Teadmustehnoloogia meetodite rakendamine järeldus. Teadmiste insener. Termini ajalugu

Süsteem on vahendaja, tarnelepingu sõlmimine.

Teadmustehnika on informaatika valdkond, mille raames uuritakse teadmiste kujutamist arvutis, ajakohasena hoidmist ja manipuleerimist.

Teadmussüsteem – teadmistel põhinev süsteem.

SOZ SBZ DBMS ES IS SII - tehisintellekti süsteem.

Teadmistepõhise süsteemi struktuur.

KB lahendusmehhanism

LIIDES

Teadmistebaas on mudel, mis kujutab arvutis teatud ainevaldkonnas kogutud teadmisi. Need teadmised tuleb vormistada.
Teadmised moodustatakse mudeli abil ja seejärel esitatakse kindlas keeles.

Teadmised konkreetsete objektide ja reeglite kohta paigutatakse tavaliselt teadmistebaasi. Neid reegleid rakendatakse mehhanismina otsuste saamiseks, et tuletada esialgsetest faktidest uusi.

Liides pakub dialoogi kasutajale lähedases keeles.

Teadmustehnikas kasutatakse sageli järelduste kasutamisel põhinevaid meetodeid.

Ainevaldkonna mõiste.

Objekt on miski, mis eksisteerib või mida tajutakse eraldiseisva üksusena.

Peamised omadused: diskreetsus; erinevus.

Teadmiste esitamisel kasutatakse pragmaatilist lähenemist, s.t. esile tuuakse need objekti omadused, mis on olulised probleemide lahendamiseks, mida loodud süsteem lahendab. Seetõttu tegeleb teadmistepõhine süsteem asjadega, mis on abstraktsed objektid. Subjekt toimib objekti mõningate omaduste kandjana. Teemaala olek võib aja jooksul muutuda. Igal ajahetkel iseloomustab teemaala olekut objektide ja suhete kogum. Aineala seisundit iseloomustab olukord.

Kontseptuaalsed vahendid ainevaldkonna kirjeldamiseks.

Kontseptuaalne mudel peegeldab kõige üldisemaid omadusi. Kirjelduse täpsustamiseks on vaja keeli. Ainevaldkonna kirjeldamise kontseptuaalsete vahendite iseloomulikud jooned on abstraktsus ja universaalsus. Neid saab kasutada mis tahes ainevaldkonna kirjeldamiseks.

Objektiklassi mõiste.

Objekti mõiste on hulkade mõiste. Sarnased objektid on rühmitatud klassidesse. Erinevatel aegadel võivad samale klassile vastata erinevad objektide komplektid.

K on objekti klass.

Kt on klassi K objektide hulk ajahetkel t.

Grupp (1999) = (IA-1-99, IA-1-98, … , IA-1-94, IB-1-99,…)

Grupp (1998) = (IA-1-98, IA-1-97, … , IA-1-93, IB-1-98,…)

(t Кt = ( … )

Õppejõud = (professor, dotsent, vanemõppejõud, õppejõud, assistent)

1 4 Geomeetriline kujund, ruudu kuju, värvus sinine.

(K: A1 K1, A2K2, ... , AnKn) nimi atribuut objektiklasside klasside nimi atribuudipaar

Objektide tuvastamine võib olla otsene ja kaudne. Otsejoone puhul kasutatakse objektide nimetusi, objektide järjekorranumbreid; kaudne põhineb objektide omaduste kasutamisel.

Atribuut võib olla komponent. Atribuuti mõistetakse kui komponentide omadust, tunnust, nimetust.

(Geomeetriline kujund: kuju geomeetriline kuju värv, värv)

Atribuudi nime ja atribuudi väärtuste paarid on sageli samad.

Olukorra näide:

(Loeng: lektori õppejõu perekonnanimi, koht #vaatajaskonna_arv, õppeaine teema_nimi, kuulajarühma_kood, päev nädal_päev, kellaaeg algusaeg)

Olukord - näitab suhet "õpetaja" ja "kuulaja" vahel, muid selle olukorra tunnuseid.

Osalejate rollid olukorras:

Kuulaja

Olukorra omadused:

(К: А1К1,А2К2, … , АnКn) – teadmise esitus mingi struktuuri kujul.

(kuupäev, päev, kuu päev)

(kuupäev, kuu, kuu_nimi)

(kuupäev, aasta, aasta)

(geomeetriline_kuju, kujund, geomeetriline_kuju)

(geomeetriline_kuju, värv, värv)

See teadmiste esitus vastab teadmiste esitamisele üksikute faktide kujul.

(K: A1K1, A2K2, ..., AnKn)

Objektide kohta käivate teadmiste esitused jagunevad:

objektiklassid (andmestruktuur)

teadmised konkreetsete objektide kohta (andmete kohta)

Objektiklassid.

1. (K: A1K1, A2K2, ..., AnKn)

AI - atribuudi nimi

Ki – objektiklassid, on atribuudi väärtus

K - klassi nimi

(õpetajad:

täisnimi perekonnanimi_initsiaalidega,

positsiooni õpetamise_positsioon)

(õpetaja, täisnimi perekonnanimi_initsiaalidega, õpetaja, ametikoht õpetamise_positsioon)

3. K (K1, K2, ... , Kn)

4. K (A1, A2, ... , An)

(õpetaja (perekonnanimi_initsiaalidega, õpetamise_positsioon), õpetaja (täisnimi, ametikoht))

Esimese vormi teadmiste esitus:

(K: A1K1, A2K2, ..., AnKn) ki (Ki

Teadmiste atribuutide esitus:

(õpetaja: - esindab

Täisnimi Semenov - mingi struktuur

Ametikoht dotsent) – andmed

Teadmiste esitus teise vormi jaoks:

(K: AiKi) kuni (K, ki (Ki

Teadmiste atributiivne esitus üksikute faktide kujul:

(õpetaja1, täisnimi, Semenov) - 1, 2 on vahelised lingid

(õpetaja1, ametikoht, dotsent) - faktid

(õpetaja2, täisnimi, Petrov)

(õpetaja2, ametikoht, assistent)

Kolmanda vormi teadmiste esitus:

K (K1, K2, ... , Kn)

(õpetaja (Semenov, dotsent) - teadmiste positsiooniline esitus

Kui atribuutide nimesid pole ja atribuudid ise on kirjutatud teatud kohtadele, on see teadmiste positsiooniline esitus.

Teadmiste esitamine "kolmikute" kujul - (objekt, atribuut, väärtus).

Usalduskoefitsiente kasutatakse ebatäpsete väärtuste tähistamiseks - (objekt, atribuut, väärtus, usalduskoefitsient).

0 – vastab ebakindlusele. negatiivne väärtus on usalduse aste atribuudi väärtuse võimatuse suhtes.

(patsient1, diagnoos, gastriit, K740)

* (patsient, täisnimi, Antonov, diagnoos koliit K760, gastriit K740)

Objekti klassi puudutavate teadmiste esitust nimetatakse minimaalseks, kui ühe atribuudi eemaldamine viib selleni, et ülejäänud atribuutide komplekt lakkab olemast selle objektiklassi esitus.

Liising(üür_objekt, üürnik, üürileandja, rendi_tähtaeg, tasu).

Kui eemaldate "rent_term", saate müügi ja kui eemaldate
"termin_rent" ja "tasu", siis saate kingituse.

Teadmiste esitamine relatsiooniandmebaasis.

Relatsiooniandmebaas − Andmed salvestatakse asukohavormingus.

Andmed salvestatakse tabeli kujul, kus tabeli nimeks on klassi nimi.
Iga klass vastab tabelile või andmebaasifailile. Klassi nimi on vastava tabeli nimi. Atribuutide nimed – vastavad tabeliväljad
(veerg). Tabeliread on andmebaasikirjed. Kirje vastab positsioonivormingus kirjele.
| A1 | A2 | . . .|An |
| | |. . | |
| K1 | K2 | . . .|Kn |
| | |. . | |

õpetajad

Atribuudi mõiste positsiooniandmebaasis säilib.

Kirjet K (A1, A2, ..., An) nimetatakse atribuutidevaheliseks suhteks. Seda terminoloogiat kasutatakse relatsiooniandmebaasis. Relatsiooniandmebaasis sisalduvate andmete idee põhineb mõistel "võti".

Võti on suhteatribuutide kogum, mille väärtus identifitseerib unikaalselt failis kirje.

Korter

| linn| tänav | maja | maja | korter | pind | tubade arv |
| Moskva | Tverskaja | 2 | 1 | 47 | 60 | 2 |
| Moskva | Tverskaja | 2 | 1 | 54 | 50 | 1 |

Sel juhul koosneb võti mitmest väljast.

Ki sup Kj on klassi sup alamklassi alamklass; alamklass sup klass.

Ki on Kj alamklass if (t Ki t (Kj t

(Kui mingil ajal t on klass Ki Kj alamklass)

Npr - võrgu klassifikatsioon.

Võrgu klassifikatsioon on esitatud hierarhilise struktuurina.

Üliõpilassupi õppija.

Ki osa Kj-st - on osa Ki osast Kj

Ki on osa Kj-st, kui klassi Ki konkreetne objekt on unikaalselt määratletud objekti Kj osa.

Omandisuhe. k isa K - on element

Ki ius K - on komponent

Tähendab, et klassi K objekt koosneb klassi K1, K2, ..., objektidest,
Kn ja klassi K objekt võib sisaldada mitut klassi Ki objekti.

Loeng number 4.

Suhte omadused.

Osalise järjestuse suhetel on transitiivsuse omadus.

Ki sup Kj Kj sup Km

Ki osa Kj Kj osa Km

Kui element on osa plokist ja plokk koosneb...

Liikmegraafikus pole tsükleid.

K1 sisse K2, K2 sisse K3,…,Kn-1 sisse Kj

Ei vasta tõele, et Knins K1

Moskva on linn

City sup Paikkond

Moskva on paikkond

Tehted objektide klassidega.

Objektiklasside tehteid kasutades saate määratleda uue objektiklassi

Ki komplekt plokke, näiteks telerid

Materiaalsed objektid jagunevad kolme klassi

Seisukord (Ruumid (seadmed = materiaalne objekt

Isik (tuba = inimene (Varustus = tuba (
Varustus =?

Objektiklasside paigutus

Isik (perekonnanimi, eesnimi, isanimi, sünniaasta, sugu)

Sugu = (mees, naine)

mees, naine = inimese sugu

K (K1, K2, K3, K4, K5)

KK5 – klassi jagamine klassi K5 kaupa.

Kõigi nende klasside liit on inimene.

Mees? Naine = Inimene

Mees? Naine=?

(Võõrkeele oskus

teadlik inimene,

Teema võõrkeel)

Jaotamise tulemusena saame klassid inimesi, kes oskavad võõrkeelt.

Ainevaldkonna kontseptuaalne skeem on sellel määratletud objektide, suhete ja operatsioonide klasside kogum.

Ainevaldkonna oleku mallikirjeldused:

Klassid K viib distsipliini tunde läbi rühmas sisse.

Ivanov I.I. viib esmaspäeval läbi tunnid TOE distsipliinis IT-1-98 rühmas G-301 4. paarile.

(klassid: õpetaja Õpetaja distsipliin Distsipliini_nimi rühm Rühma kood päev Nädal_päev kell Paari_arv koht Publik)

Kontseptuaalsed domeenimudelid – kontseptuaalne skeem koos ettepanekute komplektiga, mis on üles ehitatud piiratud hulgale mallidele.

Üksuste ja suhete diagramm (ER diagramm)

Olemi suhete diagramm

Essents

Olemi ja suhete atribuudid

Ühes osakonnas töötab N õpetajat. "*" - õpetaja märk - leiate osakonna.

Suhtlusverb või -objekt

Atribuudid - omadussõna, lugejad, mõõtmed, asukoht

Laadimise ajakava

Loogilised süsteemid (mudelid), mis põhinevad üksikul kauba kauplusesse tarnimise näitel.

Teadmiste esituse loogilised mudelid.

Ainevaldkonna kirjeldus ühes loogilises programmeerimiskeeles põhineb predikaatarvutusel.

1. järku mitmikpredikaatarvutuse keel. 1. järgu mitu loogikat.

Selle keele koostamiseks toimige järgmiselt.

Sordi mõiste vastab objektiklasside mõistele.

Mitut sorti S

Komplektil on antud funktsioonid. f-funktsiooni nimi;

argumendid;
B on funktsiooni väärtus.
Z-signatuur on teadmiste esituse tipptase loogilistes mudelites.

Predikaat -
T=(0;1)

vale tõde
-sordikonstant B

Vaatleme näiteks osade töötlemist tootmises
2-pööramine;
1-freesimine;

S=(osa, masin, operatsioon, osa tüüp, masina tüüp, aeg)
1) det: Operation Detail; f A1 B
2) st: Operation (Machine;
3) Käivitamine: toiming (Aeg
4) con: operatsioon (aeg
5) osa_tüüp: osa (osa_tüüp
6) st_type: masin (masina_tüüp
7) 0: (Aeg

T: (Aeg
8) st_shaft:(Osa_tüüp shaft_seats: (Osa_tüüp
9) lõikurid: (masina_tüüp vool: (masina_tüüp
10) lõikuri_ots: operatsioon T praegune_tagurpidi: operatsioon T
11) +: Aeg*Aeg Kell
12): aeg*aeg T

Teadmised konkreetsete objektide kohta
(madalam teadmiste esituse tase) nimetatakse mitme predikaatarvutuse keeles integreeritud signatuuri struktuuriks
1) allkiri
2) Struktuuri integr. Allkirjad.
3) Iga sorti nime jaoks luuakse seda sorti objektide komplekt.
Detail = (det.1, det.2, det.3, det.4)
Masin = (st.1, st.2, st3)
Toiming =(op1, op2, op3, op4, op5, op6, op7, op8)
osa_tüüp = (st_võll, võlli_istmed)
Masina_tüüp = (praegune, lõikurid)
Aeg = (1,2,…,t)

Kõikide hulkade liit on universum.
Iga funktsioon ja predikaat süsteemi struktuurist vastab paljudele teguritele.
1) det.(op.1)=det1 det.(op.2)=det1 det.(op.3)=det2

…………………..
2) st.(oper.1)= st.3 st.(oper.2)= st.1 st.(oper.3)= st.3.

