В качестве примера для рассмотрения структуры баз знаний экспертных систем возьмем ESWin – программную оболочку для работы с продукционно-фреймовыми экспертными системами с возможностью использования лингвистических переменных. Описываемая программная оболочка предназначена для решения задач методом обратного логического вывода на основе интерпретации правил-продукций с использованием фреймов как структур данных, включающих в себя, в частности, лингвистические переменные.
База знаний состоит из набора фреймов и правил-продукций. Фрейм – это структура данных, состоящая из слотов (полей). Формат внешнего представления базы знаний (в текстовом файле) выглядит следующим образом:
TITLE = <название экспертной системы>
COMPANY = <название предприятия>
FRAME // фрейм
<описание фрейма>
ENDF
.
.
.
FRAME // фрейм
<описание фрейма>
ENDF
RULE // правило-продукция
<описание условий правила>
DO
<описание заключений правила>
ENDR
.
.
.
RULE // правило-продукция
<описание условий правила>
DO
<описание заключений правила>
ENDR
База знаний состоит из двух частей: постоянной и переменной. Переменная часть базы знаний называется базой данных и состоит из фактов, полученных в результате логического вывода. Факты в базе данных не являются постоянными. Их количество и значение зависят от процесса и результатов логического вывода.
До начала работы с экспертной оболочкой база знаний находится в текстовом файле,
в котором хранятся фреймы и правила-продукции (база знаний). При начале работы с програм-мной оболочкой наличие данного файла обязательно. Этот файл создается пользователем с помощью специального редактора или вручную.
В другом файле с расширением хранятся факты, полученные в процессе логического вывода (база данных). При начале работы с программной оболочкой наличие данного файла необя-зательно. Файл с базой данных создается программной оболочкой в процессе логического вывода.
При работе с программной оболочкой фреймы и правила-продукции, находившиеся в файле с базой знаний, остаются неизменными. Факты, находившиеся в файле с базой данных, могут изменяться в процессе логического вывода (появляться, удаляться или менять свое значение в результате срабатывания правил-продукций или диалога с пользователем).
Пример базы знаний:
TITLE = для выбора метода представления знаний
FRAME = Цель
Метод представления знаний: ()
ENDF
FRAME = Тип
Решаемые задачи: (диагностика; прогнозирование)
ENDF
FRAME = Область
Применение [Какова область применения?]: (медицина; экономика)
ENDF
FRAME = Действие
Сообщение: ()
ENDF
RULE 1
= (Область.Применение; медицина)
= (Тип.Решаемые задачи; диагностика)
DO
= (Метод представления знаний; Правила-продукции с представлением нечетких знаний) 90
ENDR
RULE 2
= (Область.Применение; экономика)
= (Тип.Решаемые задачи; прогнозирование)
DO
= (Метод представления знаний; Фреймы) 100
= (Метод представления знаний; Правила-продукции с представлением нечетких знаний) 70
= (Метод представления знаний; Семантические сети) 70
MS (Действие.Сообщение; Доказано правило 4)
ENDR
Фреймы используются в базе знаний для описания объектов, событий, ситуаций, прочих понятий и взаимосвязей между ними. Формат внешнего представления фреймов (в текстовом файле) выглядит следующим образом:
FRAME (<тип фрейма>) = <имя фрейма>
PARENT: <имя фрейма-родителя>
OWNER: <имя фрейма-владельца>
<имя слота 1> (<тип слота>) [<вопрос слота>?]: (<значение 1>; <значение 2>; ... ; <значение k>)
<имя слота 2> (<тип слота>) [<вопрос слота>?]: (<значение 1>; <значение 2>; ... ; <значение l>)
<имя слота n> (<тип слота>) [<вопрос слота>?]: (<значение 1>; <значение 2>; ... ; <значение m>)
ENDF
Фрейм может принадлежать к одному из трех типов фреймов:
– фрейм-класс (тип описывается зарезервированным словом “класс”);
– фрейм-шаблон (тип описывается зарезервированным словом “шаблон”);
– фрейм-экземпляр (тип описывается зарезервированным словом “экземпляр”).
