<< Предыдущая

стр. 4
(из 26 стр.)

ОГЛАВЛЕНИЕ

Следующая >>

• источники знаний (книги, дополнительные эксперты, методики);
• имеющиеся аналогичные экспертные системы;
• цели (распространение опыта, автоматизация рутинных Действий и др.);
• классы решаемых задач и т. д.
Средняя продолжительность 1-2 недели.
Извлечение знаний
На этой стадии происходит перенос компетентности от эксперта к инженеру по знаниям, с использованием различных методов (см. главу 4):
• анализ текстов;
• диалоги;
• экспертные игры;
• лекции;
• дискуссии;
• интервью;
• наблюдение и другие.

Средняя продолжительность 1-3 месяца.

Структурирование или концептуализация знаний
Выявляется структура полученных знаний о предметной области, то есть определяются:
• терминология;
• список основных понятий и их атрибутов;
• отношения между понятиями;
• структура входной и выходной информации;
• стратегия принятия решений;
• ограничения стратегий и т. д.

Такое описание называется полем знаний. Средняя продолжительность этапа 2-4 недели. Подробно стадия структурирования описана в главе 3.

Формализация
Строится формализованное представление концепций предметной области на основе выбранного языка представления знаний (ЯПЗ). Традиционно на этом этапе используются:
• логические методы (исчисления предикатов 1-го порядка и др.);
• продукционные модели (с прямым и обратным выводом);
• семантические сети;
• фреймы;
• объектно-ориентированные языки, основанные на иерархии классов, объектов.

Все чаще на этой стадии используется симбиоз языков представления знаний, например, в системе ОМЕГА [Справочник по ИИ, 1990] — фреймы + семантические сети + полный набор возможностей языка исчисления предикатов. Средняя продолжительность 1-2 месяца. Подробно см. в главах 3, 4.

Реализация
Создается прототип экспертной системы, включающий базу знаний и остальные блоки, при помощи одного из следующих способов:
• программирование на традиционных языках типа Pascal, C++ и др.;
• программирование на специализированных языках, применяемых в задачах искусственного интеллекта: LISP [Хювянен, Сеппянен, 1991], FRL [Байдун, Бунин, 1990], SMALLTALK [Справочник по ИИ, 1990] и др.;
• использование инструментальных средств разработки ЭС типа СПЭИС [Ковригин, Перфильев, 1988], ПИЭС [Хорошевский, 1993], G2 [Попов, Фоминых, Кисель, 1996];
• использование «пустых» ЭС или «оболочек» типа ЭКСПЕРТ [Кирсанов, Попов, 1990], ФИАКР [Соловьев, Соловьева, 1989] и др.

Средняя продолжительность 1-2 месяца. Более подробно эти вопросы рассматриваются в главе 6.

Тестирование
Оценивается и проверяется работа программ прототипа с целью приведения в соответствие с реальными запросами пользователей. Прототип проверяется на:
• удобство и адекватность интерфейсов ввода/вывода (характер вопросов в диалоге, связность выводимого текста результата и др.);
• эффективность стратегии управления (порядок перебора, использование нечеткого вывода и др.);
• качество проверочных примеров;
• корректность базы знаний (полнота и непротиворечирость правил).

Средняя продолжительность 1-2 недели.


2.4.4. Развитие прототипа до промышленной ЭС

При неудовлетворительном функционировании прототипа эксперт и инженер по знаниям имеют возможность оценить, что именно будет включено в разработку окончательного варианта системы.
Если первоначально выбранные объекты или свойства оказываются неподходящими, их необходимо изменить. Можно сделать оценку общего числа эвристических правил, необходимых для создания окончательного варианта экспертной системы. Иногда [Хювянен, Сеппянен, 1991] при разработке промышленной и/ или коммерческой системы выделяют дополнительные этапы для перехода (табл. 2.1).
демонстрационный прототип ® действующий прототип ® промышленная система ® коммерческая система
Однако чаще реализуется плавный переход от демонстрационного прототипа к промышленной системе, при этом, если программный инструментарий был выбран удачно, не обязательно даже переписывать окончательный вариант другими программными средствами.
Понятие же коммерческой системы в нашей стране входит в понятие «промышленный программный продукт», или «промышленная ЭС» (в этой работе).
Основная работа на данном этапе заключается в существенном расширении базы знаний, то есть в добавлении большого числа дополнительных правил, фреймов, узлов семантической сети или других элементов знаний. Эти элементы знаний обычно увеличивают глубину системы, обеспечивая большее число правил для трудно уловимых аспектов отдельных случаев. В то же время эксперт и инженер по знаниям могут увеличить базу знаний системы, включая правила, управляющие дополнительными подзадачами или дополнительными аспектами экспертной задачи (метазнания).
Таблица 2.1.
Переход от прототипа к промышленной экспертной системе

