ИНФОРМАЦИОННАЯ ПОДДЕРЖКА РЕШЕНИЙ ЗНАНИЯ Схема движения информации

ИНФОРМАЦИОННАЯ ПОДДЕРЖКА РЕШЕНИЙ: ЗНАНИЯ

Схема «движения» информации Объект прибор (Измерения) Знания результат (Обработка) Данные Умения (решения)

Интеллектуальные системы Artificial intelligence (разумность, умение рассуждать, информированность)

Artificial intelligence Любая ИС - это система обработки знаний. Эвристические методы лежали в основе первых ИС Задача ИС - воссоздание разумных действий рассуждений Алан Тьюринг: “Прежде всего компьютер должен рассуждать” и

Artificial intelligence 1956: первая ИС "Логик-теоретик" Ньюэлл, Шоу и Саймон 1959: General Problem Solver Эвристические методы можно реализовать в компьютере, сочетая вычисления и психологию. Нацеленность на способ решения задачи

General Problem Solver Каждое состояние (объект) описывается набором параметров, которые могут изменяться применением операторов. При изменении задачи объекты и параметры меняются, но способ решения при этом может остаться неизменным. Это и есть знание.

Artificial intelligence За рубежом предпочитают говорить о знаниях, а не об интеллекте. Экспертные системы - интеллектуальные программы, способные делать выводы на основе знаний в конкретной предметной области и обеспечивать решение специфических задач. Это системы, основанные на знаниях, но демонстрируют они знания экспертов, а не свои. Knowledge based system (система, основанная на знаниях) Knowledge base system (система баз знаний)

"Ум — это хорошо организованная система знаний“ К. Д. Ушинский

Эвристические методы Heurisko – нахожу Д. Пойя: «Математика и правдоподобные рассуждения»

Эвристические методы p p Легко применяемые и часто приводящие к нужному решению методы Найденные опытным путем способы решения сложных задач в приемлемое время с допустимой точностью Насколько полученное эвристическим путем решение близко к оптимальному?

Эвристические подходы применяютс условиях: p p p сложных систем, неизвестности границ применения и допустимых ошибок, неизвестности существования решения и его единственности, отсутствия алгоритма, сбора дополнительной информации в процессе поиска решения.

Эвристические стратегии: p p p Конструктивная – добавления отдельных компонент с максимальной выгодой на каждом шаге (ургентная медицина) Стратегия декомпозиций – разделение проблемы на более простые подзадачи (диагностика = данные анамнеза + осмотра + параклинические исследования +…) Манипулирование моделью – уменьшение пространства решений (вначале диагноз распространенной формы болезни)

Типы решений Эвристические подходы дополняют алгоритмические: эвристические в условиях неопределенности, а после выбора стратегии алгоритмы поведения

Типы решений Дедуктивный: выведение заключений из заданных правил (Я человек) – (Все люди смертны) – (Я смертен)

Типы решений Абдуктивный: выведение наиболее вероятных исходных утверждений из заключений (Я смертен) – (Все люди смертны) – (Я человек)

Типы решений Индуктивный: выявление наиболее вероятных закономерностей из сопоставления исходных данных и известных результатов (Я человек) – (Я смертен) – (Все люди смертны)

Типы решений Основные параметры Дано Найти Дедуктивный Х, Н У Абдуктивный У, Н Х Индуктивный Х, У Н

Проблемы в медицине: p p p Анализа (дедукция). Какие характеристики будут иметь объекты в заданных условиях среды? Синтеза (абдукция). Какие объекты будут иметь требуемые характеристики в заданных условиях среды? Оценки внешней среды (индукция). В какой среде известные объекты проявят данные характеристики? (СРЕДА) ОБЪЕКТ ХАРАКТЕРИСТИКИ

При исследовании лекарственного средства: 1. 2. 3. Изучение фармакокинетики препарата. Алгоритмический подход (дедукция) Выбор лекарства для определенного человека. Эвристический подход, итерации (абдукция) Исследование показаний и условий применения препарата. Эвристический подход, новые знания (индукция)

Новое отношение к знаниям и рынку p p p знания важнее технологий, инновационное развитие важнее конкретных решений, сотрудничество перспективнее конкуренции - Знание, которое не используется, устаревает и становится бесполезным - Знание, которое распространяется, генерирует новое знание

Новое отношение к знаниям и рынку p p Актив компании - знания, которыми она обладает. Это ключевой фактор в достижении преимуществ перед конкурентами, фундаментальный ресурс. До 80% знаний не применяются в деловых процессах на систематической основе. Проблемы обработки информации стали критическими в крупных корпорациях. «Управление знаниями» (Knowledge Management) - середина 90 -х годов. Формализованная информация фиксируется в документах организации. Скрытая (персональная) информация — плохо формализованное знание, неразрывно связанное с индивидуальным опытом.

