Часть 1. Реферат на тему «Теоретические аспекты получения знаний: Лингвистический аспект».

Курсовой проект

 

по дисциплине:

« Интеллектуальные информационные системы »

 

на тему:

«Разработка экспертной системы «Выбор страйкбольного оружия».

 

Выполнил:

студент 3 курса

направления 09.03.03 «Прикладная информатика»

шифр Пибу-2018

Зырянов Владимир Александрович

Проверил:

доцент

Козлов Алексей Николаевич

 

 

Пермь-2021

 

Часть 1. Реферат на тему «Теоретические аспекты получения знаний: Лингвистический аспект».

Введение.

В современном мире интеллектуальные информационные системы (ИИС) набирают все большую популярность и становятся, все более востребованы, как в повседневной жизни людей, так и в бизнес процессах.

Надо сказать, что ИИС неразрывно существуют с понятием Искусственного интеллекта.

Искусственный интеллект — под этим термином понимается область информатики, в рамках которой разрабатываются компьютерные программы для выполнения задач, способных имитировать человеческий подход — обнаруживать смысл, обобщать и делать выводы, выявлять взаимосвязи и обучаться с учетом накопленного опыта.

Стоит так же отметить, что ИИ никого не заменяет, цель его применения — расширение и дополнение возможностей человека.

Почему же только сейчас, ИИС входят в нашу жизнь так широко. На это есть несколько причин:

· стали доступнее вычислительные ресурсы высокой мощности (производительности). Речь идет не только о самом наличии таких машин, но и о ценовой политике. А с развитием облачных технологий пропала необходимость размещать все локально — еще один пункт, на котором экономятся средства.

· накопились достаточные объемы информации для обучения ИИ. Во-первых, человечество стало активно использовать компьютеры в работе, что со временем позволило собрать необходимые данные в цифровом виде. Во-вторых, мы научились обрабатывать структурированную и неструктурированную информацию.

· компании опробовали и увидели эффект от применения технологий искусственного интеллекта — быстрое распознавание документов и дальнейшая обработка, выдача рекомендаций на основе анализа, сокращение трудоемкости ручных операций и моментальное выявление рисков.

· всеобщий курс крупных организаций на цифровую трансформацию, что подразумевает не только внедрение передовых технологий для усиления конкурентных преимуществ, но и смену подхода к привычным процессам в целом.

Остается одно большое и весомое НО в раскрытии их потенциала, а так же в повсеместном внедрении и использование ИИС. Как ни удивительно, главная трудность — сам человек, его доверие и глубина знаний.

Первое, с чем приходит сталкивать — недоверие к технологии. Пользователи зачастую не понимают, как все это работает, поэтому не могут до конца «довериться» машине и постоянно перепроверяют результаты. Так и должно быть на первых порах работы с новой технологией, но спустя полгода корректность действий ИИС не должна вызывать вопросы. Крайняя степень недоверия — откровенный саботаж использования решений или отказ предоставлять полные и актуальные данные для обучения ИИС.

Второе ограничение связано с компетенциями ИТ-специалистов, которые внедряют и сопровождают такие решения. Не секрет, что ИИ — это сложные технологии, трудоемкие в реализации.

Подводя итог, нужно сказать, что применение искусственного интеллекта — это уже иной подход к работе. Сотрудникам важно самим непрерывно учиться, осваивать технологии. То, что в новинку сегодня, завтра будет привычным делом и в конечном счете сэкономит ресурсы, позволит заняться задачами более высокого уровня — стратегии, разработка, творчество и т.п.

В этом реферате будет рассмотрена одна из проблем создания ИИС.

Лингвистический аспект получения знаний.

 

 

Общий код.

Точнее будет выразиться проблема общего кода. Большинство психологов и лингвистов считают, что язык - это основное средство мышления наряду с другими знаковыми системами "внутреннего пользования". Языки, на которых говорят и размышляют аналитик и эксперт, часто существенно отличаются.

И как раз общий код должен решать проблему языковых нестыковок между, профессиональной терминологией эксперта и обыденной литературной речью инженера по знаниям.

Язык эксперта включает:

· Общенаучную терминологию;

· Специальную терминологию, принятую в предметной области;

· Бытовой язык;

· Неологизмы, созданные экспертом за время работы, проще говоря, профессиональный жаргон.

