SE20101110020

ków (przykładów), metody półautomatycznego pozyskiwania wiedzy określane są niekiedy trenpjwaniem (ang. training) systemu..    wht j.m ,;

Rys. 3.2. Półautomatyczne pozyskiwanie wiedzy

Maszynowe uczenie można podzielić na:

—    uczenie przez zapamiętywanie (ang. rotę leaming);

—    uczenie na podstawie instrukcji (ang. leaming by being told);

—    uczenie na przykładach (ang. leaming from examples);

—    uczenie przez analogie (ang. leaming by analógy).

Najbardziej zaawansowanymi metodami pozyskiwania wiedzy są metody autopiątyczne¹ (rysunek 3.3). Nie jest tu niezbędny udział eksperta .czy inżyniera.,wiedzy. Ekstrahowanie nowej wiedzy odbywa sie z wykorzystaniem wiedzy już wcześniej wprowadzonej. Nie ma wiec potrzeby kontaktu z otoczeniem .systemu. Procedury pozyskiwania wiedzy mogą działać autonomicznie, analizując wiedzę zgromadzoną w bazie wiedzy. Działanie tych procedur ukierunkowane jest głównie na wykrywanie i usuwanie redundancji oraz sprzeczności w bazie wiedzy. Wiedza pozyskana w sposób automatyczny jest na bieżąco wykorzystywana w pracy systemu (do rozwiązywania problemów).

	BAZA WIEDZY		NARZĘDZIA GENEROWANIA .: NOWEJ WIEDZY

Rys. 3.3. Automatyczne pozyskiwanie wiedzy

Doświadczenia uzyskane przy projektowaniu i budowie systemów eksperckich wskazują, że najbardziej efektywną formą pozyskiwania-wiedzy jest nrmli/ii przykładów i kontrprzykładów.^{2 3 4} Forma ta jest wykorzystywana w półwutńmatycznych metodach pozyskiwania wiedzy, aió zasadnicze znaczenie Mirt w odniesieniu do metod automatycznych. Przykłady są podstawą do indu-kt V}tu.j^o wyciągania wniosków ogólniejszych (tworzenia reguł), zaś zbiór |Hzyk ładów jest¹ wystarczającą podstawą do tworzenia nowej wiedzy (bez ffldnyth dodatkowych źródeł zewnętrznych). Jednak nowa wiedza nie musi być W pełni poprawna. Stąd zachodzi konieczność jej weryfikacji, w szczególności pupiv.cz konfrontację ze sprawdzoną wiedzą zgromadzoną już wcześniej w lyitiemie. ;'

Ink wspomniano, pozyskiwanie wiedzy urasta do roli jednego z ważniej* Mych problemów w dalszym rozwoju systemów eksperckich. Szczególnie łrwlody automatycznego pozyskiwania wiedzy (wciąż jeszcze najtrudniejsze,^: M#|*ł«biej rozwinięte) powinny być intensywniej doskonalone. Duże nadzieje W łym względzie są pokładane w sieciach neuronowych (patrz załącznik 2).

1.2, WYBRANE METODY POZYSKIWANIA WIEDZY

Różnorodność metod pozyskiwania wiedzy nie pozwala (ze względu na MM upłość miej sca) omówić dokładnie wszystkich. Skupmy się więc na ogólnej idłflinklrrystyce wybranych metod, najbardziej popularnych, o największym jtfwć/cn i u praktycznym.

Wywiad jest najczęściej wstępnym etapem pozyskiwania wiedzy. Sprowadził iię do rozmowy inżyniera wiedzy z ekspertem dziedzinowym. Wywiady ftióAim podzielić zasadniczo na dwie grupy: nlestrukturalne, strukturalne.

Wywiad niestrukturalny uważany jest na ogół za wywiad wstępny. Ekspert pic jr st ograniczany przez inżyniera tematyką wypowiedzi. Jego zadaniem jest "opowiadanie” o problemie z użyciem własnych pojęć i nazewnictwa. Może pf/.y tym określić własną koncepcję rozwiązania problemu sugerując w ten sposób inżynierowi wiedzy kształt przyszłych rozwiązań w systemie eksperckim. W takiej formie wywiadu rola eksperta jest dominująca, inżynier wiedzy |rM w zasadzie słuchaczem.⁵

39

1

Na przykład uczenie przez odkrywanie (ang. leaming from discovery). 38

2

l‘i /.y kładem może być: zbiór przesłanek i wniosek z nich wypływający, kontrprzykład - zbiór

3

pf zesłanek i konkluzja, która na pewno nie może być wyciągnięta na podstawie tychże

4

przestanek.

5

Wstępny wywiad niestrukturalny można często zastąpić lub przynajmniej uzupełnić analizą literatury. Wtedy rola eksperta sprowadza się do wskazania stosownych pozycji i partii materiału.