Scientific journal
Fundamental research
ISSN 1812-7339
"Перечень" ВАК
ИФ РИНЦ = 1,674

Острейковский В.А., Булгаков К.Н., Микшина В.С.
В современной теории искусственного интел­лекта (ИИ) в основе методов представления знаний (ПЗ) и представления умений лежат два аспекта ин­формационного ресурса:
  • математическая формализация или логиче­ская полнота рассматриваемого информационного объекта;
  • когнитивный подход - понимание (воспри­ятие/интерпретация) процесса осознания человеком знания.

В результате разработаны следующие известные модели представления знаний (МПЗ):

  1. Алгоритмическая модель представления зна­ний.
  2. Продукционная модель представления зна­ний.
  3. Семантические сети.
  4. Фреймовая модель представления знаний.
  5. Логическая модель представления знаний.
  6. Нечёткая логика представления знаний.
  7. Объектно-ориентированная модель представ­ления знаний.
  8. Гибридные модели представления знаний.

Наибольшее распространение при практических разработках в области искусственного интеллекта получили 2, 3, 4 МПЗ, а также особое место заняла 8-я МПЗ благодаря 7-ой МПЗ. Именно поэтому специа­листам в области знаний при разработке интеллекту­альных систем приходиться выбирать ту или иную МПЗ, что ставит перед проектировщиками знаний ряд вопросов, при разработке которых требуется деталь­ная проработка и обоснование, например:

  • На основе каких критериев выбрать МПЗ?
  • На основе каких критериев оценить эффектив­ность реально действующей на производ­стве МПЗ?
  • Как оптимизировать представление знаний в конкретной предметной области?
  • Как быть если необходима интеграция с дру­гими продуктами, в которых реализована другая МПЗ?

Однако главным недостатком существующих моделей представления данных является сложность их сопровождения из-за ограничения объёма опера­тивной памяти человека. Или если МПЗ упрощается, то это ведёт к невозможности отображения всей пол­ноты реальных связей сущностей в пульмонологии или любой другой предметной области.

Все эти вопросы напрямую связаны с критериями эффективности МПЗ, однако до сих пор эти критерии оценки эффективности МПЗ не формализованы. Что подталкивает к выводу о разработке критериев эф­фективности МПЗ применительно к таким задачам здравоохранения, как поддержка принятия решения врачом-пульмонологом по заболеваниям органов ды­хания, РДСН, венозное расширение вен и т.д..

Постановка задачи. Введём новое понятие - обобщённая модель представления знаний (ОМПЗ). ОМПЗ - это математическая модель, позволяющая при наличии хотя бы одного описания метода пред­ставления знаний предметной области (с первого по восьмой МПЗ включительно) получить все другие модели представления знаний того же знания пред­метной области. Данная ОМПЗ необходима в первую очередь для оптимального применения тех или иных преимуществ МПЗ по наиболее важным критериям эффективности в какой-либо отдельно взятой пред­метной области. Что позволит получить на выходе существенное снижение затрат по сопровождению баз знаний в каждой проработанной таким образом пред­метной области - интеллектуальной системы под­держки принятия решения врачом. Рассмотрим по­следовательное развитие ОМПЗ:

  1. Разработка структуры и алгоритма взаимодей­ствия ОМПЗ с каждой формализованной МПЗ, которая позволяет отобразить адекватное со­держание в себе всех недостающих видов МПЗ. На­пример: структура данных ОМПЗ не должна содер­жать в себе повторяющихся данных значительных по объёму. Следовательно, ОМПЗ в ядре должна иметь гибкую структуру связей сущностей и содержать в себе описания всех возможных видов связей.
  2. Разработка критериев оценки эффективности представления знаний (КО ПЗ) конкретно по каждому виду модели представления знаний. Например: объём информации (или памяти) необходимый для отобра­жения сущности связей или бизнес процесса, количе­ство связей предикатов разного порядка и т.д..
  3. Разработка модели оценки (МО) ОМПЗ на ос­нове предъявляемых критериев в разрезе жизненного цикла программного продукта (т.е. эффективность затрат по сопровождению баз знаний в результате интенсивного изменения/пополнения знаний). На­пример: эффективность представления знаний (коли­чество состояний в каждой МПЗ), эффективность сис­темы хранения, эффективность поиска этих знаний и т.д.
  4. Разработка алгоритмов для оптимизации ОМПЗ (формируется на основе МО ОМПЗ) и пред­ставления ситуационной гибридной оптимизирован­ной МПЗ (ОПМПЗ), представляющей из себя непо­средственно ситуационную гибридную оптимизиро­ванную МПЗ. ОПМПЗ может быть вовсе не гибрид­ной ОМПЗ, а монолитной МПЗ, например чисто про­дукционной. ОПМПЗ в процессе ЖЦ при необходи­мости может снова обрабатывается алгоритмами ОМПЗ для получения моментальной ОПМПЗ для данной предметной области. Например, так из компи­ляционного кода конкретной предметной области МПЗ могут быть убраны неиспользованные коньюк­ции.
  5. Разработка алгоритма реализации принятия решения о необходимости оптимизации МПЗ. Меха­низм, реализующий такой алгоритм в динамике ИИ можно назвать агентом статистических критериев МПЗ (АСК МПЗ). АСК МПЗ основывается на сборе статистических данных о базах данных, знаний и умений и сравнивается с критериями по оценке опти­мальности предъявляемыми к конкретной ОПМЗ.

Методы решения поставленной задачи. Глав­ными факторами при выборе метода решения постав­ленной задачи является наличие формализованных МПЗ и выбор математический аппарат. Выбор мате­матического аппарата возможен из уже существую­щих подходов, таких как теория множеств, теория графов, иерархические методы и др. В случае отсут­ствия подходящего математического аппарата возни­кает необходимость его разработки заново.

Заключение. Предложенные последовательные направления развития моделей представления знаний могут значительно облегчить проведение системного анализа систем искусственно интеллекта. Это отно­ситься к стандартам хранения и обработки информа­ции: базам данных, знаний и умений, но и может при­вести к пересмотру концепции построения аппарат­ных средств хранения, передачи и представления пе­редачи информации в интеллектуальных системах.

Литература

  1. Словарь по кибернетике: Св. 2000 ст. /Под ред. В.С. Михалевича. - 2-е изд. - К.: Гл. ред. УСЭ им. М.П. Бажана, 1989. - 751 с.
  2. В.И. Юнкеров, С.Г. Григорьев Математико-статистическая обработка данных медицинских ис­следований. - М:, Элби, 2002, 226 стр.