…………………
3) start(oper.1)=0 start(oper.2)=5 start(oper.3)=5
…………………..
4) lõpp(op.1)=5 lõpp(op.2)=12 lõpp(op.3)=0
…………………
5) type_det(det.1)=st_shaft type_det(det.2)=shaft_seat type_det(det.3)=st_shaft type_det(det.4)=shaft_seat
………………….
6) type_st. (st.1)=praegune tüüp_st. (st.2)=praegune tüüp_st. (Art. 3) = lõikurid
………………….
10) cutter_end(oper1) current_return (oper2) cutter_end(oper3)
|töö|detail |masin |algus |lõpp |freesid |
| Oper1 | Det.1 | Artikkel 3 | 0 | 5 | 1 | 0 |
| Oper2 | Det.1 | St.1 | 5 | 12 | 0 | 1 |
| Oper3 | Det.2 | Artikkel 3 | 5 | 10 | 1 | 0 |
| Oper4 | Det.2 | Art.2 | 10 | 17 | 0 | 1 |
| Oper5 | Det.3 | Art.3 | 10 | 16 | 1 | 0 |
| Oper6 | Det.3 | Artikkel 1 | 16 | 26 | 0 | 1 |
| Oper7 | Det.4 | Artikkel 3 | 16 | 22 | 1 | 0 |
| Oper8 | Det.4 | Artikkel 2 | 22 | 32 | 0 | 1 |

3) Komponent: Loogikavalemid

Valemite koostamise reeglid: a) A-tüüpi konstant, on A-tüüpi liige b) A-tüübist väärtuse saav muutuja, on A-tüüpi liige c) kui signatuur sisaldab funktsiooni - konstrueeritud liikmed sortidest vastavalt siis
-seal on B-tüüpi termin d)kui allkiri sisaldab predikaati-
,ehitatud sortide tingimused
, see tähendab aatomit. e) kui - sama tüüpi terminid, siis avaldis , see tähendab aatom e) Aatom on hästi moodustatud valem (PPF) Aatomis sisalduv muutuja on selles aatomis vaba. g) kui konstrueeritud valem, mis sisaldab vabalt muutujaid x sorti A, siis avaldised:

See on ka BPF, muutuja “x” on lingitud (uutes failides) h) kui valemid on juba ehitatud, siis , on samuti BPF
Näited:
1) Teadmiste esitus b=> treipingil teostatud oper2 tüüp_st(st(oper2))=ncurrent
2) Oper2 lõpetatud peatuses 1 jaamas 1 algus 5 lõpp 12
3)

8. loeng 12.11.99.

Lahutusmeetod

Lahutusmeetod osutub võimatuks.
Selle meetodi kasutamiseks on vaja taandada algne valem DNF-ile.
DNF:
- tähtede disjunktsioon pii - aatom või aatomi eitus.
Seejärel esitatakse DNF-i klauslikomplektina
Lahutusmeetodis - on üks järeldusreegel
Selle tulemusel saame kahest klauslist uue, mida nimetatakse ruoventiks
- saame tühja klausli, mis on alati vale.
Kui hulk sisaldab tühja klauslit, siis see ei ole rahuldatav.
Selgub tühi klausel, mis tõestab, et antud hulk on mitterahuldav.
Lahutusmeetodit rakendatakse seni, kuni saadakse tühi disjunkt.
m,n - konst
asendus konstantse muutuja asemel on unifitseerimine.
Sel juhul teostame asendus (n / y):
Alates (1) ja (2) => a(x)c(x,n) (5)
(3) ja (5) asendades (m/n) => c(m,n) (6)
Alates (4) ja (6) ilma asendusteta => 0

Resolutsioonide põhimõte Prologis
Prolog kasutab Chordi klausleid, st. laused, mis sisaldavad ühte tähte ilma eituseta.
Näiteks
=>

side ilma eituseta

Võib kasutada lauseid, mis üldse märke ei sisalda. kas sihtlause on proloogis: ? – a a: – b, c, d. b: - e,f. c. e. f.
?-a a(1) a(2) a(3)
| Sammu number | Eesmärk | Esialgne | eraldusvõime |
| | disjunkt | disjunkt | |
|1 |?-a. |a:-b,c,d. |-b,c,d. |
|2 |?-b,c,d |b:-e,f |-e,f,c,d |
|3 |?-e,f,c,d |e |-f,c,d |
|4 |?-f,c,d |f |-c,d |
|5 |?-c,d |c |-d |
|6 |?-d |d |0 |

Programmi kujutamine graafiku kujul a: - b; c b: - d, e c: - g, f. e: - i, h g: - h, j d. f. h.
?-a
"," - ja
";" - või
Graafi koostamine algab sihtlausega.
Graafik näitab, millised ja kui palju lahendusi vaadeldaval probleemil on.

Probleemile kaks lahendust

Teadmiste esituse tootmismudel.
Selle mudeli aluseks on tootmisreeglid, millel on järgmine vorm
- tootmisreegel >:=
Kui siis [KD=]

Näited:
5. reegel
Kui sugu = naine

Ja lisa = väike

Ja kaal = 65 aastat_või_rohkem
Siis suhteline_kaal=muutuja
Usaldusteguri määrab arv 0-100

Reegel 27
KUI perspektiiv = suurepärane

Ja risk = kõrge
TO tegur=0 CD=10
Üldiselt võib eeldus olla loogiline väljend.
Kui eeldus on tõene, siis on tõene ka järeldus, s.t. kokkuvõttes võib märkida iga toimingu, mis eelduse tõese oleku korral sooritatakse
::[AI…I]
::== objekt, atribuut, väärtus, usalduskoefitsient – teadmise esitus neljakohalisena
::==
:==KD=
Samal objektil võivad olla erinevad väärtused.
Mitme väärtusega objektid on objektid, millel võib olla mitu kehtivat väärtust.
Kui objekt ei ole deklareeritud mitmeväärtuslikuks, siis võib sellel olla mitu väärtust, siis need ei tohi kehtida, s.t. CD = 100

Objektide puhul väärtus, mida kasutajalt küsitakse.
Mis lisa?
1. Väike
2. Keskmised lubatud väärtused
3. Suur

Mis on vanus
1. vähem kui 25
2. 25-55
3. rohkem kui 55
Saatmine usalduskoefitsient=min(Kdusl)

Reegli täitmise väljavaate tulemusel saadud fakt = suurepärane AC = 50 risk = kõrge AC = 70 tegur = 0

Teadmiste esituse tootmismudeli põhistruktuur

Esialgsed andmed

Tulemus

Järeldus lõpeb siis, kui sihttipp on saavutatud või ei ole järele jäänud kehtivaid reegleid ja sihtmärki ei saavutata.

Vastupidised järeldused - sooritatakse ülalt alla (eesmärgile orienteeritud järeldustega)

P 1 P2 P3 P4
P5

C 4 C5 C6 C7 C8

|№ |Eesmärk|Konflikt |Teostus|Alaeesmärgid|Fakt|
|Samm| | palju | | | | |
| | | reeglid | reeglid | | | |
|1 |S1 |P6,P7 |P6 |S2,S3 | |
|2 |S2 |P1,P2 |P1 |S1,S5,S| |
|3 |С3 | | |3 |F1 |
| 4 | C4 | | | |F2 |
|5 |S5 |P3 |P3 | | |
|6 |С6 | | |С6,С7,С|F3 |
7 | C7 | | |8 |F4 |
8 | C8 | | | |F5 |
| | | | | | |

Eesmärk - "kestus" - eesmärgi annab objekti nimi.
Seda võrreldakse reeglite järeldusega ja valitakse reegel koos järeldusega.
, mis sisaldavad objekti nime. Valime reegli, mis sisaldab sihtobjekti, moodustame hüpoteesi

Selle käigus hüpotees kas kinnitatakse või lükatakse ümber. Järeldused jätkuvad, kuni üks neist on kinnitatud või kõik võimalikud hüpoteesid on ammendatud.
Tšekke kasutatakse vähem, sest Reeglis on mitu tingimust ja üks järeldus.

kahesuunalised järeldused.

Esmalt tehakse väikese andmehulga põhjal otsesed järeldused, mille tulemusena moodustatakse hüpotees teiste järelduste kinnitamiseks või ümberlükkamiseks.
Reeglite tingimuste kontrollimiseks kasutatakse reeglite aktiveerimise aparaati, mis valib igal sammul need reeglid, milles tingimusi kontrollitakse.
Samuti tuleb kasutada tingimusi. Reeglite tingimustes eristatakse individuaalset ja seejärel üldist.
Üldreeglid – kohaldamistingimuste reeglid. Kohaldatavus.

Tootmisreegli üldistatud struktuur.
(i); Q; P; A; =B; N
(i) – reegli nimi:
Q on reegli ulatus;
P – reegli rakendatavuse tingimus (loogiline tingimus)
A=>B on reegli tuum, kus A on eeldus ja B on järeldus;
N - tingimuste komplekt, määrab toimingud, mis tehakse, kui kernel käivitatakse.
R – kui see on tõene, aktiveeritakse reegli tuum.

Raam – andmestruktuur stereotüüpse olukorra kujutamiseks
(kuni: А1К1, A2K2, …., AnKn)
(k: A1k1, A2k2,….,An kn)
(faili nimi: pesa1 nimi (pesa1 väärtus) pesa2 nimi (pesa2 väärtus)

………………………………….. pesa nimi n (pesa väärtus n))
Protokaader – teadmised objektide klassist.
Kaadri eksemplar saadakse protokaadrist, täites pesad kindlate väärtustega.
Raami struktuur sisaldab tavaliselt süsteemipilusid. Slotisüsteem sisaldab:
Pilud määravad põhiraami, pesa, mis osutab otsestele alamkaadritele.

Piltide süsteemina: pesad, mis sisaldavad teavet programmi looja, selle muutmise kohta.
Struktuur sisaldab:
- pärimise osuti;
- andmetüübi osuti;
- deemonid jne.

KEEL FMS (FMS).
Pärimisnäitajad võivad olla:
U – ainulaadne – kordumatu
S - sama - mõned
R - vahemik - piiri indikaator;
0 -alista - ignoreeri

U - erinevate tasemete samade nimedega raamides on erinev.
S - väärtuste pärimispesad samade nimedega kõrgema taseme pesadest

Alumise võrrandi väärtus peab jääma ülemises võrrandis määratletud piiridesse.

R
Mees

Kui väärtust ei määrata, siis päritakse see ülemise võrrandi pesast ja kui see on määratud, siis pärimist ignoreeritakse.

11. loeng 3.12.99

Võrgu- ja raamimudelite kombinatsioon OPS-5 teadmiste esitussüsteemis
Sellel keelel on tootmisreeglid ja andmebaasid
::=({| }+)

()+ – võib korrata mitu korda
::=((väärtus))
::= |
(aineklass hape

Nimi

värv värvitu)
(Tellimine – ülesanded: allikas, lekketara)
Millised on reeglid:
::=(P )
::={}+
::= | -
::= | |
::=((väärtus>)+) |

# (ülesannete järjekord)

([{ }+])
# (aine)
Muster ei pea tingimata määrama antud klassi kõiki atribuute, s.t. saame kirjutada
(aineklass hape

nimi) st. muutuv hape -asi saab väärtuse
::= ({ >}+)
Mälutoimingu vastava elemendi atribuudi väärtus peab ühtima ühe sellel lehel määratud elemendiga, vähemalt ühega.
Need väärtused on antud konkreetsete sõnadega.
# (aineklass hape

värv)
::= ({{{}+}}+)
Väärtuste loendit saab täpsustada ka piirangute kujul
# (Mootori võimsus ( 100 200))

(mootori võimsus 160)
:={}+
::=(teha | eemalda | (muuda
{} +)

# (P-koordinaat _a

(sihtseisund aktiivne

nime koordinaat)
Kui sihtmärk on võimeline koordineerima ja ülesannete järjekord pole määratletud, siis loo

(ülesannete järjekord) –>
(muutke sihtseisund aktiivseks

nimi tellida ülesandeid)
(modif1 ooteolek))

Probleemide lahendamise strateegia põhineb selgesõnalisel eesmärgi seadmisel
Esitus
1. mäluelementidega võrdlemise tulemusena moodustub vastuoluline reeglistik
2. Reeglite valik konfliktikomplektist
3. Reeglite sõlmimises märgitud toimingute sooritamine
Jookse kuni eesmärk on saavutatud.

Teadmiste omandamine

Teadmiste ammutamine allikast, teisendamine soovitud vormi, samuti ülekandmine intelligentse süsteemi teadmistebaasi.

