В функциональной схеме экспертной системы (ЭС) можно выделить пять основных модулей: базу знаний (БЗ), машину логического вывода, семантический интерфейс, модули объяснения и накопления знаний.
Данная работа посвящена вопросам построения модуля накопления знаний. Этот модуль играет роль посредника между ядром ЭС и пользователем — экспертом, наполняющим БЗ. Посредник выполняет преобразование первичной семантической информации во вторичную, адекватную первичной и пригодную для автоматизированной обработки на компьютере. Кроме того, он обеспечивает актуализацию знаний, хранящихся в БЗ, и решение задач в изменяющихся условиях функционирования ЭС [Соломатин, 1994]. Модуль накопления знаний нами рассматривается исключительно в контексте получения знаний от эксперта и не включает процедуру обработки и извлечения знаний из другой первичной информации.
Формально экспертная система может быть представлена следующим образом [Малыгин, 1996]:
Система управления знаниями Y представляет собой множество формальных определений для представления и манипулирования знаниями, а также соответствующих им механизмов.
Система знаний M представляет собой множество взаимосвязанных моделей знаний (или моделей предметной области) {m}. Это конкретные знания.
Система получения данных Р представляет собой множество процедур получения информации:
Рассматриваемый нами модуль накопления знаний относится к процедурам взаимодействия с пользователем:
В свою очередь P11 представляет собой совокупность следующих элементов:
{I, {K}, {T}, V}, где
Согласно [Осуга, 1990], в зависимости от способности системы к формализации можно выделить следующие уровни приобретения знаний:
А. Получение информации без логических выводов.
1. Ввод программ.
2. Ввод фактических данных.
Б. Получение извне информации, уже представленной в форме знаний.
1. Получение готового набора знаний, представленных во внутреннем формате.
2. Получение знаний, представленных во внутреннем формате, в режиме диалога.
3. Получение знаний, представленных во внешнем формате, и их понимание.
В. Обучение по примерам.
1. Параметрическое обучение.
2. Обучение на основе выводов по аналогии.
3. Обучение на основе выводов по индукции — эвристическое обучение.
Г. Приобретение знаний на метауровне.
Современные ЭС используют методы приобретения знаний категорий Б (TEIRESIAS, Image Expert [IMAGE EXPERT, 1992; Филиппович, 1994]) и В (Meta-Dendral, Expert-Easy). Однако все они предусматривали использование отдельного специалиста — инженера по знаниям — для непосредственного взаимодействия с модулем накопления знаний. При этом предполагалось, что инженер по знаниям обладает необходимым комплексом знаний и навыков для работы с экспертной системой, а именно: практические навыки по организации опроса экспертов и обработке его результатов, знания о принятой модели представления знаний, опыт представления полученных в результате опроса данных в принятой модели, и, в то же время, имеет определенные знания в предметной области создаваемой экспертной системы.
Однако со временем стало очевидным, что использование инженеров по знаниям в качестве проводников знаний от экспертов к экспертной системе не достаточно эффективно. В работе [Show, 1987] выделены следующие причины такого положения:
Кроме того, отказ от использования инженера по знаниям как посредника между экспертом и ЭС даст возможность повысить доверие специалистов к заключениям ЭС и, что особенно интересно, позволит использовать ЭС как своего рода "записную книжку" эксперта. Подобное использование ЭС, как показал опыт работы над рядом экспертных систем в среде Image Expert, представляет интерес для высококвалифицированных специалистов, так как позволяет им структурировать свои знания, выявить противоречия и пробелы и, наконец, облегчить процесс вхождения в проблематику предметной области после перерыва в работе.
Существо проблемы состоит в том, что невозможно просто убрать инженера по знаниям из процесса наполнения БЗ. Более продуктивным представляется путь сочетания обоих методов. При этом встает проблема разбиения общей задачи наполнения БЗ на отдельные сегменты, в пределах которых недостатки использованного метода компенсируются его преимуществами. Синтез критериев разбиения задачи на сегменты в общем случае процедура неформальная и решаться она должна совместно инженером по знаниям и экспертами исходя из специфики предметной области, используемых средств наполнения БЗ и степени владения экспертами технологией экспертных систем. При этом экспертом должен выполняться основной объем работы по формализации, а роль инженера по знаниям сводится к участию в постановке задач и стыковке отдельных фрагментов, созданных экспертами. Для того чтобы основной объем работы мог выполняться экспертами требуется создание специальных инструментальных средств, позволяющих неспециалисту в области экспертных систем достаточно свободно работать над созданием БЗ. В работе [Show, 1987] подобные средства носят название knowledge support systems (KSS) — системы поддержки инженерии знаний.