Система
Описание
Демонстрационный прототип ЭС
Система решает часть задач, демонстрируя жизнеспособность подхода (несколько десятков правил или понятий)
Исследовательский прототип ЭС
Система решает большинство задач , но неустойчива в работе и не полностью проверена (несколько сотен правил или понятий)
Действующий прототип ЭС
Система надежно решает все задачи на реальных примерах, но для сложной задачи требует много времени и памяти
Промышленная система
Система обеспечивает высокое качество решений при минимизации требуемого времени и памяти; переписывается с использованием более эффективных средств представления знаний
Коммерческая система
Промышленная система, пригодная к продаже, то есть хорошо документирована и снабжена сервисом

После установления основной структуры ЭС знаний инженер по знаниям приступает к разработке и адаптации интерфейсов, с помощью которых система будет общаться с пользователем и экспертом. Необходимо обратить особое внимание на языковые возможности интерфейсов, их простоту и удобство для управления работой ЭС. Система должна обеспечивать пользователю возможность легким и естественным образом уточнять непонятные моменты, приостанавливать работу и т. д. В частности, могут оказаться полезными графические представления.
На этом этапе разработки большинство экспертов узнают достаточно о вводе правил и могут сами вводить в систему новые правила. Таким образом, начинается процесс, во время которого инженер по знаниям передает право собственности и контроля за системой эксперту для уточнения, детальной разработки и обслуживания.

2.4.5. Оценка системы

После завершения этапа разработки промышленной экспертной системы необходимо провести ее тестирование в отношении критериев эффективности. К тестированию широко привлекаются другие эксперты с целью апробирования работоспособности системы на различных примерах. Экспертные системы оцениваются главным образом для того, чтобы проверить точность работы программы и ее полезность. Оценку можно проводить, исходя из различных критериев, которые сгруппируем следующим образом:
• критерии пользователей (понятность и «прозрачность» работы системы, удобство интерфейсов и др.);
• критерии приглашенных экспертов (оценка советов-решений, предлагаемых системой, сравнение ее с собственными решениями, оценка подсистемы объяснений и др.);
• критерии коллектива разработчиков (эффективность реализации, производительность, время отклика, дизайн, широта охвата предметной области, непротиворечивость БЗ, количество тупиковых ситуаций, когда система не может принять решение, анализ чувствительности программы к незначительным изменениям в представлении знаний, весовых коэффициентах, применяемых в механизмах логического вывода, данных и т. п.).

2.4.6. Стыковка системы

На этом этапе осуществляется стыковка экспертной системы с другими программными средствами в среде, в которой она будет работать, и обучение людей, которых она будет обслуживать. Иногда это означает внесение существенных изменений. Такие изменения требуют непременного вмешательства инженера по знаниям или какого-либо другого специалиста, который сможет модифицировать систему. Под стыковкой подразумевается также разработка связей между экспертной системой и средой, в которой она действует.
Когда экспертная система уже готова, инженер по знаниям должен убедиться в том, что эксперты, пользователи и персонал знают, как эксплуатировать и обслуживать ее. После передачи им своего опыта в области информационной технологии инженер по знаниям может полностью предоставить ее в распоряжение пользователей.
Для подтверждения полезности системы важно предоставить каждому из пользователей возможность поставить перед ЭС реальные задачи, а затем проследить, как она выполняет эти задачи. Для того чтобы система была одобрена, необходимо представить ее как помощника, освобождающего пользователей от обременительных задач, а не как средство их замещения.
Стыковка включает обеспечение связи ЭС с существующими базами данных и другими системами на предприятии, а также улучшение системных факторов, зависящих от времени, чтобы можно было обеспечить ее более эффективную работу и улучшить характеристики ее технических средств, если система работает в необычной среде (например, связь с измерительными устройствами).

