Накопичення знань

Базові функції експертних систем

Оскільки теорія експертних систем виросла з більш загальної концепції штучного інтелекту, то немає нічого дивного в тому, що проблематика цих областей має багато спільного. На деяких з таких зв'язків акцентується увага в подальших розділах при огляді літератури. Ви також зустрінете в них посилання на подальші розділи цієї книги, в яких та або інша тема буде розглянута детально.

Бучанан таким чином сформулював функцію накопичення знань [Buchanan еt аl., 1983].

"[Накопичення знань це] передача потенційного досвіду розв'язання проблеми від деякого джерела знань і перетворення його у вигляд, який дозволяє використати ці знання в програмі".

Передача знань виконується в процесі досить тривалих і просторових співбесід між фахівцем з проектування експертної системи (будемо надалі називати його інженером по знаннях) та експертом в певній предметній області, здатним досить чітко сформулювати досвід, що є у нього. За існуючими оцінками, таким методом можна сформувати від двох до п'яти "елементів знання" (наприклад, правил впливу) в день. Звичайно, це дуже низька швидкість, а тому багато які дослідники розглядають функцію накопичення знань як одне з головних "вузьких місць" технології експертних систем [Feigenbaum. 1977].

Причин такої низької продуктивності достатньо. Нижче перелічені тільки деякі з них.

• Фахівці у вузькій області, як правило, користуються власним жаргоном, який важко перекласти на звичайну "людську" мову (див. врізку 1.1). Але значення жаргонного "словечка" аж ніяк не очевидне, а тому потрібно досить багато додаткових питань для уточнення його логічного або математичного значення. Наприклад, фахівці з військової стратегії кажуть про "агресивну демонстрацію" іноземної військової потужності, але при цьому не можуть пояснити, чим така "агресивна" демонстрація відрізняється від демонстрації, що не містить загрози.

• Факти і принципи, що лежать в основі багатьох специфічних областей знань експерта, не можуть бути чітко сформульовані в термінах математичної теорії або детермінований моделі, властивості якої добре зрозумілі. Так, експерту в фінансовій області може бути відомо, що певні події можуть стати причиною зростання або спаду цін на фондовій біржі, але він нічого вам не скаже точно про механізми, які приводять до такого ефекту, або про кількісну оцінку впливу цих чинників. Статистичні моделі можуть допомогти зробити загальний довготривалий прогноз, але, як правило, такі методи не працюють відносно курсів конкретних акцій на коротких інтервалах.

• Для того щоб вирішити проблему в певній області, експерту недостатньо просто володіти сумою знань про факти і принципи в цій області. Наприклад, досвідчений фахівець знає, якого роду інформацією треба оперувати для формулювання тієї або іншої думки, наскільки надійні різні джерела інформації і як можна розділити складну проблему на більш прості, які можна вирішувати більш-менш незалежно. Виявити в процесі співбесіди такого роду знання, засновані на особистому досвіді та погано сформалізовані, значно складніше, ніж отримати простий перелік якихось фактів або загальних принципів.

• Експертний аналіз навіть в дуже вузькій області, дуже часто треба помістити в досить обширний контекст, який включає і багато таких речей, що здаються експерту зрозумілими, але для стороннього аж ніяк такими не є. Візьмемо для прикладу експерта-юриста, який бере участь в судовому процесі. Дуже важко визначити кількість і природу знань загального роду, які є залученими до розслідування тієї або іншої справи.

1.1. Забутий пароль

Якщо у вас пам'ять ненабагато краще моєї, то ви, ймовірно, також часто забуваєте свої паролі на різних комп'ютерах. Як системному адміністратору, назвемо його Семом, відновити ваш пароль? Наш інженер-початківець по знаннях Кен намагається з'ясувати у адміністратора, як він це робить.

Сем: Так ось, якщо це YP-пароль, я насамперед реєструюся як "root", на YP-головному.

Кен: А що таке YР-гоповний?

Сем: Це дискова машина, на якій встановлена база даних з інформацією про всю мережу.

Тен:. А "дискова машина" означає...

Сем: Що на ній ОС встановлена на локальному диску. Кен: Ах ось що. (Почухує в потилиці.) Отже, ти реєструєшся на...

Сем; Як "root". Потім я редагую файл даних паролів, видаляю зашифрований елемент і створюю нову карту паролів.

Кен:.. карту. паролів. (Глузливо) А що станеться, якщо ти забудеш власний пароль?

Сем: На дисковій машині я міг би перевантажитися і запуститися в однокористувацькому режимі або можна було б завантажити MINIROOT. Тоді можна редагувати /etc/password. Або можна переставити всю систему, але цього я швидше усього робити не буду. Кореневі паролі звичайно не включаються в YР. На бездисковій машині клієнта я міг би скористатися командою раsswd.

Кен:. Ух-ф-ф. (Жалкує, що взявся за опит.)

Звичайно, бідний Кен старався, як міг. Можливо, йому було б полегше, якби перед розмовою з фахівцем він заглянув в Керівництво системного адміністратора і освоївся хоч би з основною термінологією

Незадовільні результати подібних співбесід пробудили у деяких дослідників інтерес до автоматизації процесу передачі знань фахівцем машині. Один з напрямів досліджень в цій області автоматизоване отримання знань (automated knowledge elicitation) з'явився як побічний продукт в розвитку систем діалогу “людина-машина” (див. розділ 10). Інші дослідники вважають, що "розшити" це вузьке місце можна, рухаючись по шляху машинного навчання (machine learning). Ідея полягає в тому, щоб машина вчилася вирішувати проблеми приблизно так, як вчиться людина (див. розділ 20).

Дата добавления: 2014-01-11