автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.11, диссертация на тему:Методы сопоставления для автоматизированного приобретения экспертных знаний

МОСКОВСКИЙ ОРДЕНА ЛЕНИНА. ОРДИНП ОКТЯПРЬСло. РЕВОЛЮЦИИ И ОРДЕНА 7РНДОВОГО КРАСНОГО Ш1.Гл\.; ГОСНЛАРСТЬЕПШШ УгШОЕРСЙТЕТ имени М.В.ЛОМОНОСОВА

Научно-исследовательский бичис.пн75льнкЛ цй::;р

г-;.|о рг-

>■>. f глрм .тг: кк о Геннадий Л ад в и г ови ч

МЕТОДЫ СОПОСТАВЛЕНИЕ ДЛЯ АВТОМАТИ 3ИР О В А И НОГ О ПРИОБРЕТЕНИЯ ЭКСПЕРТНЫХ

ЗНАНИЙ

05.13.11 - математическое и программное обеспечений вычислительных мао;кн, комплексов, систем и свтеА

А п т о р е ф с? р а т лиссертдции ка соискание ученой сто::у: • Кгшлидатд 1?кз/ко - натоматичсских

Москва -

1992

Работа выполнена в Институте математики с ВЦ АН РМ.

Научный руководитель:

кандидат физико-математических наук Соловьев Сергей Юрьевич

Официе пыше оппоненты:

доктор физико-математических наук Удльковский Михаил Георгиевич кандидат технических наук Хорошевский Владимир Федорович

Ведущая организация:

Российский НИИ информационных технологий и систем автоматизированного проектирования

Защита состоится

к

на заседании Специализированного совета К 053. 05. 84 в Мэсковском государственном университете им. М. Е Ломоносова по адресу: 110809, Москва, Ленинские горы, МГУ, Научно-исследовательский вычислительный центр, конференц-зал.

С диссертацией можно ознакомиться в библиотеке Научно-исследовательского вычислительного центра МГУ.

Автореферат разослан "№■ " Л^р-го- П2 г.

Ученый секретарь специализированного совета ' канд' 'ат физико-математических

наук

1,1 Е Ги'.оеа

- 3 -

_ ' ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ.

Актуальность темы. В настоящее время разрабатывается большое количество систем. • основанных на знаниях. К ним, в частности, относятся экспертные системы, предназначенные для автоматизированного решения интеллектуальных задач. При разработке систем, основанных на знаниях, наибольшее количество проблем порождает формирование базы знаний. Традиционный подход возлагает ответственность за построение базы знаний на специально обученного человека - инженера по знаниям. Однако такой подход связан с большими затратами труда и времени. Поэтому возникает необходимость в автоматизации процесса создания баз знаний.

Одним из источников знаний для интеллектуальных систем является эксперт - опытный специалист в некоторой проблемной области. Выявление знаний эксперта связано с проблемой вербализации, которая состоит в том, что эксперт обычно затрудняется выразить словами способ решения той или иной интеллектуальной задачи. В связи с этим возникает необходимость разработки косвенных методов опроса эксперта, приемов, облегчающих вербализацию знаний.

Основные цели работы:

- анализ методов, способствующих выявлению знаний эксперта, и автоматизированных средств приобретения знаний;

- разработка подходов к созданию формальных методов приобретения знаний на основе типовых моделей вадач распознавания и выбора;

- создание диалоговых человеко-машинных процедур приобретения знаний.

Научная новизна В диссертации предложены новые методы извлечения знаний об объектах и их свойствах. Для получения от эксперта множества имен объектов разработаны методы восходящей и нисходящей структуризации. Извлечение знаний о свойствах основано на процедуре сопоставления объектов и классов. Исследовано несколько вариантов сопоставления, учитывающих характеристики анализируемой задачи и психологические особенности эксперта. Раз-,работай ряд методов приобретения знаний, основанных на различны^ вариантах сопоставления, в том числе компьютерные и деловые игры. В качестве способа представления знаний для задач-распознавшей и выбора предложи формализм описательных таблиц.

Практическая значимость. Полученные результаты использовались при проведении НИР, выполнявшихся в Институте математики с ВЦ АН РМ (номера госрегистрации 0011251 и ОСЗ;;гМО).

Полученные результаты могут быть использованы при создании автоматизированных систем приобретения знаний и экспертных систем, предназначенных для решения задач распознавания и выбора.

