Cтраница 4
В десяти главах учебника излагаются основные вопросы интеллектуализации информационных систем. Даны определения и классификации видов и типов интеллектуальных систем, описание проблемной области искусственного интеллекта, модели представления знаний. Рассматриваются основы методов работы со знаниями: построение базы знаний и приобретение знаний, формализация качественных знаний и пополнение знаний, а также обобщение и классификация знаний. Излагаются задачи компьютерной логики и компьютерной лингвистики с раскрытием проблемы общения и уровней понимания, вопросы понимания текстов на естественном языке и когнитивной компьютерной графики. Отдельная глава посвящена интеллектуализации процедур поиска и выбора, контроля и управления, восприятию информации и моделям обучения. [46]
Более того, по мере развития науки многие эвристические методы решения формализуются, приобретают необходимую строгость и переходят в класс строгих. Вся история науки по существу повторяет схему: накопление и систематизация знаний - выработка интуиции - построение теории и формализация знаний - построение алгоритма. Это, однако, не означает, что по мере развития человеческого знания и алгоритмизации решений все большего круга задач эвристические методы исчерпают себя. Этого не произойдет хотя бы потому, что с расширением круга наших знаний неизбежно расширяется и круг вновь возникающих проблем. [47]
На третьем этапе проводят выбор моделей представления знаний и типа подсистемы вывода решения, которые в значительной степени обусловливают успех создания и эффективность функционирования ЭС. Несоответствие выразительных средств моделей знаниям эксперта осложняет, а иногда делает невозможным выражение этих знаний на формальном языке. Поэтому правильный выбор языка представления знаний или разработка нового языка существенно облегчают работу по созданию и заполнению базы знаний, а также позволяют сконцентрировать внимание разработчиков не столько на проблеме формализации знаний, сколько на сути самих знаний. [48]
Поэтому изучение содержания третьей главы дает целостное представление о математическом описании процессов возникновения и устранения отказов объектов. Необходимо подчеркнуть, что слова поток отказов вовсе не означают обязательное наличие паводка отказов объектов, что эти слова не что иное, как абстрактное ( математическое) представление существа эксплуатации реальных систем, что отказы объектов ( особенно сложных, высокоответственных систем) - это, как правило, достаточно редкие события во времени. Формализация знаний о потоках отказов объектов как редких событий дает в руки выпускников вузов инструмент описания поведения практически любых технических систем ( да и других систем, например, биологических, экономических, социальных), т.е. способствует формированию современного мировоззрения. Анализ потоков отказов и восстановлений невозможно проводить без знания моделей случайных процессов. Поэтому в третьей главе даны основные понятия теории случайных процессов. Для описания стохастических процессов перехода объекта из одного состояния в другое применяется глубоко разработанный в теории случайных процессов аппарат марковских процессов. [49]
База знаний представляет собой набор сведений из конкретной области ( биологии, химии, медицины), которые могут храниться в виде алгоритмов и в виде наборов данных. Для того чтобы машина вывода могла пользоваться информацией из базы знаний, знания должны быть структурированы. Для плохо формализованных знаний используются методы статистической организации фактов, для обработки которых имеется ограниченный набор процедур. Следующей ступенью к формализации знаний является применение тех или иных методов классификации данных и фактов. Заметим, что в таком направлении развиваются практически все науки от сбора разрозненных фактов до их классификации и формализации знаний. [50]
Управление процессами разработки нефтяных и газовых месторождений осложняется чрезмерной сложностью объектов, трудоемкостью их математического моделирования, вследствие отсутствия надежных теоретических предпосылок и необходимой первичной информации, невозможностью проведения или высоким уровнем погрешности измерений технологических параметров. Принятие решений почти на всех уровнях осуществляется в условиях неполной информации, поэтому применение существующих систем автоматического управления зачастую оказывается неэффективным. В то же время опыт и интуиция позволяют квалифицированным специалистам достаточно успешно решать задачи управления даже в столь сложных условиях. В связи с этим ниже рассматриваются некоторые способы формализации знаний экспертов и алгоритмы принятия решений, основанные на совместном учете количественной и качественной информации. [51]
В процессе ознакомления с проблемой инженер экспериментально определяет те типы обобщенных логических задач, которые система скорее всего будет решать ( см. гл. На первом этапе кажется, что основной задачей в проблеме утечки является идентификация разлившегося вещества и локализация источника утечки. Суть основных функций системы - это главный фактор, определяющий, какой язык или систему использовать при формализации предметных знаний. [52]
Отбор и формализация знаний, которые должны быть заложены в проектируемую экспертную систему, является основополагающим и наиболее трудным этапом разработки всей системы. Трудность заключается в отыскании и одновременной формализации специальных правил, которыми руководствуется специалист в конкретной области для принятия решения. Поэтому значительный вклад в успешную разработку и последующую эксплуатацию экспертной системы вносит инженер базы знаний, лицо, ответственное за отбор, накопление и формализацию знаний. [53]
Необходимой частью любой интеллектуальной системы являются знания. Теоретическими и практическими вопросами представления и обработки знаний в компьютерных системах активно занимаются исследователи, работающие в области инженерии знаний. Фейгенбаум, который писал: По опыту нам известно, что большая часть знаний в конкретной предметной области остается личной собственностью эксперта. И это происходит не потому, что он не хочет разглашать своих секретов, а потому, что он не в состоянии сделать этого - ведь эксперт знает гораздо больше, чем сам осознает. Данное направление ИИ связано с развитием теоретических и прикладных аспектов приобретения и формализации знаний специалистов, с проектированием и разработкой баз знаний. [54]