Геловани В.А. и др. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях

Подождите немного. Документ загружается.

1.7. Компьютерная поддержка принятия качественных решений 31

порождающих. Это ошибки одного и того же прибора, одного и того же

человека, собирающего информацию, неверности некоторых предпо-

ложений, гипотез, научных теорий. В результате обработки большого

количества информации мы получаем излишне оптимистическую тео-

ретическую оценку точности оцениваемых параметров. Более того, при

проведении обработки при увеличении количества информации реаль-

ная точность может даже ухудшаться. Более точные результаты можно

получить при использовании методов, учитывающих корреляцию (мето-

дов максимального правдоподобия), но получение данных о корреляции

обычно является чрезвычайно сложной задачей, а часто и неразреши-

мой. В этой ситуахщи оптимальным решением является не увеличение

количества информации, а максимизация ее эффективности: выбор опти-

мальной программы сбора данных по моменту времени, составу, методам

сбора и

т.

д.

Для сбора информации о движении космических аппаратов

эта задача была хорошо изучена [29]. Эти результаты можно интерпрети-

роватьтак: существуют моменты времени, когда нужно сконцентрировать

все усилия по проведению измерений.

1.7.6.5.

Методические принципы разработки

СППР

для

внештатных ситуаций

Главным принципом отбора информации является вопрос о том,

кто и что с ней будет делать, для принятия каких решений она будет

использована?

В наше время, когда имеется дефицит материальных ресурсов, мы

не можем позволить себе собирать, накапливать, хранить и обрабатывать

всю информацию, какую возможно, даже только в некоторой проблемной

области. Тем более, что в большинстве случаев информацию приходится

покупать. В этой ситуации мы должны применять системный подход,

рассматривая весь цикл обработки информации: кто, где за какие деньги

будет собирать (или получать) информацию, проверять, вводить в ком-

пьютер, существуют ли ограничения доступа, как будут решаться вопросы

информационной безопасности (безопасности информации и безопасно-

сти от неправильной информации), кто и когда будет потребителем

(пользователем) информационных систем, на каких условиях, харак-

терные временные интервалы получения информации, предполагаемые

объемы [136, 141].

Существует ряд проблем, возникающих при практической разработ-

ке,

сопровождении, актуализации и использовании информации из ком-

пьютерных информационных систем. Часть из них пока не имеет уни-

версальных рецептов решения проблем, таких, как фильтрация входной

информации, принципы и методы работы с неполной информацией, вза-

имодействие исходной и агрегированной информации. Постановка этих

задач связана, в первую очередь, с практической работой с информаци-

онными системами. Многие из этих проблем возникают из конкретного

опыта работы и вряд ли могут быть поставлены заранее. Решение этих

проблем очень важно и позволяет продвинуться к успешному исполь-

зованию информационных систем для принятия решений в сложных

ситуациях.

32 Глава 1.

Системы поддержки принятия решений

Как показывают исследования, поставленная в рамках создания

универсальной СППР задача не имеет готовых решений по большинству

рассмотренных подзадач. Существующие методологии проектирования

и создания интегрированных систем рассчитаны на гораздо более фор-

мализованные объекты, которые не являются уникальными и предусма-

тривают тиражирование.

Отсюда следует вывод о необходимости постоянного методологи-

ческого сопровождения развития проекта, принятии и осуществлении

«мягких» решений и гибких подходов, которые позволят воспринимать

новые технологические и системные решения, появляющиеся за время

существования прюекта.

Современные информационные технологии, меняющиеся каждые

3 года, ставят задачи создания «многоукладной» программно-технологи-

ческой среды, интегрирующей информационные подсистемы, созданные

на разных технологических уровнях. Готовых технологических рещений,

реализующих такой подход, в настоящее время пока не найдено. Требу-

ются дополнительные исследования и разработка оригинальных решений.

Глава

Представление

знаний

системах

поддержки

принятия

решений

2.1.

Проблема представления знаний

Ключевое место в интеллектуальных системах поддержки приня-

тия решений занимает проблема представления знаний

[162].

