База знаний как познавательный инструмент

Когда семантическая сеть создается как прообраз базы знаний, разработчик дол­жен фактически моделировать знания эксперта. Особенно глубокого понимания требует разработка функциональной структуры.

Определение структуры ЕСЛИ-ТО области знаний вынуждает четко форму­лировать принципы принятия решения. Нельзя считать, что просто разработка поля знаний системы обязательно приведет к получению полных функциональ­ных знаний в данной области.

Разработка экспертных систем стала использоваться как инструмент познания сравнительно недавно. Lippert [Lippert, 1988], который является одним из пио­неров применения экспертных систем в качестве инструментов познания, ут­верждает, что задания по созданию небольших базисов правил являются очень полезными для решения педагогических проблем и структурирования знаний для учеников от шестого класса до взрослых. Изучение при этом становится более осмысленным, так как ученики оценивают не только сам процесс мышле­ния, но также и результаты этого процесса, то есть полученную базу знаний. Со­здание базы знаний требует от учеников умения отделять друг от друга факты, переменные и правила, относящиеся к связям между составляющими области знаний.

Например, Lai [Lai, 1989] установил, что после того, как студенты-медики созда­дут медицинскую экспертную систему, они повышают свое умение в плане аргу­ментации и получают более глубокие знания по изучаемому предмету. Шесть студентов-первокурсников физического факультета, которые использовали экс­пертные системы для составления вопросов, принятия решений, формулировки правил и объяснений относительно движения частицы в соответствии с законами классической физики, получили более глубокие знания в данной области благо­даря тщательной работе, связанной с кодированием информации и обработкой большого материала для получения ясного и связного содержания, а следователь­но, и большей семантической глубины [Lippert & Finley, 1988].

Таким образом, создание базы знаний экспертной системы способствует более глубокому усвоению знаний, а визуальная спецификация усиливает прозрач­ность и наглядность представлений.

Когда компьютеры используются в обучении как инструмент познания, а не как контрольно-обучающие системы (обучающие компьютеры), они расширяют воз­можности автоматизированных обучающих систем (АОС), одновременно раз­вивая мыслительные способности и знания учеников. Результатом такого со­трудничества учащегося и компьютера является значительное повышение эф­фективности обучения. Компьютеры не могут и не должны управлять процессом обучения. Скорее, компьютеры должны использоваться для того, чтобы помочь ученикам приобрести знания.

В данном параграфе будет описываться автоматизированное рабочее место (АРМ) инженера по знаниям KEW (Knowledge Engineering Workbench) [Гаврилова, 1995; Гаврилова, Воинов, 1995-1997], который наряду с такими программами, как SemNet [Fisher 1990, 1992], Learning Tool [Kozma, 1987], TextVision [Kommers, 1989] или Inspiration, дает возможность ученикам, экспертам или аналитикам связать между собой изучаемые ими понятия в многомерные сети представлений и описать природу связей между всеми входящими в сеть поня­тиями.

Последняя версия KEW, созданная совместно с Воиновым А. В., получила пер­вую премию на выставке программных систем IV Национальной конференции по искусственному интеллекту в 1994 г. в разделе программных инструментариев разработки интеллектуальных систем. KEW демонстрирует жизнеспособ­ность технологии автоматизированного проектирования интеллектуальных сис­тем (АПРИС) или CAKE (Computer Aided Knowledge Engineering), впервые описанной в работе [Гаврилова, 1992].

KEW предназначен для интеллектуальной поддержки деятельности инженера по знаниям на протяжении всего жизненного цикла разработки экспертной системы, включая стадии - идентификации проблемы, получения знаний, структурирова­ния знаний, формализации, программной реализации, тестирования.

Центральным блоком KEW является графический структуризатор знаний KNOST (KNOwledge STucturer). Система KNOST поддерживает последовательную графическую реализацию ОСА (см. параграф 3.4) и автоматическую компиля­цию БЗ из графической спецификации.

Рис. 5.10. Интерфейс АРМа инженера по знаниям

Интерфейс KNOST состоит из трех основных частей (рис. 5.10):

• панель концептуальной структуры;

• панель гипертекста;

• панель функциональной структуры.

Панель концептуальной структуры предназначена для графического структури­рования знаний. Она позволяет определить понятия и обозначить связи между ними в форме концептуальной структуры S_k.

В панель гипертекста можно поместить любой комментарий, связанный с объек­том, определенным на панели концептуальной структуры понятий.

Основное назначение панели функциональной структуры S_f - представить на­глядно в форме строк таблицы причинно-следственные и другие функциональные взаимосвязи между понятиями концептуальной структуры, на основании которых эксперт принимает решения. Столбцы таблицы формируются простей­шей операцией drag-and-drop из понятий на панели концептуальной структуры.

После того как модели S_k и S_f созданы, KNOST автоматически компилирует базу знаний на ПРОЛОГе из созданной графической спецификации и моделирует ра­боту экспертной системы. Это удобно для быстрого наглядного прототипирования ЭС и для отладки БЗ совместно с экспертом.

Дата добавления: 2015-07-02