5.2.4. Автоматизированные методы
Данный параграф посвящен обзору некоторых наиболее известных, методов и систем приобретения знаний на основе метода репертуарных решеток, частично из работ [Осипов, 1990; Молокова, 1992; Осипов,1997].
Впервые автоматизированное создание репертуарных решеток и извлечение из экспертов конструктов было реализовано в системе PLANET [Games, Shaw, 1984; Shaw, Woodward, 1988]. Дальнейшим развитием системы PLANET является интегрированная среда KITTEN, поддерживающая ряд методов извлечения знаний. Буза Д. в системе ETS [Boose, 1985] использовал метод репертуарных решеток для выявления понятийной системы предметной области. Потомками ETS являются система NeoETS и интегрированная среда для извлечения экспертных знаний AQUINAS [Boose, Bradshaw, Shema, 1988].
Известно большое число прототипов ЭС, для создания которых использовалась ETS. Среди них:
1. Советчик по выбору инструментария для разработчиков ЭС.
2. Консультант по языкам программирования.
3. Анализатор геологических данных.
4. Советчик по отладке Фортрантрограмм.
5. Консультант по СУБД и др.
Однако область применения ETS ограничена извлечением экспертных знаний для таких несложных задач анализа, которые не требуют для своего решения процедурных, каузальных и стратегических знаний.
ETS взаимодействует с экспертом в диалоговом режиме, интервьюируя его и помогая анализировать создаваемую БЗ. В архитектуре ETS могут быть выделены подсистемы: извлечения элементов; выявления конструктов; построения репертуарной решетки; построения графа импликативных связей; генерации продукционных правил; тестирования БЗ; коррекции БЗ; генерации БЗ для различных инструментальных средств создания ЭС.
В диагностической системе MORE [Kahn, Nowlan, McDerraott, 1985] использованы принципы, сходные с теми, которые лежат в основе обеих описанных выше систем. Здесь впервые использовано несколько различных стратегий интервью. Техника интервью, использованная в MORE, направлена на выявление следующих сущностей:
• гипотезы — подтверждение которых имеет своим результатом диагноз;
• симптомы — наблюдение которых приближает последующее принятие гипотезы;
• условия — некоторое множество событий, которое не является непосредственно симптоматическим для какой-либо гипотезы, но которое может иметь диагностическое значение для некоторых других событий;
• связи — соединение сущностей;
• пути — выделенный тип связи, который соединяет гипотезы с симптомами.
В соответствии с этим в системе используются следующие стратегии интервью: дифференциация гипотез, различение симптомов, симптомная обусловленность, деление пути и некоторые другие.
Стратегия дифференциации гипотез направлена на поиск симптомов, которые обеспечивают более точное различие гипотез. Наиболее мощными в этом смысле являются те симптомы, которые наблюдаются при одном диагностируемом событии.
Стратегия различения симптомов выявляет специфические характеристики симптома, которые, с одной стороны, идентифицируют его как следствие некоторой гипотезы, с другой — противопоставляют другим.
Стратегия симптомной обусловленности направлена на выявление негативных симптомов, то есть симптомов, отсутствие которых имеет больший диагностический вес, чем их присутствие.
Стратегия деления пути обеспечивает нахождение симптоматических событий, которые лежат на пути к уже найденному симптому. Если такой симптом существует, то он имеет большее диагностическое значение, чем уже найденный.
В системе KRITON [Diderich, Ruhman, May, 1987] (см. п. 4.6.4) для приобретения знаний используются два источника: эксперт с его знаниями, полученными на практике; книжные знания, документы, описания, инструкции (эти знания хорошо структурированы и фиксированы традиционными средствами). Для извлечения знаний из первого источника в KRITON применена техника интервью, использующая стратегии репертуарной решетки разбиения на ступени. Стратегия разбиения на ступени направлена на выявление наследственной структуры предметной области. Акцент делается на выявлении структуры родовых и видовых понятий (супертипов). При этом типы, выявленные на очередном шаге работы стратегии, становятся базисом для последующего ее применения.