Пример 2.1
Успешно состыкована со своим окружением система PUFF — экспертная система для диагностики заболеваний легких [Хейес-Рот и др., 1987]. После того как PUFF была закончена и все были удовлетворены ее работой, систему перекодировали с LISP на Бейсик. Затем систему перенесли на ПЭВМ, которая уже работала в больнице. В свою очередь, эта ПЭВМ была связана с измерительными приборами. Данные с измерительных приборов сразу поступают в ПЭВМ. PUFF обрабатывает эти данные и печатает рекомендации для врача. Врач в принципе не взаимодействует с PUFF. Система полностью интегрирована со своим окружением — она представляет собой интеллектуальное расширение аппарата исследования легких, который врачи давно используют.

Пример 2.2
Другой системой, которая хорошо функционирует в своем окружении, является САТ-1 [Уотермен, 1990] — экспертная система для диагностики неисправностей дизелей локомотивов.
Эта система была разработана также на LISP, а затем была переведена на FORTH с тем, чтобы ее можно было более эффективно использовать в различных локомотивных цехах. Мастер по ремонту запрашивает систему о возможных причинах неисправности дизеля. Система связана с видеодиском, с помощью которого мастеру показывают визуальные объяснения и подсказки, касающиеся более подробных проверок, которые он должен сделать.
Кроме того, если оператор не уверен в том, как устранить неисправность, система предоставляет ему обучающие материалы, которые фирма подготовила предварительно, и показывает ему их на видеотерминале. Таким образом, мастер по ремонту может с помощью экспертной системы диагностировать проблему, найти тестовую процедуру, которую он должен использовать, получить на дисплее объяснение, как провести тест, или получить инструкции о том, как справиться с возникшей проблемой.

2.4.7. Поддержка системы

При перекодировании системы на язык, подобный С, повышается ее быстродействие и увеличивается переносимость, однако гибкость при этом уменьшается. Это приемлемо лишь в том случае, если система сохраняет все знания проблемной области и это знание не будет изменяться в ближайшем будущем. Однако если экспертная система создана именно из-за того, что проблемная область изменяется, то необходимо поддерживать систему в ее инструментальной среде разработки.
Пример 2.3
Удачным примером ЭС, внедренной таким образом, является XCON (R1) — ЭС, которую фирма DEC использует для комплектации ЭВМ семейства VAX. Одной из ключевых проблем, с которой столкнулась фирма DEC, является необходимость постоянного внесения изменений для новых версий оборудования, новых спецификаций и т. д. Для этой цели XCON поддерживается в программной среде OPS5.










































Теоретические аспекты
инженерии знаний

Ё Поле знаний
Ё Стратегии получения знаний
Ё Теоретические аспекты извлечения знаний
Ё Теоретические аспекты структурирования знаний

3.1. Поле знаний

Инженерия знания — достаточно молодое направление искусственного интеллекта, появившееся тогда, когда практические разработчики столкнулись с весьма нетривиальными проблемами трудности «добычи» и формализации знаний. В первых книгах по ИИ эти факты обычно только постулировались, в дальнейшем начались серьезные исследования по выявлению оптимальных стратегий выявления знаний [Boose, 1990; Wielinga, Schreiber, Breuker, 1992; Tuthill, 1994; Adeli, 1994].
Данная глава целиком посвящена теоретическим проблемам инженерии знаний, другими словами — проектированию баз знаний — получению и структурированию знаний специалистов для последующей разработки баз знаний. Центральным понятием на стадиях получения и структурирования является так называемое поле знаний, уже упоминавшееся в параграфе 1.3.

