Понятие предметной области (knowledge domain)

Человеческую деятельность (часто формально) можно разделить на три вида – предметную, реализуе-мую в материальном мире, мыслительную и знаковую. На практике эти виды деятельности очень часто практи-чески неразделимы. Например, для того, чтобы постро-ить сарай, нужно в голове иметь его замысел, проду-мать подбор материалов и набросать на бумаге простейший план.

Под предметной областью, относящейся к данной задаче (теоретической или практической) имеется в виду то множество материальных, мыслительных, знаковых объектов, их качеств и взаимосвязей, задействованных в данном виде деятельности.

Например, если создаётся экспертная система, которая по пробам грунта определяет, наличие или отсутствие по-лезных ископаемых, то предметная область данной систе-мы – геология. Для того, чтобы интсис-ма была действи-тельно полезна, требуется глубокое понимание специфики, присущее каждой предметной области. Специфика – это, как правило, набор нечётких и неясных, выработан-ных годами работы правил разрешения стереотипных ситуаций.

Работа инженера по знаниями состоит в том, чтобы формализовать (записать) эти правила.

Исследователи, работающие в области интелсис-м, для описания своей сферы деятельности приняли термин инженерия знаний, в котором сочетаются научный, техни-ческий и методологический аспекты. В основе инженерии (технологи) знаний лежит следующий принцип: работа на уровне хорошего эксперта редко может быть сведена к некоторому строгому алгоритмическому процессу, но, тем не менее, такая деятельность поддаётся компьюте-ризации.

Выявление знаний эксперта-специалиста, их чёткая формулировка и внесение их в компьютер составляют глав-ные задачи в этой области.

Работа инженера по знаниями состоит в том, чтобы формализовать (записать) эти правила.

Исследователи, работающие в области интелсис-м, для описания своей сферы деятельности приняли термин инженерия знаний, в котором сочетаются научный, техни-ческий и методологический аспекты. В основе инженерии (технологи) знаний лежит следующий принцип: работа на уровне хорошего эксперта редко может быть сведена к некоторому строгому алгоритмическому процессу, но, тем не менее, такая деятельность поддаётся компьюте-ризации.

Выявление знаний эксперта-специалиста, их чёткая формулировка и внесение их в компьютер составляют глав-ные задачи в этой области.

При этом существует проблема следующего плана. Предметные специалисты или эксперты часто видят предметную область лишь интуитивно и не могут обосновать свою точку зрения формально.

Например, почему температура человека не может быть выше 43 градусов Цельсия? Если пытаться выяснять у эксперта причины данного факта, то это вы-зывает у них непонимание, недоумение и досаду. Экс-перт думает, что ему подсунули некомпетентного айтишника; что он может сделать, какую экспертную систему? Отсюда следуют требования к инженеру по знаниям: он должен быть тонким психологом, чтобы, так сказать, «влезть» в мозги эксперта, не вызвав при этом резкой ответной реакции.

Это первый этап работы инженера по знаниям– выявление имён предметной области, которые затем нужно детально изучить.

На втором этапенеобходимо определить (выделить) отношения, связывающие имена предметной области. При этом также имеется определённая ловушка в виде проблемы непонимания.

Дело в том, что эксперты (предметные специалисты) в период своего обучения не рассматривают детально основополагающие понятия и отношения. От них требуют принятия их на веру. А без этого спец по ИИ не может выполнить свою задачу.

Понятно, что айтишник никогда не станет равным по ква-лификации эксперту (предметному специалисту: врач, гео-лог, финансист и т.д.). Также как и эксперты, даже знающие вопросы программирования традиционных программ, не смогут создать программу ИИ или интеллектуальную сис-тему. Инженер по знаниям должен уметь выделять общее в кажущихся разными областях, строить универсальные мате-матические, а при невозможности – нечёткие логико-линг-вистические модели.

Ограничение, исходящее от предметной области – невоз-можность применения в чистом виде без комбинаций одной модели представления знаний.

Повторим некоторые моменты взаимодействия дан-ных, информации и знаний. Действительно, данные – это явления реального мира. Это, например, намагни-ченные участки жёстких дисков магнитных лент, бо-роздки грампластинок и CD, звуковые дорожки кино-лент, радиоволны и т.д. Данные можно выделить, изме-рить, а часто и увидеть или пощупать.

