Базы Знаний, организационные и технологические аспекты

МИНИСТЕРСТВО  ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ

ФЕДЕРАЦИИ

Государственное образовательное учреждение высшего  профессионального образования

«САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ  УНИВЕРСИТЕТ

ЭКОНОМИКИ И ФИНАНСОВ»

 

Факультет «Экономики труда  и управления персоналом»

Кафедра «Социологии и  управления персоналом»

 

Реферат

По дисциплине «Информационные технологии управления персоналом»

На тему: «Базы Знаний, организационные и технологические аспекты»

 

 

Выполнил: студент 444 группы

Панов Максим Сергеевич

Научный руководитель:

к.э.н., доцент С. А. Перешивкин

 

Санкт-Петербург

2013г.

Содержание

 

Типы знаний и их виды    

1. Разные типы знаний.   

2. Виды знаний в существующих системах.  

3. Методы использования знаний и доступ к ним.   

4. Плюсы и минусы продукционных систем 

5.  Метазнание

6. Метазнание объектов окружающего мира

Заключение 

 

 

Разные типы знаний и их виды

 

   В данное время главной миссией исследований в области ИИ является создание таких

систем, которые, с одной  стороны,  могут  использовать  значительное  количество

знаний, передаваемых им специалистами, а с другой  -  способны  вступать  в

диалог и  разъяснять  свои  выводы.  Это предполагает  присутствие

эффективного управления значительной по объему и хорошо структурированной базой

знаний, строгое разграничение  между  различными  уровнями  знаний,  наличие

множества благоприятных представлений для правил, схем предикатов или прототипов

и  четко  назначенный  процесс   обмена   информацией   между   различными

источниками.

 

   Нужно, чтобы система знала, что она знает. Если попробовать провести

аналогию с людьми, то подобное метазнание обозначает непрерывное применение

в течение жизни информации о каждом прожитом дне. Если, к примеру, вы позабыли

фамилию и отчество своего преподавателя, встреченного на ярмарке, то ваше метазнание состоит в том,  что

либо вы его фамилию и отчество знали, но  забыли,  либо  никогда толком то и не  знали.

Тем более, мы непрерывно используем важные эвристические правила,  основанные

на подобном метазнаний, такие, как "если бы это была правда, то  я бы  это

знал". Они зависят от двух значительных параметров:  значимости  имеющего  к ним

отношения  факта  и  степени  нашей  собственной  компетентности  в  данной

области. В реальности любое человеческое  знание  сразу же  призывает

метазнания, связанного с тем местом, которое мы отделяем  данному знанию  в

ряду другой информации, как мы к нему относимся, для каких  целей  оно  нам

полезно, к какому семейству  принадлежит. Все эти моменты  разбираются  в

следующих разделах, посвященных описанию настоящих информационных систем.

 

1. Различные виды знаний

    Отметим восемь основных типов знаний по следующим признакам.

      1)  Базовые   элементы,  объекты  реального   мира.   Они   связаны   с

         прямым восприятием, не требуют обсуждения, и прибавляются

         к нашей базе фактов в том  виде, в котором они приняты.

 

      2) Ратификации и дефиниции. Они базируются на сновных элементах

         и заблаговременно рассматриваются как достоверные.

 

      3) Концепции.  Они представляют собой  перегруппировки   или  обобщения

         базовых объектов. Для  строя  всякой  концепции используются

         личные приемы. Например, в системах  МЕСНО (Bundy,  1979)  или AM

         (Lenat, 1977) они выстроены на базе  примеров,  контр-примеров,

         личных случаев, наиболее тотальных или похожих концепций.

 

      4) 4) Отношения.  Они  формулируют  как нетрудные  свойства  базовых

       элементов,  так и отношения между концепциями.  Кроме того, к

      свойствам  отношений относят их большее или меньшее правдоподобие,

       большая  или меньшая связь с данной  ситуацией. Еще  раз  заметим,  что

       представление   знаний  в  экспертных  системах  близко   к   моделям,

       используемым  в базе  данных.  Таким путем выстроена   реляционная

       (обобщенная) модель базы данных  в  системах  OPS,  PROLOG,  SNARK  и

       TANGO.