Новое отношение к знаниям и рынку Ценностями является не только выпускаемая продукция, но и: p p p опыт и квалификация работников, лояльность и культура работников, ноу-хау организаций, т. е. "интеллектуальный капитал".

Новое отношение к знаниям и рынку Управление знаниями обеспечивает: p p p поддержку решений с учетом информации о связанных областях, хорошую организацию обработки данных, увеличение профессиональной подвижности людей, эффективное распределение задач в соответствие с компетенциями, выявление работников, неэффективно использующих знания.

Рыночное отношение к информации p p p предельно легкая передача без искажений; бесконечная тиражируемость (сохранение при неограниченном числе продаж); возможность ограничений по вторичному тиражированию; возможность конфиденциальности продавца, покупателя и факта продажи; сложность соблюдения авторских прав; непредсказуемость котировки. Менеджмент знаний - основа успешного будущего как предприятия, так и государства

Свойства знаний

Знания Общепризнанное определение знаний отсутствует, признаются лишь их избыточные возможности по сравнению с данными. Данные – информация о фактах, характеризующих объекты, процессы, явления предметной области и используемых для решения определенных задач.

Знания – информация о стратегиях, алгоритмах, правилах, теориях, гипотезах, концептах, используемая для постановки и решения определенных задач Знания - совокупность сведений, образующих целостное описание, соответствующее некоторому уровню осведомленности о предметной области. На основе знаний происходит получение, обработка, систематизация, анализ, интерпретация данных.

Свойства знаний 1. Внутренняя интерпретируемость. Данные могут быть интерпретированы только через знания о способах их использования. 2. Структурированность. Информационный элемент знаний может быть расчленен или объединен с другими элементами (рекурсивная вложенность информационных элементов, принцип матрешки) 3. Связность. Между элементами знаний можно установить причинно-следственные, структурные, иерархические, темпоральные и другие связи

Свойства знаний 4. Семантическая метрика (ситуационная близость смысла элементов знаний) 5. Активность (знания включают планы действий, процедуры, непосредственно управляющие решением). Это принципиально отличает их от данных, которые пассивны относительно процедур.

Знания, в отличие от данных, являются концептуальной моделью исследуемой предметной области

Умения - возможность принимать решения на основе интерпретации данных в рамках имеющихся знаний. Квалификация врача увеличивается, когда увеличиваются его знания и развиваются умения оптимально использовать те же данные, обоснованнее делать выводы, надежнее ставить диагноз.

Типы знаний p p Декларативные знания описывают характеристики, свойства, особенности объектов и явлений. Процедурные (императивные) знания тесно связаны с умениями и включают знания о действиях, операциях, процессах.

Типы знаний: базовые элементы p p p Сущности - понятия, отражающие объекты, существующие сами по себе События - понятия, отражающие процессы, существующие сами по себе Значения - понятия, существующие только в связи с некоторой сущностью или событием

Типы знаний: связи p p Отношения (связи между сущностями, между событиями, между сущностями и событиями) Атрибуты (связи между сущностью и значением, или событием и значением)

Типы знаний p p p Аксиомы (утверждения и определения, основанные на базовых элементах и заранее рассматриваемые как достоверные) Концепции (обобщения представления базовых элементов и связей между ними) Алгоритмы (описания действий в строго определенном порядке)

Типы знаний p p p Теоремы (утверждения и определения, степень достоверности которых нельзя определить заранее) Стратегии (общие правила, позволяющие в конкретной ситуации принять решение) Метазнания (знание того, что известно, со степенью доверия этому). Это знание о знании: об объектах, правилах, стратегиях

Нечеткие знания p p p Многозначность - устраняется за счет информационного контекста. Неполнота. Нельзя определить и перечислить неверные (или все возможные) знания. Концепция закрытого мира. Неточность - вероятность принадлежности объекта к классу (истинности или ложности элемента знаний) не равна единице. В медицине это скорее доверие тому, что событие произойдет, или что факт истинен.

Неточные знания Высказывание неточное, если его истинность не может быть установлена с определенностью. Основополагающее понятие при неточном выводе вероятность. Неточная информация: p интервал p распределение p лингвистическое выражение p множество, … Нужно предусмотреть возможность приписывания меры неточности всем элементам данных и знаний.

Нечеткие множества Лотфи Заде, 1965 Теория нечетких множеств и понятие лингвистических переменных дали схему решения проблем, в которых субъективная оценка играют существенную роль. Это шаг к сближению точности классической математики и всеобъемлющей неточности реального мира.