Основные требования к KSS:
При создании современных KSS наиболее перспективным представляется использование бурно развивающейся в последнее время технологии CASE–систем. Действительно, программные средства, характерные для CASE–систем, такие как наглядный графический интерфейс, интегрированная база данных для хранения спецификаций, средства анализа спецификаций и прототипирования, позволяют эффективно работать над созданием БЗ как индивидуально, так и коллективом. Набор используемых средств описания в обычных CASE–системах уже в достаточной степени устоялся. Сюда входят функциональные и структурные диаграммы, диаграммы переходов состояний и ряд других. Однако в силу специфичности задач, стоящих перед экспертом при наполнении БЗ, при применении в KSS требуется некоторая доработка этих средств, а также создание новых.
Рассмотрим средства описания, используемые в разрабатываемой в настоящее время CASE–системе наполнения БЗ системы Image Expert IE–CASE.
В данной системе предусмотрено использование двух видов диаграмм. Диаграмма нижнего уровня в графическом виде отражает модель представления знаний, принятую в Image Expert (рис. 1). В системе Image Expert определены три типа моделей знаний.
Модель знаний имеет четыре уровня:
Блоки данной диаграммы соответствуют уровням модели знаний. Связи между блоками характеризуют отношения между уровнями. В рамках приведенной в начале классификации уровней приобретения знаний данную диаграмму можно отнести к уровню Б.1 (получение готового набора знаний, представленных во внутреннем формате). Использование этой диаграммы дает возможность пользователю более свободно оперировать структурными единицами БЗ, наглядная форма представления позволяет в большей степени, чем принятая изначально в системе Image Expert текстовая форма, работать с БЗ в целом, чем достигается уменьшение количества ошибок и повышение общей эффективности работы.
Диаграмма верхнего уровня не связана с принятой в системе Image Expert моделью представления знаний и служит для абстрактного описания предметной области (рис. 2).
Данная диаграмма базируется на системе описания SSONET (Structured Semantic Object Network) [Mohan, 1993].
SSONET имеет три различных концептуальных уровня. Верхний уровень, называемый абстрактным, включает специфические знания о предметной области. Ниже находится уровень соответствующий уровню схем в объектно-ориентированных базах данных. Нижний уровень — уровень отдельных экземпляров соответствует уровню данных в различных базах данных. Существует пять основных типов объектов 1 – Class, 2 – LinkType, 3 – Instance, 4 – ClassLink, 5 – InstanceLink. Полный набор LinkType определяет различные семантические связи, относящиеся к предметной области модели. Предполагается, что счетное множество элементарных типов связей описывает семантику определенной предметной области. Связи могут быть как направленными, так и не направленными. Верхние два уровня среды состоят из объектов Class, ClassLink и LinkType. Class и ClassLink присутствуют на обоих уровнях, но LinkType только на абстрактном.
Эта диаграмма относится к уровню Б3 (получение знаний, представленных во внешнем формате, и их понимание) классификации уровней приобретения знаний. При помощи данной диаграммы эксперт создает модель предметной области: задает типы объектов, связи между ними, описывает структуру целей экспертизы и их содержание.
При работе с диаграммами как верхнего, так и нижнего уровня пользователю доступны средства верификации, позволяющие выявлять неполноту и противоречивость описания. Законченные части описания могут быть занесены в базу данных с тем, чтобы затем использовать их далее как единые блоки.
Работа эксперта с IE-CASE строится следующим образом.
Предлагаемые средства для работы над созданием БЗ конечно же требуют от эксперта определенных специальных знаний о принятой в экспертной системе модели знаний и навыков работы по созданию формализованных описаний, однако эти требования, как представляется, не выходят за рамки разумных. Подобное усложнение работы эксперта по сравнению, например, с системой KITTEN (Knowledge Initiation & Transfer Tools for Experts and Novices) [Show, 1987], в которой от эксперта требуется лишь ранжировать объекты по различным признакам, дает возможность резко улучшить выразительные средства описания предметной области и расширить область применения системы.
В заключение рассмотрим соответствие предлагаемой системы приведенным ранее требованиям к KSS.
Таким образом, IE–CASE удовлетворяет большинству выдвигаемых к KSS требований, что позволяет предположить ее жизнеспособность и полезность, причем как экспертам, так и инженерам по знаниям.