Teadmised jagunevad:
- objektistatud;
- subjektiivne
Objektistatud – välistes allikates – raamatutes, ajakirjades, uurimistöös – esitatud teadmised.
- vormindatud, st. esitatakse seaduste, valemite, mudelite, algoritmide kujul.
Subjektiivne – teadmisi, mis on asjatundlikud ja empiirilised, ei esitata välisel kujul.
Eksperdi teadmised on mitteformaalsed, see on heuristiliste võtete ja reeglite kogum, mis võimaldab leida lähenemisviise probleemide lahendamiseks ja püstitada hüpoteese, mida saab kinnitada või ümber lükata.
Teadmisi saab hankida mis tahes objekti vaatlemise käigus.
Teadmusinseneri, konsultandi tööviisid teadmiste omandamise protsessis.
1. protokolli analüüs
- probleemide lahendamise käigus arutluskäik valjusti kirja panna.
O.s. koostatakse ja vaadatakse läbi protokollid
2. Intervjuu – eksperimendiga peetakse dialoogi, mille eesmärk on teadmiste omandamine.
3. Professionaalse tegevuse mänguline jäljendamine.

Intervjueerimise meetodid.
1. Sammude juures tükeldades tõstetakse esile lingid, mis võimaldavad luua hierarhilisi struktuure
2. Repertuaalvõre Pakutakse 3 mõistet ja tuleb nimetada erinevus 2. mõiste ja 3. mõiste vahel. Eksperdile pakutakse paari mõistet ja ta peab nimetama ühised omadused => vormiklassid.

Konitoloogi töömeetod teadmisvaldkonna kujundamisel
Sisaldab 2 etappi
1. ettevalmistav
1.1. Selge ülesande ettevalmistamine, mille süsteem peab lahendama
2. Litidega tutvumine
3. Ekspertide valik
4. Ekspertide tutvustus koopiaga
5. Eksperdi tutvumine populaarse tehisintellekti tehnikaga
6. Moodustamine teadmiste valdkonna koopiast
2. Pealava
1. teadmiste valdkonna pumpamine režiimis
2. kosmeetiku meeskonnatöö - protokolli analüüs, mõistete vaheliste seoste määramine, küsimuste koostamine eksperdile
3. Teadmiste valdkonna ülespumpamine – küsimuste ülesanne eksperdile
4. Kontseptuaalse probleemi vormistamine.
5. Mudeli täielikkuse kontrollimine
Kui mudel on mittetäielik, kasutatakse 2. lähendust.

12. loeng 10.12. 99.

hägused komplektid
– toote paksus väike keskmine suur

kraad kuulub

10 15 40 toote paksus
- hägune komplekt x - universaalne komplekt
x - moodustavad paaride A komplekti
- nimetatakse häguse hulga liikmefunktsiooniks.
Kutsutakse konkreetse elemendi X liikmelisuse funktsiooni väärtusi

Liikmelisuse kraad

Häguse komplekti kandja
Tavaline hägune komplekt on komplekt, mille jaoks

hägune komplekt
X - universaalne komplekt
X - moodustavad paaride komplekti A
: - nimetatakse häguse hulga liikmefunktsiooniks.
Konkreetse elemendi X liikmelisuse funktsiooni väärtust nimetatakse liikmelisuse astmeks
- fuzzy komplekti kandja
&
Tavaline hägune komplekt on igaühe jaoks komplekt

Kui viite tavavormile =>, peate kõik selle väärtused jagama
.

Olgu liikmelisuse funktsioon antud täisarvuga vahemikus 10 kuni 40
Määratlege toote väikese paksuse mõiste.

| | | | | | | | x x

10 11 12 13 14 15 16 17 18
18

Tehted hägusate kogumitega

1. Hägusate hulkade liit

2. Hägusate hulkade ristumiskoht

3. Häguse hulga täiendamine

12. ja 13. loengu algus.

(A1,(A2,….,(An x1,x2,…,xn x1(X1 x2(X2 … xn(Xn

(A1 x(A2 x … x(An = ())

(x (x1,x2,…,xn) = min((A1 (x1), (A2 (x2)…(An (xn) ))

(Ax(B = (,
, }
5. Häguse hulga tõstmine astmeni.

(A2 = con((A) - kontsentratsioon

(A0,5 = dil((A) – venitamine

Liikmefunktsiooni määramise meetodid.

Veidi rohkem kui 2. 0 kuni 5.
|x |0 |1 |2 |3 |4 |5 |
|n1 |- |- |- |10|8 |4 |
|n2 |10|10|10|- |2 |6 |

(A = n1 / (n1 + n2)

Järjestusmeetod.

Hägune muutuja.

(- hägune muutuja x nimi on selle määratluse ala

(A on tähendus, hägune hulk määrab häguse muutuja semantika

keeleline muutuja.

(- keelelise muutuja nimi

T – põhiterminite hulk – moodustab hägusate muutujate nimed
(harva, mõnikord, sageli), mis on keelelised muutujad

X - keeleliste tähenduste kandja - definitsioonipiirkond

G - süntaktiline protseduur

M - semantiline protseduur

Süntaktiline protseduur grammatiliste terminite kujul, mille sümbolid moodustavad termineid hulga terminitest (ja või mitte), tüübimuutustest
(väga, veidi, mitte jne)

(- sagedus

T = (harva, mõnikord, sageli)

Sageli

Sellised terminid koos algsete terminitega moodustavad hulga terminite tuletise.

Semantilised protseduurid võimaldavad ümber kirjutada termohäguse semantika.

M((1 või (2) = (A1 ((A2

((1, x1, (A1)

((2, x2, (A2)

M((1 ja (2) = (A1 ((A2

M(väga () = con ((A)

M(veidi () = dil ((A)

Stsenaarium.

See on teadmiste esituse raammudelite klass, kus teadmised ainevaldkonnale omaste toimingute jada, sündmuste jada kohta esitatakse üldistatud ja struktuursel kujul. Mõelge põhjusliku stsenaariumi stereotüübile - see määrab eesmärkide saavutamiseks vajalike toimingute jada, see on raami mudel.

(kcus nimi: pesa nimi 1 (pesa väärtus 1); pesa nimi 2 (pesa väärtus 2);

…pesa nimi n (pesa väärtus n))

(kcus doer target doer eeldus võtmetagajärje süsteemi nimi)

Eeldus määratleb toimingud, mis tuleb teha enne selle tegevuseks vajalikku võtmetoimingut. Tagajärg on viimane tegevus. Süsteemi nimi on skript.

(kcus "tule kustutamine": tegija (S:) tegija eesmärk (C: "tule peatamine")

P11, P12 pakid (kus: "kustutusainete otsimine" R1, "kustutusmasinad")

K1 võti (f: "kustutusainete kasutamine täielikuks relvarahuks") tagajärg (P: "relahu") süsteemi nimi (sys: cus*1))

R1 - olla varem

(kcus "kustutusainete otsimine": aine (S:) aine eesmärk (C: "kustutusainete leidmine")

P121, P22 pakid (kus: "kustutusainete asukoha koordinaatide määramine" R1, "kolimine kustutusainete asukohta")

K2 võti (f: "kustutusainete kinnipidamine") tagajärg (P: "asub kustutusainete asukohas") süsteemi nimi (sys: cus*2))

(kcus "kustutusainete transportimine põlengukohta": tegutseja (S:) agendi eesmärk (C: "kustutusainete toimetamine põlengukohta")

P31, P32 pakid (kus: "kustutusainete olemasolu" R1, "tulekahju koha koordinaatide määramine")

K3 võti (f: "kolimine põlengukohta") tagajärg (P: "kustutusainete olemasolu tulekahju kohas") süsteemi nimi (sys: cus*3))

Teadmiste täiendamine stsenaariumi alusel.

Järjestus:

D = cus: P11 R1 cus: P12 R1 K1 =

P21R1P22R1K2 P31R1P32R1K3

P21R1P22R1K2 R1 P31R1P32R1K3 R1 K1

Ruumid määratlevad toimingud, mida tuleb teha enne selle tegevuseks vajalikku võtmetoimingut. Tagajärg lõplik tegevus. Skripti süsteeminimi.

Teadmiste täiendamine pseudofüüsikalise loogika alusel.

P1 - lennuki maandumine

P2 - redeli varustus

P3 - reisijate väljumine lennukist

P4 - siini toide

P5 – saabumine lennujaama terminali

Teksti struktuuri keelelisel tasandil esindab järgmine valem:

TS = PR4dt&P1R3 10,(P2&P2R1P3&P4R3 2,(P5 t = 15 tundi 20 minutit

PR4dt , P1R3 10,(P2 (P2R4 dt + 10

P1R3 10,(P2 (P1R1P2

P4R3 2,(P5 (P4R1P5

TS* = P1R1P2& P1R1P3& P2R1P3& P4R1P5

Teadmiste üldistuste mudelid ja meetodid.

Üldistuse all mõistetakse teadmiste hankimise protsessi, mis selgitab olemasolevaid fakte, samuti on võimalik klassifitseerida, selgitada ja ennustada uusi fakte. Algandmed on esindatud koolitusnäidisega. Objekte saab jagada klassidesse. Sõltuvalt sellest, kas objektide a priori jaotamine klassidesse on määratud või mitte, jagatakse üldistusmudelid üldistusmudeliteks valimite ja klasside kaupa.

(+ = (01+, 02+…0nj+) on positiivne proov.

Negatiivse valimi saab määrata (- = (01-, 02-…0bj-)

Tuleb leida selline reegel, mis võimaldab kindlaks teha, kas objekt kuulub klassi Kj või mitte.

Andmete üldistusmudelites esindab valimit klassiobjektide komplekt. Üldistusmeetodid jagunevad tunnuste järgi üldistusmeetoditeks ja struktuur-loogilisteks üldistusmeetoditeks.

Z = (z1, z2, …, zr)

Zi = (zi1, zi2, …, zini)

Objekti iseloomustab tunnusväärtuste komplekt Qi = (z1j1, z2j2, …, zrjr).

Struktuurloogilis-loogilisi üldistusmeetodeid kasutatakse selleks, et kujutada struktuurloogilis-loogiliste meetodite hulgas teadmisi objektide kohta, millel on sisemine struktuur. Võib välja tuua kaks suunda: normaalarvutuse induktiivsed meetodid ja semantiliste võrkude üldistamise meetodid.

Algoritm mõistete üldistamiseks tunnuste järgi.

Reeglid objektide teatud klassi kuuluvuse määramiseks on esitatud mitmetes loogilistes valemites, mille elemendid on hij ja funktsioonid (((((((

Z = (z1, z2) (sugu, vanus)

Z1 = (z11, z12) (m, f)

Z2 = (z21, z22, z23) (noor, keskmine, vana)

(j+ = (01+, 02+) (j- = (01-, 02-, 03-)

01+ = (z11, z21) 02+ = (z11, z22)

01- = (z11, z23) 02- = (z12, z21) 03- = (z12, z22)

&i hij - üldistatud konjunktiivi mõiste

0 = max(xij – 1/(i), kus 0 on kriteerium, xij on teatud tunnuse väärtuse esinemise sagedus, (i on tunnuste arv.

0 = 3/5 – 1/2 = 0.1

(j+ = (01+, 02+) (j- = (01-)

(-1+ = 0 (-1- = {02-, 03-}

-----------------------

Olukord

staatiline

Dünaamiline

Pidevad omadused ja seosed

osariigid

jätkusuutlik

Ajutine

Protsessid

(patsient1, diagnoos, koliit, K760)
(patsient1, diagnoos, gastriit, K740)

õpilane

määratlemata objekt

Määratletud objekt

materiaalne objekt

immateriaalne objekt

olukord

ruumi

tuba

varustus

õpilased

halduspersonal

õpetajad

teeninduspersonal

magistrant

osakonnajuhataja

Metodist

Professor

assistent

laborant

ruumi

provints

paikkond

töötab

õpetaja

Osakonna nimi

asendamine

distsipliini

Grupi kood

Teadmiste insener

Peale teadmistebaasi kujundamist ja vastava tarkvara väljatöötamist või nõuetele vastava valmislahenduse valimist on vaja moodustada teadmistebaas, täites selle ainevaldkonna teadmiste ja võimalusel ka vajalike faktidega. Intelligentse süsteemi teadmistebaasi moodustamise staadium on kogu süsteemi kui terviku toimimiseks kriitiline, sest kui juurutamine mõjutab süsteemi võimaluste võimalikke piire, siis süsteemi tundmine määrab ära selle võimed probleemide lahendamisel. teemavaldkond.

Seda IIS-i arenguetappi nimetatakse teadmiste omandamise etapiks. Tegevusvaldkonda, mis uurib teadmistebaaside moodustamise ja täitmise probleeme, nimetatakse teadmustehnikaks.

teadmiste insener- tehisintellekti üsna noor suund, mis ilmnes siis, kui praktilised arendajad seisid silmitsi väga mittetriviaalsete probleemidega, mis olid seotud teadmiste "kaevandamise" ja vormistamise raskusega. Esimestes tehisintellekti käsitlevates raamatutes olid need faktid tavaliselt vaid postuleeritud, seejärel hakati tõsiseid uuringuid tegema optimaalsete teadmiste avastamise strateegiate väljaselgitamiseks. Uurimistöö viis teadmustehnika distsipliini tekkeni ja uue eriala tekkeni - teadmusinsener ehk spetsialist, kellel on teoreetilised teadmised ja praktilised meetodid intelligentsete süsteemide ehitamiseks ning mis kõige tähtsam, koolitatud moodustamise meetodite alal. intelligentsete süsteemide teadmistebaasid.

