Стр. 13 - СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ПРИНЯТИЯ РЕШЕНИЙ
Упрощенная HTML-версия
11
СИСТЕМЫИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ПРИНЯТИЯ РЕШЕНИЙ.
ОПТИМИЗАЦИЯ БАЗ ЗНАНИЙ НЕЧЕТКИХ ЭКСПЕРТНЫХ СИСТЕМ
•
применение правил способствует прозрачности системы, т.е. способности
к объяснению принятых решений и полученных результатов.
К основным недостаткам продукционных моделей относятся сложность
управления выводом (неоднозначность выбора конкурирующих правил) и слож-
ность оценки взаимосвязей продукций.
Способ представления знаний, основанный на продукциях, используется не
только в ЭС, но и в системах поиска логических закономерностей в данных
(
адаптивные модели нечеткого логического ввода, инструменты, использующие
алгоритмы ограниченного перебора, деревья решений). Это сходство может по-
зволить переносить знания из систем данного типа в ЭС и обратно, либо комби-
нировать различные технологии ИИ в одной системе.
1.1.3.
Приобретение знаний экспертными системами
Проблема приобретения (усвоения) знаний возникает при передаче знаний
специалиста экспертной системе
. Зачастую экспертам трудно формализо-
вать хотя бы основную часть своих знаний о прикладной области: базовые поня-
тия и их взаимосвязи, эвристики, алгоритмы решения задач. В связи с этим рабо-
ты в области приобретениязнаний экспертными системами остаются важнейшим
направлением теории и практики искусственного интеллекта. Целью исследова-
телей является разработка технологий и инструментов переноса знаний в базу
знаний системы. Помимо экспертов источниками знаний могут выступать базы
данных (БД), хранящие информацию о прикладной области (фактические дан-
ные, примеры экспертных заключений и т.п.).
Самыми первыми были созданы инструментальные средства, облегчающие
процесс приобретения знаний. Они были направлены на помощь при вводе пра-
вил, проверку на непротиворечивость базы знаний, но не на автоматическую ге-
нерацию правил. Примерами таких систем являются программы TEIRESIAS и
COMPASS
. Отличающаяся от них система OPAL ориентирована на частич-
ную автоматизацию процесса извлечения знаний. В ходе диалога с экспертом
программа задает вопросы в соответствии со стратегией, направляемой имею-
щимися у нее знаниями о предметной области. Процесс перевода введенной ин-
формации в выражения, которые могут обрабатываться экспертной системой,
скрыт от пользователя
. OPAL не является программой общего назначения, а
разработана как дополнение к ЭС ONCOCIN, предназначенной для диагностики
онкологических заболеваний. Аналогичный подход реализован в программах
ETS, Student, PROTEGE и др.
В настоящее время специалистам стало ясно, что инженер по знаниям с помо-
щью одного лишь диалога с экспертом в какой-то конкретной области не способен
добыть все нужные для разработки интеллектуальной системы сведения. Требуется
еще и множество примеров, на которых удастся обучить машину.
Методы формирования знаний на основе машинного обучения (или
machinelearning) считаются наиболее перспективным направлением инженерии
знаний. Они основаны на предположении, что в результате автоматизации процесса
обучения необходимые знания будут сформированы с использованием имеющего-
