Cтраница 2
В соответствии с общей схемой экспертной системы ( см. § 1.3 и рис. 1.1) для ее функционирования требуются следующие знания: 1) знания о процессе решения задачи, ( т.е. управляющие знания), используемые интерпретатором; 2) знания о языке общения и способах организации диалога, используемые лингвистическим процессором; 3) знания о способах представления и модификации знаний, используемые компонентой приобретения знаний; 4) поддерживающие структурные и управляющие знания, используемые объяснительной компонентой. [16]
В соответствии с общей схемой экспертной системы ( см. § 1.3 и рис. 1.1) для ее функционирования требуются следующие знания: 1) знания о процессе решения задачи, ( т.е. управляющие знания), используемые интерпретатором; 2) знания о языке общения и способах организации диалога, используемые лингвистическим процессором; 3) знания о способах представления и модификации знаний, используемые компонентой приобретения знаний; 4) поддерживающие структурные и управляющие знания, используемые объяснительной компонентой. [17]
Хотя при разработке системы ОРМ предполагалось использовать ее как инструмент моделирования процесса принятия решений человеком, у нее есть несомненные достоинства и с точки зрения системной организации. Возможность интегрировать управляющие знания в однородную среду знаний открывает довольно интересные перспективы для реализации метауровневой архитектуры. [18]
Технологическо-организационные ситуации будем отображать в виде ЭП выбора требуемых ХТП, которые обеспечивают желаемые физико-химические преобразования технологических потоков в аппаратах. ЭП представляет собой управляющие знания о проблемной области. На этапе III необходимо представить эти знания в виде ПП. [19]
Организация знаний внутри ситуации-прототипа позволяет пользователю легче распознать подверженную влиянию часть информации, когда желательны изменения в базе знаний. Точки, в которых специальные управляющие знания используются в процессе консультации, явно определены, в результате чего легче предсказывать, к чему может привести та или иная модификация. [20]
База знаний ( БЗ) - это основа интеллектуального обеспечения экспертной системы, представляющая собой совокупность программных средств, которые обеспечивают хранение, накопление, удаление, поиск, переработку и запись в память ЭВМ разнообразных компьютерно реализованных моделей представления знаний. Для экспертной системы в химической технологии база знаний содержит модели представлении знаний трех типов знаний: предметные знания, управляющие знания и метазнания. [21]
Например, рассмотрение X перед У может в ряде случаев исключить рассмотрение У совсем. Появление неэффективности в работе может также указывать на дефекты в дедуктивной машине: DENDRAL, к примеру, мог бы исчерпать всю доступную память, если бы использовал в большом пространстве гипотез поиск вначале в ширину. Дополнительные управляющие знания могут также предотвратить вывод на печать слишком сложных заключений или объяснений. [22]
Во-первых, все такие языки являются декларативными в том смысле, что позволяют описывать знания, имеющие отношение к решению конкретной задачи, а не способ ее решения. В большинстве экспертных систем используется архитектура, в которой знания отделены от машины логического вывода. Это позволяет проводить эксперименты с использованием одних и тех же знаний в разных режимах обработки. Некоторые новые архитектурные решения, например использующие доску объявлений, позволяют представлять управляющие знания декларативно и обрабатывать их так же, как и другие виды знаний. [23]
Прототипы фокусируют внимание на наиболее подходящих правилах предметного уровня, что определяется текущей ситуацией и этапом консультации. Прототипы также представляют другие формы метазнаний, не представленные метаправилами. Далее, метаправила в системе без прототипов из-за неявного представления знаний так же уязвимы для критики, как и правила предметного уровня. И прототипы, и метаправила можно было бы использовать в одной системе, причем прототипы представляли бы явно знания о ситуации, этапах и управляющие знания, а метаправила динамически изменяли бы список правил, связанных с компонентами прототипа. [24]
Наиболее перспективными считаются гибридные интеллектуальные мультиагентные системы, которые позволяют использовать возможности интеллектуальных и реактивных архитектур. Примером может служить архитектура с иерархической базой знаний, которая содержит структурированную БЗ, рабочую память, модуль управления коммуникацией и человеко-машинный интерфейс. Агент с подобной архитектурой обладает способностью к рассуждениям и к реактивному поведению. Его БЗ содержит три уровня: 1) знания предметной области; 2) знания о взаимодействии, которые позволяют принимать решения в условиях неопределенности; 3) управляющие знания. Интеллектуальное поведение агента обеспечивается способностью принимать решения, а реактивное - системой контроля за содержимым рабочей памяти, которая функционирует по принципу глобальной доски объявлений. Агент взаимодействует с пользователем, используя человеко-машинный интерфейс. В общем случае гибридные архитектуры являются многоуровневыми и отличаются друг от друга структурой и содержанием уровней, которые могут соответствовать различным уровням управления, абстракции либо отдельным функциональным свойствам агента. [25]