Достоверность результатов подтверждается использованием разработанных методов и программных средств для построения баз знаний различного назначения в Институте математики с ВЦ АН РМ, Институте проблем управления АН СССР и Институте автоматики АН Кирг. ССР. Разработанный программный продукт сдан в ГосФАП СССР (Регистрационный номер 50900000298 от 22.12.1989).

Апробация. Результаты работы докладывались на Международном семинаре РГ-22 (Баку, 1989), III Международной конференции "Программное обеспечение ЭВМ" (Тверь, 1990), Всесоюзном семинаре с международным участием "Интеллектуальное программное обеспечение ЭВМ" (Терскол, 1090), Всесоюзном совещании "Интеллектуальные системы в задачах проектирования, планирования и управления в условиях неполноты информации" (Казань, 1990), II Всесоюзной конференции по искусственному интеллекту (Минск, 1990), Всесоюзной конференции "Создание и применение гибридных ЭС" (Рига, 1990). Результаты докладывались также на научных семинарах в Щ АН СССР, НИЗЦ МГУ, ряде академических и отраслевых институтов.

Публикации. По теме диссертации опубликовано в открытой печати 11 работ, полно отражающих основные научные результаты диссертации. Прикладные результаты представлены также в ряде научных отчетов по НИР, выполнявшихся в ИМ с ВЦ АН РМ.

Структура и объем диссертационной работы. Диссертация состоит из введения, трех глав, заключения и списка литературы, включающего 29 наименований. Основной текст аанимает 113 машинописных страниц. -

СОДЕРЖАНИЕ РАБОТЫ.

Во введении рассматривается структура систем, основанных на знаниях, к которым, в частности, относятся экспертные системы (ЭО). В системе, основанной на знаниях, можно выделить проблемно-ориентированную и проблемно-независимую части. Проблемно-ориентированной частью системы является база знаний (БЗ). База знаний содержит совокупность сведений, представленных в формализованном виде. Проблемно-независимую часть обычно составляют процедуры, которые в своей работе используют сведения из БЗ.

Приобретение знаний для БЗ является наиболее узким местом в технологии создания систем, основанных на знаниях. В связи с большими затратами времени на создание баз знаний и трудоемкостью этого процесса становится актуальной проблема автоматизации приобретения знаний.

Основным источником знаний для интеллектуальных систем является эксперт. Однако эксперт, как правило, не может самостоятельно изложить свои знания в систематизированном виде. Многие знания эксперта имеют невербальную природу и с трудом поддаются словесному выражению. Поэтому разработка методов приобретения знаний связана с необходимостью решения проблемы вербализации за счет применения косвенных приемов опроса эксперта.

В первой главе диссертации рассматриваются существующие автоматизированные системы приобретения знаний. Главной особенностью этих систем является их ориентированность на типовые модели задач. Типовая модель фиксирует основные свойства и способ решения некоторого семейства задач. При таком подходе приобретение знаний сводится к выявлению декларативных знаний: понятий-, используемых в конкретной задаче этого семейства, и связей медду ними. Считается, что выявить такие знания легче, чем процедурные знания о способе решения задачи.

По отношению к проблеме вербализации системы приобретения знаний делятся на три группы: системы самодокументирования, системы отладки и системы генерации знаний.

Системы самодокументирования не оказывают эксперту помощи при вербализации знаний. Однако они могут быть полезны гак средство редактирования БЗ. Особое место в данной группе занимают гипертекстовые системы исследования проблем. Эти системы позволяют эксперту в произвольной форме описать структуру задачи. Знания, отображенные в структурированном виде в гипертексте, могут служить заготовкой для работы инженера по знаниям.

Системы отладки активизируют выявление и вербализацию знаний в ситуации, когда прототипный вариант БЗ уже построен. Такие сис темы применимы для проверки и пополнения БЗ. В данном классе систем используются приемы статической и динамической отладки, а такте метод переформулировки знания.

Системы генерации внаний предназначены для облегчения'процесса выявления и вербализации знаний о задаче с самых первых шагов создания БЗ. Чаще всего при этом применяется прием создания

проблемной ситуации - небольпоП вспомогательной задачи, при решении которой эксперт применяет свои знания. Популярными являются приемы, позаимствованные из .экспериментальной психологии. Однако эти приемы требуют существенной модификации и доработки с учетом различия целей психологии и инженерии знаний. Так, для адаптации метода личностных конструктов в интересах инженерии знаний неоОд ходимо, во-первых, отказаться от обязательной двухполюсности атрибутов, во-вторых, разработать процедуры подбора сопоставляемых элементов, в-третьих, решить проблему монотонности опроса эксперта.