Системы

поддержки принятия решений, которые стро51тся на результатах, полу-

ченных в области искусственного интеллекта, часто называют системами,

основанными на знаниях, подчеркивая этим их принципиальное отличие

от ранее создававшихся систем [67]. Знания представляют собой сово-

купность сведений (у индивидуума, общества или системы ИИ) о мире

(конкретной предметной области, совокупности объектов или объекте),

включающее в себя информацию о свойствах объектов, закономерностях

процессов и явлений, правилах использования этой информации для

принятия решений

[102].

Первоначально средства вычислительной техники были ориентиро-

ваны на обработку данных. Это бьыо связано как с уровнем развития

техники и программного обеспечения, так и со спецификой решаемых

задач. Дальнейшее усложнение решаемых задач, их интеллектуализация,

развитие вычислительной техники ставят задачу создания систем обра-

ботки знаний.

Представление знаний — это выражение на некотором формальном

языке, называемом языком представления знаний (ЯПЗ), свойств раз-

личных объектов и закономерностей, важных для решения прикладных

задач и организации взаимодействия пользователя с ЭВМ. Это могут быть

объекты и закономерности предметной области, вычислительной среды

и т. д. Тот факт, что язык, на котором записываются знания, является фор-

матьным, обеспечивает однозначность интерпретации записанного [152]

Совокупность знаний, храняыщхся в вычислительной системе и не-

обходимых для решения комплекса прикладных программ конечным

пользователем, называется системой знаний. Сведения о том, какими зна-

ниями владеет система, могут потребоваться пользователю (и он должен

иметь возможность их получить), однако в первую очередь организован-

ные знания необходимы вычислительной системе для того, чтобы поддер-

живать процесс взаимодействия с пользователем и решать требуемые зада-

чи.

Иными словами, знания обеспечивают функционирование системы.

В интеллекту альных системах знания хранятся в специальном про-

граммном или программно-аппаратном блоке, называемом базой зна-

ний (БЗ).

34 Глава 2. Представление знаний в системах

поддержки

решений

Вычислительная система использует систему знаний, выполняя над

ней разнообразные действия (операции), такие, как поиск необходимых

сведений, их модификация, интерпретация знаний, вывод из имеющихся

знаний новых и т. п. Алгоритмы выполнения этих операций существенно

зависят от особенностей языка представления знаний и от того, каким

образом система знаний представляется в вычислительной системе.

Поскольку система знаний ценна не сама по себе, а именно возмож-

ностями её использования, поскольку использовать эту систему можно

лишь выполняя над ней те или иные операции и поскольку алгорит-

мизация этих операций определяется языком представления знаний,

любой современный метод представления знаний представляет собой

совокупность взаимосвязанных средств формального описания знаний

и оперирования (манипулирования этими знаниями).

2.1.1.

Особенности знаний

Перечислим ряд особенностей, присущих представлениям знаний

в СППР

[150]:

1) Внутренняя интерпретируемость. Каждая информационная еди-

ница должна иметь уникальное имя, по которому инструментальная

единица находит ее, а также отвечает на запросы, в которых это имя

упомянуто. Когда данные, хранящиеся в памяти системы, были лише-

ны имен, то отсутствовала их идентификация системой. Данные могла

идентифицировать лишь программа, извлекая их из памяти по указанию

программиста, написавшего программу. Что скрывается за тем или иным

машинным кодом машинного слова, системе было неизвестно. Знания

же всегда содержательны.

При переходе к знаниям в память ЭВМ вводится информация о не-

которой протоструктуре информационных единиц. При этом должны

быть заданы специальные словари, в которых перечислены имеющиеся

в памяти системы сведения об информационных единицах. В настоящее

время СУБД обеспечивает реализацию внутренней интерпретируемости

всех информационных единиц, хранимых в базе данных.

2) Структурированность. Информационные единицы должны обла-

дать гибкой структурой. Для них должен выполняться «принцип ма-

трешки», т. е. рекурсивная вложимость одних информационных единиц

в другие. Каждая информационная единица может быть включена в со-

став любой другой, и из каждой информационной единицы можно вы-

делить некоторые составляющие ее информационные единицы. Другими

словами, должна существовать возможность произвольного установле-

ния между отдельными информационными единицами отношений типа

«часть-целое», «род-вид» или «элемент-класс».