В системе применен прием переключения стратегий: если при работе стратегии репертуарной решетки при предъявлении тройки семантически связанных понятий эксперт не в состоянии назвать признак, отличающий два из них от третьего, система запускает стратегию разбиения на ступени и, задавая эксперту вопросы о понятиях, связанных с предыдущими отношениями «род — вид», предпринимает попытку выяснения таксономической структуры этих понятий с целью выявления признаков, их различающих.
В России существенные результаты в применении репертуарных решеток в инженерии знаний были получены под руководством Г. С. Осипова в рамках проекта SIMER+MIR (см. п. 4.6.5).
- Т. А. Гаврилова в. Ф. Хорошевский
- Санкт-Петербург
- Предисловие
- Об авторах
- 1.1.2. Зарождение нейрокибернетики
- 1.1.3. От кибернетики «черного ящика» к ии
- 1.1.4. История искусственного интеллекта в России
- 1.2. Основные направления исследований в области искусственного интеллекта
- 1.2.1. Представление знаний и разработка систем, основанных на знаниях (knowledge-based
- 1.2.2. Программное обеспечение систем
- 1.2.3. Разработка естественно-языковых интерфейсов и машинный перевод (natural
- 1.2.4. Интеллектуальные роботы (robotics)
- 1.2.5. Обучение и самообучение (machine
- 1.2.6. Распознавание образов (pattern
- 1.2.7. Новые архитектуры компьютеров (new
- 1.2.8. Игры и машинное творчество
- 1.2.9. Другие направления
- 1.3. Представление знаний и вывод на знаниях
- 1.3.1. Данные и знания
- 1.3.2. Модели представления знаний
- Структура фрейма
- 1.3.3. Вывод на знаниях
- 1.4. Нечеткие знания
- 1.4.1. Основы теории нечетких множеств
- 1.4.2. Операции с нечеткими знаниями
- 1.5. Прикладные интеллектуальные системы
- 2.2. Классификация систем, основанных на знаниях
- 2.2.1. Классификация по решаемой задаче
- 2.2.2. Классификация по связи с реальным временем
- 2.2.3. Классификация по типу эвм
- 2.2.4. Классификация по степени интеграции с другими программами
- 2.3. Коллектив разработчиков
- 2.4. Технология проектирования и разработки
- 2.4.1. Проблемы разработки промышленных эс
- 2.4.2. Выбор подходящей проблемы
- 2.4.3. Технология быстрого прототипирования
- 2.4.4. Развитие прототипа до промышленной эс
- 2.4.5. Оценка системы
- 2.4.6. Стыковка системы
- 2.4.7. Поддержка системы
- Теоретические аспекты инженерии знаний
- 3.1. Поле знаний
- 3.1.1. О языке описания поля знаний
- 3.1.2. Семиотическая модель поля знаний
- 3.1.3. «Пирамида» знаний
- 3.2. Стратегии получения знаний
- 3.3. Теоретические аспекты извлечения знаний
- 3.3.1. Психологический аспект
- 3.3.2. Лингвистический аспект
- 3.3.3. Гносеологический аспект извлечения знаний
- 3.4. Теоретические аспекты структурирования знаний
- 3.4.1. Историческая справка
- 3.4.2. Иерархический подход
- 3.4.3. Традиционные методологии структурирования
- 3.4.4. Объектно-структурный подход (осп)
- Технологии инженерии знаний
- 4.1. Классификация методов практического извлечения знаний
- 4.2. Коммуникативные методы
- 4.2.1. Пассивные методы
- Сравнительные характеристики пассивных методов извлечения знаний
- 4.2.2. Активные индивидуальные методы
- Сравнительные характеристики активных индивидуальных методов извлечения
- 4.2.3. Активные групповые методы
- 4.3. Текстологические методы
- 4.4. Простейшие методы структурирования
- 4.4.1. Алгоритм для «чайников»
