Лабораторная работа 1
Инженерия извлечения и приобретения знаний
при создании базы знаний интеллектуальной системы
Цель работы: познакомиться с функциями инженера по знаниям на этапе построения концептуальной модели предметной области; освоить методику выявления и структурирования знаний о способах решения задач в заданной предметной области.
Контрольные вопросы
1.Чем отличаются знания от данных?
2.Как проверить «экспертность» предметной области?
3.Что выступает в качестве источников знаний?
4.В чём функции инженера по знаниям?
5.Чем различаются термины «извлечение знаний» и «приобретение знаний»?
6.Как строится дерево решений?
7.Зачем применяется дерево утверждений и фактов?
Методические указания
Инженерия знаний – это раздел искусственного интеллекта, в рамках которого решаются все проблемы, связанные с извлечением, приобретением и представлением знаний. Основные усилия инженерии знаний направлены на создании систем, способных автоматизировать большую часть работ по формированию базы знаний. Однако задача автоматизации формирования знаний в настоящее время полностью не решена.
Источниками знаний могут быть тексты (инструкции, документы, монографии, статьи, фотографии, киноленты и т.п.), наблюдения или специалисты-профессионалы, предоставляющие нужную информацию инженеру по знаниям. Процесс выявления и формализации знаний из этих источников оказывается достаточно трудным, т.к. надо уметь оценить важность и ценность тех или иных знаний для работы интеллектуальной системы (ИС). Инженер по знаниям должен описать основные приёмы или эвристики, которыми пользуется эксперт при решении плохо формализуемых задач, и преобразовать эти описания в строгую, полную и непротиворечивую систему (форму), позволяющую решать сложные прикладные задачи не хуже, чем это сделал бы сам эксперт.
"Экспертности" предметной области оценивается следующим образом. Необходимо ответить на следующие вопросы (да/нет).
1.Сильно ли помогает опыт специалисту при решении задачи?
2.Велика ли разница во времени и качестве решения у новичка и специалиста?
3.Имеются ли эксперты, готовые поделится своим опытом?
4.Часто ли возникает потребность в решении задачи?
5.Может ли быть точно очерчена предметная область?
6.Требуется ли знание эвристик?
7.Решение не требует большого количества вычислений?
8.Есть ли "шум" во входных данных (нечёткость, неполнота, некорректность)?
9.Имеются ли большое количество объектов, признаков объектов и связей между ними?
10.Имеются ли сомнения в достоверности информации?
11.Есть ли необходимость в принятии решения с определением степени уверенности в этом решении?
12.Занимает ли решение задачи значительное время?
13.Являются ли традиционные математические модели и ранее разработанные пакеты программ непригодными для получения решения?
14.Согласны ли потенциальные пользователи использовать экспертную систему?
15.Имеется ли доступная техника и ПО для реализации будущей ЭС?
16.Достаточна ли квалификация имеющихся специалистов для разработки ЭС?
Кол-во "Да"
Находится оценка Q = -------------------- * 100%
16
Если Q > 50% , то предметная область "экспертна", т.е. она восприимчива к внедрению ЭС.
Варианты заданий
1.Прогноз погоды [1].
2.Экспертная система для контроля работы магнитофона [1,2].
3.Поиск полезных ископаемых [1].
4.Самодиагностика заболеваний пациентов в случае неопасных заболеваний [1].
5.Поиск неисправностей холодильника.
6.Система штормового предупреждения.
7.Диагностика дефектов пошива верхней одежды.
8.Экспертная система финансового планирования (рационального обращения со своими деньгами) [3] .
9.Экспертная система в области торговли (оценка возможности заключения торговой сделки в зависимости от особенностей характеров продавца и покупателя) [3].
10.Экспертная система оценки потенциальных способностей ученика к овладению иностранными языками [3].
11.Консультативная система по применению лекарств в случае заболевания человека.
12.Диагностика неисправности швейной машины.
13.Экспертная система для идентификации животных [4].
14.Идентификация произведений живописи, учитывая данные о стиле, используемых материалов и т.п.
15.Построение интеллектуальной обучающей системы (математика или программирование).
16.Помощь в выборе тактики и способа при тушении пожара.
17.Идентификация растений (можно принять во внимание высоту, цвет, характер произрастания и т.п.).
18.Система обучения управлению автомобилем и правил дорожного движения.
19.Поиск неисправностей легкового автомобиля.
20.Экспертная система для предсказания результатов футбольных матчей [2].
21.Выдача рекомендаций пассажиру по использованию городского транспорта.
22.Прогнозирование подверженности человека к нервному стрессу [5].
23.Диагностика неисправностей ПЭВМ.
24.Пргнозирование спроса покупателей.
25.Экспертная система для кредитных операций [6,гл.21].
Содержание отчёта
1.Название и цель работы.
2.Оценка «экспертности» предметной области.
3.Формулировка задач, которые решаются по технологии экспертных систем.
4.Назначение проектируемой экспертной системы и её потенциальные пользователи.
5.Концептуальное описание предметной области.
6.Деревья решений задач.
7.Деревья утверждений и фактов.
8.Продукционные правила.
Литература
1.Нейлор К. Как построить свою экспертную систему.
2.Макаллистер Дж. Искусственный интеллект и Пролог на МикроЭВМ.
3.Левин Р. и др. Практическое введение в технологию искусственного интеллекта.
4.Братко И. Программирование на языке Пролог для искусственного интеллекта.
5.Газета «Вечерний Донецк», №136 от 11.08.93г.
6.Стерлинг Л., Шапиро Э. Искусство программирования на языке Пролог. – М.: Мир, 1990. –235 с.