3) Связность. В информационной базе между информационными

единицами должна быть предусмотрена возможность установления свя-

зей произвольного типа. Прежде всего, связи могут характеризовать от-

ношения между информационными единицами. Семантика отношений

может носить декларативный или продукционный характер. Например,

две и более информационные единицы могут быть связаны отношением

2.1.

Проблема представления знаний 35

«одновременно», две информационные единицы — отношением «причи-

на-следствие» или отношением «быть рядом». Приведенные отношения

характеризуют декларативные знания. Если между двумя информацион-

ными единицами установлено отношение «аргумент—функция», то оно

характеризует процедурные знания, связанные с вычислением определен-

ных функций. Существуют отнсшени>1 структуризации, функциональные

отношения, каузальные отношения и семантические отношения. С помо-

щью первых задаются иерархии информационнь1Х единиц, вторые несут

процедурную информацию, позволяющую находить (вычислять) одни

информационные единицы через другие, третьи задают причинно-след-

ственные связи, четвертые соответствуют всем остальным отношениям.

Между информационными единицами могут устанавливаться и иные

связи, наприл^ер, определяющие выбор информационных единиц из па-

мяти или указывающие на то, что две информационные единицы несо-

вместимы с друг другом в описании.

Перечисленные три особенности знаний позволяют ввести общую

модель представления знаний, которую можно назвать семантической

сетью, представляющую собой иерархическую сеть, в вершинах которой

находятся информационные единицы. Эти единицы снабжены индиви-

дуальными именами. Дуги семантической сети соответствуют различным

связям между информационными единицами. При этом иерархические

связи определяются отношениями структуризации, а не иерархические

связи — отношениями иных типов.

4) Семантическая метрика. На множестве информационных единиц

в некоторых случаях полезно задавать отношения, характеризующие си-

туационную близость информационных единиц, т. е. силу ассоциативной

связи между информационными единицами. Его можно назвать отно-

шением релевантности для информационных единиц. Такое отношение

позволяет вьщелять в базе знаний некоторые типовые ситуации. Отноше-

ние релевантности при работе с информационными единицами позволяет

находить знания, близкие к уже найденным.

5) Активность. С момента появления ЭВМ и разделения используе-

мых в ней информационных единиц на данные и команды создалась ситу-

ация, при которой данные пассивны, а команды активны. Все процессы,

протекающие в ЭВМ, инициируются командами, а данные используются

этими командами лишь в случае необходимости. Для ИС эта ситуация не-

приемлема. Как и у человека, в ИС актуализации тех или иных действий

способствуют знания, имеющиеся в системе. Таким образом, выпол-

нение программы в ИС должно инициироваться текущим состоянием

информационной базы. Появление в базе фактов или описание событий,

установление связей может стать источником активности системы.

Перечисленные пять особенностей информационных единиц опре-

деляют ту грань, за которой данные превращаются в знания, а базы

данных превращаются в базы знаний. Совокупность средств, обеспечи-

вающих работу с знаниями, образуют систему управления базой знаний

(СУБЗ). В настоящее время не существует баз знаний, в которых в полной

36 Глава 2. Представление знаний в системах поддержки решений

мере были реализованы внутренняя интерпретируемость, структуризация,

связность, введена семантическая мера и обеспечена активность знаний

2.1.2.

Концептуальная и экстенсиональная составляющие знаний

В базе знаний независимо от используемых методов представления

знаний можно выделить две важные части, условно называемые концеп-

туальной и экстенсиональной

[152].

Концептуальная (или интенсиональная) часть содержит обобщенное

описание предметной области и метазнания. Интенсиональное описа-

ние имеет целью представить структуру, свойства и поведение классов

объектов предметной области. При этом подразумевается, что такое

описание, составленное для класса, справедливо для любого входящего

в него объекта.