В диссертации рассматриваются 15 известных систем приобретения знаний. Анализ этих систем позволяет сделать следующие выводи: для первичного заполнения БЗ имеет смысл.применять методы генерации знаний; работу этих методов необходимо сочетать с непосредственным анализом выявленных знаний самим экспортом; для облегчения анализа следует использовать методы статической и динамической отладку! и метод переформулировки знаний.

В системах приобретения знаний в явном или неявном виде присутствует типовые модели задач. Ео втором случае модель молят быть восстановлена на основе анализа приобретаемых системой видов знаний и принятых в ней допущений.

В диссертации предлагаются типовые модели распознавания и выбора. В этих моделях для описания характеристик предметной области используется структурированное множество высказываний. Считается, что каждое высказывание попадает ровно в одну -семантически однородную группу. Группа определяет некоторое свойство -атрибут. В рамках группы высказывания различаются проявлениями атрибута - его значениями. Если истинно высказывание <а,у>, где а - имя атрибута, V - одно из его значений, то V называется текущим значением атрибута а Предполагается, что атрибуты могут быть многозначным!, т. е. иметь несколько текущих значений.

' Из высказываний строятся формулы специального вида-- ¡¿акты л описания. <Еакт представляется в виде пары <а.3>, где Б - некоторое множество значений атрибута а <1окт является истинным, если множество Б включает все текущие значения атрибута а. Конъюнкция дяктов образует описание. Высказывания, факты и описания могут относиться к объектам предметной области. Значение V атрибута а, которое является текущим для заданного объекта о, называется характерным для этого объекта.

Типовая модель распознавания описывает задачи, в которых рассматривается произвольное миожство объектов, объединенных в конечное число видов. Предполагается, что каддый объект принадлежит хотя бы одном/ виду. Для каждого вида задано одно или несколько описания, причем произвольному объекту этого вида соответствует хотя бы одно описание. Цель задачи состоит в нахождении все:; видов заданного объекта при известных характерных значениях атрибутов. Способ ресения задачи состоит в том, что из списка возможных решений задачи иашзчатася виды, описания которых не содержат характерных значений.

Типовая модель выбора соответствует задачам, в юторых рассматривается конечное множество объектов, описываемых атрибутам",!. Атрибуты являются однозначными, т. е. каждому объекту соответствует ровно одно характерное значение каждого атрибута. Множества значений атрибутов упорядочены по предпочтениям. Задано требование Т, представляющее собой список высказываний. Каждое вкасазы-ванке <а,у> фиксирует наихудсее допусти:,:ое значение некоторого атрибута а. Объект о удовлетворяет требованию Т, если для каждого высказывания <а,v> данного требования ему соответствует характерное значение атрибута а, совпадающее с V пли более предпочтительное. Задано отнопение линейного пор.адса I на мно.г-ествэ атрибутов, называемое отношением важности. Объект о является наилучшим среди объектов, удовлетворяла требованию Т, если для любого другого объекта >:, удовлетворяющего Т, найдется атрибут а, характерное значение которого для о более предпочтительно, чем для х, причем "арактерпые значения более важных (в смысле отношения I) атрибутов для этих объектов совпадает. Целью задачи выбора является нахождение наилучшего объекта при заданных требовании Т и отнесении важности I. Решение задачи осуществляется посредством исключения объектов, неудовлетворяющих требованию, с последующим построением лексикографического порядка на множестве объектов.

Для задач распознавания и выбора разработан формализм представления знаний - описательные таблицы. Описания объектов и видов представляются столбца:,гл таблицы. Ресонно задач дачных типов осуществляется процедурой логического вывода. Идея процедуры заключается в удалении из таблицы столбцов, не содер;*лщих текугж значений означенных атрибутов. Доказано, что способ представления знаний в виде описательных таблиц, эквивалентен по своим выразительным возможностям исчислению высказываний.

. - е -

Вторая глава диссертации посвящена описанию методов приобретения знаний» ориентированных на типовые модели распознавания и выбора. Эти методы основаны на процедурах группировки понятий и сопоставления.

