Приобретение знаний. 
Интеллектуальные системы и технологии

Интеллектуальные системы используют знания, которые необходимо получить и ввести в базу знаний системы. В литературе описаны разные подходы к приобретению знаний. Извлечение знаний базируется на работе с экспертами в определенной проблемной области. Получение знаний основано на использовании специальных средств (автоматических рабочих мест экспертов), которые позволяют самим экспертам формализовать знания в форме предоставленных им шаблонов. Формирование знаний связано с технологией раскрытия знаний из данных и обучением машин. Этот процесс не требует участия экспертов и реализуется с использованием специальных программных средств.

Подходы и методы приобретения знаний

В литературе принято выделять следующие подходы к приобретению знаний: извлечение знаний из экспертов (knowledge acquisition) и получение знаний экспертами (knowledge elicitation) [5, 6], а также формирование знаний путем обучения (machine learning, knowledge discovery) [20|.

Наиболее ранний подход, а именно извлечение знаний, предполагает работу с экспертами, которые являются специалистами в своей проблемной области, путем их интервьюирования или наблюдения за их действиями, а также использование различных описаний, содержащих знания. Главная задача — получить знания и формализовать их при создании базы знаний интеллектуальной (экспертной) системы.

Эксперты являются носителями знаний, но работать с ними трудно. Поэтому при создании ранних экспертных систем такую работу делали специально подготовленные люди — когнитологи. Они были одновременно психологами, умеющими вести интервью с экспертами, и программистами, умеющими формализовать знания экспертов для их использования в конкретной консультирующей или диагностической экспертной системе. Эксперты сообщают знания неформально на естественном языке и часто вообще не могут объяснить свои решения. Поэтому процесс извлечения знаний из экспертов трудный и длительный. Должны быть выполнены основные требования к добытым знаниям — неизбыточность, корректность и устойчивость.

Процесс преобразования ответов экспертов в формальные знания очень субъективный и часто приводит к ошибкам. Эффективным способом избежать ошибок является использование схем ситуаций. Схема ситуаций представляет собой граф с вершинами, определяющими ситуации, высказывания экспертов и формируемые действия. Такая схема позволяет формировать правила типа «Если имеется ситуация и высказывание о ней эксперта, то формируется определенное действие». Фактически такие правила являются набором продукций. Извлечение знаний состоит в получении ответов экспертов на вопросы в интервью с когнитологом, который предварительно знакомится с изучаемым процессом и терминологией эксперта и на основе этого формализует переменные. На основе ответов строится схема ситуаций, которая позволяет избежать ошибок при формализации знаний.

Наблюдение за действиями экспертов или операторов дает возможность извлекать знания об управлении сложными процессами, что помогает создавать динамические экспертные системы.

При извлечении знаний наряду с работой с экспертами используются другие доступные источники. Так, описания являются устойчивыми и информативными источниками знаний. Они могут быть вербальными, математическими, алгоритмическими, архивными. Вербальные описания наиболее трудны для формализации вследствие своей неоднозначности. Математические описания {модели) позволяют экспериментировать и извлекать дополнительные знания, но точность их может быть низкой, поскольку модели имеют упрощающие допущения. Алгоритмы могут использоваться непосредственно, если речь идет о программах управления процессами. Архивные описания являются ценным источником знаний о сложных явлениях и процессах, которые исследовались ранее и поэтому могут не учитывать современное положение дел.

В настоящее время также развита технология получения знаний, которая позволяет самим экспертам строить базы знаний без участия когнитологов. Для этого используются автоматизированные рабочие места экспертов со специальным программным обеспечением.