Интегрированный подход к представлению компетенций
Сложившиеся подходы к представлению знаний, логический, продукции, семантические сети, фреймы, имеют ограниченные области решаемых задач в силу присущих им свойств и ограничений [29,41,53,50,59,57,64,68], что не позволяет с их помощью описывать все многообразие реального мира. В силу этого обстоятельства разработчики современных интеллектуальных систем используют интегрированные (смешанные) методы представления знаний. В интегрированных методах усиливаются достоинства классических подходов к представлению знаний, что расширяет область их использования и является удобным для формализации сложноструктурированной информации.
В работах [17, 23] рассматривается метод представления знаний, основанный на многоуровневой логике. Он является интеграцией логического и семантического подходов к построению языка представления знаний. Этот подход является перспективным, но на данный момент не имеет развитых методов обработки и использования знаний, представляемых в данном формате [17, 23].
В расширенных семантических сетях И. П. Кузнецова [40] однородность представления достигается за счет того, что имена отношений играют роль объектов и могут вступать в отношения. Важным в этой методе является возможность представления в нем продукций. При этом левой и правой частям продукций ставятся в соответствие сети Sn1 и Sn2, а продукция записывается в виде
Sn1 → Sn2.
Продукции могут входить как в левые, так и в правые части других продукций. Для обработки информации, представленной с помощью РСС, использован принцип сопоставления по образцу в виде метода наложения двух сетей. В его основе лежат правила идентификации (означивания), позволяющие связывать вершины и сопоставлять сети в соответствии с законами логики [40]. Механизм обработки PCC имеет два существенных недостатка: слабая структурированность конструируемых программ и сложность организации процесса вычисления.
В неоднородных семантических сетях Г.С. Осипова [51, 50], в отличие от простых семантических сетей и расширенных семантических сетей, имеется возможность определения и использования отношений различных типов на множестве вершин сети. Наличие такой возможности позволяет более точно отображать семантику различных сообщений, извлекаемых из источников знаний, и выполнять над сетью программы моделирования рассуждений различных типов. Для моделирования рассуждений на неоднородных семантических сетях реализованы алгоритмы, основанные на использовании свойств отношений совместности и следования. Доказаны теоремы, устанавливающие связь между отношениями совместности и выполнимостью событий в различных состояниях НС. Аппарат неоднородных семантических сетей положен в основу системы прямого приобретения экспертных знаний SIMMER.
Обобщенная модель представления знаний о предметной области А. И. Башмакова создавалась с учетом следующих требований [26, 25]:
1. Возможность настройки на конкретную предметную область.
2. Наглядность представления (геометрическая интерпретация основных компонентов модели; средство визуального проектирования).
3. Высокая однородность модели, обеспечивающая простоту манипулирования знаниями.
4. Открытость, понимаемая как возможность расширения без переделки ядра модели.
5. Реализация свойства активности знаний.
6. Высокая структурированность, основанная на наличие в модели механизмов композиции и декомпозиции.
7. Оперирование с нечеткими представлениями.
8. Многоуровневая организация, включающая дружественный интерфейсный уровень, уровень базовых информационных структур, уровень базовых операций над знаниями (полный с точки зрения формальной логики), уровень комплексных операций работы со знаниями (верификация, разрешение противоречий, наследование, поиск), уровень стратегии управления операциями.
Обобщенная модель задается триадой <вещь – свойство – отношение>, из применения которой вытекают два основных принципа: взаимообоснования и взаимоперехода, обеспечивающие высокий уровень однородности средств моделирования представления знаний о предметной области. Объекты предметной области в обобщенной модели в зависимости от ситуаций, возникающих при решении прикладных задач, могут выступать в роли вещей, свойств или отношений (принцип взаимоперехода). Это же относится к категориям свойств отношений.
В обобщенной модели определена многоуровневая система операций (интерфейсных, базисных, верификации, разрешения противоречий, наследования, поиска), а также стратегий управления ими. Обобщенная модель используется в автоматизированной системе ФОРМОД.
Нечеткие семантические сети И. А. Перминова [56,55] возникли в силу необходимости описания и обработки значительных объемов разнородной и плохо формализуемой информации.