Aineteadmisi intelligentsest süsteemist saab võtta paljudest allikatest, kuid tänapäevase IIS-i põhiteadmiste allikaks on selle ainevaldkonna spetsialist. Teadmiste insener omandab teadmised tavaliselt eksperdiga vahetult suheldes. See protsess koosneb pikast seeriast intensiivsetest, süstemaatilistest intervjuudest, mis kestavad tavaliselt mitu kuud. Vestluste käigus annab teadmusinsener eksperdile lahendada reaalsele lähedasi ja sama tüüpi probleeme, mille lahendamisel juhindub loodud ekspertsüsteem. Teadmusinsener peab töötama koos eksperdiga, jälgides, kuidas ta konkreetseid probleeme lahendab. Harva on tõhus lähenemine, kus eksperdile esitatakse otse küsimusi tema reeglite või meetodite kohta, kuidas lahendada teatud tüüpi probleeme tema pädevusvaldkonnas. Tavaliselt on ekspertidel selliste reeglite sõnastamisel suuri raskusi.

Näib, et "eksperdid" kipuvad oma järeldusi ja nendeni jõudmist sõnastama üldiselt, mis on tõhusa arvutianalüüsi jaoks liiga lai ja ebamäärane. Eelistatav on, et arvuti töötaks spetsiifilisemal tasemel, käsitledes täpselt määratletud sisendteabe osasid, mida saab lisada keerukamatesse otsustustesse. Kuid ekspert töötab harva nii spetsiifilisel tasemel. Ta teeb kiiresti rasked järeldused, vaevutamata hoolikalt analüüsima ja sõnastama oma arutlusprotsessi iga sammu. Osa esialgsetest teadmistest on kaudsed oletused ja need kombineeritakse üksteisega nii kiiresti, et eksperdil on raske seda protsessi kirjeldada. Probleemi analüüsides ei suuda ta iga sammu lihtsalt kirjeldada ja tal ei pruugi olla isegi ettekujutust üksikutest sammudest, mida lahenduse leidmiseks tehti. Ta võib omistada intuitsioonile või nimetada aimdust selle, mis osutub väga keerulise loogilise protsessi tulemuseks, mis põhineb tohutul hulgal tema mälus olevatel andmetel ja rikkalikul praktikal. Seejärel kordab ta oma järeldust või eelaimust selgitades ainult põhietappe, jättes sageli välja enamiku väikseid samme, mis võisid talle sel ajal tunduda ilmselged. Teadmine, mida pidada elementaarseks ja asjakohaseks ning mitte nõuda täiendavat ümberhindamist, teeb spetsialistist "eksperdi". See eksperdi olemuse aspekt on mõnevõrra ebatavaline. Praktikas nimetatakse seda asjatundlikkuse paradoksiks. Intelligentsete süsteemide arendamise kontekstis nimetame seda teadmustehnoloogia paradoksiks:

Mida pädevamaks saavad eksperdid, seda vähem suudavad nad kirjeldada teadmisi, mida nad probleemide lahendamisel kasutavad!

Veelgi hullem on see, et uuringud on näidanud, et kui eksperdid püüavad selgitada, kuidas nad järeldusele jõudsid, loovad nad sageli usutavaid arutluskäike, millel on vähe sarnasust nende tegeliku probleemide lahendamise käitumisega. Sellel funktsioonil on kaks olulist tähendust. Siin on esimene:

Eksperdid vajavad oma mõtteviisi ja probleemide lahendamise selgitamiseks ja selgeks tegemiseks kõrvalist abi. Selle võib kokku võtta järgmise rusikareeglina – ära ole iseenda ekspert!

Teine teadmiste inseneri heuristika on:

Ärge uskuge kõike, mida eksperdid räägivad!

Kogenud teadmusinsenerid töötavad välja tööhüpoteese ekspertide öeldu põhjal ning kontrollivad nende hüpoteeside õigsust ja järjepidevust, kutsudes eksperte üles lahendama uusi probleeme, mis nõuavad oletatavaid (hüpoteesi kohaselt) teadmisi. Teadmusinsener usub, et ta on saanud õiguspärase eksperdireegli mitte sellepärast, et ekspert garanteerib reegli täpsuse, vaid seetõttu, et ekspert demonstreerib selle reegli rakendamist probleemi lahendamisel.

Mõnikord tundub ekspertide käitumine pigem intuitiivne kui ratsionaalne. Fakt on see, et märkimisväärne hulk teadmisi on eksperdi oskuse kõige olulisem eeldus. Eksperdi teadmised ei ole aga pelgalt juhuslik faktide kogum. Suur hulk olukorramalle on juhised, mis aitavad eksperdil sekundi murdosa jooksul oma teadmiste õigetele osadele juurde pääseda. See võime kasutada malle tõlgendamis- ja otsustusprotsessi suunamiseks on võib-olla oluline osa sellest, mida me nimetame füüsiliseks intuitsiooniks.

Pealegi oskab ekspert erinevates ebastandardsetes olukordades rakendada täiesti erinevaid töövõtteid ja tehnikaid ning erinevate tehnikate kasutamise kriteeriume on teadlikult tuvastada äärmiselt raske.

Teadmiste inseneriterminoloogia

Teadmiste valdkond- see on eksperdi teadmiste süsteemist tuvastatud põhimõistete ja ainevaldkonna mõistete vaheliste seoste tingimuslik mitteametlik kirjeldus graafiku, diagrammi, tabeli või teksti kujul.

Teadmiste valdkond kui esimene samm formaliseerimise suunas kujutab endast ainevaldkonna teadmiste mudelit sellisel kujul, nagu ekspert suutis seda väljendada mingis „oma“ keeles. Me ei käsitle selles kursuses ainevaldkonna kirjeldamiseks piisava keele kujunemise probleeme. Hea eriteabe allikas selle teema kohta on.

Teadmusväli on võtmetööriist teadmistebaasi domeenimudeli hilisemaks koostamiseks.

Teadmiste hankimise protsessi (sel juhul valitud strateegia tüübi) nimetuse jaoks on kirjanduses levinud mitmed mõisted: teadmiste omandamine, ammutamine, ammutamine, omandamine, tuvastamine, teadmiste kujundamine. Ingliskeelses erialakirjanduses kasutatakse peamiselt kahte: hankimine (omandamine) ja esilekutsumine (identifitseerimine, ekstraheerimine, asutamine).

Mõistet "omandamine" tõlgendatakse kas väga laialt – siis hõlmab see kogu teadmiste ülekandmise protsessi eksperdilt ES-i teadmistebaasi või juba teadmusbaasi automatiseeritud loomise viisina läbi dialoogi eksperdi ja eksperdi vahel. eriprogramm (sel juhul on teadmusvälja struktuur programmi eelnevalt sisse pandud). Mõlemal juhul ei viita mõiste "omandamine" just sellesse mõistatusse, mis puudutab ainevaldkonda puudutava teabevoost teadmiste struktuuri väljavõtmist. Seda protsessi kirjeldab mõiste "väljavõte".

Teadmiste ammutamine(teadmiste esiletoomine) on protseduur eksperdi suhtlemiseks teadmisallikaga, mille tulemusena saab selgeks spetsialistide arutlusprotsess otsuse tegemisel ja nende ideede struktuur ainevaldkonna kohta.

Teadmiste omandamine(teadmiste omandamine) - teadmistebaasi täitmine eksperdiga spetsiaalse tarkvara abil (vahetu interaktsioon IIS-i ja eksperdi vahel).

Teadmiste kujundamise terminit on traditsiooniliselt omistatud äärmiselt perspektiivikale ja aktiivselt arenevale teadmustehnika valdkonnale, mis tegeleb mudelite, meetodite ja õppealgoritmide väljatöötamisega. See hõlmab teadmiste kujundamise induktiivseid mudeleid ja automaatset hüpoteeside genereerimist koolitusnäidiste, analoogia põhjal õppimise ja muude meetoditega. Need mudelid võimaldavad tuvastada põhjuslikke empiirilisi sõltuvusi mittetäieliku teabega andmebaasides, mis sisaldavad struktureeritud numbrilisi ja sümboolseid objekte (sageli mittetäieliku teabe tingimustes).

Teadmiste kujunemine(masinõpe) - andmete analüüsi ja peidetud mustrite tuvastamise protsess spetsiaalse matemaatilise aparaadi ja tarkvara abil.

Meetodid teadmiste saamiseks

Teadmustehnika pakub teatud meetodeid (tehnikaid, meetodeid) ekspertidega töötamiseks.

Ekspertidega töötamise meetodite klassifikatsioon

Suhtlusmeetodite all mõistetakse teadmusinseneri igasuguseid kontakte elava teadmisteallika – eksperdiga. Nende meetodite hulgas on kaks suurt rühma: aktiivne ja passiivne.

Passiivsed meetodid eeldavad, et juhtiv roll teadmiste ammutamise protseduuris kuulub eksperdile. Sel juhul fikseerib teadmusinsener peamiselt eksperdi arutluskäigu ja tegevuse.

Aktiivsete meetodite puhul on initsiatiiv täielikult teadmusinseneri kätes. Ta viib läbi vestlust asjatundjaga, pakub erinevaid "Mängusid", korraldab "ümarlauda" jne.

Passiivsed meetodid on esmapilgul lihtsad. Samas nõuavad need teadmusinsenerilt oskust analüüsida eksperdi "teadvuse voolu" ja tõsta selles esile väärtuslikke teadmiste killukesi.

Aktiivsed meetodid jagunevad olenevalt teadmiste ammutamise protseduuriga kaasatud ekspertide arvust kahte rühma - Rühmameetodite puhul on suure tähtsusega ekspertide omavaheline arutelu, mille käigus ilmnevad sageli teadmiste mittetriviaalsed aspektid. Samas mängivad tänapäeval juhtivat rolli üksikud meetodid. Suures osas on see tingitud "teadmiste kogumise" protseduuri delikaatsusest.

Riis. 1.31. Ekspertidega töötamise meetodite klassifikatsioon

Passiivsed meetodid

Tähelepanekud

Vaatlusmeetod on ainus "puhas" meetod, kus teadmusinsener ei sekku eksperdi töö protsessi ega suru talle peale oma ideid. Vaatlusi on kahte tüüpi:

· Reaalse protsessi jälgimine.

· Seireprotsessi simulatsioon.

Esiteks kasutatakse tavaliselt esimest tüüpi ja tegelikku protsessi jälgitakse eksperdi töökohal. See aitab ainevaldkonnast sügavamalt aru saada ja märgata kõiki kasutajaliidese kujundamiseks vajalikke otsustusprotseduuri väliseid tunnuseid.

Teises etapis imiteerib ekspert protsessi. Selles režiimis on ta vähem stressis ja töötab "kahel rindel" - ta viib läbi professionaalset tegevust ja samal ajal demonstreerib seda.

Vaatlusseansid seavad teadmusinsenerile järgmised nõuded:

· Stenograafia oskus.

· Ajastusvõtetega tutvumine tootmisprotsessi selgeks ajas struktureerimiseks.

· Arendatakse "silmade lugemise" oskust, st žestide, näoilmete ja muude suhtluse mitteverbaalsete komponentide jälgimist.

· Ainevaldkonna eelteadmised.

Seansijärgsete vaatluste protokollid dešifreeritakse hoolikalt ja seejärel arutatakse neid eksperdiga.

"Valjuhäälselt mõtlemise" protokollide analüüs

“Mõtete valjuhäälselt” salvestamisel palutakse eksperdil paljastada kogu tema tegevust ja otsuseid selgitav arutluskäik. Sellise salvestamise puhul peetakse oluliseks salvestada mitte ainult kogu eksperdi "teadvuse voog", vaid isegi pause ja vahelehüüdeid eksperdi kõnes. Seda meetodit nimetatakse mõnikord "verbaalseks aruandluseks".

"Mõtteid valjult" salvestades saab asjatundja end võimalikult eredalt väljendada. Teda ei piira miski, keegi ei sega teda, ta näib hõljuvat vabalt omaenda arutluskäikude ja järelduste voos, suudab näidata oma eruditsiooni ja demonstreerida teadmiste sügavust. Paljude ekspertide jaoks on see kõige meeldivam ja meelitavam viis teadmiste ammutamiseks.

Samal ajal, nagu eespool märgitud, ei suuda iga spetsialist, isegi need, kes suudavad oma töö kohta muljetavaldavaid monolooge esitada, arutluskäike formaliseerida ja struktureerida. Siiski on inimesi, kes on altid refleksioonile, kes on võimelised oma mõtteid konstruktiivselt esitama. Sellised inimesed on teadmisinsenerile jumala kingitus.

Õppejõu kingitus on haruldane. Kogenud õppejõud struktureerib oma teadmisi ja mõttekäike hästi. Aga juhtub, et mõnel on loeng

tasuta, kuid ei tea selle olemasolust. Igal juhul peaks teadmusinsener proovima asjatundjat mõistatada, valmistades ette loengu huvipakkuval teemal. Kui ekspert suudab ületada konkreetse psühholoogilise barjääri ja siseneda õpetaja kuvandisse, võib see olla teadmiste ammutamise probleemi lahendamisel väga tõhus.

Hea küsimus teadmusinsenerilt loengu ajal on hädavajalik. Tõsised, sügavad ja huvitavad küsimused ühelt poolt ergutavad õppejõu loomingulist kujutlusvõimet, teisalt aga suurendavad teadmusinseneri autoriteeti.

Loengute vormis teadmiste ammutamise meetodit, nagu kõiki passiivseid meetodeid, kasutatakse eksperdi mälust teadmiste ammutamise mitmeetapilise protseduuri alguses. See aitab kaasa teadmiste inseneri kiirele keelekümblusele ainevaldkonda.