         Пара понятий "свойство - значение" (relationship -  entity)  хорошо

      знакома в семантических сетях; фреймы  и скрипты проявляются  не  чем

      иным,  как   наиболее  простыми   бинарными   отношениями.   Некоторые

      экспертные  системы  (INTERNIST,  BAOBAB,  SPHINX)  в   качестве  базы

      факторов  используют уже базы существующих  данных.

 

   5) Теоремы и правила  перезаписи. Они являются личным случаем

      продукционных  правил с совершенно определенными свойствами.  Теоремы не

      играть роли   без экспертных правил  их  использования.

      Очевидное присутствие теорем в экспертных системах  представляет  главное

      отличие  от систем управления классическими  базами  данных  (СУБД),  в

      которых  они либо отсутствуют, либо  программируются.  Модификация   или

      добавление  новых  теорем  является   весьма   трудоемкой,   хотя   и

      нужной   процедурой,   так   как   необходимо   обеспечить    хорошее

      структурированное  управление базой данных и  оптимизировать  получение

      ответов  (Gallaire, 1987).

 

   6) Алгоритмы решений.  Они нужны для выполнения определенных  задач.

      Во всех  эпизодах они связанны  со  знанием необычного  типа,  поскольку

      определяемая  ими последовательность действий  оказывается  оформленной

      в блок  в строго необходимом порядке  в отличие от других типов  знания,

      где элементы  информации могут появляться  и  располагаться  без   отношения

      друг с  другом.

         Несомненно,  очень трудно  работать  с длинными   процедурами,

       состоящими  из  значительного  числа различных действий. Использование

       чистых  алгоритмов ограниченно весьма частными случаями, высокая  часть

       которых  имеет дело  с  обработкой  числовой  информации.  Человек   же

       обязан  уметь работать  со  многими иными  типами  информации   и

       выясняется, что ЭВМ в отличие от элементарного калькулятора может помочь

       человеку  в подобных неалгоритмических  ситуациях.

    7)      Тактика и эвристика. Этот тип играть роль  врожденных

        или  приобретенных правил поведения, которые дозволяют в данной

        конкретной ситуации принять решение о необходимых деяниях. Он

        применяет информацию в порядке, обратном тому, в котором она была

        добыта. В качестве примера приведем  рассуждение типа:  "Я

        знаю, что это действие приводит  к такому-то результату  (информация

        типа 4), поэтому, если я хочу добыть именно  этот  результат,  я

        могу  проанализировать это действие". Человек стабильно  пользуется  этим

        типом  знаний при восприятии, формировании  концепций, решении  задач

        и  формальных рассуждениях.

           Появление экспертных систем  связанно с нуждой принятия  в

         расчет именно этого фундаментального  типа человеческих знаний.

 

    8)      Метазнание. Несомненно, оно есть на большинстве уровнях и

        является знанием того, что известно и определяется  значением

        коэффициента  доверия  к  этому   знанию,   значительность   простой

        информации  по взаимоотношению ко всему множеству знаний. Так же, сюда

        ввергают вопросы организации произвольного типа  знаний  и указаний,

        когда,  где и как они могут быть использованы.

 

2. Представления знаний в имеющихся системах. ………………………………………

     Продемонстрируем короткий список наиболее доступных  в настоящее время

методов. Главное отличие между ними состоит в простоте модификации

знания. ……………………………………………………………………….

      К тому  же, конечные автоматы, программы,  исчисление  предикатов  и

  системы  с  продукционными  правилами   с   теоретической   точки   зрения

  одинаковы,  потому что  их  в принципе  можно   свести   к

  универсальной машине  Тьюринга, но их  "эксплуатационные  характеристики"

  сильно различаются.

      Подобные формальные понятия, как фреймы;  скрипты,  семантические сети,

  появились из настоящих потребностей  искусственного  интеллекта  и дают

  значительную помощь в понимании языка.