База знаний, как правило, содержит также информацию о свойствах

конкретных объектов предметной области. Эта информация, предста-

вленная в базе знаний, образует экстенсиональную ее часть. Описанное

деление не абсолютно В зависимости от решаемых задач один и тот же

факт можно представить в концептуальной и экстенсиональной части ба-

зы знаний. Выделение концептуальной и фактуальной частей базы знаний

как непересекающихся компонентов не совсем точно. Правильнее гово-

рить о концептуальной и фактуальной роли фактов, зафиксированных

в базе. Тем не менее предложенное деление важно для организации баз

знаний в вычислительной системе. В связи с этим и с учетом сделанных

замечаний полезно уточнить определение компонентов базы. К концеп-

туальной части базы знаний относятся те и только те факты, которые для

данной базы при решении прикладных задач могут выступать в концеп-

туальной роли. К фактуальной части базы знаний относятся .те и только

те факты, которые не входят в концептуальную.

Концептуальная и фактуальная части базы знаний сложным образом

взаимосвязаны. Это проявляется в операциях над базой и обусловлено

тем, что интенсиональные и экстенсиональные описания связаны од-

ними и теми же объектами предметной области. Отдельным элементам

интенсионального описания можно поставить в соответствие множество

конкретизирующих его экстенсиональных описаний и, наоборот, каждый

элемент экстенсионального описания предметной области конкретизи-

рует одно или несколько интенсиональных описаний. Это соответствие

позволяет переходить от обобщенных описаний объектов предметной

области к конкретным их свойствам и обратно. Оно должно поддержи-

ваться в базе знаний и, таким образом, при изменении в концептуальной

части базы, как правило, должна изменяться и информация о соответ-

ствии, а возможно, и сама фактуальная

часть.

Кроме

того,

концептуальная

часть может содержать факты, не связанные отношением конкретизации

с какими-либо экстенсиональными описаниями, но влияющие на мани-

пуляции с фактуальной частью.

Выделение двух компонентов связано с проблемами физической

организации базы знаний. В большинстве практически значимых при-

кладных задач размер фактуальной части базы во много раз превышает

размер концептуальной части.

2.1.

Проблема представления знаний 37

2.1.3.

Декларативные и процедуральные методы представления знаний

Методы представления знаний можно условно разделить на декла-

ративные и процедуральные [102]

Декларативные методы представления знаний в моделях основыва-

ются на предположении, что проблема представления некой предметной

области решается независимо от того, как эти знания потом будут ис-

пользоваться Поэтому модель как бы состоит из двух частей: статичес-

ких описательных структур знаний и механизма вывода, оперирующего

этими структурами и практически независимого от их содержательного

наполнения. При этом в какой-то степени оказываются раздельными

синтаксические и семантические аспекты знания, что является опреде-

ленным достоинством указанных форм представления из-за возможности

достижения их определенной универсальности.

В декларативных методах модели знаний не содержатся в явном

виде описания выполняемых процедур. Эти модели представляют со-

бой обычно множество утверждений. Предметная область представляется

в виде синтаксического описания ее состояния (по возможности пол-

ного).

Вывод решений основывается в основном на процедурах поиска

в пространстве состояний.

В процедуральном представлении знания содержатся в процедурах

—

небольщих программах, которые определяют, как выполнять специфич-

ные действия (как поступать в специфичных ситуациях). При этом можно

не описывать все возможные состояния среды или объекта

для

реализации

вывода. Достаточно хранить некоторые начальные состояния и процеду-

ры,

генерирующие необходимые описания ситуаций и действий.

При процедуральном представлении знаний семантика непосред-

ственно заложена в описание элементов базы знаний, за счет чего

повышается эффективность поиска решений. По сравнению с проце-

дуральной частью, статическая база знаний у них мала. Она содержит

не «неизменные аксиомы», а лишь так называемые «утверждения», кото-

рые приемлемы в данный момент, но могут быть изменены или удалены

в любое время

[158].

Общие знания и правила вывода представлены в ви-

де специальных целенаправленных процедур, активизирующихся по мере

надобности.

Процедуры могут активизировать друг друга, их выполнение может

прерываться, а затем возобновляться. Возможно использование проце-

дур — «демонов», активизирующихся при выполнении операций введе-

ния, изменения или удаления данных.

