Cтраница 2
RLL можно рассматривать как экспертную систему, предметной областью которой является построение экспертных систем. С помощью RLL разработана система EURISKO [ Ленат, 1982, б; 1983, а, б ], являющаяся одной из наиболее интересных экспертных систем. В RLL фреймы используются для представления всех видов данных и знаний более сложных, чем список значений. В виде фреймов представляются все объекты, правила, слоты фреймов, механизмы выводов и т.п. Фреймы организованы в сеть. Пример представления правила в виде фрейма приведен в табл. 3.4. Представление правила в виде фрейма имеет следующие отличия: 1) наличие не одного, а нескольких условий и действий для разных уровней анализа правила; 2) наличие большого количества описательных ( невыполняемых) слотов, которые могут быть использованы метаправилами для управления. [16]
Важно, что, определив тип эксперта, инженер по знаниям может плодотворнее использовать любой из методов извлечения, зная, что люди художественного типа легче воспринимают зрительную информацию в форме рисунков, графиков, диаграмм, так как эта информация воспринимается через первую сигнальную систему. Напротив, эксперты мыслительного типа лучше понимают язык формул и текстовую информацию. При этом учитывается факт, что большую часть информации человек получает от зрения. Совет пользоваться активнее наглядным материалом из работы [ Хейес-Рот, Уотермена, Ленат, 1987 ] можно считать универсальным. Такие методы, как свободный диалог и игры, предоставляют богатые возможности использовать слайды, чертежи, рисунки. [17]
Ленат считает, что ключом к успеху использованного им представления является то обстоятельство, что многие комбинации элементов оказываются полезными. Это требование вполне аналогично требованию, высказанному в случае системы Холланда. Система Холланда имеет весьма устойчивую математическую базу. И Ленат, и Холланд чувствуют, что настало время объединить то лучшее, что было ими достигнуто порознь. [18]
Изучив несколько учебников по нейрорадиологии, таких как [22, 28], мы сконструировали около 200 правил интерпретации компьютерной томограммы мозга человека. Правила, выведенные из текста, варьировали в зависимости от характера этого текста. В некоторых книгах выделялись данные, касающиеся истории болезни пациента, некоторые фокусировали внимание на локализации нарушения. В любом случае ширина дерева правил была больше его глубины. Эти данные поКТ подтвердили заключение Лената [14] о том, что, по-видимому, экспертные качества определяются не глубиной дерева правил, а тем, насколько оно ветвится. [19]
Начиная с понятия множества и набора интересных идей, которые были в нее введены, она изобрела идею счета, затем сложения, затем - умножения, затем, среди прочего, - понятие простых чисел... Она зашла так далеко, что повторила открытие гипотезы Гольдбаха. Разумеется, все эти открытия были уже сделаны сотни, а то и тысячи лет назад. Может быть, успех программы объясняется тем, что понятие интересного, которое Ленат вложил в машину, было закодировано в большом количестве правил, на которые, возможно, повлияло современное математическое образование самого Лената; тем не менее, этот успех впечатляет. [20]
Настоящая книга представляет собой главный результат указанного рабочего совещания. Разумеется, многие специалисты приняли существенное участие в подготовке и осуществлении как совещания, так и самой книги. Дон Уотерман стоически писал, переписывал, а затем вновь переписывал предложения по ассигнованиям из правительственного бюджета на расходы, связанные с проведением совещания. За проявленную настойчивость и экспертную деятельность при формулировании этих просьб он просто заслуживает награды. Ленат с легкостью присоединился к нашей команде по организации нового рабочего совещания и оказывал нам всевозможную помощь. [21]
Завершая рассмотрение методов поиска, отметим, что ускорение работы экспертных снсдем может быть достигнуто не только за счет сокращения пространства поиска, но и за счет использования специализированных структур знаний. Единообразное представление знаний, применяемое в большинстве существующих систем, становится неэффективным при увеличении базы знаний. Изменение способа представления знаний и применение нескольких способов представления должно использоваться как средство настройки экспертной системы на особенности приложения. Другой важной идеей, способствующей повышению эффективности работы экспертных систем, является компиляция знаний. Идея компиляции знаний открывает возможность использовать при построении и отладке экспертной системы универсальные средства для представления знаний, не заботясь об эффективности. Затем для повышения эффективности системы применяется компиляция знаний. Данный подход только начинает разрабатываться [ Форги, 1982, Артемьева и др., 1983 ], но его значение в ближайшие годы будет увеличиваться. Ленат, Хэйес-Рот и Клах [1979] ввели термин cognitive economy ( познавательные системы) для обозначения проблем, связанных с созданием систем, которые автоматически улучшают свои характеристики с помощью изменения представления, изменения методов доступа к данным и компиляции знаний. Идеи предложенного ими подхода и метода компиляции знаний нуждаются в значительных теоретических исследованиях, прежде чем они смогут широко использоваться на практике. [22]
Системы, основанные на знаниях, могут входить составной частью в компьютерные системы обучения. Система получает информацию о деятельности некоторого объекта ( например, студента) и анализирует его поведение. База знаний изменяется в соответствии с поведением объекта. Примером этого обучения может служить компьютерная игра, сложность которой увеличивается по мере возрастания степени квалификации играющего. Одной из наиболее интересных обучающих ЭС является EURISCO, которая использует простые эвристики. Суть игры состоит в том, чтобы определить состав флотилии, способной нанести поражение в условиях неизменяемого множества правил. Система EURISCO включила в состав флотилии небольшие, способные провести быструю атаку корабли и одна очень маленькое скоростное судно и постоянно выигрывала в течение трех лет, несмотря на то, что в стремлении воспрепятствовать этому правила игры меняли каждый год. Ленат считал, что эффективность любой ЭС определяется закладываемыми в нее знаниями. По его мнению, чтобы система была способна к обучению, в нее должно быть введено около миллиона сведений общего характера. Это примерно соответствует объему информации, каким располагает четырехлетний ребенок со средними способностями. Ленат также считает, что путь создания узкоспециализированных ЭС с уменьшенным объемом знаний ведет к тупику. [23]
Системы, основанные на знаниях, могут входить составной частью в компьютерные системы обучения. Система получает информацию о деятельности некоторого объекта ( например, студента) и анализирует его поведение. База знаний изменяется в соответствии с поведением объекта. Примером этого обучения может служить компьютерная игра, сложность которой увеличивается по мере возрастания степени квалификации играющего. Одной из наиболее интересных обучающих ЭС является EURISCO, которая использует простые эвристики. Суть игры состоит в том, чтобы определить состав флотилии, способной нанести поражение в условиях неизменяемого множества правил. Система EURISCO включила в состав флотилии небольшие, способные провести быструю атаку корабли и одна очень маленькое скоростное судно и постоянно выигрывала в течение трех лет, несмотря на то, что в стремлении воспрепятствовать этому правила игры меняли каждый год. Ленат считал, что эффективность любой ЭС определяется закладываемыми в нее знаниями. По его мнению, чтобы система была способна к обучению, в нее должно быть введено около миллиона сведений общего характера. Это примерно соответствует объему информации, каким располагает четырехлетний ребенок со средними способностями. Ленат также считает, что путь создания узкоспециализированных ЭС с уменьшенным объемом знаний ведет к тупику. [24]