      Фреймы  предложены Минским в  1975  г.  и  являют  собой  сложные

  структуры  данных,  описывающих  какую-нибудь  типичную  ситуацию,  например

  ожидание в вокзале или участие в деловом  обеде.  Фрейм состоит из

  позиций для размещения  объектов, характеризующих данную  ситуацию.  Позиция

  может быть отдана другому фрейму. Так же, он хранит  информацию  о

  выполняемых  действиях,  о  том,  как  следует   поступать  в  типичных   и

  нетипичных случаях, о воздействии смежных фреймов. ………………………………

      Скрипт  или схема представляет собой   описание  стереотипного  сценария

  действий с участием  определенных  объектов.  Скрипты   связаны  с  текущей

  культурой и необходимым для понимания таких предложений, как "Я вошел в

  ресторан, официантка  принесла мне меню". Они могут  вызывать

другие скрипты и обладают большими, чем фреймы, возможностями  для  описания

динамических аспектов знания. ………………………………………………………

      Семантические  сети -  это  графы,  которые   нередко  являют  собой

соединение двух предыдущих понятий и объектом описания,  которых являются

элементы окружающего  мира и связи между ними.  Они  находят  много общего  с

реляционными моделями баз  данных. …………………………………………………………..

      Изображения  и графы результативно используются для доказательства теорем.

Они дают большую помощь в проверке отсутствия зацикливания  этапов,  в

полном и эффективном  хранении задачи в памяти, в  организации  ввода  новых

элементов.

 

3.   Способы использования  знаний и доступ к ним.

 

  Существуют четыре способа употребления простой информации  в форме p(q.

   Примером этого может служить "каждое существо ошибается".

      Наиболее простой  способ  состоит в открытом  использовании его

   смысла в формулировках  типа:

      "Что то ошибается, и я могу доказать, что это что то - существо".  Другой

   способ,  использующий  метазнание  и обратный  ход мыслей,  заключается  в

   следующем:

      "Допустим, я хочу привести доказательства,  что что-то  ошибается,  то  вероятная 

   подцель состоит в том, чтобы показать, что это  что-то  -  существо".  Два первых

   способа используют  модус  поненс,  два следующих используют  отрицание

   предложения q и модус толенс:

   а) "Если что-то не ошибается, оно не может быть существом".  Б)  "Допустим,  я

   хочу доказать, что  что-то не является существом,  то  я могу  попробовать

   представить, что оно не ошибается". …………………………………………………….

     Заметим, что принцип решения и, в частности, использующий его язык

   Пролог используют один  формальный  подход  к описанию  этих  способов

   Вывода.……………………………………………………………………………..

      С  практической  точки  зрения  использование   информации  зависит  от

   параметров, характеризующих ее правдоподобие. Каждая система

   обработки информации  должна быть в состоянии ответить  на  такие  вопросы

   как:

   •   Какая доля утверждения А является правдой? ....................................

1. С каким уровнем категоричности знаток согласен с заключением?

2. Какова допустимая вероятность достижения цели с использованием А?

3. В какой границе следует проявить предпочтение А перед другими?

 

      Отдельные системы, основанные на продукционных правилах,  используют

   процессы приближенного  вывода, учитывающие эти обстоятельства.  Системы,

   применяющие продукционные  правила, описаны  выше.  В   следующем  разделе

   представлено возможное различие между этими системами и подходом  к решению

   этих  же  проблем с помощью логики  первого порядка,  отмечены  также

   преимущества и  недостатки подобного моделирования  знаний.

 

4. Преимущества и недостатки  продукционных систем

 

  Начну с недостатков. Выделим из них три главных,  с  которыми  объединены

  определенные ограничения,  покоящиеся в основе используемого формализма.  Они

  причисляются к концепции, формулировке и использованию правил.

 

1. Трудность   составления   продукционного   правила,    соответствующего

    элементу знания. Необходимо, чтоб анализируемая область

    уже была довольно изучена и установлены хорошие примитивы,

   а так же чтобы уровень детализации не был слишком подробным, иначе по-

    требовалось бы  иметь по   одному   правилу   на каждую ситуацию

    и неясно, как:  человеку удалось бы разобраться в таком обилии информации.

2. Трудность записи правила.  Единый формат записи ЕСЛИ ТО-

    приводит к  громоздким выражениям в левой  части и повторению

    тех   же   результатов   в   похожих ситуациях; с его помощью сложно вы-

    разить трудные правила. Но мы видим, что жесткий синтаксис,

    громоздкие записи  представляют и определенные  преимущества.