- 4.4.2. Специальные методы структурирования
- 4.5. Состояние и перспективы автоматизированного приобретения знаний
- 4.5.1. Эволюция систем приобретения знаний
- 4.5.2. Современное состояние автоматизированных систем приобретения знаний
- 4.6.2. Имитация консультаций
- 4.6.3. Интегрированные среды приобретения знаний
- 4.6.4. Приобретение знаний из текстов
- 4.6.5. Инструментарий прямого приобретения
- Формы сообщений
- 5.1.1. Семантические пространства и психологическое шкалирование
- 5.1.2. Методы многомерного шкалирования
- 5.1.3. Использование метафор для выявления «скрытых» структур знаний
- 5.2. Метод репертуарных решеток
- 5.2.1. Основные понятия
- 5.2.2. Методы выявления конструктов
- 5.2.3. Анализ репертуарных решеток
- 5.2.4. Автоматизированные методы
- 5.3. Управление знаниями
- 5.3.1. Что такое «управление знаниями»
- 5.3.2. Управление знаниям и корпоративная память
- 5.3.3. Системы omis
- 5.3.4. Особенности разработки omis
- 5.4. Визуальное проектирование баз знаний как инструмент познания
- 5.4.1. От понятийных карт к семантическим сетям
- 5.4.2. База знаний как познавательный инструмент
- 5.5. Проектирование гипермедиа бд и адаптивных обучающих систем
- 5.5.1. Гипертекстовые системы
- 5.5.2. От мультимедиа к гипермедиа
- 5.5.3. На пути к адаптивным обучающим системам
- 6.1.3. Инструментальные средства поддержки разработки систем по
- 6.2. Методологии создания и модели жизненного цикла интеллектуальных систем
- 6.3. Языки программирования для ии и языки представления знаний
- 6.4. Инструментальные пакеты для ии
- 6.5. WorkBench-системы
- Пример разработки системы, основанной на знаниях
- 7.1. Продукционно-фреймовый япз pilot/2
- 7.1.1. Структура пилот-программ и управление выводом
- 7.1.2. Декларативное представление данных и знаний
- 7.1.3. Процедурные средства языка
- 7.2. Психодиагностика — пример предметной области для построения экспертных систем
- 7.2.1. Особенности предметной области
- 7.2.2. Батарея психодиагностических эс «Ориентир»
- 7.3. Разработка и реализация психодиагностической эс «Cattell»
- 7.3.1. Архитектура системы и ее база знаний
- 7.3.2. Общение с пользователем и опрос испытуемых
- 7.3.3. Вывод портретов и генерация их текстовых представлений
- 7.3.4. Помощь и объяснения в эс «Cattell»
- 8.1.2. Html — язык гипертекстовой разметки Интернет-документов
- 8.1.3. Возможности представления знаний на базе языка html
- 8.2. Онтологии и онтологические системы
- 8.2.1. Основные определения
- 8.2.2. Модели онтологии и онтологической системы
- 8.2.3. Методологии создания и «жизненный цикл» онтологии
- Фрагмент описания аксиомы
- 8.2.4. Примеры онтологии
- 8.3. Системы и средства представления онтологических знаний
- 8.8.1. Основные подходы
- 8.3.2. Инициатива (ка)2 и инструментарий Ontobroker
- 8.3.3. Проект shoe — спецификация онтологии и инструментарий
- 8.3.4. Другие подходы и тенденции
- 9.1.2. Основные понятия
- 9.2.2. Инструментарий AgentBuilder
- 9.2.3. Система Bee-gent
- 9.3. Информационный поиск в среде Интернет
- 9.3.1. Машины поиска
- 9.3.2. Неспециализированные и специализированные поисковые агенты
- 9.3.3. Системы интеллектуальных поисковых агентов
- Заключение
- Литература
- Содержание
- Базы знаний интеллектуальных систем
- 196105, Санкт-Петербург, ул. Благодатная, 67.
- 197110, Санкт-Петербург, Чкаловский пр., 15.