В [40] отмечается, что основным недостатком существующих языков искусственного интеллекта является их слабая структурированность в представлении данных, в организации процесса вычислений, т.к. помимо задач искусственного интеллекта необходимо решать и общепрограммистские задачи, к которым языки искусственного интеллекта применимы слабо. Это является препятствием для эффективного создания сложных систем. По этим причинам возникла задача создания хорошо структурированного, модульного языка искусственного интеллекта, который в то же время мог бы служить и языком общего назначения. Для устранения этих недостатков предложена модель объектно-ориентированной семантической сети OCC, а за основу языка манипулирования OCC взят Пролог, наиболее соответствующий структуре сети.
Объектная модель представлена классами, объектами и экземплярами объектов. Класс содержит выполнимые правила и описания вычислимых и невычислимых свойств. Свойства и методы имеют атрибут доступности из других классов и модулей. Как и в нечетком Прологе, выполнение программы базируется на методе нечеткой резолюции [55,56].
Данный подход расширяет логическую парадигму представления знаний, но не дает возможности описания всего разнообразия реального мира и его частей.
В целом существующие методы представления знаний позволяют расширить области их использования, но в полной мере не обеспечивают соответствие эволюционирующих знаний действительности, их дальнейшее использование для решения задач непрерывного образовани. Это связано с тем, что в структуризации получаемых знаний сформировались объектное и процессное представление знаний. Для каждого из этих представлений формировались свои методы представления и использования знаний и эти методы редко дополняли друг друга.
При появлении задач одновременного представления и использования всех видов знаний, существующие методы оказались недостаточно эффективными, из-за своей изначальной ориентации на вычислительную обработку.
Автором [68] предлагается метод интегрированного представления процедурных и фактуальных знаний, учитывающий особенности механизмов и приемов работы со знаниями, свойственных биологическим системам и в первую очередь – человеку.
В ходе эволюции кибернетических систем живой природы происходило развитие как аппарата восприятия и переработки информации о реальном мире, так и аппарата, обеспечивающего системе возможность воздействовать на реальный мир. Изначально нервная сеть (подсистема управления кибернетической системой) содержала рецепторы и эффекторы (для технических систем это датчики и исполнительные устройства), соединенные связями. В ходе эволюции биологические системы научились воспринимать окружающий мир не только как набор отдельных признаков (рецепторов), но и их комбинаций, иерархических структур - понятий, ассоциаций. От изначально простых функций нервной системы, заключающихся в передаче возбуждения от рецептора к эффектору, происходит переход к более сложным действиям: формированию понятий о различных ситуациях, ассоциаций, регулированию, ассоциированию, моделированию и управлению ассоциациями (созданию новых планов достижения цели) [72].
Начиная с некоторого уровня возможно формирование моделей внешнего мира, т.е. "… происходит постепенное усовершенствование "познания" закономерностей в окружающей среде" [60, 72]. В нервной системе появляются представления о рецепторах, эффекторах, признаках, понятиях, ситуациях, совершаемых действиях, ассоциациях. Нервная система представляет собой сложную иерархическую структуру, вершины которой представляют понятия (рис. 6.).
В кибернетике под понятием понимается множество ситуаций (аристотелевское понятие) [72]. Понятия образуются из признаков или понятий нижнего уровня структуры.
Признаки, понятия нижнего уровня структуры могут быть как простыми, так и сложными (составными).
Элементарным признаком для биологических систем является рецептор. Из элементарных признаков образуются элементарные понятия, которые уже могут быть и сложными признаками. Возбужденная вершина-понятие иерархической структуры может передавать свое возбуждение на эффектор и/или на вершину-понятие верхнего уровня, выступая при этом в роли признака.
О
дновременно возбуждающиеся вершины-понятия могут порождать (при постоянном сочетании) ассоциации. В процессе порождения ассоциаций (ассоциирования) происходит отбрасывание лишней информации, сжатие ее полезной части за счет организованности окружающей среды [72].
Признаки (рецепторы), понятия, ассоциации, управляющие воздействия (эффекторы) представляют собой сущности реального мира, поэтому основной единицей интегрированного метода представления является описание сущности.
Система понятий, ситуаций в биологической системе представляется в виде многоуровневой, сложноорганизованной сети. Вершины представляют понятия, описания ситуаций, действия (процессы), отношения – сущности, а дуги – это сформированные связи между вершинами-сущностями. Для представления многоуровневой, сложноорганизованной сети предлагается использовать описание вершины-сущности, включающее:
имя описываемой вершины-сущности;
список имен вершин-сущностей, связанных своими выходами с рассматриваемой, - список имен вершин-сущностей нижнего уровня;
список имен вершин-сущностей, связанных одним из своих входов с выходом рассматриваемой, - список имен вершин-сущностей верхнего уровня;
список имен вершин-сущностей составных связей,
список имен вершин-сущностей ассоциаций.