    Во многих случаях проблема «поймать знания» остается главной при

    написании экспертной системы. Трудности использования связанные    не  с

    самими   правилами,  а с единой системой их связи.  При этом база  фактов

    играет роль  кратковременной памяти, которая  реально смоделирована     в

    разработанной    Ньюэллом     системе «познавательной

    психологии»  PSC.  В  ней воспрещен взаимный прямой вызов одного правила

    из другого,  и она несподручна для выполнения     алгоритмов    в простом

    смысле   слова.   Но именно благодаря ей система в любой  момент

    времени абсолютно знает, что она вырабатывает и что она знает.

К преимуществам относим следующее. ………………

  1. Модульность.  Системы  устроены  так,  что каждая  единица  информации.

    может  быть  стерта, поменяна  или добавлена автономно  от  всех

    остальных.  Сведения  вводятся  беспорядочно,   как   в   словаре   или

    энциклопедии.  Практика  показывает,  что   это  является   непосредственным

    способом пополнения  своих знаний для эксперта. ………

    Как   ни   странно,   многие   американские   авторы    (Дэвис,

    Ньюэлл, Куинлан, Стэфик) нарушают это правило,  т.е.  проблема

    реорганизации   разрешается   у   них   достаточно плохо.……

  2.  Модифицируемость.  Если  прибавляется  или изменяется  какое-либо

    правило, то  все, что было уже сделано  прежде, остается в силе и к новому

    правилу  не  имеет отношения.  Таким образом,  каждое   изменение   обладает

    свойством аддитивности и локальности.

      В различие от этого в процедурных программах  сходные  взаимодействия

    ограниченны, всякая модификация является  бессмыслицей  и может привести  к

    непредвиденным  результатам.

 

  3.  Доступность чтения.

1. Для нас это преимущество, безусловно, имеет  место.  Как   уже  сообщалось

прежде, наше личное знание  является  модульным,  потому  продукционные

системы нам  выглядят  более близкими,  более доступными  для чтения.

Этим    преимуществом  нельзя пренебрегать,  поскольку  данные  системы в

первую очередь уготовлены для врачей, биологов, архитекторов и т. д.  Во

многочисленных сферах реально существуют  добавляемые знания  и соответствующие

базы правил.   (К примеру, автоматизированные экспертные обучающие системы.)

2. Для     машины. Более элементарной     проверке     поддается    база  знаний,

переданная в форме правил, а не  в форме процедур.  Противоречия  или

избыточность в действительности легко определяется с помощью  синтаксической

обработки:

А(В(С и  А(В((С  одновременно  невозможны;  из  D(E(F(G  следует  E(F(G   с

помощью "подпосылки";

  подобным образом, первое правило является ненужным.

Может  быть  также  обнаружена   семантическая   несогласованность:   А(В(С

  неприемлемо, если  по определению и из свойств  А  и В с необходимостью

  А((В.

  4.  Способность к  самообъяснению. Это качество соединено сразу  и с

правилами,  и  с  их  структурами  наружного   управления.   Система   легко

прослеживает цепочку  правил, которую она использовала для получения вывода,

так же как и использовавшиеся метаправила.

   Одинаковое представление знания, устанавливаемое определенным форматом,

позволяет создавать модели правил, которые разрешают  получить  ответы

на отдельные вопросы и предусмотреть значительную  часть изменений, в  случае

нахождения ошибки в базе данных.

   5. Эффективность.  Практика показала эластичность и осведомленность таких

систем,  как  MYCIN,  PROSPECTOR  и  R1.  Эти  системы  являются   уже   не

лабораторными игрушками, а  высокопроизводительными устройствами. Они

оказались довольно действенными и терпят  сравнение с  процедурными

системами во многих сферах, примеры которых приведены,  в частности,  в

работе (Rychener, 1978).

   Их структура управления  разрешает  принимать в расчет  многочисленные

 параметры, характеризующие  ситуацию.  Причина  результативности  продукционных

 правил заключается  в том, что эти правила   учитывают  определенные  данные  в

 любом случае.