Aktiivsed individuaalsed meetodid

Küsimustik

Küsimustik on kõige standardsem meetod. Küsimustiku koostamine on üsna delikaatne ja vastutusrikas hetk. Siin on mõned soovitused.

· Ankeet ei tohiks olla üksluine ja üksluine, et mitte tekitada tüdimust ja väsimust. Selleks peaksid küsimused varieeruma, teemad muutuma. Lisaks sisestatakse ankeeti sageli spetsiaalseid naljaküsimusi ja mänguküsimusi;

· küsimustik tuleks kohandada ekspertide keelele;

Tuleb arvestada, et küsimused mõjutavad üksteist. Seetõttu peaks küsimuste järjekord olema hästi läbi mõeldud;

Küsimustikus peavad olema „head kombed“. Seda tuleb väljendada selges, arusaadavas ja äärmiselt viisakas keeles. Küsimustiku koostamise metoodilist oskust saab omandada vaid harjutades.

Ankeediprotseduuri saab läbi viia kahel viisil.Esimesel juhul esitab analüütik küsimusi valjusti ja täidab eksperdi vastuste põhjal ise küsimustiku. Teises täidab ekspert küsimustiku iseseisvalt pärast eeljuhendamist.

Meetodi valik sõltub paljudest tingimustest (eelkõige küsimustiku ülesehitusest, selle selgusest ja eksperdi valmisolekust). Samas tundub eelistatavam teine meetod, kuna eksperdil on küsimuste üle järelemõtlemiseks piiramatult aega ja nn kohalolekuefekt väheneb.

Intervjuu

Enne intervjuu läbiviimist on hea mõte endalt küsida: "Kas me oskame hästi küsimusi esitada?" Mõelge küsimuste klassifikatsioonile.

Joon.1.32. Küsimuse klassifikatsioon

Avatud küsimus määrab teema või teema, jättes eksperdile vastuse vormis ja sisus vabad käed.

Kell suletud küsimusele, pakutakse eksperdile vastuste komplekti, mille hulgast ta peab tegema valiku.

Suletud küsimusi on lihtsam töödelda, kuid teatud määral need "programmeerivad" eksperdi vastuse ja "sulgevad" tema arutluskäigu. Seetõttu küsitakse intervjuu stsenaariumi kirjutades enamasti vaheldumisi avatud ja suletud küsimustega ning mõeldakse eriti hoolikalt läbi “menüü” ja suletud küsimuste sisu.

Privaatne küsimus puudutab eksperdi individuaalset kogemust. Isiklikud küsimused aktiveerivad tavaliselt eksperdi mõtlemist, "mängivad" tema egoga, kaunistavad intervjuud.

Isikupäratu küsimus on suunatud ainevaldkonna levinumate ja üldtunnustatud mustrite väljaselgitamisele.

Küsimuste koostamisel arvestatakse, et eksperdi keeleoskus on reeglina piiratud. Lisaks peavad nad silmas, et eraldatuse, jäikuse ja pelglikkuse tõttu ei saa üksikud eksperdid koheselt oma arvamust avaldada ja vajalikke teadmisi anda. Seetõttu ei kasutata sageli mitte otseseid küsimusi, mis otseselt viitavad teemale või teemale, vaid kaudseid, suunates kaudselt tähelepanu tegelikule probleemile. Mõnikord tuleb juhtumi huvides esitada ühe otsese küsimuse asemel mitu kaudset küsimust.

Verbaalne küsimused on traditsioonilised suulised küsimused.

Küsimused visuaalset materjali kasutades mitmekesistada intervjuud ja vähendada eksperdi väsimust. Visuaalse materjalina kasutatakse fotosid, jooniseid ja kaarte.

Küsimuste jagamine funktsiooni järgi põhi-, sondeerimine ja kontroll tingitud sellest, et tihtipeale läheb ekspert mingil põhjusel küsimusest kõrvale ja intervjuu põhiküsimused osutuvad ebaproduktiivseteks. Seejärel kasutab analüütik uurivaid küsimusi, mis suunavad eksperdi tähelepanu õiges suunas. Kontrollküsimusi kasutatakse saadud teabe usaldusväärsuse ja objektiivsuse kontrollimiseks.

Neutraalne küsimused on erakonnavabad. Samal ajal sugestiivne küsimused sunnivad asjatundjat kuulama või lausa arvestama intervjueerija seisukohta.

Lisaks klassifikatsioonis loetletud küsimustele on kasulik eristada ja intervjuusse lisada järgmist tüüpi küsimusi:

kontakt ("jää murdmine" analüütiku ja eksperdi vahel); o Puhver (erinevate intervjuuteemade eristamiseks);

· ekspertide mälu taaselustamine (üksikjuhtumite rekonstrueerimiseks praktikast);

Provokatiivne (saada spontaanseid, ettevalmistamata vastuseid).

Vaba dialoog

Teadmusinseneri ja eksperdi vaba dialoogiga pole reguleeritud plaani. Selline teadmiste ammutamise vorm nõuab aga kõige tõsisemat eelettevalmistust.

Riis. 1.33. Intervjuuks ja vabaks dialoogiks valmistumise skeem

Kvalifitseeritud ettevalmistus dialoogiks on ehtne dramaturgia. Tema stsenaarium näeb ette protsessi sujuva arendamise, kuidas vestluse alguses meeldivast muljest teadmiste ammutamiseks professionaalseks kontaktiks huvi äratamise ja eksperdi usalduse võitmise kaudu.

Et tagada eksperdi soov vestlust jätkata, tehakse tavaliselt “silitamist” näiteks: “Ma saan sinust aru...”, “... See on väga huvitav” jne. Samal ajal peab analüütiku käitumine olema siiras, sest ammu on teada, et parim nipp – väldi igasuguseid trikke ja kohtle vestluskaaslast tõelise austuse ja tõelise huviga.

Ideaalse intervjueerija omaduste kataloog on olemas: "Ta peaks välja nägema terve, rahulik, enesekindel, inspireerima enesekindlust, olema siiras, rõõmsameelne, vestluse vastu huvi üles näitama, olema korralikult riietatud, hoolitsetud."

Mängud koos asjatundjaga

Mängudes koos eksperdiga võtab teadmusinsener simuleeritud olukorras rolli. Näiteks võib see olla Õpilase roll, kes eksperdi (Õpetaja) ees, kes Õpilast parandab, teeb etteantud teemal tööd. See mäng on hea viis häbeliku asjatundja jutuajamiseks.

Teine näide on Spetsialisti (teadmiste insener) ja Konsultandi (ekspert) mäng. See mäng annab mõnikord muljetavaldavaid tulemusi. Võtame näite klassikalisest kirjandusest. Ekspert tegutses patsienti hästi tundva arstina ning konsultant esitas küsimusi ja tegi ennustuse ühe või teise raviviisi kasutamise otstarbekuse kohta. Selline mäng võimaldas kindlaks teha, et edukaks prognoosiks on vaja vaid 30 küsimust, arstide koostatud küsimustiku algversioon sisaldas aga 170 küsimust.

Varjatud teadmistekihtide paljastamiseks kasutatakse mängu, mille käigus spetsialist teeb professionaalsetes olukordades ennustusi ja annab neile põhjendusi. Seejärel esitatakse spetsialistile teatud aja möödudes omapoolsed põhjendused ja palutakse teha nende kohta prognoose. Nagu selgub, võimaldab selline lihtne tehnika sageli tuvastada eksperdi arutluskäigus vahelejäänud samme.

Konteksti fookusmängus mängib ekspert eksperdisüsteemi rolli, teadmusinsener aga kasutaja rolli. Konsultatsioonisituatsioon on modelleeritud. Eksperdi esimesed reaktsioonid keskenduvad probleemi kõige olulisematele mõistetele ja kõige olulisematele aspektidele.

Üldiselt antakse eksperdiga mängude jaoks teadmiste insenerile järgmised peamised näpunäited:

· Mängige julgemalt, leiutage ise mänge.

· Ärge suruge mängu asjatundjale peale, kui ta ei asu.

· Ära „tõuka“ asjatundjat, ära unusta mängu väravaid.

· Ärge unustage aega ja seda, et mäng on eksperdi jaoks väsitav.

· Mängige lõbusalt, ebatavaliselt.

Aktiivse rühma meetodid

Aktiivsed rühmameetodid üksi ei saa olla enam-vähem täielike teadmiste allikaks. Need toimivad täiendavana ja on hea täiendus individuaalsetele teadmiste ammutamise meetoditele, aktiveerides ekspertide mõtlemist ja käitumist.

"Ümarlaud"

Ümarlaua meetod hõlmab huvipakkuva probleemi võrdset arutelu mitme eksperdi poolt. Arutelu ülesandeks on ühiselt, eri vaatenurkadest, eri nurkade alt uurida ainevaldkonna vastuolulisi probleeme. Vürtsiks on ümarlauale oodatud erinevate teadusvaldkondade ja põlvkondade esindajad. Arutelul osalejate arv on tavaliselt kolm kuni viis või seitse.

Enne arutelu alustamist peab juhendaja (teadmisteadja) veenduma, et kõik osalejad mõistavad probleemi õigesti. Seejärel tuleb paika panna reeglid ja teema selgelt sõnastada.

Arutelu käigus on oluline jälgida, et liiga emotsionaalsed ja jutukad asjatundjad teemat ei muudaks ning üksteise seisukohtade kriitika oleks põhjendatud. Juhendaja peab tegema mõningaid jõupingutusi, et vähendada "fassaadiefekti", kui osalejate soov teistele muljet avaldada võidab ja nad ütlevad midagi täiesti erinevat sellest, mida nad ütleksid tavaolukorras.

"Ajurünnak"

"Ajujaht" või "ajujaht" on üks populaarsemaid inimmõtlemise vabastamise ja aktiveerimise meetodeid. Seda meetodit kasutas esmakordselt 1939. aastal A. Osborne USA-s uute ideede genereerimiseks.

Rünnaku põhipositsioon on ideede genereerimise protseduuri eraldamine suletud spetsialistide rühmas nende analüüsi ja hindamise protsessist. Tavaline rünnaku kestus on umbes 40 minutit. Osalejate arv on kuni 10 inimest. Neil osalejatel palutakse väljendada mis tahes mõtteid antud teemal, sealhulgas humoorikaid, fantastilisi ja ekslikke. Kriitika on keelatud. Ajapiirang – kuni 2 minutit etenduse kohta.

Kogemusest on teada, et väljaöeldud ideede arv ületab sageli 50. Rünnaku kõige olulisem hetk on haripunkti (hüpe) tekkimine, mil ideed hakkavad sõna otseses mõttes “välja purskuma”. Hilisem välisekspertide rühma analüüs näitab tavaliselt, et vaid 10–15% ideedest on mõistlikud, kuid mõned neist on väga originaalsed.

Ajurünnaku teadmusinseneri kunst seisneb oskuses esitada publikule küsimusi, "soojendades" publikut üles. Küsimused toimivad omamoodi “konksuna”, mille abil ideid ammutatakse.

Rollimäng rühmas

Igas rühmamängus koostatakse eelnevalt stsenaarium, jagatakse rollid, koostatakse portreed-rollide kirjeldused, töötatakse välja mängijate hindamise süsteem.

Rollimängude läbiviimiseks on erinevaid viise. Mõnes mängus mõtlevad osalejad endale uued nimed ja esinevad nende all. Teistes lülituvad kõik mängijad ümber "sina". Kolmandas valivad mängijad rollid, neljandas loositakse rollide jagamine.

Tavaliselt osaleb teadmiste omandamiseks mõeldud mängus kolm kuni kuus eksperti: Suurema ekspertide arvu korral jagatakse nad rühmadesse, mille vahel korraldatakse võistlus: kelle diagnoos on tõele lähemal, kelle plaan. kasutab ressursse ratsionaalsemalt, kes tuvastab kiiresti rikke tehnilises blokis jne.

Mängukeskkonna loomine nõuab teadmusinsenerilt kujutlusvõimet ja leiutamist. Peaasi, et mängu eksperdid sukelduvad võimalikult palju olukorda, "mängivad", lõdvendavad ja "avaldavad oma kaarte".

Nõuded ja teadmised insener

Lõpetuseks kokkuvõtliku ülevaate sellest, mis on tegelikult tohutu teadmusinseneri valdkond, märgime teadmusinsenerile esitatavaid põhinõudeid.

· Teadmusinseneril peavad olema head teoreetilised teadmised teadmiste esitusmudelite valdkonnas, et optimaalselt valida ja kasutada probleemi lahendamiseks teadmiste esitusmudelite võimalusi.

· Kuigi seda pole varem otseselt välja öeldud, selgub materjali esitlusest, et teadmusinseneril peab olema suurepärane suhtlemisoskus ja teatud teadmised suhtlemispsühholoogia valdkonnast, et asjatundjatega tulemuslikult töötada.

· Teadmusinsener peab valdama süsteemset mõtlemist ja valdama ainevaldkonna analüüsimeetodeid, kognitiivse psühholoogia meetodeid.

· Omama põhjalikku üldteaduslikku ettevalmistust ning valdama teadusliku uurimistöö meetodeid, formaalseid kirjeldamis- ja dokumenteerimismeetodeid.

· Oskad olla infotehnoloogia vallas.

Teadmiste inseneri roll intelligentsete infosüsteemide väljatöötamisel on sageli süsteemi kavandamise edu võtmeks. Teadmusinseneridest saavad reeglina spetsialistid – vajalike oskuste ja kalduvustega tarkvaraarendajad ja analüütikud. Kokkuvõtteks märgime, et teadmusinseneri roll on paljuski sarnane analüütikute ja juurutusspetsialistide funktsioonidega tavapäraste infosüsteemide arendamisel.