Язык инженера по знаниям включает:

· Общенаучную терминологию из его «теоретического багажа»;

· Терминов предметной области, которые он почерпнул из специальной литературы при подготовительном этапе;

· Бытового разговорного языка, которым пользуется аналитик.

Если считать, что бытовой и общенаучный язык у двух участников общения примерно совпадает (хотя реально объем второго компонента у эксперта существенно больше), то некоторый общий язык или код, который необходимо выработать партнерам для успешного взаимодействия, будет склады­ваться из потоков, представленных на рис. 2.

Рисунок 2.

Выработка общего кода начинается с выписыванием аналитиком всех терминов, употребляемых экспертом, и уточнения их смысла. Фактически это составление словаря предметной области. Затем следует группирование терминов и выбор синонимов (слов, означающих одно и то же). Разработка общего кода заканчивается составлением словаря терминов предметной области с предварительной группировкой их по смыслу, то есть по понятийной близости (это уже первый шаг структурирования знаний).

На этом этапе аналитик должен с большим вниманием отнестись ко всем специальным терминам, пытаясь максимально вникнуть в суть решаемых проблем и терминологию. Освоение аналитиком языка предметной области - первый рубеж на подступах к созданию адекватной базы знаний.

Стоит учитывать неоднозначность интерпретации терминов двумя специалистами. В семиотике, науке о знаковых системах, проблема интерпретации является одной из центральных. Интерпретация связывает "знак" и "означаемый предмет". Только в интерпретации знак по­лучает смысл. Так, слово «прибор X» для эксперта означает некоторую конкретную схему, которая соответствует схеме оригинала прибора, а в голове начинающего аналитика слово «прибор X» вызывают пустой образ или некоторый черный ящик. Данный пример можно увидеть на рисунке 3.

 

Рисунок 3.

Таким образом, общий код, включает изучение и управление процессом разработки специального промежуточного языка, необходимого для взаимодействия инженера по знаниям и эксперта.

Понятийная структура.

Проблемы формирования понятийной структуры представляют следующий слой лингвистического аспекта проблемы извлечения знаний. Особенности формирования понятийной структуры обусловлены установленным постулатом когнитивной психологии, о взаимосвязи понятий в памяти человека и наличии семантической сети. Объединяющей отдельные термины во фрагменты, фрагменты в сценарии и т. д. Построение иерархической сети понятий, так называемой «пирамиды знаний», — важнейшее звено в проектировании интеллектуальных систем.

Таким образом, лингвистическая работа инженера по знаниям на данном слое проблем заключается в построении таких связанных фрагментов с помощью "сшивания" терминов. При тщательной работе аналитика и эксперта в понятийных структурах начинает проглядывать иерархия понятий, что в общем, согласуется с результатами когнитивной психологии.

Иерархия понятий - это глобальная схема, которая может быть в основе концептуального анализа структуры знаний любой предметной области. Следует подчеркнуть, что работа по составлению словаря и понятийной структуры требует лингвистического "чутья", легкости манипулирования терминами и богатого словарного запаса инженера по знаниям, так как зачастую аналитик вынужден самостоятельно разрабатывать словарь признаков. Чем богаче и выразительнее общий код, тем полнее база знаний. Аналитик вынужден все время помнить о трудности передачи образов и представлений в вербальной форме. Часто инженеру по знаниям приходится подсказывать слова и выражения эксперту.

Стоит отметить некоторый интересный нюанс, способность к словесной интерпретации зависит и от пола аналитика. Установлено, что традиционно женщины придают большую значимость невербальным компонентам общения, а в вербальных имеют более обширный алфавит признаков. И вообще, существуют половые различия восприятия не только в бытовой сфере, что очевидно, но и в профессиональной. Следовательно, у эксперта-мужчины и у эксперта-женщины могут существенно отличаться алфавиты для вербализации признаков воспринимаемых объектов.

Словарь пользователя.

Лингвистические результаты, соотнесенные к слоям общего кода и понятийной структуры, направлены на создание адекватной базы знаний. Однако часто профессиональный уровень конечного пользователя не позволяет ему применить специальный язык предметной области в полном объеме.