Процесс приобретения знаний для задач распознавания включает три этапа: приобретение множества видов, приобретение атрибутов и. построение описаний.

Процесс приобретения знаний для задач выбора состоит из этапа приобретения множества объектов и этапа приобретения атрибутов и описаний объектов.

Приобретение видов в задаче распознавания и объектов в задаче выбора осуществляется при помощи одних и тех же методов. Основная цель, преследуемая при этом, состоит в обеспечении полноты множества видов или объектов. Припоминание экспертом требуемых сведений призваны стимулировать методы структуризации множества видов (объектов). Предлагаются два метода структуризации: нисходящая и восходящая структуризация. Существенной чертой обоих методов является разбиение процесса ввода множества видов на шаги. На каждом шаге эксперт задает и анализирует относительно небольшое множество видов.

При нисходящей структуризации эксперту, предъявляется наименование множества объектов и дается задание указать, на какие подмножества можно разбить данное множество. Сформулированные экспертом наименования предъявляются для дальнейшего разбиения. Конечным результатом нисходящей, структуризации является получение наименований видов в задаче распознавания или объектов в задаче выбора

Метод восходящей структуризации начинает работу о ввода экс-, пертом списка наименований видов или объектов. Эксперту дается задание выделить из списка группы семантически близких элементов. В случае затруднений эксперту предлагается заготовка группы, сформированная • случайным образом. Эксперт удаляет из нее некоторые наименования, добиваясь однородности элементов группа Каждой группе эксперт дает имя, после чего ему предлагается пополнить состав группы. Такое задание стимулирует припоминание видов, пропущенных на этапе ввода списка. Шсле выделения групп из списка видов эксперту предъявляется список наименований групп и предлагается образовать группы более высокого уровня.

Нисходящая структуризация производится в случае большого

числа видов или априорного наличия в предметной области иерархической классификации. Еосходяшую " структуризацию целесообразно проводить при рассмотрении задачи с небольшим числом видов.

На втором этапе приобретения знаний для задач распознавания выявляются атрибуты, из которых будут строиться описания видов. Приобретение -.атрибутов осуществляется при помощи методов, основанных на сопоставлении видов. Ключевым моментом методов является предъявление эксперту нескольких наименований видов с заданием указать черты их сходства и/или различия. Проблемная ситуация сопоставления активизирует процесс выявления атрибутов. При этом эксперт не обязан вспоминать и анализировать, как в действительности происходит решение задачи.

Известный вариант процедуры сопоставления заключается в предъявлении эксперту тройки наименований видов с заданием указать атрибут, по которому объекты двух из них сходны между собой и отличны от объектов третьего. Несомненным достоинством данной процедуры является возможность одновременного выявления сходства ' и различия объектов. Это обстоятельство важно с психологической точки зрения, так как исследования показывают, что человеку трудно говорить об отличиях, не отмечая сходства, и наоборот. Однако с точки зрения приобретения знаний данная процедура обладает и рядом недостатков: она ориентирована только на выявление двухполюсных атрибутов; данный способ сопоставления не позволяет получать классифицирующие атрибуты, значения которых различны для объектов разных видов; сложной проблемой является организация подбора троек видов для сопоставления; опрос эксперта однообразен и монотонен,' что приводит к усталости и потере интереса к работе.

Преодолению этих недостатков способствует разработка других процедур выявления атрибутов, которые могли бы чередоваться в ходе опроса эксперта с сопоставлением троек. В описываемых методах, помимо предъявления троек, используется процедура сопоставления пары видов. Предъявление пары может сопровождаться одним из. двух заданий: сформулировать атрибут, выражающий отличие объектов этих видов, либо назвать атрибут, выражающий сходство или различие. Эксперименты показали, что выделяемые экспертом черты сходства объектов двух видов . чаще , всего выражают отличие предъявленной пары от остальных видов. Чередование различных заданий повышает. интерес эксперта и снижает монотонность его работы с процедурой приобретения знаний.