Нечеткие множества – это множество упорядоченных пар A, A(u), где A – значение элемента множества, A(u) - мера членства (функция принадлежности), которая указывает предполагаемую степень принадлежности значения элемента А к множеству U Если все A(u) равны 0 либо 1, то размытое множество становится «обычным» четким множеством, а функция A(u) обычной булевой функцией. Если 0 A(u) 1, то будем называть А размытым (нечетким) множеством.

Нечеткие множества p Если характеристики можно измерять непосредственно, применяются прямые методы задания функции принадлежности (таблица, формула, пример) p Если характеристики требуют попарного сравнения объектов, обладающих ими, применяются косвенные методы задания функции принадлежности (близость к определенному эталону, измерение в определенной шкале, экспертные оценки и т. п. ).

Нечеткие знания Значение лингвистической переменной определяется набором вербальных характеристик (слова и словосочетания естественного языка) "Возраст": положительные числа > 0 "Возраст": молодой, старый, довольно старый, очень молодой и т. д. «Мягкие вычисления» (soft computing)

Наборы синонимов для лингвистических перемен Значение на базовой шкале Лингвистические переменные 1 Очень плохо Не имеет значения Критический уровень Не влияет 2 Плохо Имеет некоторое значение Очень плохо Влияет незначительно 3 Удовлетво рит. Имеет значение Плохо Частично 4 Хорошо Важно Удовлетворительно Не полностью 5 Отлично Очень важно Приемлемо Полностью

Медицинские знания p p p Медицинские знания характеризуются неопределенностью, неполнотой, субъективностью Придание знаниям количественного (вероятностного) характера отражают в основном уверенность автора, а не статистические закономерности. Неопределенность в медицине во многом следствие особенностей поведения человека, его ошибок, недостаточной информации

Медицинские знания Логичные рассуждения опытного врача - приемлемая форма интерпретации сугубо интуитивной процедуры фон Нейман: «Язык мозга – это не язык математики»

Приобретение медицински знаний

Обучение Знания человека: p Представлены в абстрактной форме и имеют высокую степень универсальности p Специфичны в зависимости от контекста их приобретения и ситуации использования p Полуабстрактность: применение знаний в достаточно широкой области при условии идентичного смысла задач

Обучение При обучении важно путем смысловой интерпретации условий задачи установить связь с существующими знаниями

Приобретение знаний Предметная область - часть реального мира, описанная через множества информационных объектов Информационный объект не обязательно имеет материальную природу

Приобретение знаний Этапы: p анализ предметной области (части реального мира, описанной через множество информационных объектов); p извлечение знаний; p структурирование знаний = концептуальная структура = формализованное описание = модель предметной области.

Приобретение знаний Инженеры по знаниям, системные аналитики, специалисты-когнитологи, врачикибернетики: специалисты по общим способам извлечения знаний и принятия решений Системный подход: p формулировка цели и анализ средств, p методология извлечения знаний, p разработка моделей представления

Инженерия знаний Термин "инженерия знаний" введен Е. Фейгенбаумом: «Привнесение принципов и инструментария исследований из области искусственного интеллекта в решение прикладных проблем, требующих знаний экспертов". Engineering - искусная обработка

Инженерия знаний Это область в теории и практике разработки интеллектуальных систем: p методы извлечения знаний, p процедуры проверки их корректности и непротиворечивости, p модели представления знаний, p варианты использования знаний при решении конкретных задач, …

Приобретение знаний Knowledge elicitation - процедура взаимодействия аналитика с источником знаний (в т. ч. с экспертом), в результате которой становятся явными структура знаний о предметной области и процесс принятия решений. Knowledge acquisition - процедура взаимодействия эксперта с компьютерной программой, основанной на определенной модели знаний. Требует существенной предварительной проработки предметной области. Data mining - использование алгоритмов анализа данных для получения знаний, использование индуктивного типа вывода

Приобретение знаний

Knowledge elicitation Многоэтапная трансляция: p Эксперт: личная модель предметной области p Эксперт: вербализация знаний p Инженер по знаниям: восприятие знаний p Инженер по знаниям: формализация знаний, создание и представление модели От степени согласованности этих двух форм репрезентации зависит эффективность работы инженера по знаниям.

Knowledge elicitation

Knowledge elicitation Общение: p не односторонняя передача информации p не обмен порциями информации Это циркуляция информации Уровни общения: p манипулятивный p правовой p единства цели

Knowledge elicitation p p p В процесс общения вовлечены: участники предмет средства Три аспекта извлечения знаний: p психологический p гносеологический p лингвистический

Паттерны: p p p Цель извлечения знаний (Зачем? ). Специалисты, знания которых нужны в данной предметной области для решения данной задачи (Кто? ). Базовая структура предметной области (Что? ). Средства и способы принятия решений (Как? ) Временные параметры и ограничения (Когда? ) Экономические аспекты разработки (Сколько? )