- •Введение
- •Глава 1. Ведение в системы искусственного интеллекта
- •1.1. Архитектура систем искусственного интеллекта
- •1.2. База знаний и данных
- •1.1.1 Понятие модели
- •1.1.2. Логические модели
- •1.1.3 Модели знаний на основе продукций
- •1.1.4 Фреймовая модель знаний
- •1.1.5 Семантические сети
- •1.3. Машина вывода
- •1.3.1. Понятие формальной системы
- •Примеры стратегии вывода
- •Как функционирует машина вывода
- •1.4. Извлечение знаний и обучение
- •1.4.1. Извлечение знаний от многих экспертов
- •1.4.2 Проблема непротиворечивости формализованной базы знаний
- •1.5. Обучение системы
- •1.6. Интерфейс с пользователем
- •1.7. Организация работы
- •1.8. Инструментальные средства создания систем искусственного интеллекта
- •Языки программирования
- •1.8.2. Языки продукционного программирования
- •1. 8. 3. Языки инженерии знаний и инструментальные системы
- •1.8.3.1. Система vpExpert
- •1.8.3.2. Система kas
- •1.8.3.3. Система Expert-Ease
- •Глава 2. База знаний
- •2.1. Методы извлечения знаний
- •2.1.1. Классификация методов извлечения знаний
- •2.1.2. Пассивные методы
- •2.1.2.1. Наблюдения
- •2.1.2.2. Анализ протоколов «мыслей вслух»
- •2.1.2.3. Лекции
- •2.1.3. Активные индивидуальные методы
- •2.1.3.1. Анкетирование
- •2.1.3.2. Интервью
- •2.1.3.3. Свободный диалог
- •2.1.4. Активные групповые методы
- •2.1.4.1. «Круглый стол»
- •2.1.4.2. «Мозговой штурм»
- •2.1.4.3. Экспертные игры
- •2.1.4.3.1. Игры с экспертом
- •2.1.4.3.2. Ролевые игры в группе
- •2.1.4.4. Игры с тренажерами
- •2.1.4.4.1. Компьютерные экспертные игры
- •2.1.5. Текстологические методы
- •2.2.Формальное описание понятий предметной области (по)
- •2.2.1. Методы абстрагирования понятий
- •2.2.1.1.Агрегация и декомпозиция понятий
- •2.2.1.2.Обобщение и специализация понятий
- •2.2.1.3.Типизация и конкретизация понятий
- •2.2.1.4.Ассоциация и индивидуализация понятий
- •2.3.Методы классификации
- •2.3.1. Экстенсиональный и интенсиональный аспекты классификации
- •2.3.2. Таксономия и мерономия
- •2.3.3. Типы классификаций
- •2.3.4. Древовидные классификации
- •2.3.5. Булевы классификации
- •2.3.6. Комбинативные классификации
- •2.4.События и процессы
- •2.4.1. Состояния предметной области
- •2.4.2. Событие
- •2.4.3. Последовательные процессы
- •2.4.4. Рекурсивные процессы
- •2.4.5. Ветвящиеся процессы
- •2.5. Системы продукций: структура, технология, применение
- •2.5.1. Неформальное введение в системы продукций
- •2.5.1.1 Алгоритмические модели
- •2.5.2 Логический вывод
- •2.5.3 Прикладные модели
- •2.5.4. Метамодель систем продукций
- •2.5.4.1. Основные подсистемы
- •2.5.5.2. Метаструктура базы данных и операций
- •2.5.5.2.1. Характер организации данных
- •2.5.5.2.2 Операции над базой данных
- •2.5.5.2.3 Контроль несовместимости
- •2.5.5.2.4 Ассоциативная надстройка
- •2.5.6. Метаструктура модуля правил
- •2.5.6.1 Аппарат активации
- •2.5.6.2 Структура правил
- •2.5.7. Метаструктура модуля управления
- •2.5.8. Технология поддержки разработок продукционных систем
- •2.5.9. Формальные модели систем продукций
- •2.5.9.1. Алгебраическая модель
- •2.5.9.1.1. Основные определения
- •2.5.9.1.2. Операции преобразования ситуации
- •2.5.9.1.3. Условия корректности вычислений над конъюнктивной базой данных
- •2.5.9.1.4. Однозначность вычислений над дизъюнктивной базой
- •2.5.9.2. Управление выводом в системах продукций
- •2.5.9.3. Язык управления применением продукций
- •2.5.9.4. Язык управления выбором данных
- •2.5.9.5. Обзор формальных моделей вычислений
- •2.5.10. Экспериментальные системы продукций
- •2.5.10.1. Система скип
- •2.5.10.2. Система анализа топологических чертежей интегральных схем
- •P(слой) x0, y0 : Dx1, Dy2, .., Dxn-1, Dyn;
- •2.6. Выводы к второй главе
- •3. Машина логического вывода
- •3.1. Формальное определение задачи
- •3.2. Специфика решения задач в сии
- •3.3. Управление процессом решения задачи
- •3.4. Модели эвристического поиска решений
- •3.4.1 Стратегия поиска в глубину
- •3.4.2. Стратегии перебора с отсечениями
- •3.4.2.1. Метод ветвей и границ
- •3.4.2.2. Стратегии поиска на основе эвристической функции оценки
- •3.5. Методы вывода и доказательства теорем
- •3.5.1 Механизм резолюции Робинсона
- •3.5.2. Резолюция в логике высказываний
- •3.5.2.1 Линейная резолюция вL
- •Метод линейного вывода в lЛавленда, Ковальского и Кюнера
- •Эффективная реализация
- •3.5.2.3. Метод поиска в глубину
- •3.5.2.4 Эвристики поиска в дереве
- •3.5.2.5. Семантическая резолюция
- •3.5.3 Резолюция в pl
- •3.6. Методы индуктивного вывода
- •3.6.1. Виды индукции
- •3.6.2. Индукция как вывод и индукция как метод
- •3.6.3. Правила, необходимые для систем автоматического формирования знаний
- •3.7. Дедуктивный вывод на семантических сетях
- •3.7.1. Нерезолютивные методы вывода на семантических сетях
2.1.3.3. Свободный диалог
Свободный диалог - это метод извлечения знаний в форме беседы инженера по знаниям и эксперта, в которой нет жесткого регламентированного плана и вопросника.