Значительно повысить интерес эксперта к работе с процедурами приобретения знаний позволяет организация этих процедур в виде компьютерных игр. При этом возрастают требования к разнообразию игровых ситуаций. Идея сопоставления оказывается достаточно плодотворной для этих целей. На ее основе был разработан ряд новых заданий, способствующих выявлению атрибутов:

- предъявление эксперту наименования вида с установкой задать,, атрибут, выражающий отличие объектов данного вида от Есех остальных;

- предъявление наименования вида с задание!,! подобрать вид, коренным образом отличающийся от данного. Затем эксперту предлагается назвать атрибут, выражающий это различие;

- предъявление пары видов с заданием подобрать вид, похожий на первый из них и отличающийся от другого по некоторому свойству, поело чего необходимо назвать это свойство;

- предъявление списка видов с заданием выбрать группу видов, сходных по некоторому свойству. Затем дается задание сформулировать атрибут, выражающий сходство объектов выбранных видов и их отличие от остальных объектов;

- предъявление списка видов с заданием удалить из этого списка часть видов с тем, чтобы оставшиеся были сходны по некоторому свойству. Затем формулируется атрибут аналогично предыдущему варианту.

Разработаны две игры, основанные на перечисленных вариантах сопоставления, включая традиционные пары и тройки. В игре "Назови свойство" за формулировку атрибутов эксперту начисляются очки; • • Размер вознаграждения определяется сложностью вопроса и точностью ответа эксперта. За неправильный ответ или отказ от ответа эксперт подвергается штрафу.

Игра "Регата" демонстрирует возможность формулировки задания для эксперта при помощи графических образов. Виды объектов представляются яхтами, участвующими в регате. В ходе гонок яхтам необходимо проходить под мостами различной конструкции и обходить препятствия. Эксперту сообщается основной принцип игры: в один и тот те пролет моста и по ту же .сторону от препятствия проходят яхты, соответствующие сходным по .какому-либо атрибуту видам. Каждому варианту сопоставления соответствует рисунок, в наглядном виде представляющий содержание гадания. Задача эксперта - назвать атрибут, объясняющий поведение яхт в создавшейся ситуации.

Игра построена таким образом, что в начале предъявляются наиболее простые графические образы, способствующие усвоению экспертом основного принципа игры. Затем сложность заданий постепенно растет, преимуществом графической формы является возможность создавать такие проблемные ситуации, текстовая формулировга которых была бы громоздкой и малопонятной.

Во всех реализациях процедура сопоставления выявление атрибута сопровождается запросом у эксперта характерных значений этого атрибута для каждого вида. Информация о характерных значениях используется для вычисления степени различимости видов. В свою очередь, степень различимости определяет момент окончания работы метода и влияет на выбор варианта сопоставления.

На третьем зтапе приобретения знаний для задач распознавания строятся описания видев объектов. Основная цель этапа - дать эксперту воз).:о::зость сформулировать альтернативные описания видов. При их построении используется информация о характерных значениях атрибутов для видов. Работа метода состоит в пороздении текстов на естественном языке, описывающих свойства объектов вида Отдельные высказывания связываются в тексте союзом "и". Такой прием побуждает эксперта генерировать новые описания, если он обнаруживает, что одновременная истинность высказываний не обязательна либо недостижима.

ТГял приобретения атрибутов и описания объектов задачи выбора применяется деловая игра "Го;сла}/лыЯ агент". Игра представляет собой рологой диалог системы приобретения знаний и з;:сперта. Система играет роль поктпозедл товаров, ¡соковыми является объекты задачи. Эксперту предлагается играть роль рО!сламного агента негазто-рой фирмы. 'Таксируется набор товаров, выпусгаемых данной фирмой. Остальные объеютл считаются товара}.«! конкурирующих фирм.

Эдкшзл роль придирчивого покупателя, система запрашивает у эксперта информацию о товарах. Играя роль рекламного агента, эксперт называет достоинства и недостатки тех или иных товаров. При этом он Фор; аудирует атрибуты; который действительно могут исполь-"•зоваться для выбора из заданного множества объектов. В рамках игры выявляется тага» порядок предпочтений па множествах значений , атрибутов и строятся списания объектов.

В игре используется по,бор различных проблемных ситуаций, придающий ей динамизм и повтаавдай•интерес эксперта к процессу приобретения знаний. Тем ;;а целям с-тугги.лрнпнагпэ в диалоге

эмоционально окрашенных реплик.

Базовыми проблемными ситуациями являются ситуация сопоставления товаров, когда система просит эксперта оказать помощь в выборе, и ситуация пополнения описания товара путем запроса его наиболее существенных свойств. Ситуации разнообразятся благодаря учету принадлежности, различимости и соотношения качества товаров. В результате порождается около 30 существенно различных, проблемных ситуаций.

