Cтраница 3
Прямым следствием таких соглашений относительно представления является кодирование эвристик в виде последовательностей с фиксированной длиной, которые легко преобразуются в новые эвристики на чисто синтаксическом уровне. Напомним, что данное множество продукций рассматривается в базе знаний системы LS-1 как одна структура. [31]
В области лечения инфекционных заболеваний, в которой действует MYCIN, происходит довольно быстрое накопление и модификация знаний. Поэтому с самого начала разработки MYCIN было ясно, что база знаний системы будет довольно активно изменяться. [32]
Первый, традиционный подход основан на введении дополнительных продукционных правил в базу знаний системы. При этом следует учитывать непротиворечивость ее пополнения. [33]
Обобщение задач, решаемых ЭС на стадии промышленной системы, позволяет перейти к стадии коммерческой системы, т.е. к системе пригодной не только для собственного использования, но и для продажи различным потребителям. Доведение ЭС до стадии коммерческой системы требует примерно 3 - 6 лет; при этом база знаний системы увеличивается до 1000 - 3000 правил. [34]
Идея этого проекта вполне созвучна существующей в настоящее время тенденции группировать и представлять в явном виде знания различного вида. Кроме того, в рамках этого проекта предпринята попытка использовать формальные методы, которые позволили бы зафиксировать в базе знаний системы основные решения, принимаемые в процессе ее разработки. Отсутствие таких формальных методов приводит к тому, что информация об основных решениях, положенных в основу проектирования, теряется на стадии реализации системы. [35]
Система APES была с успехом использована для автоматизации юридических экспертных систем. Хаммонд ( 1983Ь) описывает, например, как в сотрудничестве с министерством здравоохранения и социального обеспечения в базе знаний системы APES были собраны более двухсот недискреционных инструкций, регулирущих норму дополнительного пособия. В более широких масштабах и при наличии гораздо больших юридических и лингвистических сложностей система APES была использована для кодирования принятого в 1981 г. закона о гражданстве в Великобритании, который определяет категории британского гражданства и включает правила, предназначенные для своей же собственной интерпретации. [36]
В основу функционирования обработчика естественноязыковых запросов положен прагматический подход: анализировать текст только в той степени, которая необходима, чтобы получить адекватную реакцию системы. Под адекватной реакцией системы понимается способность проинтерпретировать естественноязыковой запрос в терминах представления знаний пользователя и запустить процедуры извлечения информации из базы знаний системы. [37]
Специалисты по предмету, вовлеченные в конструирование экспертной системы, имеют дело преимущественно с закладываемыми предметными знаниями и с тем, как они используются программой. Поэтому эксперты многократно проводят статические и динамические оценивания. При статическом оценивании они сравнивают базу знаний системы с их собственной, проверяя на полноту и непротиворечивость. При динамическом оценивании они сравнивают линию рассуждений системы и выводы по конкретному случаю с их собственными. Они могут вносить предложения по улучшению как базы знаний, так и методов вывода для того, чтобы приблизить экспертизу системы к их собственной. Тем самым процесс приобретения знаний в высшей степени связан с проводимыми предметными экспертами оценивания ( см. гл. Проводимое оценивание помогает им упорядочить и глубже понять и предметную область, и собственные экспертные возможности. [38]
В отличие от таких систем искусственного интеллекта, как например, экспертные, в СППР знания о решении конкретной задачи формируются у пользователя в результате диалогового общения с системой. При этом механизм функционирования программно-методического обеспечения СППР может быть положен в основу создания баз знаний системы автоматизированного организационно-технологического проектирования или специализированных экспертных систем. Диалоговое общение с компонентами СППР позволяет заполнить пустую математическую модель объектов проектирования из данного класса предметной области. [39]
На основании определения отношения R2 для всякого свойства первого события найдется единственное свойство второго события, и наоборот, так что область значения свойства первого события является подобластью области значений соответствующего свойства второго события. В случае выполнения этого условия гипотеза о принадлежности предыдущего примера отношению R2 считается достоверным утверждением, в противном случае запускается стратегия разбиения на ступени с целью выявления новых свойств событий, для которых было бы верно это условие. Если, несмотря на это, условие достоверности не выполняется, то статус гипотезы сохраняется, однако в базе знаний системы появляется информация о некорректности соответствующей связи между событиями. Эта информация ограничивает возможность использования построенной связи, например, с точки зрения механизма наследования свойств. При работе стратегий выявления и подтверждения сходства сценарий работы называется системой. [40]
Предположим, что первым в базе знаний идет аллергическое заболевание. Строя как обычно обратную цепочку, система решает сначала рассмотреть эту гипотезу. Глядя на возможные показания для аллергического заболевания, система обнаруживает, что его симптомы часто связаны с излишним потреблением чая. Или, по крайней мере, различные данные, связанные с чрезмерным употреблением чая, являются первыми в базе знаний системы. [41]
Каждая операция переводит робот в некоторое новое состояние, которое можно назвать очередной подцелью. В процессе поиска плана поведения могут использоваться как информация, поступающая от информационной системы робота, так и ранее накопленные знания и опыт, хранящиеся в базе знаний системы управления. [42]
Как уже отмечалось, технологию построения экспертных систем часто называют инженерией знаний. Как правило, этот процесс требует специфической формы взаимодействия создателя экспертной системы, которого называют инженером знаний, и одного или нескольких экспертов в некоторой предметной области. Инженер знаний извлекает из экспертов процедуры, стратегии, эмпирические правила, которые они используют при решении задач, и встраивает эти знания в экспертную систему. Одной из наиболее сложных проблем, возникающих при создании экспертных систем, является преобразование знаний эксперта и описания применяемых им способов поиска решений в форму, позволяющую представить их в базе знаний системы, а затем эффективно использовать для решения задач в данной предметной области. [43]
Для построения экспертной системы необходим большой опыт и обширные знания. Эта задача влечет за собой необходимость решения многих подзадач ( выбор функции вычислительной машины, выбор специалиста, нахождение или построение правильной дедуктивной машины, разработка подходящей системы представления знаний), и эти подзадачи сильно влияют друг на друга. Кто-то должен был заняться созданием экспертной системы, предметной областью которой было бы построение самих экспертных систем. Система RLL [ 891 представляет собой как раз такую систему, помогающую проектировать, строить, использовать п модифици-ровать ( новую) экспертную систему. База знаний системы RLL содержит информацию о программах искусственного интеллекта вообще и о своих собственных подпрограммах в частности. [44]