3.1.1. О языке описания поля знаний

Поле знаний Pz формируется на третьей стадии разработки ЭС (см. п. 2.4) — стадии структурирования.
Поле знаний, как первый шаг к формализации, представляет модель знаний о предметной области, в том виде, в каком ее сумел выразить аналитик на пекотором «своем» языке. Что это за язык? Известно, что словарь языка конкретной науки формируется путем пополнения общеупотребительного языка специальными терминами и знаками, которые либо заимствуются из повседневного языка, либо изобретаются [Кузичева, 1987]. Назовем этот язык L и рассмотрим его желаемые свойства, учитывая, что стандарта этого языка пока не существует, а каждый инженер по знаниям вынужден сам его изобретать.
Во-первых, как и в языке любой науки, в нем должно быть как можно меньше неточностей, присущих обыденным языкам. Частично точность достигается более строгим определением понятий. Идеалом точности, конечно, является язык математики. Язык L, видимо, занимает промежуточное положение между естественным языком и языком математики.
Во-вторых, желательно не использовать в нем терминов иных наук в другом, то есть новом, смысле. Это вызывает недоразумения.
В-третьих, язык L, видимо, будет либо символьным языком, либо языком графическим (схемы, рисунки, пиктограммы).
При выборе языка описания поля знаний не следует забывать, что на стадии формализации необходимо его заменить на машинно-реализуемый язык представления знаний (ЯПЗ), выбор которого зависит от структуры поля знаний. Существует ряд языков, достаточно универсальных, чтобы претендовать на роль языка инженерии знаний, — это структурно-логический язык SLL, включающий аппарат лямбда-конверсии [Вольфенгаген и др., 1979], язык К-систем [Кузнецов, 1989], УСК [Мартынов, 1977] и др. Однако они не нашли широкого применения.
В некотором смысле создание языка L очень близко к идеям разработки универсальных языков науки [Кузичева, 1987]. К XVII веку сложились два подхода в разработке универсальных языков: создание языков-классификаций и логико-конструктивных языков. К первому примыкают проекты, восходящие к идее Ф. Бэкона, — это языки Вилкинса и Далгарно. Второй подход связан с исследованиями в рамках поиска универсального метода познания, наиболее четко высказанного Р. Декартом, а затем в проекте универсальной характеристики Г. Лейбница. Именно Лейбниц наметил основные контуры учения о символах, которые в соответствии с его замыслами в XVIII веке развивал Г. Ламберт, который дал имя науке «семиотика». Семиотика в основном нашла своих адептов в сфере гуманитарных наук. В последнее время сложилась также новая ветвь семиотики — прикладная семиотика [Pospelov, 1995].
Представители естественных наук еще не до конца осознали достоинства семиотики только из-за того, что имеют дело с достаточно простыми и «жесткими» предметными областями. Им хватает аппарата традиционной математики. В инженерии знаний, однако, мы имеем дело с «мягкими» предметными областями, где явно не хватает выразительной адекватности классического математического аппарата и где большое значение имеет эффективность нотации (ее компактность, простота модификации, ясность интерпретации, наглядность и т. д.). В главе 8 рассматриваются современные тенденции в этой области и вводится понятие систологического инжиниринга, как одного из подходов к семиотическому моделированию предметной области.
Языки семиотического моделирования [Осипов, 1988; Поспелов, 1986] как естественное развитие языков ситуационного управления являются, как нам кажется, первым приближением к языку инженерии знаний. Именно изменчивость и условность знаков делают семиотическую модель применимой к сложным сферам реальной человеческой деятельности. Поэтому главное на стадии концептуализации — сохранение естественной структуры поля знаний, а не выразительные возможности языка.
Традиционно семиотика включает (рис. 3.1):
• синтаксис (совокупность правил построения языка или отношения между знаками);
• семантику (связь между элементами языка и их значениями или отношения между знаками и реальностью);
• прагматику (отношения между знаками и их пользователями).



Рис. 3.1. Структура семиотики

3.1.2. Семиотическая модель поля знаний

Поле знаний Pz является некоторой семиотической моделью, которая может быть представлена как граф, рисунок, таблица, диаграмма, формула или текст в зависимости от вкуса инженера по знаниям и особенностей предметной области.
Особенности ПО могут оказать существенное влияние на форму и содержание компонентов структуры Pz.
Рассмотрим соответствующие компоненты Pz (рис. 3.2).
Синтаксис. Обобщенно синтаксическую структуру поля знаний можно представить как
П = (I,0,М),

где I — структура исходных данных, подлежащих обработке и интерпретации в экспертной системе;
О — структура выходных данных, то есть результата работы системы;
М — операциональная модель предметной области, на основании которой происходит модификация I в О.


Рис. 3.2. Структура поля знаний

Включение компонентов I и О в Р обусловлено тем, что составляющие и структура этих интерфейсных компонентов имплицитно (то есть неявно) присутствуют в модели репрезентации в памяти эксперта. Операциональная модель М может быть представлена как совокупность концептуальной структуры Sk, отражающей понятийную структуру предметной области, и функциональной структуры Sf, моделирующей схему рассуждений эксперта:

М = (Sk, Sf).