Otsingustrateegiad POP-ides

Sarnane teave.

17.2. Teadmiste ammutamise praktikad

17.3. Teadmiste struktureerimine

Arukate infotehnoloogiate loomise keskne probleem on arvutimälu spetsialisti teadmiste piisav kuvamine. See tõi kaasa arvutiteaduse uue suuna väljatöötamise - teadmustehnika, mis määrab inimese teadmiste ja selle formaliseeritud (teabe) kuvamise suhte arvutis. Teadmustehnika uurib ja arendab teadmiste omandamise, nende analüüsi ja vormistamisega seotud küsimusi edasiseks rakendamiseks intellektuaalses süsteemis.

Peatüki eesmärk– annab ülevaate teadmustehnika peamistest teoreetilistest aspektidest ja tutvustab mõningaid teadmusinseneride töö praktilisi meetodeid.

Pärast peatüki uurimist peaksite teadma:

Teadmiste saamise lähenemisviisid ekspertsüsteemide arendamisel

Teadmiste ammutamisel tekkivad teoreetilised probleemid

Psühholoogiliste ja keeleliste tegurite tunnused, millega teadmisteinsener peab arvestama

Teadmisfilosoofia mõju teadmusinseneri tööle

Teadmiste inseneri tehnikad teadmiste allikaga töötamisel

Teadmiste ammutamise meetodid

Ekspertmängude olemus

Meetodid tekstidest teadmiste ammutamiseks

Omandatud teadmiste struktureerimine

Ainevaldkonna kontseptuaalse ja funktsionaalse struktuuri kujunemine

Kuidas teadmisi vormistatakse ja teadmistebaasi moodustub

17.1. Teadmiste saamise teoreetilised aspektid

Teadmiste strateegiad

Psühholoogiline aspekt

Keeleline aspekt

Gnoseoloogiline aspekt

TEADMISTE STRATEEGIAD

Teadmiste omandamiseks on mitu strateegiat. Kõige tavalisem:

omandamine;

kaevandamine;

moodustamine.

Under teadmiste omandamine mõistetakse teadmusbaasi automatiseeritud ülesehitamise meetodina läbi eksperdi ja eriprogrammi vahelise dialoogi (sel juhul on teadmusstruktuur programmi eelprogrammeeritud). See strateegia nõuab ainevaldkonna märkimisväärset eelarendust. Teadmiste omandamise süsteemid omandavad valmis teadmisi vastavalt süsteemi kujundajate poolt paika pandud struktuuridele. Enamik neist tööriistadest on konkreetselt keskendunud konkreetsetele ekspertsüsteemidele, millel on rangelt määratletud ainevaldkond ja teadmiste esitusmudel, s.t. ei ole universaalsed. Näiteks TEIRESIAS süsteem, millest on saanud kõigi teadmiste omandamise tööriistade eelkäija, on loodud selleks, et täiendada MYCIN süsteemi või selle EMYCINi "kestale" ehitatud alamharude teadmistebaasi tootmismudeli abil meditsiinidiagnostika valdkonnas. esindus teadmisi.

Tähtaeg teadmiste ammutamine puudutab otsest kontakti teadmusinseneri ja teadmiste allika vahel. Autorid kipuvad seda terminit kasutama mahukama ja täpsemalt väljendava eksperdi pädevuse ülekandmise protseduurile teadmusinseneri kaudu ekspertsüsteemi teadmistebaasi.

Tähtaeg vormidülesteadmisi on traditsiooniliselt määratud äärmiselt perspektiivikale ja aktiivselt arenevale teadmustehnika valdkonnale, mis tegeleb teadmiste ja õppimise andmeanalüüsi mudelite, meetodite ja algoritmide väljatöötamisega. See valdkond hõlmab induktiivseid mudeleid hüpoteeside genereerimiseks treeningnäidiste, analoogia põhjal õppimise ja muude meetodite põhjal.

Seega saame ekspertsüsteemide arenduses eristada kolme teadmiste omandamise etapi läbiviimise strateegiat (joonis 17.1).

Riis. 17.1. Kolm strateegiat teadmiste saamiseks

Meie riigi ekspertsüsteemide arendamise praeguses etapis tundub teadmiste ammutamise strateegia olevat kõige asjakohasem, kuna kodumaisel tarkvaraturul teadmiste omandamiseks ja kujundamiseks praktiliselt puuduvad tööstuslikud süsteemid.

Teadmiste ammutamine- see on protseduur eksperdi suhtlemiseks teadmiste allikaga, mille tulemusena selgub spetsialistide arutlusprotsess otsuse tegemisel ja nende ideede struktuur ainevaldkonna kohta.

Praegu märgib enamik ekspertsüsteemide arendajaid, et tööstussüsteemide ehitamise kitsaskohaks jääb teadmiste ammutamise protsess.

Teadmiste ammutamise protsess on pikk ja töömahukas protseduur, mille käigus teadmusinsener, kes on varustatud eriteadmistega kognitiivse psühholoogia, süsteemianalüüsi, matemaatilise loogika jne vallas, peab uuesti looma domeenimudeli, mida eksperdid kasutavad otsuste tegemiseks. Sageli küsivad algajad ekspertsüsteemide arendajad, soovides seda valulikku protseduuri vältida, küsimuse: kas ekspert saab ise teadmisi ammutada? Paljudel põhjustel pole see soovitav.

Esiteks on suurem osa eksperdi teadmistest arvukate kogemuste kihtide, etappide tulemus. Ja seda sageli teades AGA peaks AT, ekspert ei taipa, et tema mõttekäikude ahel oli näiteks palju pikem Koos D, D  A, A AT, või AGA K, K  R, R  B.

Teiseks, nagu iidsed inimesed teadsid (meenutagem Platoni dialooge), on mõtlemine dialoogiline. Ja seetõttu on teadmusinseneri ja eksperdi vaheline dialoog eksperdi mälu labürintide "lahti kerimise" loomulikum vorm, millesse on talletatud teadmised, osaliselt mitteverbaalset laadi, s.t. väljendatud mitte sõnade kujul, näiteks visuaalsete kujunditena. Just teadmusinsenerile selgitamise käigus paneb ekspert neile udustele assotsiatiivsetele kujunditele selged verbaalsed sildid, s.t. sõnastab teadmisi.

Kolmandaks on eksperdil palju keerulisem luua domeenimudelit tema valduses oleva teabe sügavuse ja ulatuslikkuse tõttu. Reaalse ainevaldkonna arvukad põhjus-tagajärg seosed moodustavad keeruka süsteemi, millest "skelett" ehk põhistruktuur on mõnikord paremini ligipääsetav analüütikule, kes omab ka süsteemi metoodikat: Iga mudel on lihtsustus ja see on lihtsam lihtsustada väiksemate üksikasjade tundmisega.

Teadmiste ammutamise olemuse mõistmiseks toome välja selle protseduuri kolm põhiaspekti (joonis 17.2): psühholoogiline, keeleline, epistemoloogilised, mida on üksikasjalikult kirjeldatud.

Riis. 17.2. Teadmiste ammutamise põhiaspektid

PSÜHHOLOOGILINE ASPEKT

Kommunikatsioonimudel teadmiste ammutamiseks

Teadmiste ammutamise kolmest esile tõstetud aspektist psühholoogiline on ilmselt peamine, kuna see määrab teadmusinseneri (analüütiku) ja peamise teadmiste allika - professionaalse eksperdiga suhtlemise edukuse ja tõhususe. Psühholoogilise aspekti tõstame esile ka seetõttu, et teadmiste ammutamine toimub kõige sagedamini süsteemi arendajate vahetu suhtluse käigus.

Soov ja oskus suhelda võivad iseloomustada teadmusinseneri professionaalsuse taset.

Teatavasti on vestlussuhtlemise ajal teabe kadu suur (joon. 17.3). Sellega seoses vaatleme analüütiku ja eksperdi vahelise suhtluse teabesisu suurendamise probleemi psühholoogiliste teadmiste kasutamise kaudu.

Riis. 17.3. Teabe kadu suhtluse ajal

Teadmiste ammutamisel saame pakkuda järgmist kommunikatsiooni struktuurimudelit:

suhtluses osalejad (partnerid);

sidevahendid (protseduur);

suhtlemise (teadmiste) teema.

Selle struktuuri kohaselt eristame teadmiste hankimisel esilekerkivate psühholoogiliste probleemide kolm "kihti" (joonis 17.4) ja käsitleme neid järjestikku.

Riis. 17.4. Teadmiste ammutamise psühholoogilise aspekti struktuur

kontaktkiht

Peaaegu kõik psühholoogid märgivad, et mis tahes kollektiivset protsessi mõjutab õhkkond, mis osalejate rühmas tekib. On katseid, mille tulemused ütlevad vaieldamatult, et sõbralik õhkkond meeskonnas mõjutab tulemust rohkem kui üksikute rühmaliikmete individuaalsed võimed. Eriti oluline on, et arendusmeeskonnas tekiks pigem koostöö- kui konkurentsisuhted. Koostööd iseloomustab koostöö õhkkond, vastastikune abistamine, huvi üksteise edu vastu, s.o. moraalse suhtluse tase ja võistlevat tüüpi suhete jaoks - individualismi ja inimestevahelise rivaalitsemise õhkkond (madalam suhtlustase).

Kahjuks on 100% garantiiga suhtluses ühilduvust võimatu ennustada. Siiski võib eristada mitmeid suhtluses osalejate isiksuseomadusi, iseloomu ja muid tunnuseid, mis kahtlemata mõjutavad protseduuri tõhusust. Nende psühholoogiliste mustrite tundmine on osa psühholoogilise kultuuri pagasist, mis teadmiste inseneril peab olema teadmiste ammutamise etapi edukaks läbiviimiseks:

heatahtlikkus ja sõbralikkus;

huumorimeel;

hea mälu ja tähelepanu;

vaatlus;

kujutlusvõime ja muljetavaldav;

suur keskendumisvõime ja sihikindlus;

seltskondlikkus ja leidlikkus;

analüütilisus;

välimus ja riietumisviis;

enesekindlus.

protseduuriline kiht

Teadmusinsener, kes on eksperdiga (kontaktkihiga) edukalt omandanud usalduse ja vastastikuse mõistmise teaduse, peab siiski suutma selle õhkkonna kasulikke mõjusid ära kasutada. Protseduurikihi probleemid on seotud teadmiste hankimise protseduuri endaga. Kontaktiprobleemi lahendamiseks kasulikku läbinägelikkust ja võlu on vähe, siin on vaja erialaseid teadmisi.

Vaatleme protseduuri üldistel mustritel.

Vestlust asjatundjaga on kõige parem teha väikeses tête-à-tête ruumis. Valgustus, soojus, mugavus mõjutavad otseselt meeleolu. Tee või kohv loovad sõbraliku õhkkonna. Ameerika psühholoog I. Atvater usub, et ärisuhtluseks on kõige soodsam kaugus 1,2–3 m Minimaalseks "mugavaks" kauguseks võib lugeda 0,7-0,8 m.

Enda arutluse rekonstrueerimine ei ole kerge töö ja seetõttu ei ületa ühe seansi kestvus tavaliselt 1,5 - 2 tundi, need kaks tundi on parem valida päeva esimeses pooles (näiteks kella 10-12). pm). Teatavasti tekib partnerite vastastikune väsimus vestluse ajal tavaliselt 20-25 minuti pärast, mistõttu on seansil vaja pause.

Igal teadmusinseneril on oma ainulaadne kõneviis. Mõned räägivad kiiresti, teised aeglaselt; ühed on valjud, teised vaiksed jne. Vestlusstiili on peaaegu võimatu muuta - see sünnib inimesele varases lapsepõlves. Teadmiste ammutamine on aga professionaalne vestlus ja selle edukust mõjutab ka teadmusinseneri öeldud fraaside pikkus.

Selle fakti tegid kindlaks Ameerika teadlased - keeleteadlane Yngve ja psühholoog Miller. Selgus, et inimene tajub kõige paremini lauseid, mille sügavus (või pikkus) on 7 pluss-miinus 2 sõna. Seda arvu (7+2) nimetatakse Yngve-Milleri numbriks. Seda võib pidada "kõnekeele" mõõdupuuks.

Keegi ei kahtle teadmiste ammutamise korra parandamise vajaduses. Tekib küsimus: mis kujul seda teha? Tulemuste salvestamiseks on kolm võimalust:

paberile kirjutamine otse vestluse käigus (miinused - see segab sageli vestlust, lisaks on raske jõuda kõike kirja panna, isegi kui sul on kiirkirjaoskused);

lindistus, mis aitab analüütikul analüüsida kogu seansi kulgu ja tema vigu (miinuseks on see, et see võib asjatundjat kiusata);

meeldejätmine koos järgneva salvestamisega pärast vestlust (puudus - sobib ainult hiilgava mäluga analüütikutele).

kognitiivne kiht

Kognitiivne psühholoogia (inglise kognitsioon – teadmine) uurib mehhanisme, mille abil inimene õpib ümbritsevat maailma.

Siin on mõned näpunäited teadmiste insenerile kognitiivse psühholoogia seisukohast:

mitte suruma eksperdile peale temale (analüütikule) arusaadavamat ja loomulikumat esitusmudelit;

kasutada erinevaid meetodeid eksperdiga töötamiseks tingimusel, et meetod peaks lähenema eksperdile nagu "luku võti";

olema selgelt teadlik väljavõtmisprotseduuri eesmärgist või selle põhistrateegiast, mida saab määratleda kui ainevaldkonna põhimõistete ja neid ühendavate seoste väljaselgitamist;

koostavad sageli diagramme, mis kajastavad eksperdi arutluskäiku. Selle põhjuseks on teabe kujundlik esitus inimese mälus.