5. Метазнание

  Метазнание  являет  собой  всякое  знание  о знании.  Оно является

фундаментальным понятием для  систем, которые не только используют свою базу

знаний такой, как она  есть,  но  и  могут  на  ее  основе  вырабатывать  выводы,

структурировать ее, абстрагировать,  обобщать,  а  также  решать,  в  каких

случаях она может быть необходима. Введение знаний в систему является  задачей не

только специалистов в  данной сфере, но и самой системы,  которая обязана

распоряжаться этим процессом.

 

6. Метазнание объектов окружающего мира

   Решение вопросов,  связывающих крупные  объемы  знаний,  требует умения

 обращаться с весьма трудными и очень  разнообразными  типами  данных,  как по

 содержанию, так и по  согласованию с другими элементами  системы.  Необходимая

 информация обязана не только присутствовать в программных комментариях  и в

 мыслях разработчика, но и быть доступной самой системе.  Таким образом,  с

 любым элементарным  объектом  может быть  связано смысловое значение  —

 концепт. Например, в  системах МЕСНО и MYCIN каждый  из  концептов  содержит

 такую информацию:

 а) описательную часть,  которая уточняет характеристики  и структуру данных;

б)    указатель на все известные примеры концепта;

в)    связи с другими  различными концептами;

г)    указатель в  иерархии схем на группу концептов  того же семейства.

   Когда создается новое правило,  которое включает  слово или группу

слов,  незнакомых  системе,  она их  рассматривает  с   помощью   имеющихся

концептов, используя контекст  и  последовательность  слов  правила.  А так же,

если отдельные свойства известны из других примеров того же концепта,

то система  в состоянии спросить у пользователя  уточнения этого свойства

для этого случая. При нужде  она также находит  нарушения связи

между концептами.

   Данные системы имеют потенциал фиксировать все концепты одного и того

же иерархического уровня, изменение, внесенное экспертом в один из них,  и

оценивать  значимость  изменений,  добавленных  в  базу  данных,  если  в

установленную структуру добавляется новый пример.

   К тому же,  продукционные правила могут характеризоваться   моделями

правил.  Эти  модели  основываются  и   управляются   системой   и   учитывают

периодичность использования  правил. Они занимаются  проверкой  соответствия

между новым правилом и  базой, кроме того, собственно они свидетельствуют эксперту  на

главные тенденции массы правил даже тогда,  когда самих правил

эксперт не знает. Собственно, они богатеют с каждым новым примером  по  мере

роста множества правил. В системе МЕСНО, к примеру, сами выражения  задач

объединены с формой  метазнания.  Система устойчиво  пробует  разобрать  в

формулировке типовую ситуацию. Когда у нее получается,  она дополняет

множество фактов всеми физическими  гипотезами,  справедливыми  для  этого

случая.

 

Заключение

  Итак,  системы,  употребляющие   декларативные   базы   данных   и

продукционные правила, отношения, прототипы, схемы и семантические  сети  для

показа  и употребления  хранящихся  в   них   знаний,   раскрывают

реально  новый подход  к программированию,  который заключается   в

потенциале передачи  от  человека  к программе наиболее  легким  образом

знаний неупорядоченной структуры в свободных областях. Взаимодействие  с

экспертными системами протекает на декларативном  языке,  который, на самом деле,

предопределен  для   выражения   знаний.   Похожий   подход   показывается

абсолютно нужным  в сфере  искусственного  интеллекта,  и на  данной

базе уже созданы эффективные системы.

  Крайняя  незамысловатость  представления знаний  не  устанавливает  ограничений  

перед программистом или специалистом, даже наоборот, она призывает нас думать

как можно более непосредственным образом. Среди большинства преимуществ  

аналогичного изображения знаний, как мы  рассмотрели в разд.  1  и 2,  находится и

обсуждаемое в современных  работах одновременное решение  задач  и  понимание

естественного языка.

   К тому же,  экспертные  системы дают  в   наше   распоряжение

специализированные базы знаний:  система  PROSPECTOR  овладевает  знаниями  в

сфере геологии, MYCIN употребляется  для обучения  в медицине,  а PECOS

помогает в программировании.

