Стратегии получения знаний

Процесс получения знаний, т.е. передача знаний эксперта в БЗ экспертной системы является ключевым вопросом формирования поля знаний.

Стратегии формирования знаний:

1) Приобретение знаний (Knowledge, Aquisition). Эксперт вводит знания в БЗ ЭС с помощью специальной программы, жестко задающей структуры данных в соответствии с моделью представления знаний, заложенных в ЭС.

2) Извлечение знаний (Extraction).

3) Установление знаний (Elicitation).

В двух последних стратегиях происходит взаимодействие эксперта и инженера по знаниям.

Извлечение знаний является самым сложным вопросом в разработке ЭС.

Основные проблемы, возникающие при извлечении знаний:

1 – Упрощение представлений инженера по знаниям уровня знаний эксперта.

2 – Неудачно выбранный метод извлечения знаний, не соответствующий структуре данной предметной области.

3 – Неправильно выбранный язык представления знаний.

4 – Терминологические несоответствия.

5 – Отсутствие целостной системы знаний.

6 – Неумение наладить контакт с экспертом.

Для успешного извлечения знаний инженер по знаниям должен хорошо владеть рядом наук:

ü системным анализом; математической логикой;

ü когнитивной психологией; искусственным интеллектом.

Согласно Платону, мышление человека диалогично, поэтому диалог эксперта и инженера по знаниям является самой лучшей формой извлечения знаний, хотя в ряде случаев эксперт не общается с инженером по знаниям, а работает с программой ввода знаний (Tetresias – программа заполнения БЗ, MYCIN, EMYCIN, разработанные на основе продукционной модели представления знаний).

4) Формирование знаний. Эта стратегия характеризует разработку моделей, методов и алгоритмов обучения ЭС (Mashine Learning) – процесс анализа данных и выявления закономерностей предметной области.

Основные области применения Mashine Learning:

- прогнозирование, расшифровка языков;

- методы обучения распознаванию образов;

- индуктивный вывод правил и фактов.

Существует 2 основных подхода к обучению:

1 – алгебраический, основанный на дополнении исходных эвристических алгоритмов какими-либо алгебраическими операциями, характеризующими объект, и построении алгоритмов классификации новых объектов.

2 – обучение на примерах (Case-based Reasoning). Здесь знания являются описанием множества примеров из предметной области.

Существуют новые стратегии извлечения знаний:

1) Понимание знаний (Data Mining).

2) Исследование знаний (Knowledge Discovery).