Неожиданными для начинающих разработчиков являются проблемы формирования отдельного словаря для создания дружественного интерфейса с пользователем ЭС, исследуемые в слое. Необходимы специальные приемы, увеличивающие «прозрачность» и доступность системы. Для разработки пользовательского интерфейса требуется дополнительная доработка словаря общего кода с поправкой на доступность и «прозрачность» системы.

 

Заключение.

После рассмотрения материала представленного в реферате. Можно сделать следующие выводы. Что бы успешно взаимодействовать с экспертами при создании ЭС, а так же делать ее удобной для пользователя. Инженер по знаниям должен быть хорошо эрудированным человеком с большим словарным запасом. Уметь общаться с различными людьми. Стараться быстро и как можно полнее понимать, что до него пытается донести эксперт.

Можно указать характерные лингвистические неудачи, которые могут произойти у начинающего инженера по знаниям:

· разговор на разных языках (указывает на слабую подготовку инженера по знаниям);

· несоотнесение с контекстом и неадекватная интерпретация терминов (из-за слабой или отсутствующей обратной связи с экспертом);

· отсутствие отличий между общим кодом и языком пользователя (не учтены различия в уровне знаний эксперта и пользователя ЭС).

 

Постановка задачи

Для начала, поставим задачу, для решения которой будет разрабатываться экспертная система. Подходящей задачей, при решении которой можно использовать обратную цепочку рассуждений, может быть задача, вытекающая из следующей ситуации. В магазин, продающий страйкбольное оружие, обращается покупатель, который хочет приобрести подобное оборудование. Надо понимать, что человек уже пользовался таким оружием, но его знаний не достаточно, что бы сделать выбор в пользу какой-либо модели. Напротив продавец, знакомый со спецификой данного вида спорта, сможет предложить наиболее подходящее оборудование или даже собрать готовый комплект из нескольких видов оружия. Для этого продавец должен задать ряд уточняющих вопросов, позволяющих сделать правильный вывод.

С первого взгляда задача не очень сложная. Но продавцу стоит учесть пожелания покупателя, а так же некоторые особенности приобретаемого оборудования, в том числе, стиль игры, или предпочитаемый блок, за который будет играть клиент.

Итак, требуется разработать экспертную систему, которая предложит наиболее подходящее оборудование для клиента. Экспертная система будет содержать экспертные знания продавца и заменит его при решении подобной задачи. Экспертной системой будет пользоваться продавец, не являющийся экспертом в данной сфере, а также любой посетитель магазина, желающий приобрести страйкбольное вооружение.

Задача поставлена. Теперь необходимо ее наглядное представление. Для описания подобных задач обычно используются диаграммы, которые называются деревьями решений. Деревья решений дают необходимую наглядность и позволяют проследить весь ход рассуждений.

Дерево решений.

Дерево решений – это ориентированный граф, вершинами которого являются условия и выводы, а дугами результат выполнения (проверки) условий.

Для решения задачи выбора страйкбольного оружия было составлено дерево решений, позволяющее отследить логику того или иного вывода, представленное на рисунке 4. В текущей задаче выводом является страйкбольное оружие или комплект вооружения, который можно предложить покупателю. Дерево содержит 31 ветвь приводящих, к 31 возможному выводу.

 

 

                                                       Рисунок 4 дерево решений.

Таблица переменных

Каждой вершине дерева решений присвоено свое имя – переменная. Все переменные с названиями вершин представлены в таблице 1. Таблица переменных необходима для формирования базы знаний экспертной системы.

Таблица 1. Таблица переменных для решения задачи «Выбор Страйкбольного оружия».

Имя переменной	Условия	Вершины
TARGET	Для чего жилье?	1
TYPE	Какой вид жилья?	2
TYPE_2	Какой вид жилья?	3
DACHA	Для чего нужна дача?	4
NEWHOUSE	Нужно новое жилье?	5
CENTRE	Жилье необходимо в центре города?	6
LIVE	Кто планирует проживать?	7
KITCHEN	Нужна отдельная кухня?	8
CHILDREN	В семье есть дети?	9
BEDROOM	Сколько нужно спален?	10
ELEVATOR	Обязательно ли наличие в доме лифта?	11
ROOM	Сколько нужно комнат?	12
LONG	Сдавать на длительный срок?	13
FAMILY	Сдавать для семьи?	14
ONEBR	Необходима отдельная спальня?	15
RESIDING	Сколько планируется проживающих?	16
FUNCAPART	Какую функцию будет выполнять квартира?	17
CENTREAP	Квартира должна быть в центре города?	18
MANYROOM	Сколько необходимо комнат?	19
INCITY	Дача будет в черте города?	20
NATURO	Наличие какого природного объекта важно?	21
VEHICLE	Как добираться до дачи?	22
HIGHWAY	Беспокоит близость автомобильных дорог?	23
WATER	Как планируется использовать водоем?	24
WINTERS	Планируется использовать дачу зимой?	25
TIME	Сколько времени планируется тратить на дорогу?	26
WINTERS_2	Планируется использовать дачу зимой?	27
OPTION	Предложенный вариант жилья	28 – 57

