SE20101110014

SE20101110014



Rozdział 2

Baza wiedzy systemu eksperckiego

Na etapie analizy problemu inżynier wiedzy wraz z ekspertem (ekspertami) ustalają sposób, w jaki wiedza (ang. knowledge) bedzie przechowywana w systemie. Formalne metody pozyskiwania wiedzy od ekspertów są wciąż doskonalone (patrz rozdział 3). Dużą role odgrywa doświadczenie inżyniera wiedzy i współpraca z ekspertami. W niniejszym rozdziale przedstawione są elementy bazy wiedzy, metody reprezentacji wiedzy (reguły, sieci semantyczne, trójki: <obiekt, atrybut, wartość>, ramy) oraz sposoby reprezentacji informacji niepewnej i niepełnej.

Specjaliści spierają się o definicje wiedzy. Na pewno nie wystarczy mówić o danych albo o informacjach, a wiec pojęciach dobrze określonych i znanych. Wiedza obejmuje dodatkowo takie właściwości intelektu człowieka, jak zdolność do aktywnej modyfikacji zbioru znanych pojęć, kierowanie się zdrowym rozsądkiem czy znajdowanie analogii w znanych informacjach. Można więc przyjąć, że wiedza to informacje potrzebne do tego, aby działanie systemu można było uważać za inteligentne.

2.1. METODY REPREZENTACJI WIEDZY

Jednym z obszarów działalności inżynierii wiedzy jest reprezentacja wiedzy (ang. knowledge representation) dla potrzeb systemów eksperckich. Istnieje ścisły związek pomiędzy reprezentacją wiedzy, konstrukcją bazy wiedzy a procedurami przetwarzania. Mimo że badania nad reprezentacją wiedzy trwają od początku prac nad sztuczną inteligencją, ciągle nie opracowano metod reprezentacji wiedzy i sposobów ich stosowania w pełni zadowalających inżynierów..    ...    .    ' .r.. ■■

—    reguły (ang. rules);

—    sieci semantyczne (ang. semantic networks);

~ trójki: <obiekt, atrybut.. wartość> (ang. triplets);

—    ramy (ang. frames).

Reguło wa reprezentacją wiedzy jest jedną z najstarszych metod reprezentacji wiedzy, a jednocześnie najbardziej popularną.1 Wykorzystuje ona formalne zapisy i twierdzenia logiki. Reguły zapisywane są w następującej postaci:

JEŻELI; Fakt 1 i Fakt 2 i... i Fakt n' TO Konkluzja.

Oznacza to, że jeżeli prawdziwe są przesłanki reguły (Fakt 1, Fakt 2,..., Fakt n), to prawdziwa jest także Konkluzja. J Przykładowa postać reguły:

JEŻELI    zasilanie _jest_wdączone    i    .    •

akumulator_sprawny    i

poziom_oleju_prawidłowy i . alarm_wyłączony TO

brak_benzyny.

Inną postacią reguł są tak zwane reguły działania, które jako konkluzje zawierają opis postępowania w przypadku spełnienia jej przesłanek, na przykład:

JEŻELI    ustalono_program_prania    i

uzupełniono_wode    i

zamknięto_poj emnik    i

włączono_start_pranie    i

pralką_nie_wykonuje_programu

10

włącz_wtyczkę_do_kontaktu.

Jak już wcześniej wspomniano, w bazie wiedzy systemu, oprócz wiedzy nabywanej przez system, istnieje wiedza (metawiedza) opisująca sposób zachowania sie systemu na przykład w trakcie procesu wnioskowania. Może ona mieć postać:

27

1

Dane szacunkowe mówią, że około 80% systemów eksperckich zbudowanych jest z wykorzystaniem tej metody reprezentacji wiedzy.


Wyszukiwarka

Podobne podstrony:
SE20101110012 1.3. NARZĘDZIA WSPOMAGAJĄCE BUDOWĘ SYSTEMÓW EKSPERCKICH Wraz z rozwojem sztucznej int
VII. Przedmiotowy system oceniania Istnieją różne możliwości przyjęcia systemu oceniania na I etapie
Obraz1 Rozdział 9. Narzędzia pomiaru pozycji społecznej w Polsce nia przy kodowaniu danych i na eta
podejście systemowe przeprowadzana na bieżąco analiza efektywności omawianych aktualnie składników
Temat projektu dyplomowego inżynierskiego TeamRiskAid - System komunikacji na temat ryzyka i problem
SE20101110007 Rozdział 1Budowa systemów eksperckich Mimo że do tej pory nie udało się stworzyć form
Rozdział 1Cel projektu Celem projektu jest zbadanie wpływu rozwoju systemów eksperckich na rozwój
Slajd10 (64) STRUKTURA INFORMATYCZNA SYSTEMU EKSPERTOWEGO EDYTOR BAZY WIEDZY Plik wvkonvwalnv (Skoru

więcej podobnych podstron