Списки имен вершин-сущностей нижнего уровня и имен вершин-сущностей верхнего уровня отражают таксономию понятий предметной области. Это позволяет представлять структуру описания реального мира и его частей в виде дерева или иерархии вершин-сущностей [29,30].
Для представления процессов взаимодействия вершин-сущностей (отражения процессов реального мира) в описание сущности добавляются логические компоненты:
предусловия, описывающие условия активизации рассматриваемой вершины-сущности через признаки активизации вершин-сущностей нижнего уровня;
постусловия – состояние признака активизации рассматриваемой вершины-сущности,
множество представлений о ситуациях, которые активизируют рассматриваемую вершину-сущность.
В итоге, интегрированный подход к представлению знаний о реальном мире предполагает задание множества вершин-сущностей и взвешенных связей между ними. Каждая вершина-сущность описывается такими атрибутами как:
имя,
условия для активизации (предусловия),
условия контроля наличия активизации вершины-сущности (постусловия),
список имен вершин-сущностей нижнего уровня,
список имен вершин-сущностей верхнего уровня,
список имен вершин-сущностей ассоциаций,
список имен вершин-сущностей составных связей,
множество представлений о ситуациях, которые активизируют рассматриваемую вершину-сущность.
В иерархической структуре описания предметной области, на каждый момент времени, можно выделить три типа вершин-сущностей:
входные,
выходные,
составные внутренние.
Входные вершины-сущности обеспечивают активизацию рассматриваемой вершины. Входные вершины-сущности могут быть как элементарными, так и составными. Элементарные входные вершины-сущности являются элементами кибернетической системы, через которые осуществляется восприятие реального мира или его частей. Описание такой вершины-сущности может включать:
имя сущности,
постусловия,
список имен вершин-сущностей верхнего уровня,
список имен вершин-сущностей ассоциаций,
список имен вершин-сущностей связей.
Составные вершины-сущности являются элементами кибернетической системы, которые осуществляют обработку сигналов (данных), получаемых от элементарных входных элементов и формирование входных сигналов (данных) для составных внутренних и выходных вершин-сущностей. Составные внутренние вершины-сущности могут иметь связь с эффекторами, воздействующими на реальный мир или его части. В описание вершины-сущности данного типа входят:
имя вершины-сущности,
предусловия,
список имен вершин-сущностей нижнего уровня,
постусловия,
список имен вершин-сущностей верхнего уровня,
список имен вершин-сущностей ассоциаций,
список имен вершин-сущностей-связей.
Выходные вершины-сущности являются элементами кибернетической системы, через которые осуществляется воздействие на реальный мир или его части. Описание вершины-сущности этого типа может включать:
имя вершины-сущности,
предусловия,
постусловия,
список имен вершин-сущностей нижнего уровня,
список имен вершин-сущностей ассоциаций,
список имен вершин-сущностей составных связей.
Следует отметить, что элементарные входные и выходные вершины-сущности, представляющие эволюционирующие знания, могут в определенные моменты становиться составными внутренними.
Для элементарных входных вершин-сущностей это происходит при появлении сущностей, которые требуют формирования новых, им соответствующих вершин, определяют предусловия и фиксируются в списке имен нижнего уровня уже не элементарной вершины-сущности. Например, появились новые системы (единицы) измерения – микрометр, или вместо количества в счете "много" появилась возможность различать "три", "четыре" и "пять".
Изменение типа выходных вершин-сущностей происходит при появлении (проявлении) сущностей, требующих формирования новых, им соответствующих вершин, состояние которых зависит от состояния рассматриваемой вершины-сущности. Имена новых вершин-сущностей фиксируются в списке имен верхнего уровня рассматриваемой вершины-сущности.
Каждый из атрибутов, описывающих вершину-сущность, - имя сущности (NS), предусловия (PRUS), список имен нижнего уровня (LNLS), постусловия (PSUS), список имен верхнего уровня (LNHS), список ассоциаций (LNA), список имен связей (LNR), множество представлений ситуаций - (SPS), выполняет свою, строго определенную роль в описаниях реального мира и его частей. Ниже представлен анализ каждого из этих атрибутов.