Однако эти данные несут в себе закодированную информацию, которая может быть воспринята только если она преобразуется в знаки – например, визуаль-ные, звуковые, материальные и т.п. На экране компью-тера мы видим их знаковое содержание. Через динамик мы слышим закодированные звуки с грампластинки или переданные по радио. Информация имеет знаковую природу и принадлежит миру знаков. Аналогичное рас-суждение приводит к выводу, что знание принадлежит внутреннему миру человека. Сложные и простые когни-тивные процессы (познавательные) в полном объёме происходят только в сознании человека. Приведём достаточно тривиальный пример из образовательной практики.

Преподаватели занимаются тем, что управляют про-цессом преобразования информации, находящейся в учебниках (которые обучаемые часто читают «от сих до сих») в знания. При этом при опросе обучаемых препо-даватели профессионально при помощи специальных вопросов выясняют, находится ли в голове у обучаемого запомненная информация из учебника (то есть, он зазуб-рил материал) или она преобразовалась в знание.

Итак, данные – это объекты материального мира. Информация – это знаки, полученные при преобразова-нии данных в сознании человека или в процессоре компьютера. Знания же пока есть только у человека или в самом элементарном виде в кибернетических системах (как правило, программные системы на компьютерах).

Элементарный акт обработки знания.
Критерий существования знания

Рассмотрим простейший акт обработки и генерации знаний. Если мы введём в ИНТСИС следующие два факта:

1) студент Абрамов обучается в группе КТбо1-1.

2) студенты Бородин и Абрамов учатся в одной группе.

Если после этого мы обратимся к системе с запросом:

В какой группе учится студент Бородин ?

То на этот вопрос ответит любой школьник, но представляется интересным узнать – какая интеллектуаль-ная система ответит правильно на такой вопрос.

Здесь и находится водораздел, отличающий систему, на самом деле способную обрабатывать знания.

Такой системе присуще существенное свойство, которое можно принять за критерий определения нас-тоящей интеллектуальной системе, а именно, способ-ность порождать новые или прибавочные знания в результате собственных внутренних когнитивных процессов.Можно здесь вернуться к примеру со школьниками. Конечно, в таком простейшем случае любой школьник ответит, в какой группе учится Иванов. Однако, прочитав заданный преподавателем текст из учебника, не каждый обучающийся способен преобразовать его в знания, то есть, уметь при необхо-димости порождать новые знания.

Вывод. Знания находятся в сознании человека или в достаточно сложной интеллектуальной системе. Крите-рием того, что там находятся знания по проблемам некой предметной области, есть способность порождать (генера-ция или автогенерация) новые знания. Критерием интел-лектуальности системы или способности обрабатывать знания есть способность генерации прибавочного знания по проблемам некой предметной области.

Рассмотрим типовую схему ИНТСИС.

Модуль «интерфейс пользователя»предназначен для связи компа с пользователем, для которого желательным языком общения является естественный или близкий к нему язык.

Основу ИНТСИС составляют модули: база данных- БД, база правил- БП, машина логического вывода. БД хранит исходные данные. БП фиксирует знания и опыт эксперта. Машина логического вывода выводит резуль-тат, взаимодействуя с БД и БП.

Все три модуля должны быть описаны математически. Правила записываются через интерфейс эксперта (пре-дыдущий слайд) в виде сложных правильно построен-ных формул при помощи инженера по знаниям. Форма записи этих формул определяется синтаксисом, а смыс-ловое значение алгоритмов логического вывода семанти-кой.

По запросу пользователя комп с помощью модуля объяснения может дать ответ на вопрос КАК (с помощью набора каких правил) получен результат и ПОЧЕМУ пользователю задаются уточняющие вопро-сы, связанные, практически всегда, с данными.

Для стыковки интерфейса пользователя (использу-ющего естественный язык) с перечисленными модуля-ми используют лингвистический и лексический про-цессоры. Лингвистический процессор – непосредствен-но работает с естественным языком, преобразуя резуль-тат в «машинный вид».

В модуле получение знанийвыделяют два понятия:

если информация поступает из книг (документов), то говорят о выявлении знаний;

если она получается на основе работы эксперта, то говорят об извлечении знаний.

Преобразование полученной информации инженером по знаниям называется получением знаний.

Сложность в том, что эксперт может не владеть языками программирования, в то время как инженер по знаниям может недостаточно ориентироваться в данной предметной области.

Для описания правил (модуль базы правил) используется математическое формальное описание знаний. Для математи-ческого описания модуля машины логического вывода при-меняется специальный матаппарат – аппарат логического вы-вода.