Sk выступает как статическая, неизменная составляющая Р, в то время как Sf представляет динамическую, изменяемую составляющую.
Формирование Sk основано на выявлении понятийной структуры предметной области. Параграф 3.4. описывает достаточно универсальный алгоритм проведения концептуального анализа на основе модификации парадигмы структурного анализа [Yourdon, 1989] и построения иерархии понятий (так называемая «пирамида знаний»). Пример Sk и Sf представлен на рис. 3.3 и 3.4.
Структура Sf включает понятия предметной области А и моделирует основные функциональные связи RA или отношения между понятиями, образующими Sk. Эти связи отражают модель или стратегию принятия решения в выбранной ПО. Таким образом Sf образует стратегическую составляющую М. Семантика. Семантика, придающая определенное значение предложениям любого формального языка, определяется на некоторой области. Фактически это набор правил интерпретации предложений и формул языка. Семантика L должна быть композиционной, то есть значение предложения определяется как функция значений его составляющих.

Рис. 3.3. Концептуальная составляющая поля знаний


Рис. 3.4. Функциональная составляющая поля знаний

Семантика языка L зависит от особенностей предметной области, она обладает свойством полиморфизма, то есть одни и те же операторы языка в разных задачах могут иметь свои особенности.
Семантику поля знаний Pz можно рассматривать на двух уровнях. На первом уровне PiZg есть семантическая модель знаний эксперта i о некоторой предметной области Og. На втором уровне любое поле знаний Pz является моделью некоторых знаний, и, следовательно, можно говорить о смысле его как некоторого зеркала действительности. Рассматривать первый уровень в отрыве от конкретной области нецелесообразно, поэтому остановимся подробнее на втором. Схему, отображающую отношения между реальной действительностью и полем знаний, можно представить так, как показано на рис. 3.5.

Рис. 3.5. «Испорченный телефон» при формировании поля знаний

Как следует из рисунка, поле PiZg — это результат, полученный «после 4-й трансляции» (если говорить на языке информатики).
• 1-я трансляция (Ii) — это восприятие и интерпретация действительности О предметной области gi-м экспертом. В результате Ii в памяти эксперта образуется модель Mgi как семантическая репрезентация действительности и его личного опыта по работе с ней.
• 2-я трансляция (Vi ) — это вербализация опыта i-го эксперта, когда он пытается объяснить свои рассуждения Si и передать свои знания Zi инженеру по знаниям. В результате Vi образуется либо текст Ti, либо речевое сообщение Ci
• 3-я трансляция (Ii) — это восприятие и интерпретация сообщений Ti или Сi j-м инженером по знаниям. В результате в памяти инженера по знаниям образуется модель мира Mgi.
• 4-я трансляция (Кj) — это кодирование и вербализация модели Mgi в форме поля знаний PijZg.
Более всего эта схема напоминает детскую игру в «испорченный телефон»; перед инженером по знаниям стоит труднейшая задача — добиться максимального соответствия Mgi и PijZg. У читателей не должно возникать иллюзий, что PZg отображает Os. Ни в коем случае, ведь знания — вещь сугубо авторизованная, следовало бы на каждой ЭС ставить четкий ярлык i-j, то есть «база знаний эксперта i в понимании инженера по знаниям j». Стоит заменить, например, инженера по знаниям j на h, и получится совсем другая картина.

Пример 3.1
Приведем пример влияния субъективных взглядов эксперта на Mgi и Vi. Реальность (Оg): два человека прибегают на вокзал за 2 минуты до отхода поезда. В кассы — очередь. В автоматических кассах свободно, но ни у того, ни у другого нет мелочи. Следующий поезд через 40 минут. Оба опаздывают на важную встречу.
Интерпретация 1-го эксперта (I1): нельзя приходить на вокзал менее чем за 10 минут. Интерпретация 2-го эксперта (I2): надо всегда иметь мелочь в кармане.
Вербализация 1-го эксперта (V1): опоздал к нужному поезду, так как не рассчитал время.
Вербализация 2-го эксперта (V2): опоздал, так как на вокзале неразбериха, в кассах толпа.
Последующие трансляции еще больше будут искажать и видоизменять модель, но теперь уже с учетом субъективного восприятия инженеров по знаниям.
Таким образом, если считать поле знаний смысловой (семантической) моделью предметной области, то эта модель дважды субъективна. И если модель Mgi (см. рис. 3.5) —. это усеченное отображение Og, то само Pz — лишь отблеск Mgi через призму Vi и Mgi.