Eelpool toodud materjal on tihedalt seotud psühholoogilise kultuuri põhitõdedega, mis hõlmab enda ja teiste inimeste mõistmist ja tundmist; adekvaatne enesehinnang ja teiste inimeste hindamine; vaimse seisundi iseregulatsioon. Seda kultuuri on lihtsam omandada spetsialistide - psühholoogide, psühhoterapeutide abiga, kuid saate seda ise teha näiteks raamatute, vähemalt populaarsete raamatute abil. Lisaks soodustab psühholoogiliste ebaõnnestumiste edukat ületamist näitlemise põhitõdede omandamine ja sotsiaal-psühholoogilise videotreeningu eritundides osalemine.

Kokkuvõtteks on siin mõned alustava analüütiku traditsioonilised psühholoogilised ebaõnnestumised:

kontakti puudumine eksperdi ja teadmusinseneri vahel (tingituna ühe või teise psühholoogilistest omadustest; vead protseduuris; "fassaadi" efekti ilmnemine, s.o eksperdi soov "ennast näidata");

arusaamatus (tuleneb "projektsiooni" efektist, s.o analüütiku vaate ülekandmisest eksperdi seisukohtadele; või "tellimuse" efektist, s.o tähelepanu suunamine eelkõige alguses öeldule jne);

intervjuude madal efektiivsus (eksperdi nõrk motivatsioon, s.o. huvi puudumine; või ebaõnnestunud vestlustempo; või küsimuste ebasobiv vorm; eksperdi mitterahuldavad vastused).

KEELELINE ASPEKT

Keelelise aspekti struktuur

Kuna teadmusinseneri ja eksperdi suhtlusprotsess on keeleline suhtlus, kaaluge keeleline aspekt teadmiste insener. Toome välja kolm teadmustehnika jaoks oluliste keeleprobleemide kihti (joonis 17.5).

Riis. 17.5. Teadmiste ammutamise keelelise aspekti struktuur

Probleem jagatud koodiga

Enamik psühholooge ja keeleteadlasi usub, et keel on koos teiste "sisekasutusega" märgisüsteemidega peamine mõtlemisvahend. Keeled, mida analüütik ja ekspert räägivad ja mõtlevad, võivad olla väga erinevad.

Niisiis oleme huvitatud kahest keelest - analüütiline keel, koosneb kolmest komponendist:

ainevaldkonna termineid, mida ta õppis ettevalmistusperioodil erialakirjandusest;

üldteaduslik terminoloogia tema "teoreetilisest pagasist";

analüütiku kasutatav igapäevane kõnekeel;

ja keel ekspert, mis koosneb:

ainevaldkonnas aktsepteeritavast eriterminoloogiast;

üldteaduslik terminoloogia; igapäevakeel;

eksperdi poolt oma töö käigus loodud neologismid (tema erialane kõnepruuk).

Kui eeldame, et igapäevased ja üldised teaduskeeled on kahe suhtluses osaleja jaoks ligikaudu samad, koosneb mõni ühine keel või kood, mida partnerid peavad edukaks suhtluseks välja töötama, joonisel fig. 17.6. Edaspidi muudetakse see üldkood teatud kontseptuaalseks (semantiliseks) võrgustikuks, mis on ainevaldkonna teadmusvälja prototüüp.

Riis. 17.6.Ühise koodi saamise skeem

Ühise koodi väljatöötamine algab sellest, et analüütik paneb kirja kõik eksperdi kasutatud terminid ja teeb selgeks nende tähenduse. Tegelikult on see ainevaldkonna sõnastiku koostamine. Seejärel järgneb terminite rühmitamine ja sünonüümide valik (sõnad, mis tähendavad sama asja). Ühise koodi väljatöötamine päädib domeeniterminite sõnastiku koostamisega koos nende esialgse grupeerimisega tähenduse järgi, s.o. mõistelise läheduse järgi (see on juba esimene samm teadmiste struktureerimisel).

Riis. 17.7 annab aimu kahe spetsialisti mõistete tõlgendamise ebaselgusest. Semiootikas, märgisüsteemide teaduses, on tõlgendamise probleem üks kesksemaid. Tõlgendus ühendab "märgi" ja "tähistatud objekti". Ainult tõlgendamisel omandab märk tähenduse. Niisiis, joonisel fig. 17.7 sõnad "instrument X" tähendavad eksperdi jaoks mingit spetsiifilist skeemi, mis vastab algse instrumendi skeemile ja algaja analüütiku peas kutsuvad sõnad "instrument X" esile tühja pildi või mingisuguse "musta kasti" käepidemetega.

Riis. 17.7. Tõlgendusprobleemi ebaselgus

Kontseptuaalne struktuur

Enamik tehisintellekti ja kognitiivse psühholoogia spetsialiste usub, et eelkõige loomuliku intelligentsuse ja mälu peamine omadus on kõigi mõistete ühendamine võrku. Seetõttu pole teadmistebaasi arendamiseks vaja sõnaraamatut, vaid entsüklopeediat, kus kõik terminid on sõnastikus koos linkidega teistele terminitele lahti seletatud.

Seega on teadmusinseneri keeleline töö etteantud probleemide kihi kallal selliste omavahel seotud fragmentide ehitamine terminite "õmblemise" abil. Analüütiku ja eksperdi hoolika tööga hakkab kontseptuaalsetesse struktuuridesse tekkima mõistete hierarhia, mis on üldiselt kooskõlas kognitiivse psühholoogia tulemustega.

Mõistete hierarhia on globaalne skeem, mis võib olla aluseks mis tahes ainevaldkonna teadmusstruktuuri kontseptuaalsele analüüsile.

Tuleb rõhutada, et sõnastiku ja mõistestruktuuri koostamise töö nõuab keelelist "tunnetust", terminitega manipuleerimise lihtsust ja teadmisteinseneri rikkalikku sõnavara, kuna sageli on analüütik sunnitud ise tunnuste sõnavara arendama. . Mida rikkalikum ja väljendusrikkam on ühine kood, seda täielikum on teadmistebaas.

Analüütik on sunnitud kogu aeg meeles pidama kujundite ja ideede verbaalses vormis edasiandmise raskust. Sageli peab teadmusinsener eksperdile sõnu ja väljendeid välja pakkuma.

Kasutaja sõnastik

Ühise koodi ja kontseptuaalse struktuuri kihtidega korrelatsioonis olevad keelelised tulemused on suunatud adekvaatse teadmistebaasi loomisele. Siiski ei tasu unustada, et lõppkasutaja professionaalne tase ei pruugi võimaldada tal ainevaldkonna erikeelt täies mahus kasutada. Kasutajaliidese arendamiseks on vaja ühtse koodisõnastiku täiendavat viimistlemist, mis on kohandatud süsteemi juurdepääsetavuse ja "läbipaistvuse" jaoks.

Kokkuvõtteks loetleme iseloomulikud keelelised vead, mis algajat teadmisteinseneri varitsevad:

vestlus erinevates keeltes (teadmisinseneri halva väljaõppe tõttu);

kontekstiga mittevastavus ja terminite ebaadekvaatne tõlgendamine (tagasiside puudumise, s.o teadmusinseneri liiga iseseisva töö tõttu);

erinevuste puudumine ühise koodi ja kasutaja keele vahel (erinevusi eksperdi ja kasutaja teadmiste tasemes ei võeta arvesse).

GNOSEOLOOGILINE ASPEKT

Epistemoloogilise aspekti olemus

Epistemoloogia- See on filosoofia haru, mis on seotud teadmiste teooriaga või reaalsuse peegelduse teooriaga inimmõistuses.

Teadmustehnika kui teadus on nii-öelda kahekordselt epistemoloogiline - tegelikkus (O) peegeldub esmalt eksperdi peas (M 1) ning seejärel tõlgendab eksperdi tegevust ja kogemusi teadmusinseneri mõistus. (M 2), mis on juba aluseks kolmandate tõlgenduste (P z) - ekspertsüsteemi teadmusväljade - konstrueerimisel (joonis 17.8). Tunnetusprotsess on sisuliselt suunatud ümbritseva maailma sisemise esituse loomisele inimmõistuses.

Riis. 17.8. Teadmiste ammutamise epistemoloogiline aspekt

Teadmiste ammutamise protsessis huvitab analüütikut peamiselt teadmiste komponent, mis on seotud ekspertide mittekanooniliste individuaalsete teadmistega, kuna seda tüüpi teadmistega ainevaldkondi peetakse ekspertsüsteemide kasutuselevõtule kõige vastuvõtlikumaks. Neid valdkondi nimetatakse tavaliselt empiirilisteks, kuna neile on kogunenud suur hulk üksikuid empiirilisi fakte ja tähelepanekuid, samas kui nende teoreetiline üldistamine on tuleviku küsimus.

Tunnetus on alati seotud uute kontseptsioonide ja teooriate loomisega. Huvitav on see, et sageli genereerib ekspert justkui "liikvel olles" uusi teadmisi, just analüütikuga vesteldes. Selline teadmiste genereerimine võib olla kasulik ka eksperdile endale, kes seni ei pruukinud olla teadlik paljudest ainevaldkonna seostest ja mustritest. Analüütikut, kes on "ämmaemandaks" uute teadmiste sünni juures, saavad siin abiks olla süsteemse metoodika vahendid, mis võimaldavad kasutada teadusliku uurimistöö loogika, teaduse kontseptuaalse hierarhia tuntud põhimõtteid. See metoodika sunnib teda nägema konkreetse taga üldist, s.t. ehitada ahelaid:

FAKT  ÜLDINE FAKT  EMPIIRILINE ÕIGUS  TEOREETILINE ÕIGUS

Teadmiste insener ei jõua alati selle ahela viimase lülini, kuid juba liikumissoov võib olla äärmiselt viljakas. See lähenemine on täielikult kooskõlas teadmiste enda struktuuriga, millel on kaks taset:

empiiriline (vaatlused, nähtused);

teoreetiline (seadused, abstraktsioonid, üldistused).

Teadusliku teadmise kriteeriumid

Teooria ei ole ainult teaduslike teadmiste üldistamise sidus süsteem, see on ka mingi viis uute teadmiste saamiseks. Teaduslikkuse peamised metodoloogilised kriteeriumid, mis võimaldavad pidada teaduslikuks nii uut teadmist ennast kui ka nende saamise meetodit, on järgmised:

sisemine järjepidevus ja järjepidevus;

järjepidevus;

objektiivsus;

historitsism.

Sisemine järjepidevus. Esmapilgul see kriteerium empiirilistes valdkondades lihtsalt ei tööta: neis ei lange faktid sageli omavahel kokku, definitsioonid on vastuolulised, hajusad jne. Analüütik, kes tunneb empiirilise teadmise iseärasusi, selle modaalsust, ebajärjekindlust ja ebatäielikkust, peab neid empiirilisuse "karedusi" siluma.

Teadmiste modaalsus tähendab selle olemasolu võimalust erinevates kategooriates, s.o. olemasolu ja kohustuse konstruktsioonides. Seega on ühed seaduspärasused võimalikud, teised kohustuslikud jne. Lisaks tuleb eristada selliseid modaalsuse varjundeid nagu: ekspert teab, et...; ekspert arvab, et...; ekspert tahab...; Ekspert usub...

Võimalik ebakõla empiiriline teadmine on dialektika põhiseaduste loomulik tagajärg ja neid vastuolusid ei pea alati teadmiste vallas lahendama, vaid vastupidi, just vastuolud on kõige sagedamini lähtepunktiks arutluskäigus. eksperdid.

ebatäielikkus teadmisi seostatakse ainevaldkonna täieliku kirjeldamise võimatusega. Analüütiku ülesanne on piirata seda ebatäielikkust teatud "täielikkuse" piiridega, s.t. kitsendada ainevaldkonna piire või kehtestada mitmeid piiranguid ja eeldusi, mis probleemi lihtsustavad.

Järjepidevus. Süsteemstruktuurne tunnetuskäsitlus (pärineb Hegelist) suunab analüütiku mistahes teemavaldkonna käsitlemisele süsteemse terviku seaduspärasuste ja selle koostisosade koosmõju seisukohalt. Kaasaegne strukturalism lähtub mis tahes objekti mitmetasandilisest hierarhilisest korraldusest, s.t. kõiki protsesse ja nähtusi võib käsitleda väiksemate alamhulkade (tunnuste, detailide) kogumina ja vastupidi, mis tahes objekte saab (ja tuleks) käsitleda kõrgemate üldistuste klasside elementidena.

Objektiivsus. Tunnetusprotsess on sügavalt subjektiivne; see oleneb sisuliselt tunnetava subjekti enda omadustest. Subjektiivsus algab juba faktide kirjeldamisega ja suureneb objektide idealiseerimise süvenedes.

Seetõttu on õigem rääkida mõistmise sügavusest kui teadmiste objektiivsusest. Arusaamine on koosloomine, objekti tõlgendamise protsess subjekti vaatepunktist. See on keeruline ja mitmetähenduslik protsess, mis leiab aset inimteadvuse sügavustes ja nõuab inimese kõigi intellektuaalsete ja emotsionaalsete võimete mobiliseerimist. Analüütik peab koondama kõik oma jõupingutused probleemi mõistmisele. Psühholoogia kinnitab tõsiasja, et inimesed, kes kiiresti ja edukalt lahendavad intellektuaalseid probleeme, kulutavad suurema osa ajast nende mõistmisele, samas kui need, kes hakkavad kiiresti lahendust otsima, seda enamasti ei leia.