Средством повышения эффективности генерации вывода в процеду-

ральных моделях является добавление в систему знаний о применении,

т. е. знаний о том, каким образом использовать накопленные знания для

решения конкретной задачи. Эти знания, как правило, тоже представля-

ются в процедуральной форме.

Главное преимущество процеАУральных моделей представления зна-

ний заключается в большей эффективности механизмов вывода за счет

введения дополнительных знаний о применении, что снижает их общ-

ность. Другое важное преимущество заключено в выразительной силе.

38 Глава 2.

Представление знаний

системах поддержки решений

Процедуральные системы способны смоделировать практически любую

модель представления знаний. Выразительная сила процедуральных си-

стем проявляется в расширенной системе вьшодов, реализуемых в них.

Большинство расширенных форм выводов может быть охарактеризо-

вано понятием «предположение об отсутствии» и сводится к схеме:

«Если А (предварительное условие) истинно и нет доказательств про-

тив В, то предложить В». Подобные правила оказываются полезными

в основном в двух случаях

[158]:

1) Неполнота знаний. Если в системе представления отдельные фак-

ты не представлены или не выводимы, правила вывода позволяют гипо-

тетически признавать их верными при условии, что в системе нет или

в ней невьшодимы доказательства противного.

2) Вывод в условиях ограниченности ресурсов. Из-за ограниченно-

сти ресурсов процессы вывода не могут завершиться, а должны быть

оставлены для получения результатов. В этом случае правила опредаляют

дальнейшее развитие системы.

Опыт применения интеллектуальных систем показал, что исполь-

зование только процедурального подхода не является достаточным для

построения больших и сложных баз знаний. Большая и сложная база

знаний, реализуемая с помощью процедурных методов, так же сложна

для понимания, как и крупная программная система в традиционной тех-

нологии решения задач на ЭВМ. В связи с этим чисто процедуральные

методы представления знаний применяются редко. В то же время эле-

менты процедурального подхода успешно используются в декларативных

методах, и обычно процедуральные методы представления знаний рас-

сматриваются с позиции расширения возможностей

fleKnapanjBHbix

[152J.

В группе декларативных методов представления знаний выделяются

логические и основанные на аппарате семантических сетей

2.1.4. Способы описания знаний

Перечислим наиболее известные способы описания знаний

[150].

2.1.4.1.

Логические модели

В основе моделей такого типа лежит понятие формальной системы,

задаваемой четверкой вида М = (Т, F, А, R}. Множество Т есть множе-

ство базовых элементов различной природы. Важно, что для множества Т

сушествует некоторый способ определения принадлежности и не принад-

лежности произвольного элемента к этому множеству. Процедуру такой

проверки обозначим П{Т).

Множество F есть множество синтаксических правил. С их помо-

шью из элементов Т образуют синтаксически правильные совокупности.

Декларируется существование процедуры П{Р), с помощью которой

за конечное число шагов можно получить ответ на вопрос, является ли

совокупность X синтаксически правильной.

В множестве синтаксически правильных совокупностей выделяется

некоторое подмножество А. Элементы А называются аксиомами. Как

и для других составляющих формальной системы, должна существовать

2.1.

Проблема представления знаний 39

процедура П{А), с помощью которой можно для любой синтаксически

правильной совокупности получить ответ на вопрос о принадлежности

ее к множеству А.

Множество R есть множество правил вывода. Применяя их к элемен-

там А, можно получить новые синтаксически правильные совокупности,

к ко1Х)рым можно снова применять правила вывода из R. Так формирует-

ся множество выводимых в данной формальной системе совокупностей.

Если имеется процедура n(R), с помоип>ю которой можно определить

для любой синтаксически правильной совокупности является ли она

выводимой, то соответствующая формальная система называется разре-

шимой. Это показывает, что именно правила вывода являются наиболее

сложной составляющей формальной системы.

Для знаний, входящих в БЗ, можно считать, что множество А обра-

зуют все информационные единицы, которые введены в БЗ извне, а с по-

мощью правил вывода из них выводятся новые произвольные знания.