Подготовка:
– общая
повышение научной эрудиции
овладение общей культурой
знакомство с системной методологией
– специальная
овладение теорией и навыками интервьюирования
– конкретная
изучение предметной области по литературе
подготовка ситуации общения
знакомство с экспертом
тестирование эксперта
– психологическая
знакомство с теорией общения
изучение когнитивной психологии.
Это определение не означает, что к свободному диалогу не надо готовиться. Напротив, внешне свободная и легкая форма этого метода требует высочайшей профессиональной и психологической подготовки. Подготовка к свободному диалогу практически может совпадать с подготовкой к журналистскому интервью. Подготовка занимает разное время в зависимости от степени профессионализма аналитика, но в любом случае она необходима, так как несколько уменьшает вероятность самого нерационального метода - метода проб и ошибок.
Квалифицированная подготовка к диалогу помогает аналитику стать истинным драматургом или сценаристом будущих сеансов, т. е. запланировать гладкое течение процедуры извлечения: от приятного впечатления в начале беседы переход к профессиональному контакту через пробуждение интереса и завоевания доверия эксперта. При этом для обеспечения желания эксперта продолжить беседу необходимо проводить «поглаживания», т. е. подбадривать эксперта и подтверждать всячески его уверенность в собственной компетентности (Фразы - вставки: «Я Вас понимаю...», «...это очень интересно» и т. д.)
Так, в одном из исследований по технике ведения профессиональных журналистских диалогов было экспериментально доказано, что одобрительное и поощрительное «хмыканье» интервьюера увеличивает длину ответов респондента. При этом одобрение эксперта должно быть искренним, как показал опрос интервьюеров Института демоскопии ФРГ: «Лучшая уловка - это избегать всяких уловок: относиться к опрашиваемому с истинным человеколюбием, не с наигранным, а с подлинным интересом». Чтобы разговорить собеседника, можно сначала аналитику рассказать о себе, о работе, т. е. поговорить самому.
Приведем каталог свойств идеального интервьюера. Вполне подходящий образец портрета инженера по знаниям перед серией свободных диалогов: «Он должен выглядеть здоровым, спокойным, уверенным, внушать доверие, быть искренним, веселым, проявлять интерес к беседе, быть опрятно одетым, ухоженным». Хороший аналитик может личным обаянием и умением скрыть изъяны подготовки.
В свободном диалоге важно также выбрать правильный темп или ритм беседы: без больших пауз, так как эксперт может отвлечься, но и «без гонки», иначе быстро утомляются оба участника и нарастает напряженность, кроме того, некоторые люди говорят и думают очень медленно. Умение чередовать разные темпы, напряжение и разрядку в беседе существенно влияет на результат.
Подготовка к диалогу так же, как и к другим активным методам извлечения знаний, включает составление плана проведения сеанса извлечения, в котором необходимо предусмотреть следующие стадии:
Начало беседы (знакомство, создание у эксперта «образа» аналитика, объяснение целей и задач работы).
Диалог по извлечению знаний.
Заключительная стадия (благодарность эксперту, подведение итогов, договор о последующих встречах).
Девизом для инженера по знаниям могут послужить взгляды одного из классиков отечественного литературоведения М.М. Бахтина:
Диалог - столкновение разных умов, разных истин, несходных культурных позиций, составляющих единый ум, единую истину, общую культуру.
Диалог предполагает:
уникальность каждого партнера и их принципиальное равенство друг другу;
различие и оригинальность их точек зрения;
ориентацию каждого на понимание и на активную интерпретацию его точки зрения партнером;
ожидание ответа и его предвосхищение в собственном высказывании;
взаимное дополнение позиций участников общения, соотнесение которых и является целью диалога.
Сравнительные характеристики активных индивидуальных методов извлечения знаний представлены в табл. 2.
Таблица 2.2
Активные индивидуальные методы |
Достоинства |
Недостатки |
Требования к эксперту (тип и качество) |
Требования к аналитику (тип и качество) |
Характеристики предметной области |
Анкетирование |
Возможность стандартизованного опроса нескольких экспертов Не требует особого напряжения от аналитика во время процедуры анкетирования |
Требует умения и опыта составления анкет Отсутствие контакта между экспертом, нет обратной связи. Вопросы анкеты могут быть неправильно поняты экспертом |
Практик и мыслитель |
Мыслитель (педантизм в обработке и составлении анкет, внимательность) |
Слабо структурированные и слабо и средне документированные |
Интервью |
Наличие обратной связи (возможность уточнений и разрешения противоречий) |
Требует значительного времени по подготовке вопросов интервью |
Собеседник или мыслитель |
Собеседник (журналистские навыки, умение слушать) |
-"- |
Свободный диалог |
Гибкость Сильная обратная связь Возможность изменения сценария и формы сеанса |
Требует от аналитика высочайшего напряжения Отсутствие формальных методик проведения Трудность протоколирования результатов |
Собеседник или мыслитель |
Собеседник (наблюдательность, умение слушать, обаяние) |
-"- |