Лінгвістичний аспект

Мова — це складне та багатомірне поняття, тому виділимо три шари лінгвістичних проблем.

Проблема загального коду

Мови, на яких говорять аналітик та експерт є віддзеркаленням їх внутрішньої мови, бо більшість психологів вважають, що мова є основним засобом мислення. Мова аналітика складається з термінів предметної області, загальнонаукової термінології, побутової розмовної мови. Мова експерту складається зі спеціальної термінології, побутової мови, неологізмів (його професійний жаргон).

Якщо побутова та загальнонаукові мови у них збігаються, то для успішної взаємодії партнерам необхідно виробити деяку загальну мову чи код.

Це випрацювання загального коду починається з виписування аналітиком усіх термінів, що вживає експерт, та уточнення їх смислу. Далі потрібно згрупувати терміни та вибрати синоніми.

На цьому етапі аналітик мусить з увагою поставитись до усіх спеціальних термінів, намагаючись максимально зрозуміти їх смисл.

Понятійна структура

Більшість спеціалістів зі штучного інтелекту та когнітивній психології вважають, що основна властивість натурального інтелекту та пам‘яті — це зв‘язність усіх понять у деяку мережу. Тому для розробки бази знань потрібен не словник, а гіпертекстова енциклопедія, де усі поняття пояснені з посиланнями на інші терміни. Тому лінгвістична робота інженера по знаннях полягає у побудові таких зв‘язних фрагментів.

Словник користувача

Професійний рівень кінцевого користувача може не дозволити йому використати спеціальну мову предметної області у повному обсязі. Для розробки користувацького інтерфейсу потрібна додаткова обробка словника загального коду з поправкою на доступність та прозорість системи. Можна створити два словники — для професіоналів та простих користувачів. Цікаво, що при введенні системи в експлуатацію використовується в основному другий словник. Навіть професійні користувачі надають перевагу текстам на звичайній мові.

Гносеологічний аспект

Гносеологія — це розділ філософії, пов‘язаний з теорією пізнання, або теорією відображення дійсності у свідомості людини. Інженерія знань як наука двічі гносеологічна — спочатку дійсність відбиватється у свідомості експерта, а потім досвід експерта інтерпретується свідомістю інженера по знаннях, що є основою для побудови наступної інтерпритації — поля знань експертоної системи.

У процесі вилучення знань, аналітика в основному цікавить компонент, пов‘язаний з неканонічними індивідуальними знаннями експерта, бо предметні області саме з таким типом знань найчастіше потребують створення експертних систем.

Основними методологічними критеріями науковості, що дозволяють вважати науковим нове знання та спосіб його отримання, є внутрішня збалансованість та непротиречність, системність, об‘єктивність, історизм.

Внутрішня збалансованість у емпіричних областях, на перший погляд, просто не працює — у них факти часто не відповідають один одному, визначення протиречні, дифузні.

Модальність знань означає можливість його існування у різних категоріях, тобто у конструкціях існування та обов‘язковості. Таким чином, частина закономірностей можлива, інша обов‘язкова.

Можлива протиречність емпіричного знання — природній наслідок з основних законів діалектики. Вони часто є відправною точкою у роздумах експертів.

Неповнота знань пов‘язана з неможливістю повністю описати предметну область. Задача аналітика цю неповноту обмежити визначеними рамками повноти, тобто звузити границі предметної області або ввести ряд обмежень та допущень, що спростили б проблему.

Системність

Усі процеси та явища можна розглядати, як множину менших підмножин і навпаки, будь-які об‘єкти можна розглядати як елементи більш високих класів.

Об‘єктивність

Процес пізнання глибоко суб‘єктивний, тобто він суттєво залежить від особливостей самої людини. Тому, коректніше говорити про глибину розуміння, ніж про об‘єктивність знання. Розуміння — це складний та неоднозначний процес, що відбувається у глибинах людської свідомості й потребує мобілізації усіх інтелектуальних та емоційних здатностей людини. Люди, що швидко та успішно вирішують інтелектуальні задачі, більшу частину часу витрачають на розуміння її, в той час як погані вирішувачі швидко починають шукати розв‘язок й не можуть його знайти.

Історизм

Хоча більшість експертних систем дають горизонтальний зріз знань — без врахування часу, інженер по знанням мусить завжди розглядати процеси з урахуванням часових змін.

Методологічна структура знання може бути представлена як послідовність етапів, які розглянемо з позиції діяльності інженера по знаннях.

Опис та узагальнення фактів

Це сухий залишок бесід аналітика з експертом. Повнота ведення протоколів під час розмови та пунктуальна домашня робота над ними — залог продуктивного першого етапу пізнання.

Встановлення зв‘язків та закономірностей

У голові експерта зв‘язки встановлені, хоч часто і неявно. Задача інженера виявити каркас роздумів експерта. Реконструюючи роздуми експерта, інженер по знаннях може спиратися на дві найпопулярніші теорії мислення — логічну та ассоціативну. Логічними операціями є визначення, порівняння та розрізнення, аналіз, абстрагування, об‘єднання, класифікація, категоризація. Теорія асоциацій представляє мислення як ланцюжок ідей, пов‘язаних загальниими поняттями. Основними операціями такого мислення є асоціації, згадування, спроби та помилки, автоматичні реакції.

Будування ідеалізованої моделі

Для побудови моделі, що відображає представлення суб‘єкта про предметну область, потрібна спеціальна мова, за допомогою якої можна описувати та конструювати ті ідеалізовані моделі світу, які виникають у процесі мислення. Ця мова створюється поступово за допомогою категоріального апарату прийнятого у цій області, а також формально-знакових засобів математики і логіки. Для емпіричних предметних областей така мова поки-що не розроблена.

Пояснення та передбачення на основі моделей

Цей завершуючий етап структури пізнання є одночасно і частковим критерієм істиності отриманого знання. Якщо виявлена система знань експерта повна та об‘єктивна, то на її основі можна робити прогнози та пояснювати будь-які явища даної предметної області. Як правило, бази знань стаждають фрагмертарністю та модульністю компонентів. Все це не дозволяє створювати дійсно інтелектуальні системи, що могли б передбачати нові закономірності та пояснювати випадки, не вказані у явному вигляді у базі.

Література