Базы Знаний, организационные и технологические аспекты

МИНИСТЕРСТВО  ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ

ФЕДЕРАЦИИ

Государственное образовательное учреждение высшего  профессионального образования

«САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ  УНИВЕРСИТЕТ

ЭКОНОМИКИ И ФИНАНСОВ»

 

Факультет «Экономики труда  и управления персоналом»

Кафедра «Социологии и  управления персоналом»

 

Реферат

По дисциплине «Информационные технологии управления персоналом»

На тему: «Базы Знаний, организационные и технологические аспекты»

 

 

Выполнил: студент 444 группы

Панов Максим Сергеевич

Научный руководитель:

к.э.н., доцент С. А. Перешивкин

 

Санкт-Петербург

2013г.

Содержание

 

Типы знаний и их виды    

1. Разные типы знаний.   

2. Виды знаний в существующих системах.  

3. Методы использования знаний и доступ к ним.   

4. Плюсы и минусы продукционных систем 

5.  Метазнание

6. Метазнание объектов окружающего мира

Заключение 

 

 

Разные типы знаний и их виды

 

   В данное время главной миссией исследований в области ИИ является создание таких

систем, которые, с одной  стороны,  могут  использовать  значительное  количество

знаний, передаваемых им специалистами, а с другой  -  способны  вступать  в

диалог и  разъяснять  свои  выводы.  Это предполагает  присутствие

эффективного управления значительной по объему и хорошо структурированной базой

знаний, строгое разграничение  между  различными  уровнями  знаний,  наличие

множества благоприятных представлений для правил, схем предикатов или прототипов

и  четко  назначенный  процесс   обмена   информацией   между   различными

источниками.

 

   Нужно, чтобы система знала, что она знает. Если попробовать провести

аналогию с людьми, то подобное метазнание обозначает непрерывное применение

в течение жизни информации о каждом прожитом дне. Если, к примеру, вы позабыли

фамилию и отчество своего преподавателя, встреченного на ярмарке, то ваше метазнание состоит в том,  что

либо вы его фамилию и отчество знали, но  забыли,  либо  никогда толком то и не  знали.

Тем более, мы непрерывно используем важные эвристические правила,  основанные

на подобном метазнаний, такие, как "если бы это была правда, то  я бы  это

знал". Они зависят от двух значительных параметров:  значимости  имеющего  к ним

отношения  факта  и  степени  нашей  собственной  компетентности  в  данной

области. В реальности любое человеческое  знание  сразу же  призывает

метазнания, связанного с тем местом, которое мы отделяем  данному знанию  в

ряду другой информации, как мы к нему относимся, для каких  целей  оно  нам

полезно, к какому семейству  принадлежит. Все эти моменты  разбираются  в

следующих разделах, посвященных описанию настоящих информационных систем.

 

1. Различные виды знаний

    Отметим восемь основных типов знаний по следующим признакам.

      1)  Базовые   элементы,  объекты  реального   мира.   Они   связаны   с

         прямым восприятием, не требуют обсуждения, и прибавляются

         к нашей базе фактов в том  виде, в котором они приняты.

 

      2) Ратификации и дефиниции. Они базируются на сновных элементах

         и заблаговременно рассматриваются как достоверные.

 

      3) Концепции.  Они представляют собой  перегруппировки   или  обобщения

         базовых объектов. Для  строя  всякой  концепции используются

         личные приемы. Например, в системах  МЕСНО (Bundy,  1979)  или AM

         (Lenat, 1977) они выстроены на базе  примеров,  контр-примеров,

         личных случаев, наиболее тотальных или похожих концепций.

 

      4) 4) Отношения.  Они  формулируют  как нетрудные  свойства  базовых

       элементов,  так и отношения между концепциями.  Кроме того, к

      свойствам  отношений относят их большее или меньшее правдоподобие,

       большая  или меньшая связь с данной  ситуацией. Еще  раз  заметим,  что

       представление   знаний  в  экспертных  системах  близко   к   моделям,

       используемым  в базе  данных.  Таким путем выстроена   реляционная

       (обобщенная) модель базы данных  в  системах  OPS,  PROLOG,  SNARK  и

       TANGO.

         Пара понятий "свойство - значение" (relationship -  entity)  хорошо

      знакома в семантических сетях; фреймы  и скрипты проявляются  не  чем

      иным,  как   наиболее  простыми   бинарными   отношениями.   Некоторые

      экспертные  системы  (INTERNIST,  BAOBAB,  SPHINX)  в   качестве  базы

      факторов  используют уже базы существующих  данных.

 

   5) Теоремы и правила  перезаписи. Они являются личным случаем

      продукционных  правил с совершенно определенными свойствами.  Теоремы не

      играть роли   без экспертных правил  их  использования.

      Очевидное присутствие теорем в экспертных системах  представляет  главное

      отличие  от систем управления классическими  базами  данных  (СУБД),  в

      которых  они либо отсутствуют, либо  программируются.  Модификация   или

      добавление  новых  теорем  является   весьма   трудоемкой,   хотя   и

      нужной   процедурой,   так   как   необходимо   обеспечить    хорошее

      структурированное  управление базой данных и  оптимизировать  получение

      ответов  (Gallaire, 1987).

 

   6) Алгоритмы решений.  Они нужны для выполнения определенных  задач.