  А так же, при исследовании данных систем становится бесспорным, что важнейшей

особенностью  нашего  интеллекта  является  способность  управлять  большим

объемом простых составляющих информации. Поэтому одним из  предметов

изучений в области искусственного интеллекта еще долго будут три

основные проблемы, уже встречавшиеся при рассмотрении  продукционных

систем. Они имеют касательство к элементарным действиям, связанным с обработкой

всякой информации:

   сформулировать —  запомнить — использовать

   • Сформулировать

   Мы неизменно  попадаем  в  новые  ситуации.  Прибывающий  к нам опыт

содержится, прежде всего, в способности абстрагироваться от этих ситуаций  и

обрисовать их с помощью общих представлений,  которые могут быть  элементами

обычного языка. Но во многих сферах этого мало, так  как обычно

 встречается много неточностей или вырабатывается чересчур  много ссылок  на

условия,  не  связанные с предоставленной  конкретной   ситуацией.   Любой

специалист  стабильно  совершенствуется  в своей сфере  и вырабатывает

личный жаргон.

   В  отдельных  книгах  нередко  имеются  советы  описывать ситуацию   и

 предпринимаемые действия  с весьма большой  степенью  детализации,  но  в

 данном эпизоде тяжело достигнуть необходимого эффекта обобщения. Становится 

трудно использовать всю скопленную информацию.

     Автоматический  поиск  концептов,  полезных  в  примитивных  ситуациях,

  абсолютно, возможен  (как это допустимо  и для наделенных  личностей),

  но, с нашей точки зрения,  в сфере  искусственного  интеллекта  в

  недалеком будущем этого ждать не следует.

    • Запомнить

     Запоминание  информации технически ограничено  и объединено, к тому же,

  с эффективностью  употребляемой информационной системы. Допустим  для удобства

  работы необходимо, чтоб элементы знания вводились в продукционные системы

  автономным образом, как это делается в словарях, то храниться они обязаны

  в упорядоченном виде. Правила, классифицированные в древовидные строения,

  являют собой сеть,  узлы  которой  показываются  моделями,  хранящими

  описание правил.

     К тому же, нужно, чтоб система умела инвертировать правила,  т.е.

  умела находить, в каких ситуациях предоставленное правило очутится  полезным.

  Инверсия — сложная операция, соединенная с обобщением,  и с ее  помощью

  реализовывается узнавание концептов, кратких дескрипторов  всех  вероятных

  ситуаций в  процессе  обработки  информации.  Для  того  чтоб  снизить

  издержки, объединенные  с инверсией,  порой  допускается лишний  расход

  памяти. Очевидно, что в интеллектуальных, эффективно работающих системах одна

  и та  же  информация  может  быть  изображена  в нескольких  разных

  форматах.

    • Использовать

    При доступе  к информации появляются проблемы распознавания конфигураций,

  которые применялись на предшествующем этапе для создания древовидных 

  строений, прямых и инверсных элементарных правил.

  Управление поиском осуществляется благодаря метаправилам и в более

  общем виде с помощью моделей знаний значительных величин,

  которые разрешают проводить распознавание в зависимости от  стратегии,

  объединенной с контекстом, и отсрочивать  выбор на  возможно  более долгое

  время.

    Многочисленные экспертные системы, созданные на продукционных правилах, в

  частности CRYSALIS, ARGOS II, POLITICS, OPS, TANGO, SNARK, уже

  включают элементы ответов на поставленные три вопроса. Этому содействует

  прежде всего резкое разделение между самим знанием и обработкой с

  помощью итерационной  интерпретации, которая разрешает четко разделить

  и анализировать эти  три проблемы.

    Так вот экспертные системы предлагают качественно новый подход к

  программированию. Из  двух основных управляющих структур — проверки и цикла

  —  они  составляют  только  первую,  которая   позволяет   достаточно   легко

  выражать простые факты для интерпретатора,  а также воспроизводить

  циклы наполнения  проверок  и  обработку.  Таким   образом,  ликвидируются  два

  неминуемых  изъяна  классического программирования:  последовательная

  цепь выполнения операций и приказной характер простых  инструкций.