Имя (NS). Может выступать в роли идентифицирующего вершину-сущность элемента, т.е. обеспечивать уникальность обозначения описания рассматриваемой сущности. В этом случае имя представляет собой набор символов, обеспечивающих уникальную комбинацию. Используется такой подход в вычислительных, информационно-вычислительных и некоторых информационно-поисковых системах для адресации областей информационно-вычислительного пространства.
Для решения задач, связанных с исследованиями в области искусственного интеллекта, имя выступает как единица языка, соответствующая [53], со стороны семантики отражению отдельного предмета, объекта или явления реального мира, а сточки зрения синтаксиса – субъекту или объекту высказывания. Для имени в описании сущности будет справедливо следующее утверждение
(NS)(NS_LN_LS)(NS_LN_HS)(NS_CS)[(NS=NS_LN_LS)(NS=NS_LN_HS)(NS=NS_CS)],
где
NS – набор символов, идентифицирующий рассматриваемую вершину-сущность;
NS_LN_LS – имя из множества имен вершин-сущностей нижнего уровня, которое является частью описания вершины-сущности, имя которой принадлежит множеству имен верхнего уровня рассматриваемой сущности;
NS_LN_HS – имя из множества имен вершин-сущностей верхнего уровня, которое является частью описания сущности, имя которой принадлежит множеству имен нижнего уровня рассматриваемой сущности;
NS_CS – имя обсуждаемой (рассматриваемой) вершины-сущности реального мира.
Построение модели действительности, в соответствии с точкой зрения принятой в [52,53], предполагает выделение не только имен, но и содержания тех понятий, которые этими именами представлены. Набор признаков (вершин-сущностей) описывающих рассматриваемую вершину-сущность должен быть достаточен, как для отличения этой вершины-сущности от других вершин-сущностей, так и для соотнесения с действительностью. Имя указывает на описание конкретной сущности и эта его функция является достаточной для объектного подхода к представлению знаний.
Для процессного подхода имя должно всегда выступать как признак, означающий активизацию вершины-сущности или ее покой.
Во многих задачах признак активизации вершины-сущности и имя этой вершины-сущности могут представляться одним элементом описания. Но существуют задачи, где необходимо рассматривать не только активизированные концепты, но и пассивные, поэтому целесообразно разделять элемент описания, обозначающий активность или пассивность вершины-сущности и элемент, обозначающий сущность как объект.
Предусловия для рассматриваемой вершины-сущности (PRUS). Представляют собой описание ситуации (ситуаций) при которых вершина, соответствующая рассматриваемой сущности, будет активной. Описание ситуации (ситуаций) представляет собой, в простейшем случае, логическое выражение, состоящее из признаков активизации соответствующих вершин-сущностей, которые поступают от активизированных вершин-сущностей без преобразований. В процессе формирования новой вершины-сущности ее связи могут иметь различные веса. Веса связей могут меняться в ходе эволюции знаний. С этой целью в описание связей (признаков активизации) вводятся веса этих связей W.
Список имен нижнего уровня для рассматриваемой вершины-сущности (LNLS). Включает имена вершин-сущностей которые определяют рассматриваемую вершину-сущность на объектном уровне.
Постусловие для рассматриваемой вершины-сущности (PSUS). Представляет собой признак активизации, свидетельствующий о переходе рассматриваемой вершины-сущности в активное состояние.
Список имен верхнего уровня для рассматриваемой вершины-сущности (LNHS). Включает имена вершин-сущностей, которые определяются рассматриваемой вершиной-сущностью на объектном уровне.
Список имен ассоциаций для рассматриваемой вершины-сущности (LNAS). Включает имена тех вершин-сущностей, которые постоянно присутствуют в представлении ситуации совместно с рассматриваемой вершинойсущностью.
Список имен составных связей для рассматриваемой вершины-сущности (LNRS). Состоит из множества имен вершин-сущностей, определяющих составные связи между вершинами-сущностями. Сложная связь представляет собой структуру из множества элементарных связей и условия. Условие может быть, как простейшим, так и иметь очень сложную, многоуровневую структуру.
Основная функция связи заключается в передаче сигнала от активизированной вершины-сущности на входы других сущностей, для их активизации. Простые (элементарные) связи передают сигнал активизации без искажения, что приводит к выделению многих вершин и, тем самым, создает множество интерпретаций (возможных действий) для текущей ситуации. Для сокращения объема возможных решений должны активизироваться не все связи, а только те, которые соответствуют содержанию (контексту) текущей (рассматриваемой) ситуации. С этой целью элементарная связь между концептами разрывается и в разрыв вставляется мнимая вершина- сущность, которая имеет один вход условий активизации, один выход для сигнала о собственной активизации и множество входов, определяющих условие возможности передачи сигнала активизации.