 

Курсовой проект

 

по дисциплине:

« Интеллектуальные информационные системы »

 

на тему:

«Разработка экспертной системы «Выбор страйкбольного оружия».

 

Выполнил:

студент 3 курса

направления 09.03.03 «Прикладная информатика»

шифр Пибу-2018

Зырянов Владимир Александрович

Проверил:

доцент

Козлов Алексей Николаевич

 

 

Пермь-2021

 

Часть 1. Реферат на тему «Теоретические аспекты получения знаний: Лингвистический аспект».

Введение.

В современном мире интеллектуальные информационные системы (ИИС) набирают все большую популярность и становятся, все более востребованы, как в повседневной жизни людей, так и в бизнес процессах.

Надо сказать, что ИИС неразрывно существуют с понятием Искусственного интеллекта.

Искусственный интеллект — под этим термином понимается область информатики, в рамках которой разрабатываются компьютерные программы для выполнения задач, способных имитировать человеческий подход — обнаруживать смысл, обобщать и делать выводы, выявлять взаимосвязи и обучаться с учетом накопленного опыта.

Стоит так же отметить, что ИИ никого не заменяет, цель его применения — расширение и дополнение возможностей человека.

Почему же только сейчас, ИИС входят в нашу жизнь так широко. На это есть несколько причин:

· стали доступнее вычислительные ресурсы высокой мощности (производительности). Речь идет не только о самом наличии таких машин, но и о ценовой политике. А с развитием облачных технологий пропала необходимость размещать все локально — еще один пункт, на котором экономятся средства.

· накопились достаточные объемы информации для обучения ИИ. Во-первых, человечество стало активно использовать компьютеры в работе, что со временем позволило собрать необходимые данные в цифровом виде. Во-вторых, мы научились обрабатывать структурированную и неструктурированную информацию.

· компании опробовали и увидели эффект от применения технологий искусственного интеллекта — быстрое распознавание документов и дальнейшая обработка, выдача рекомендаций на основе анализа, сокращение трудоемкости ручных операций и моментальное выявление рисков.

· всеобщий курс крупных организаций на цифровую трансформацию, что подразумевает не только внедрение передовых технологий для усиления конкурентных преимуществ, но и смену подхода к привычным процессам в целом.

Остается одно большое и весомое НО в раскрытии их потенциала, а так же в повсеместном внедрении и использование ИИС. Как ни удивительно, главная трудность — сам человек, его доверие и глубина знаний.

Первое, с чем приходит сталкивать — недоверие к технологии. Пользователи зачастую не понимают, как все это работает, поэтому не могут до конца «довериться» машине и постоянно перепроверяют результаты. Так и должно быть на первых порах работы с новой технологией, но спустя полгода корректность действий ИИС не должна вызывать вопросы. Крайняя степень недоверия — откровенный саботаж использования решений или отказ предоставлять полные и актуальные данные для обучения ИИС.

Второе ограничение связано с компетенциями ИТ-специалистов, которые внедряют и сопровождают такие решения. Не секрет, что ИИ — это сложные технологии, трудоемкие в реализации.

Подводя итог, нужно сказать, что применение искусственного интеллекта — это уже иной подход к работе. Сотрудникам важно самим непрерывно учиться, осваивать технологии. То, что в новинку сегодня, завтра будет привычным делом и в конечном счете сэкономит ресурсы, позволит заняться задачами более высокого уровня — стратегии, разработка, творчество и т.п.

В этом реферате будет рассмотрена одна из проблем создания ИИС.

Лингвистический аспект получения знаний.