После ввода экспертом нового атрибута система проверяет выполнение им поставленного задания. Если сформулированный атрибут не соответствует ожиданиям, то система указывает эксперту на ошибку и повторяет задание.

В ходе игры система контролирует баланс достоинств двух групп товаров. Нарушение баланса может произойти, если эксперт слишком увлекся своей ролью рекламного агента и пытается скрыть недостатки своих товаров и достоинства товаров конкурента. Следует отметить, что ситуация ролевой игры психологически способствует превышению достоинств своих товаров над чужими. В принципе возможна, хотя и менее вероятна, обратная ситуация. В обоих случаях основной цикл игры прерывается. Система предлагает эксперту перераспределить товары, т. е. заняться рекламой тех товаров, которые до сих пор считались товарами конкурентов.

В третьей главе диссертации описывается инструментальная система ЭСКИЗ, в которой воплощены предложенные методы приобретения знаний. Система реализована на языке программирования Turbo-Pascal (версия 5.5) и функционирует в среде MS "DOS 3.30. Объем исходных текстов составляет около 15000 строк.

Для создания и поддержки работоспособности БЗ необходимы не только методы первичного приобретения знаний, но и средства просмотра и модификации содержимого базы знаний. В качестве таких средств система 'ЗСКИЗ содержит редакторы БЗ. Один из редакторов позволяет работать непосредственно о описательными таблицами, в которых представляются знания о задачах распознавания и выбора. Другой редактор рассчитан на работу с текстовыми описаниями знаний и не требует знакомства с формализмом описательных таблиц, функциональные возможности редакторов совпадают, однако каждый из них производит определенную переформулировку знаний.

Методы нисходящей и восходящей структуризации позволяют не ■голым обеспечить полноту множества решений, но и представить это

множество в структурированном виде. Структурированное множество решений обладает рядом преимуществ, наиболее важными из которых являются удобство обозрения БЗ и повышение эффективности логического вывода. Для отображения результатов структуризации вводится понятие иерархической системы описательных таблиц, структура которой отражает отношение вложенности классов объектов.

Заданная при первичном приобретении знаний структура БЗ может быть в дальнейшем подвергнута изменениям. Такие изменения, в системе ЭСКИЗ производятся следующим образом: эксперт задает новую иерархию классов объектов, после чего автоматически перестраивается система таблиц, фи этом решаются вопросы размещения ранее определенных атрибутов в новых таблицах и определения характерных значений для вновь построенных классов.

Инструментальная система ЭСКИЗ предназначается для создания экспертных систем с открытой архитектурой. Такие ЭС способны работать совместно с прикладными программами в рамках единого программного комплекса. Ведущую роль при этом взаимодействии может играть как экспертная система, так и прикладная программа. Экспертная система может вызывать прикладные программы и использовать результаты их работы для логического вывода. Прикладная программа может активизировать ЭС в тот или иной момент своей работы и глтем использовать результаты логического вывода для дальнейших вычислений.

С целью обеспечения открытости отторгаемый продукт системы ЭСКИЗ снабжается специальным блоком, называемым базой данных. База данных представляет собой файл в формате dBase, доступный внешним программам. В ходе работы ЭС в базе данных хранятся текущие значения атрибутов и результаты логического вывода Прикладная программа может, с одной стороны, прочитать результаты вывода из базы данных, с другой стороны, поместить в нее данные, которые будут использованы при работе ЭС.

Задача, решаемая при помощи экспертной системы, может иметь подзадачи для определения текущих значений атрибутов. В ЭС, разработанной при помощи системы ЭСКИЗ, реализован механизм перехода от репения текущей задачи к подзадаче и возврата в точку прерывания.

Представление знаний в иерархической системе . описательных таблиц определяет некоторые особенности логического вывода. В ЭС для решения задачи применяется поиск о возвратами, в ходе которо-

го системой выдвигаются и опровергаются гипотезы о принадлежности объекта виду. Гипотеза выдвигается, если в результате логического вывода по отдельной таблице получено несколько промежуточных решений. ЭС поочередно допускает, что имеет место одно из решений, и проводит условный логический вызод. Если такой вывод приводит к тупиковой ситуации (в очередной таблице исключены все решения), гипотеза опровергается. Результаты вывода аннулируются.