Условие, определяющее возможность передачи сигнала активизации может быть, как простым логическим выражением, так и представлять собой сложное логическое выражение, описывающее правило распознавания ситуации или ее фрагмент.
Содержание описания вершины-сущности составной связи аналогично содержанию описания вершины-сущности и может включать:
NR – имя вершины-сущности рассматриваемой составной связи,
PRUS – условие активизации вершины-сущности для составной связи,
PSUS – признак активизации вершины-сущности, соответствующей рассматриваемой составной связи,
LN_LS – имя вершины-сущности, от которой поступает сигнал активизации,
LN_HS – имя сущности, к которой идет сигнал активизации,
LN_R – список имен вершин-сущностей, которые образуют рассматриваемую составную связь,
LN_A_R - список имен вершин-сущностей составных связей, ассоциирующихся с рассматриваемой.
Пример. В 1970-1980 гг. со связью "быть отличником", в отношении 12-летних школьников, ассоциировалась связь "быть пионером".
Множество представлений ситуаций (SPS). Задает множество представлений о ситуациях, которые активизируют рассматриваемую вершину-сущность.
Описание модели проблемной области – PAR, как множества сущностей, связанных между собой отношениями, имеет следующий вид:
PAR = (S,R,G), (1)
где, S ={Si} – множество сущностей проблемной области – PAR;
R = {Ri} - множество взвешенных связей между вершинами-сущностями Si;
G – отображение, задающее между вершинами-сущностями Si связи из заданного набора типов связей R.
Сущности проблемной области Si задаются атрибутами:
Si = (NSi, PRUSi, PSUSi, LNLSi, LNHSi, LNRi, LNAi, SPSi, WSi), (2)
где,
NSi – имя сущности,
PRUSi – предусловия активизации,
PSUSi – постусловия вершины-сущности,
LNLSi – список имен вершин-сущностей, определяющих Si и для рассматриваемой проблемной области связанных отношением "включает";
LNHSi - список имен вершин-сущностей, определяемых Si вершиной-сущностью;
LNRi – список имен вершин-сущностей составных связей для Si с другими вершинами-сущностями,
LNAi – список имен вершин-сущностей ассоциирующихся с рассматриваемой,
SPSi - множество представлений о ситуациях, активизирующих рассматриваемую вершину-сущность.
WSi – вес/сила вершины-сущности Si.
Связи между вершинами-сущностями проблемной области R = {Ri} представляются:
Ri = (NRi, PRURi, PSURi, LNLRi, LNHRi, WRi), (3)
где, NRi – имя связи,
PRURi – предусловия,
PSURi – постусловия,
LNLRi – список имен вершин-сущностей связей, определяющих Ri;
LNHRi - список имен вершин-сущностей связей, определяемых Ri;
WRi – вес связи между вершинами-сущностями.
Отображение G представляется:
G = (LNR, PRUR, PSUR, WS, WR) (4)
где,
LNR – множество списков имен вершин-сущностей связей между вершинами-сущностями действительности,
PRUR – условие применения списка имен вершин-сущностей связей между вершинами-сущностями действительности - предусловия,
PSUR – множество признаков активизации списка имен вершин-сущностей связей между вершинами-сущностями действительности - постусловия,
WS – множество весов вершин-сущностей,
WR – множество весов связей.
Рис. 7. Структура представления вершины-сущности действительности.
В формате интегрированного подхода к представлению знаний, где элементы действительности представляются вершинами-сущностями, описание проблемной области PAR (рис.7), с учетом зависимостей (2-4), представляется следующим образом [71,69,70]:
PAR = (NK, PRU, PSU, LNI, LNO, LNR, LNA, WK), (5)
где NK – имя вершины-сущности,
PRU – предусловия активизации вершины-сущности,
PSU – постусловия,
LNI – список имен вершин-сущностей, определяющих рассматриваемую,
LNO – список имен определяемых вершин-сущностей,
LNR – список имен вершин-сущностей связей с другими вершинами-сущностями,
LNA – список имен вершин-сущностей, ассоциирующихся с рассматриваемой,
WK – вес/сила вершины-сущности.
Такое представление [67, 70] позволяет осуществлять полную навигацию по сети, строить проблемную область при принятии решений, накапливать опыт и максимально отображать существенные для объекта закономерности реального мира.
|
