Системы с интеллектуальным интерфейсом
Интеллектуальные базы данных отличаются тем, что могут дать ответ на запрос, данные для которого в явном виде в базе отсутствуют. Такая информация генерируется на основе следующих зависимостей:
— вычислительных (например: «вывести список лекарств, цены на которые ниже среднеотраслевых» — необходимо провести статистический расчет цены по отрасли, а затем сделать вывод);
— структурных (например: «вывести список лекарств-заменителей» — необходимо вывести характерные значения признаков, а затем по ним осуществить поиск аналогичных объектов);
— логических (например: «вывести список потенциальных покупателей товара» — необходимо определить список посред- ников-продавцов, а затем, используя их базы потребителей, произвести поиск связанных с ними покупателей).
Рис. 8.1. Классификация интеллектуальных информационных систем
В интеллектуальных базах данных осуществляется поиск по условию, которое доопределяется в ходе решения задачи и информационная система без помощи пользователя по структуре базы данных сама строит путь доступа к файлам. Запрос пользователя осуществляется на основе естественно-языкового интерфейса в максимально удобной для него форме.
Естественно-языковый интерфейс предполагает трансляцию запросов и команд естественного языка на внутримашинный уровень представления знаний. Для этого необходимо решать задачи морфологического, синтаксического и семантического видов анализа и синтеза высказываний на естественном языке. Естественно языковый интерфейс используется:
— для доступа к интеллектуальным базам данных;
— для контекстного поиска документальной текстовой информации;
— голосового ввода команд в системах управления;
— машинного перевода с иностранных языков.
Гипертекстовые системы предназначены для реализации поиска по ключевым словам в базах текстовой информации.
Интеллектуальные гипертекстовые системы отличаются возможностью более сложной семантической организации ключевых слов, которая отражает различные смысловые отношения терминов. Механизм поиска работает с базой знаний ключевых слов, а затем непосредственно с текстом. Такие механизмы распространяются и на поиск мультимедийной информации, включающей текст, цифровую информацию, графические, аудио- и видеообразы.Системы контекстной помощи можно рассматривать как частный случай интеллектуальных гипертекстовых и естественноязыковых систем. В таких системах пользователь описывает проблему, а система с помощью дополнительного диалога ее конкретизирует и сама выполняет поиск относящихся к ситуации рекомендаций. Их можно отнести к классу систем распространения знаний, а область применения связана преимущественно с приложениями к технической документации и к инструкциям по эксплуатации.
Системы когнитивной графики осуществляют интерфейс пользователя с помощью графических образов, которые генерируются в соответствии с происходящими событиями. Графические образы в наглядном и интегрированном виде описывают множество параметров изучаемой ситуации. Системы когнитивной графики широко используются в обучающих и тренажерных системах на основе виртуальной реальности, когда графические образы моделируют ситуацию.
Экспертные системы предназначены для решения задач на основе накапливаемой базы знаний, отражающей опыт работы экспертов в рассматриваемой проблемной области. Системы такого типа позволяют принимать решения в уникальных ситуациях, для которых алгоритм заранее неизвестен и формируется по исходным данным в виде цепочки рассуждений (правил принятия решений) из базы знаний. Экспертная система — инструмент усиления интеллектуальных способностей эксперта. Она выполняет функции:
— консультанта для неопытных или непрофессиональных пользователей;
— ассистента в связи с необходимостью анализа экспертом различных вариантов принятия решений;
— партнера эксперта по вопросам, относящимся к источникам знаний из смежных областей деятельности.
Архитектура экспертной системы (рис.
8.2) включает два основных компонента: базу знаний (хранилище единиц знаний) и программный инструмент доступа и обработки знаний, состоящий из механизма вывода заключений (решения), приобретения знаний, объяснения полученных результатов и интеллектуального
Рис. 8.2. Архитектура экспертной системы
Центральным компонентом экспертной системы является база знаний, выступающая по отношению к остальным компонентам как содержательная подсистема. Стоимость ее превышает остальные компоненты на порядок.
База знаний содержит совокупность единиц знаний, которые формализованы с помощью некоторого метода представления знаний об объектах предметной области, их взаимосвязи, действий над объектами и неопределенности, с которой эти действия осуществляются.
В качестве методов представления знаний используются либо правила, либо объекты (фреймы), либо их комбинации.
Правила представляют собой конструкции следующего типа:
Если
То CF (Фактор определенности)
В качестве фактора определенности (CF) выступают условные вероятности байесовского подхода (от 0 до 1) либо коэффициент уверенности нечеткой логики (от 0 до 100). Фреймы представляют собой совокупность атрибутов, описывающих свойства и отношения с другими фреймами. В отличие от обычных записей, в базах данных каждый фрейм имеет уникальное имя. Для фреймового представления (объектно-ориентированного) применяется механизм наследования атрибутов, т.е. значения передаются от вышестоящего к нижестоящему.
Интеллектуальный интерфейс — это программа, осуществляющая обмен данными между пользователем и экспертной системой. Диалог должен вестись на языке, максимально приближенном к естественному. Последовательность решения задачи должна быть гибкой, должна соответствовать представлениям пользователя и вестись в профессиональных терминах.
Механизм вывода — это программа, формирующая из базы знаний конкретный алгоритм решения задачи.
В основе лежит процесс связывания конкретной ситуации с единицами знаний и образования цепочки рассуждений (прямой или обратной).Механизм объяснения поясняет ход решения по запросам пользователя. Объяснительные способности экспертной системы определяются способностью механизма вывода запоминать путь решения задачи и определенное количество «ходов». По запросу пользователя «Как» или «Почему» механизм вывода должен выдать цепочку рассуждений до контрольной точки, на которой был осуществлен запрос. Полный ход решения зачастую может не интересовать пользователя, и механизм вывода должен уметь выбирать из цепочки рассуждений ключевые моменты с учетом их важности и знаний пользователя. При отсутствии понимания со стороны пользователя система должна переходить в диалоговый режим обучения на основе поддерживаемой модели проблемной области.
Механизм приобретения знаний. База знаний отражает знания экспертов в данной области знаний. Выявлением подобных знаний и представлением их в базе знаний занимаются инженеры знаний. Для ввода знаний и их последующего обновления экспертная система должна иметь в простейшем случае интеллектуальный редактор, проверяющий новые единицы знаний на непротиворечивость, проводящий синтаксический и семантический контроль. В более сложных случаях используются специальные сценарии опроса экспертов или извлекаются единицы знаний из опыта работы самой экспертной системы.
8.4.