Другими словами, формальная система представляет собой генератор по-

рождения новых знаний, образующих множество выводимых в данной

системе знаний. Это свойство логических моделей делает их притягатель-

ными для использования в базах знаний. Оно позволяет хранить в БЗ

лишь те знания, которые образуют множество А, а все остальные знания

получать из них по правилам вывода.

Большие надежды возлагаются на использование в качестве логи-

ческой модели исчисления предикатов 1-го порядка. Однако некоторые

вопросы не могут быть решены в рамках обычного исчисления преди-

катов. Основная причина этого в том, что с точки зрения технологии

обработки информации исчисление тфедикатов и язык, основанный

на нем, не содержат достаточно развитого понятия структуры данных.

Для усиления выразительной мощности логической модели предлагается

использовать многоуровневую логику (Multi-Layer Logic)

[163].

2.1.4.2.

Сетевые модели

В основе моделей этого типа лежит конструкция, названная се-

мантической сетью. Сетевые модели формально можно задать в виде

Н = {I,Ci,..., Cjv, Г). Здесь / есть множество информационных еди-

ниц; С), Сг,..., Cff — множество типов связей между информационными

единицами. Отображение Г задает между информационными единицами,

входящими в /, связи из заданного набора типов связей.

Семантические сети являются наиболее общей моделью предста-

вления знаний, так как в них имеются средства для выполнения всех

пяти требований, предъявляемых к знаниям. Но такая универсальность

семантических сетей имеет и негативную сторону. Если допускать в них

произвольные типы отношений и связей, не являющихся отношени-

ями в математическом смысле (например, ассоциативные связи), то

сложность работы с таким образом организованной информацией резко

возрастет. Поэтому в БД второго поколения вводят ограничения на харак-

тер структур и типов информационных единиц, находящихся в вершинах

семантической сети, и на характер связей, задаваемых ее дугами.

40 Глава 2.

Представление знаний

системах поддержки решений

2.1.4.3.

Фреймовые модели

В отличие от моделей других типов, во фреймовых моделях фикси-

руется жесткая структура информационных единиц, которая называется

протофреймом. В общем виде она выглядит следующим образом:

(Имя фрейма:

Имя слота

(значение слота 1) Имя слота 2 (значение слота 2)

Имя слота К (значение слота К)

Значением слота может быть практически что угодно (числа или

математические соотношения, тексты на естественном языке или про-

граммы, правила вывода или ссылки на другие слоты данного фрейма или

других фреймов). В качестве значения слота может выступать набор сло-

тов более низкого уровня, что позволяет во фреймовых представлениях

реализовать «принцип матрешки».

При конкретизации фрейма ему и слотам присваиваются конкретные

имена и происходит заполнение слотов. Таким образом, из протофреймов

получаются фреймы-экземпляры. Переход от исходного протофрейма

к фрейму-экземпляру может быть многошаговым, за счет постепенного

уточнения значений слотов.

2.1.4.4.

Продукционные модели

В моделях этого типа используются некоторые элементы логических

и сетевых моделей. Из логических моделей заимствована идея правил

вывода, которые здесь называются продукциями, а из сетевых моделей

—

описание знаний в виде семантической сети. В результате применения

правил вывода к фрагментам сетевого описания происходит трансформа-

ция семантической сети за счет смены ее фрагментов, нараШивания сети

и исключения из нее ненужных фрагментов. Таким образом, в продукци-

онных моделях процедурная информация явно вьщелена и описывается

иными средствами, чем декларативная информация. Вместо логического

вывода, характерного для логических моделей, в продукционных моделях

появляется вывод на знаниях.

2.2.

Модели представления знаний

в системах поддержки принятия решений

2.2.1.

Логическая модель аредстаапения знаний

Среди логических моделей представления знаний получили наиболь-

шее распространение исчисление высказываний и исчисление предикатов

первого порядка

[187].

Исчисление высказываний в силу ограниченности

выразительных возможностей редко используется в современных интел-

лектуальных системах. Логика предикатов первого порядка, наоборот,

является наиболее часто применяемой логической моделью представле-

ния знаний. Логические модели обеспечивают простую и ясную нотацию

для записи фактов, обладающую четко определенной семантикой. Ка-

ждый факт представляется в базе знаний только один раз, независимо