Структура и функции интеллектуального интерфейса. Проблема понимания. Система обоснований

Одной из основных особенностей пятого и последующих поколении ЭВМ является ориентация на неподготовленного в области программирования пользователя. Подобная концепция выдвигает перед создателями новых поколений ЭВМ специфическую проблему - создание интеллектуального интерфейса, способного обеспечить контакт пользователя с ЭВМ в условиях его общей профессиональной неподготовленности. Если раньше между подобным пользователем и ЭВМ находился специалист по программированию, который исполнял роль переводчика между ними, то теперь этот вид интеллектуальной деятельности должен быть автоматизирован и реализован в интеллектуальном интерфейсе.

Структура интеллектуального интерфейса:

Интеллектуальный интерфейс имеет структуру, показанную на рис. Центральное место в этой структуре занимает база знаний.

Система общения - это словари и знания о том, как понимаются тексты, графические изображения и предметные действия, как анализируется речь, и как синтезируются ответы пользователю, как соотносятся между собой различные типы информации, используемой для общения.

Решатель - это знания о переводе входных сообщений в текст на языке внутренних представлений (языке спецификаций), об извлечении программы го этих текстов, о правилах рассуждений и логического вывода, о методах решения задач в данной проблемной области.

Система обоснования - это знания о том, как отвечать на вопросы пользователя, как обосновывать полученное решение.

Система обучения - это знания о том, как учить пользователя, как учитывать его реакцию при обучении и его психологические особенности.

Интеллектуальный интерфейс есть некоторая логическая машина, сложность которой куда выше сложности обычной вычислительной машины. На рис. эта машина выделена штриховой линией. В правой части рис. показана классическая ЭВМ, на которой происходит выполнение программы, подготовленной интеллектуальным интерфейсом. При аппаратной реализации обе ЭВМ могут быть реализованы в рамках единой системы.

Проблема понимания:

Основным содержанием функции общения является процедура понимания ЭВМ вводимых в нее текстов.

Введем семь уровней понимания, характерных для интеллектуальных интерфейсов, точно поясняя на каждом уровне его содержание:

0. На нулевом уровне понимания система способна отвечать на сообщения пользователя безо всякого анализа их сути.

1. На первом уровне понимания система становится способной отвечать на все вопросы, ответы на которые есть во введенном в нее тексте.

2. На втором уровне понимания добавляется возможность пополнения текста. В его функции входит автоматическое пополнение текста за счет хранящихся в памяти ЭВМ процедур пополнения.

3. Третий уровень понимания отличается в части вывода ответа. Формируя ответы, здесь используется теперь не только информация, хранящаяся в базе данных, куда введено расширенное внутреннее представление исходного текста, но и некоторая дополнительная информацию, хранящаяся в базе знаний. Эта информация есть знание системы о типовых сценариях ситуаций и процессов, характерных для той предметной области, с которой работает система.

4. На четвертом уровне понимания меняется только процедура, реализующая вывод ответа. Эта процедура обогащается за счет введения в нее эффективных средств дедуктивного вывода. В базе знаний, кроме сценариев хранится и иная информация, отражающая свойства отдельных объектов, фактов и явлений, характерных для предметной области, с которой работает система, а также совокупность различных закономерностей, характерных для процессов, протекающих в ней.

5. На пятом уровне понимания к дедуктивному выводу добавляются средства правдоподобного вывода. Среди них вывод по нечетким схемам, вероятностный вывод, вывод по аналогии и вывод по ассоциации.

6. На шестом уровне понимания добавляется возможность пополнения базы знаний. До сих пор считалось, что заполнение базы знаний происходит до начала работы системы. На шестом уровне понимания это условие снимается. Здесь база знаний становится открытой. Система становится способной пополнять ее, извлекая новые закономерности и знания из наблюдений за содержимым базы данных и обработки этих наблюдений. Другими словами, система становится способной к индуктивному выводу.