В базе знаний содержатся фреймы-классы и фреймы-шаблоны. При создании базы знаний тип фрейма-класса можно не описывать, этот тип фрейма понимается по умолчанию. Явно следует описывать только тип фрейма-шаблона.
В базе данных хранятся только фреймы-экземпляры. Так как для хранения фреймов-экземп-ляров используется специальный файл, явно их тип в этом файле также можно не описывать. (Описание типов фреймов-классов и фреймов-экземпляров используется по преимуществу во внутреннем представлении базы знаний и базы данных.)
Тип слота может принадлежать к одному из трех типов: символьный, численный, лингвисти-ческий. Описание типа слота определяет тип возможных значений слота. Обязательным является описание типов слотов численного (описывается зарезервированным словом “численный”) и лингвистического (описывается зарезервированным словом “лп”). Слот без описания типа понимается как символьный по умолчанию.
Напомним, что понятие “база знаний” ведет свое происхождение из систем искусственного интеллекта. В этих системах базы знаний генерируются для экспертов и систем, основанных на знаниях, в которых компьютеры используют правила вывода для получения ответов на вопросы пользователя. По мере усложнения АИС, многие методы, которые ранее использовались только в исследовательских целях, находили свое место в разработках организационно-технических систем. Методы и средства “управления знаниями” в настоящее время стали применяться в АИС различного назначения, в том числе в производстве, экономике, коммерческих и финансовых приложениях.
В таких системах под управлением знаниями понимается установленный в организации формальный порядок работы с информационными ресурсами для облегчения доступа к знаниям и повторного их использования с помощью современных информационных технологий. Основная цель – сделать знания доступными и повторно используемыми на уровне всей организации.
Ресурсы знаний различаются в зависимости от отраслей индустрии и приложений, но, как правило, они включают руководства, письма, новости, информацию о заказчике, сведения о конкурентах и данные, накопившиеся в процессе работы. При этом используются разнообразные технологии:
– электронная почта;
– базы и хранилища данных;
– системы групповой поддержки;
– броузеры и системы поиска;
– корпоративные сети и Internet;
– экспертные системы и системы баз знаний.
Традиционно проектировщики АИС ориентировались лишь на отдельные группы пользователей – главным образом, менеджеров. Такие системы содержат набор инструментальных средств для нисходящего доступа к базам данных, информация в которых необходима для поддержки принятия решений в процессе управления. Более современные системы проектируются в расчете на целую организацию. Очевидно, что когда все данные содержатся в едином хранилище, изучение связей между отдельными элементами данных может быть более эффективным, а результатом анализа становятся новые знания, скрытые в анализируемых знаниях.
Если хранилища данных содержат в основном количественные данные, то хранилища знаний ориентированы в большей степени на качественные данные. Знания генерируются из следующих источников:
– баз и хранилищ данных;
– рабочих процессов, статей и новостей;
– внешних баз данных, в том числе Web-страниц и др.
Хранилища знаний обычно распределены по большому количеству серверов. Базы знаний могут содержать руководства и правила проектирования, спецификации и требования.
Другим распространенным приложением является база знаний кадровых ресурсов, содержащая данные о квалификации и профессиональных навыках сотрудников, об образовании, перечень специальностей, сведения об опыте работы и т.д.
Получили развитие обучающие базы знаний. Например, обучающая база знаний агентства безопасности может содержать три типа уроков: информационные, уроки успеха и проблемы.
Информационный урок может описывать, как служащий принимает на себя временные обязанности в случае опасности. В “Уроках успеха” приводится позитивный опыт разрешения трудной ситуации. В “Уроках по проблемам” показаны примеры типичных ситуаций возникно-вения ошибок и возможные пути их устранения.