Для организации переходов между'подзадачами и режима возвратов используются стек активных подзадач и стек точек выбора.

Экспертная система, разработанная в среде ЭСКИЗ, включает подсистему объяснений. Представление знаний в виде системы описательных таблиц дает возможность ответов на следующие вопросы пользователя:

- ЗАЧЕМ нужно означивание некоторого атрибута;

- ПОЧЕМУ данное решение исключено из списка возможных решений;

- КАК повлияло означивание каждого из атрибутов на результаты вывода;

- ЧЕГО НЕДОСТАЕТ для получения точного решения;

- ЧТО БУДЕТ, ЕСЛИ изменить текущие значения атрибутов;

- КАКОВЫ СВОЙСТВА объекта или вида;

- КАКОВА СТРУКТУРА множества объектов или видов.

Таким образом, система ЭСКИЗ выполняет следующие функции:

- автоматизирует построение БЗ для решения задач распознавания и выбора при помощи предложенных методов приобретения знаний;

- предоставляет средства для анализа и модификации ЕЗ;

- позволяет создать открытую ЭС. реализующую зафиксированную в типовой модели методику решения задачи распознавания или выбора

В заключении приводятся основные результаты диссертации:

1. Сформулированы типовые модели задач распознавания и выбора, для которых разработан способ представления знаний и решения в формализме систем описательных таблиц.

2. Предложены и исследованы различные варианты сопоставления как приема, стимулирующего выявление и вербализацию знаний о задачах распознавания и выбора: сопоставление пар, троек, сопоставление в рамках компьютерных игр и ролевого диалога

3. Разработаны методы приобретения знаний, ориентированные на рассмотренные типовые модели: метод разбиения множества решений, метод группировки решений, метод синтеза текстовых описаний.

Методы стимулируют вербализацию знаний эксперта за счет создания проблемных ситуаций и использования переформулировок базы знаний.

4. Выполнена программная реализация инструментальных средств извлечения знаний и разработки экспертных систем.

Основные публикации по теме диссертационной работы:

1. Андриенко Г. JL Формирование баз знаний в системе ЭСКИЗ. В кн. Прикладные системы искусственного интеллекта (Математические исследования, Еып. 123) - Кисинев, Шгиинца, 1991. - стр. 79-91.

2. Андриенко Г. Л. Ковке подходы к формированию объяснений з ЭС. В кн. III Меудународная конференция "Программное обеспечение ЭВМ", Тверь, 1990. т. 4, стр. 49-52.

3. Андриенко Г. Л. К проекту табличной экспертной системы. В кн. Молодежь и современная наука. Кишинев, Шгиинца, 1989. - стр. 3-4.

4. Андриенко Г. Л. Варианты логического вывода в системе ЭСКИЗ. В кн. Интеллектуальное программное обеспечение ЭВМ. Ростов-на-Дону, 1990, т. 1, стр. 13-14.

5. Андриенко Г. JL Процедуры приобретения энаний и управление выводом в диагностической ЭС. В кн. II Всесоюзная конференция по искусственному интеллекту: Тезисы докладов, Минск, 1990. - т. Выставка. стр. 121-125.

6. Ан.-риенко Г. JL 0 применимости методов психологии в инженерии знаний. В кн. Создание и применение гибридных ЭС. Рига, РПИ, 1990, стр. 69-71.

7. Андриенко Г. Л. Один подход к построению открытой интеллектуальной системы. В кн. Гибридные интеллектуальные системы. - Ростов-на-Дону, 1991. - т. 1, стр. 78-80.

8. Андриенко Г.Л., Андриенко ЕЕ Возможности некоторых инструментальных экспертных систем. В кн. Вопросы разработки вычислительной техники. Кишинев, 1989. - стр. 71-74.

9. Андриенко Г. Л. , Андриенко Е В. Логический вывод с использованном таблиц. В кн. Вопросы применения экспертных систем в народном хозяйстве. КПйинев, 1989. - стр. 11-14.

10. Андрпекг-о Г.Л., Андриенко ILR Представление знаний в системах таблиц. В raí. Методы и систем принятия решений. Вып. 18. -Рига, РТУ. 1981. - стр. 135-141.

11. Андриенко Г. Л. , Андриенко Е В. Об одной деловой игре для извлечения экспертных знаний. В кн. Интеллетуализацил систем управления. Eaity, 1991.