Прагматика. В качестве прагматической составляющей семиотической модели следует рассматривать технологии проведения структурного анализа ПО, пользуясь которым инженер по знаниям может сформировать Pz по результатам стадии извлечения знаний.
Таким образом, под прагматикой будем понимать практические аспекты разработки и использования поля, то есть как от хаоса черновиков и стенограмм сеансов извлечения знаний перейти к стройной или хотя бы ясной модели.
Подробнее эти вопросы освещены в параграфах 3.4. и 4.4. Однако поле знаний, несмотря на все старания инженера по знаниям и эксперта, всегда будут лишь бледным отпечатком реально существующей предметной области, ведь окружающий нас мир так изменчив, сложен и многообразен, а то, что хранится в нашем сознании, так плохо поддается вербализации. Тем не менее с точки зрения научной методологии без продуманного, четкого и красивого поля знаний не может идти и речи о создании базы знаний промышленной ЭС.

3.1.3. «Пирамида» знаний

Иерархичность понятийной структуры сознания подчеркивается в работах многих психологов [Брунер, 1971; Веккер, 1976]. Поле знаний можно стратифицировать, то есть рассматривать на различных уровнях абстракции понятий. В «пирамиде знаний» каждый следующий уровень служит для восхождения на новую ступень обобщения и углубления знаний в предметной области. Таким образом, возможно наличие нескольких уровней понятийной структуры Sk Представляется целесообразным связать это с глубиной профессионального опыта (например, как в системе АВТАНТЕСТ [Гаврилова, Червинская, 1992]) или с уровнем иерархии в структурной лестнице организации (рис. 4.12 главы 4). Естественно, что и стратегии принятия решений, то есть функциональные структуры Sf, на различных уровнях будут существенно отличаться. Если попытаться дать математическую интерпретацию уровней пирамиды знаний U = (U,, U2, U3 ,..., Un), то наиболее прозрачным является понятие гомоморфизма — отображения некоторой системы Е, сохраняющего основные операции и основные отношения этой системы. Пусть

E = (E1(oi : I О l), (rj : j О J))

некоторая система с основными понятиями oi; i О I и основными отношениями гj; j О J.
Гомоморфизмом системы Е в однотипную ей систему Е':

E' = (E',(o'I : i О I), (r'j : j О J)),

называется отображение
Ф : Е Ю Е',

удовлетворяющее следующим двум условиям:

Ф(oi (е1 ..., enj)) = оi'(Ф (е1),..., Ф (enj));

(е1 .... em) О rj Ю (Ф (е1),..., Ф (em) О rўj.

Для всех элементов е1,..., еm из Е и всех i О I, j О J.
Согласно введенным обозначениям уровни пирамиды суть гомоморфизмы моделей (то есть понятий и отношений) предметной области

Ф : М Ю М',

где М = (A, R, S); М' = (A', R', S'), А' — мета-понятия, или понятия более высокого уровня абстракции; R' — мета-отношения; S' — мета-стратегии. Восходя по ступеням пирамиды, мы получаем систему гомоморфизмов, что соответствует результатам, полученным в когнитивной психологии об уменьшении размерности семантического пространства памяти с увеличением опыта экспертов.

3.2. Стратегии получения знаний

При формировании поля знаний ключевым вопросом является сам процесс получения знаний, когда происходит перенос компетентности экспертов на инженеров по знаниям. Для названия этого процесса в литературе по ЭС получило распространение несколько терминов: приобретение, добыча, извлечение, получение, выявление, формирование знаний. В англоязычной специальной литературе в основном используются два: acquisition (приобретение) и elicitation (выявление, извлечение, установление).
Термин «приобретение» трактуется либо очень широко — тогда он включает весь процесс передачи знаний от эксперта к базе знаний ЭС, либо уже как способ автоматизированного построения базы знаний посредством диалога эксперта и специальной программы (при этом структура поля знаний заранее закладывается в программу). В обоих случаях термин «приобретение» не касается самого таинства экстрагирования структуры знаний из потока информации о предметной области. Этот процесс описывается понятием «извлечение».
Авторы склонны использовать этот термин как более емкий и более точно выражающий смысл процедуры переноса компетентности эксперта через инженера по знаниям в базу знаний ЭС.

<< Предыдущая

стр. 4
(из 26 стр.)

ОГЛАВЛЕНИЕ

Следующая >>