представлена общей схемой на рис 3.1.

Рис 3.1. Общая концептуальная схема инженерии квантов знаний

Согласно концептуальной схеме ИКЗ первоначально строится БδkЗ как система импликативных и/или функциональных закономерностей для конкретной предметной области посредством индуктивного вывода из выборочных обучающих δk-знаний в форме таблиц эмпирических данных (ТЭД) и сценарных примеров обучающих знаний (СПОЗ). Искомые решения (следствия) в форме новых δk-знаний дедуктивно выводятся из БδkЗ по наблюдаемым δk-знаниям (посылкам). Автоматическое квантование разнотипной информации и машинное манипулирование δk-знаниями обеспечивается алгоритмическими и операторными средствами δРАКЗ-метода [7] в условиях δ-неопределенности.