Historitsism. See kriteerium on seotud arenguga. Teadmised olevikust on teadmised minevikust, mis selle sünnitas. Ja kuigi enamik ekspertsüsteeme annab teadmistest "horisontaalse" lõigu – ajast (staatikas) arvestamata, peab teadmusinsener alati arvestama protsessidega, võttes arvesse ajutisi muutusi – nii seost minevikuga kui ka seost tulevikuga. Näiteks teadmusvaldkonna ja teadmusbaasi struktuur peaks võimaldama kohandamist ja korrigeerimist nii arendusperioodil kui ka ekspertsüsteemi toimimise ajal.

Teadmiste struktuur

Olles kaalunud tunnetuse teadusliku iseloomu põhikriteeriume, püüame nüüd kirjeldada selle struktuuri. Tunnetuse metodoloogilist struktuuri võib kujutada etappide jadana (joonis 17.9), mida vaatleme teadmusinseneri vaatenurgast.

Faktide kirjeldamine ja üldistamine. See on nagu "kuiv jääk" analüütiku ja eksperdi vestlustest. Arvestuste pidamise põhjalikkus ja täielikkus ekstraheerimisprotsessi ajal ning täpne "kodutöö" on tunnetuse tulemusliku esimese etapi võti.

Praktikas osutub keeruliseks ülalkirjeldatud objektiivsuse ja järjepidevuse põhimõtete järgimine. Kõige sagedamini kogutakse selles etapis faktid lihtsalt kokku ja visatakse justkui "üldkotti"; kogenud teadmusinsener püüab sageli igale faktile kohe leida "riiuli" või "kasti", valmistudes sellega kaudselt kontseptualiseerimise etapiks.

Riis. 17.9. Teadmiste struktuur

Seoste ja mustrite loomine. Lingid luuakse eksperdi peas, kuigi sageli kaudselt; inseneri ülesanne on paljastada eksperdi järelduste raamistik. Asjatundja arutluskäiku rekonstrueerides saab teadmusinsener tugineda kahele kõige populaarsemale mõtlemisteooriale – loogilisele ja assotsiatiivsele. Samas, kui loogikateooriat on tänu tulihingelistele austajatele matemaatikute näol tehisintellekti käsitlevates töödes laialdaselt tsiteeritud ja igal võimalikul viisil ära kasutatud, siis teine, assotsiatiivne, on vähem tuntud ja populaarne, kuigi ka on iidsed juured. Loogikateooria ilu ja harmoonia ei tohiks varjutada kurba tõsiasja, et inimene mõtleb harva matemaatilise loogika mõistes.

Assotsiatsiooniteooria esitab mõtlemise ideede ahelana, mida ühendavad ühised mõisted. Sellise mõtlemise peamisteks operatsioonideks on mitmesuguste seoste alusel omandatud assotsiatsioonid; minevikukogemuste meenutamine; katse-eksitus, aeg-ajalt õnnestub; harjumuspärased ("automaatsed") reaktsioonid jne.

Idealiseeritud mudeli loomine. Selleks, et ehitada mudel, mis kajastaks subjekti ettekujutust ainevaldkonnast, on vaja spetsiaalset keelt, mille abil saab kirjeldada ja konstrueerida neid idealiseeritud maailmamudeleid, mis tekivad mõtlemise käigus. Seda keelt luuakse järk-järgult vastavas ainevaldkonnas omaks võetud kategoorilise aparaadi ning matemaatika ja loogika formaalsete märgivahendite abil. Empiiriliste ainevaldkondade jaoks pole sellist keelt veel välja töötatud ja teadmiste valdkond, mida analüütik poolformaliseeritud viisil kirjeldab, võib olla esimene samm sellise keele loomise suunas.

Mudelite selgitamine ja ennustamine. See tunnetuse struktuuri viimane etapp on samal ajal omandatud teadmiste tõesuse osaline kriteerium. Kui tuvastatud ekspertteadmiste süsteem on terviklik ja objektiivne, siis on selle põhjal võimalik teha ennustusi ja selgitada kõiki selle ainevaldkonna nähtusi. Tavaliselt kannatavad ekspertsüsteemide teadmistebaasid komponentide killustatuse ja modulaarsuse (lahtiühendamise) tõttu. See kõik ei võimalda luua tõeliselt intelligentseid süsteeme, mis inimesega võrdväärsena suudaksid ennustada uusi mustreid ja selgitada juhtumeid, mida andmebaasis otseselt ei märgita. Erandiks on siin teadmiste kujundamise süsteemid, mis on keskendunud uute teadmiste genereerimisele ja "ennustamisele".

Kokkuvõtteks loetleme kõige levinumad teadmustehnoloogia epistemoloogiliste probleemidega seotud tõrked (osaliselt alates ):

killustatus, teadmiste killustatus (järjepidevuse põhimõtte rikkumiste või tähelepanu fookuse valiku vigade tõttu);

teadmiste ebaühtlus (looduse ja ühiskonna loomulikust vastuolust, väljavõetud teadmiste ebatäielikkusest, eksperdi ebakompetentsusest tingitud);

vale klassifitseerimine (klasside arvu vale määratluse või klassi ebatäpse kirjelduse tõttu);

ekslik üldistusaste (liigse detailsuse või objektiklasside üldistamise tõttu).

Inseneriteadus, mis tegeleb teadmiste integreerimisega arvutisüsteemidega, et lahendada keerulisi probleeme, mis tavaliselt nõuavad kõrget inimteadmiste taset:

teadmiste konfiguratsiooni juhtimine (raamatupidamine);
muutuste juhtimine (evolutsioon);
logistika (otsing ja tarne nõudmisel).

Kõrgel tasemel koosneb teadmustehnoloogia protsess kahest:

Teadmiste ammutamine- "toorteadmiste" muutmine organiseerituks, selle allikatest teadmiste hankimise protsess, milleks võivad olla materjalikandjad (toimikud, dokumendid, raamatud) ja eksperdid (eksperdirühmad). See on osa Knowledge Engineeringist.
Teadmiste rakendamine- organiseeritud teadmiste muutmine realiseerituks, organiseeritud teadmise realiseerituks muutmise protsess.

Teadmusjuhtimise tehnoloogiad

On olemas järgmised teadmusjuhtimise tehnoloogiad:

kaudsete teadmistega töötamine(vaikiv teadmine) ekspertide meelest(enamasti peetakse neid silmas "teadmiste juhtimisest" rääkides). Kognitiivne teadlane (roll):
- aitab eksperdil tuvastada ja struktureerida ekspertiisisüsteemi toimimiseks vajalikke teadmisi, ammutab eksperdilt mitteformaliseeritud teadmisi;
- valib välja antud probleemvaldkonna jaoks sobivaima intellektuaalse süsteemi ning määrab viisi, kuidas selles IS-is teadmisi esitada;
- eraldab ja programmeerib standardfunktsioonid, mida kasutatakse eksperdi poolt tutvustatud reeglites.
kirjalike teadmistega töötamine("teadmiste haldamine" kehtib arvutite kohta: ettevõtte teadmusjuhtimine, teadmiste haldamine) - rõhk "täistekstiotsingul", "semantilisel otsingul", "automaatsel annotatsioonil".
1. NLP kui dataloogiline distsipliin ("vormitöö"), swingitehnika, tajumodaalsused, submodaalsused, ruumiline märgistus, kalibreerimine
2. Web 2.0 kasutamine (blogid ja vikid)
kirjalike formaalsete teadmistega töötamine(teadmiste insener, mis kuulub ka teadmusjuhtimise alla, kuid mitte nii enesekindel) - rõhk struktuursetel andmebaasidel, insenerimudelitel, andmete integreerimisel. Enamik teadmustehnoloogia tehnoloogiaid on järginud niinimetatud semantilise võrgustiku, Husserl-Wittgenstein-Bunge lähenemisviisi, mille kohaselt teadmised on esitatavad faktide (ja faktid on mõistete suhted), rakendamise teed. Faktide hulgast (vt John F. Sowa arvustust) tekib semantiline võrgustik, milles seosed-servad ühendavad mõisteid-tippe. Teadmiste semantika vormis talletamise ja kasutamise idee elluviimise võtsid kasutusele paljud peaaegu mittekattuvad osapooled/koolid (praktikakogukond), mistõttu on ilmunud tohutul hulgal teostusi ja standardeid, milles ükski sõna ei sobi, kuid mis on ideoloogiliselt ja tehnoloogiliselt ühilduvad.
1. Andmete modelleerimine + andmete integreerimine. Kasutatakse siis, kui peate suure tööstusrajatise ehitamisel kombineerima erinevate tarnijate mitme CAD-süsteemi andmeid. Märksõnad: ISO 15926 , geeljas , ISO 10303 . Sõna "ontoloogia" asemel öeldakse "andmemudel". : praktiliselt puudub, kõik andmepäringud. Kõik võitlevad teadmistega käsikäes. Graafika puudub, kindel XML, patenteeritud salvestusvormingud Andmeskeemid igas üksikus CAD-süsteemis. Viimasel ajal on ilmunud ka teisi lahendusi, mis on suunatud heterogeensete andmete integreerimisele, näiteks CYC-st ja (standardiseeritud UMBEL ontoloogia, RDF-i avaldiste ja HTTP kaudu andmetele juurdepääsu alusel, vt. alusel). ISO 15926-7 projektid taanduvad samale asjale: mingi ontoloogia + semantilised veebistandardid.
2. mõiste kaart() Kasutatakse (sageli koostööna veebi kaudu) haridus- ja loometööks. Võtmevormingud (kõik XML-is): XCT 3.0, kuid söömiseks valmis ja teemakaart ning muud redigeerimiseks ja kuvamiseks. Teadmusjuhtimise tööriistad: graafiline ekraan, mis ühendab võrke, mille joonistasid kaks loomeprotsessis osalejat. Lähisugulane on MindMap , kus see pole üldse graafik, vaid ilusti joonistatud puu ja linke ei nimetata.
3. Kontseptuaalsed graafikud Akadeemilisteks õpinguteks kasutavad nad tehisintellekti, ekspertsüsteeme, agentsüsteeme ja muud žanri klassikat. Filosoof ja loogiku Pierce’i ("intelligentne indekseerimine") töö põhjal on võtmeisikuks John F.Sowa. Põhiteadmiste salvestusvorming: kolm süntaksit, millest peamine on CGIF (XML). Teadmusjuhtimise tööriistad: Common Logic (või ISO ISO/IEC IS 24707:2007, ).
4. Teemakaart Neid kasutatakse teadmusjuhtimise algatuste jaoks – ja need pärinevad kataloogidest (bibliograafid). Suured standardiseerimise fännid (vt), kuid kaotasid fookuse (neid tõmbab vääramatult üldine andmete modelleerimine, mille puhul nad kaotavad semantilise veebi lähenemisviisidele). Peamised teadmiste salvestusvormingud: ISO 13250, XTM 2.0, HyTM. Teadmusjuhtimise tööriistad: kasutatakse teemakaardi mootorit (tosin võimalust), kuna TMAPI 2.0 on standardiseeritud. Lisaks on finišisse jõudnud spetsiaalne standard teemakaartide piirangute määramiseks - ISO / IEC FCD 19756 (TMCL) ja teemakaardi päringu keel (ISO 18048 mustand) näib olevat välja surnud.

Teadmiste inseneri (KI) määratlesid Feigenbaum ja McCordack 1983. aastal järgmiselt:

"IS on inseneriteaduse haru (distsipliin), mille eesmärk on juurutada teadmisi arvutisüsteemidesse, et lahendada keerulisi probleeme, mis tavaliselt nõuavad rikkalikku inimkogemust."

Praegu hõlmab see ka selliste süsteemide loomist ja hooldamist (Kendal, 2007). Samuti on see tihedalt seotud tarkvaraarendusega ja seda kasutatakse paljudes infouuringutes, nagu tehisintellekti uuringud, sh andmebaasid, andmete kogumine, ekspertsüsteemid, otsustustoetussüsteemid ja geograafilised infosüsteemid. CI on seotud matemaatilise loogikaga, mida kasutatakse ka erinevates teadusharudes, näiteks sotsioloogias, kus inimesed on “eksperimentaalsed”, ning uurimistöö eesmärgiks on mõista, kuidas inimloogika toimib ühiskonnas valitsevate suhete näitel.

Näited

Näide IS-il põhineva süsteemi toimimisest:

Probleemi käsitlemine
Päring andmebaasidesse ülesande järgi
Saadud teabe sisestamine ja struktureerimine (IPK mudel)
Struktureeritud teabe andmebaasi loomine
Saadud teabe testimine
Tehke kohandusi ja täiustage süsteemi.

IS-il on praktilisi rakendusi. USA-s tehakse kuni 90% jaepanganduse klientide laenuotsustest FICO teadmistebaasidel põhinevate ekspertsüsteemide abil. IS-i alajaotis on tehisintellekti arendamiseks sobiv teadmiste metainseneritöö.

Põhimõtted

Alates 1980. aastate keskpaigast on IS välja töötanud mitmeid põhimõtteid, meetodeid ja vahendeid, mis on lihtsustanud teadmiste omandamist ja nendega töötamist. Siin on mõned olulisemad:

Teadmustehnoloogia kasutab teadmiste struktureerimise meetodeid, et kiirendada teadmiste hankimise ja nendega töötamise protsessi.