      Во всех  эпизодах они связанны  со  знанием необычного  типа,  поскольку

      определяемая  ими последовательность действий  оказывается  оформленной

      в блок  в строго необходимом порядке  в отличие от других типов  знания,

      где элементы  информации могут появляться  и  располагаться  без   отношения

      друг с  другом.

         Несомненно,  очень трудно  работать  с длинными   процедурами,

       состоящими  из  значительного  числа различных действий. Использование

       чистых  алгоритмов ограниченно весьма частными случаями, высокая  часть

       которых  имеет дело  с  обработкой  числовой  информации.  Человек   же

       обязан  уметь работать  со  многими иными  типами  информации   и

       выясняется, что ЭВМ в отличие от элементарного калькулятора может помочь

       человеку  в подобных неалгоритмических  ситуациях.

    7)      Тактика и эвристика. Этот тип играть роль  врожденных

        или  приобретенных правил поведения, которые дозволяют в данной

        конкретной ситуации принять решение о необходимых деяниях. Он

        применяет информацию в порядке, обратном тому, в котором она была

        добыта. В качестве примера приведем  рассуждение типа:  "Я

        знаю, что это действие приводит  к такому-то результату  (информация

        типа 4), поэтому, если я хочу добыть именно  этот  результат,  я

        могу  проанализировать это действие". Человек стабильно  пользуется  этим

        типом  знаний при восприятии, формировании  концепций, решении  задач

        и  формальных рассуждениях.

           Появление экспертных систем  связанно с нуждой принятия  в

         расчет именно этого фундаментального  типа человеческих знаний.

 

    8)      Метазнание. Несомненно, оно есть на большинстве уровнях и

        является знанием того, что известно и определяется  значением

        коэффициента  доверия  к  этому   знанию,   значительность   простой

        информации  по взаимоотношению ко всему множеству знаний. Так же, сюда

        ввергают вопросы организации произвольного типа  знаний  и указаний,

        когда,  где и как они могут быть использованы.

 

2. Представления знаний в имеющихся системах. ………………………………………

     Продемонстрируем короткий список наиболее доступных  в настоящее время

методов. Главное отличие между ними состоит в простоте модификации

знания. ……………………………………………………………………….

      К тому  же, конечные автоматы, программы,  исчисление  предикатов  и

  системы  с  продукционными  правилами   с   теоретической   точки   зрения

  одинаковы,  потому что  их  в принципе  можно   свести   к

  универсальной машине  Тьюринга, но их  "эксплуатационные  характеристики"

  сильно различаются.

      Подобные формальные понятия, как фреймы;  скрипты,  семантические сети,

  появились из настоящих потребностей  искусственного  интеллекта  и дают

  значительную помощь в понимании языка.

      Фреймы  предложены Минским в  1975  г.  и  являют  собой  сложные

  структуры  данных,  описывающих  какую-нибудь  типичную  ситуацию,  например

  ожидание в вокзале или участие в деловом  обеде.  Фрейм состоит из

  позиций для размещения  объектов, характеризующих данную  ситуацию.  Позиция

  может быть отдана другому фрейму. Так же, он хранит  информацию  о

  выполняемых  действиях,  о  том,  как  следует   поступать  в  типичных   и

  нетипичных случаях, о воздействии смежных фреймов. ………………………………

      Скрипт  или схема представляет собой   описание  стереотипного  сценария

  действий с участием  определенных  объектов.  Скрипты   связаны  с  текущей

  культурой и необходимым для понимания таких предложений, как "Я вошел в

  ресторан, официантка  принесла мне меню". Они могут  вызывать

другие скрипты и обладают большими, чем фреймы, возможностями  для  описания

динамических аспектов знания. ………………………………………………………

      Семантические  сети -  это  графы,  которые   нередко  являют  собой

соединение двух предыдущих понятий и объектом описания,  которых являются

элементы окружающего  мира и связи между ними.  Они  находят  много общего  с

реляционными моделями баз  данных. …………………………………………………………..

      Изображения  и графы результативно используются для доказательства теорем.

Они дают большую помощь в проверке отсутствия зацикливания  этапов,  в

полном и эффективном  хранении задачи в памяти, в  организации  ввода  новых

элементов.

 

3.   Способы использования  знаний и доступ к ним.

 

  Существуют четыре способа употребления простой информации  в форме p(q.

   Примером этого может служить "каждое существо ошибается".

      Наиболее простой  способ  состоит в открытом  использовании его

   смысла в формулировках  типа:

      "Что то ошибается, и я могу доказать, что это что то - существо".  Другой

   способ,  использующий  метазнание  и обратный  ход мыслей,  заключается  в

   следующем:

      "Допустим, я хочу привести доказательства,  что что-то  ошибается,  то  вероятная 

   подцель состоит в том, чтобы показать, что это  что-то  -  существо".  Два первых

   способа используют  модус  поненс,  два следующих используют  отрицание

   предложения q и модус толенс:

   а) "Если что-то не ошибается, оно не может быть существом".  Б)  "Допустим,  я

   хочу доказать, что  что-то не является существом,  то  я могу  попробовать

   представить, что оно не ошибается". …………………………………………………….

     Заметим, что принцип решения и, в частности, использующий его язык

   Пролог используют один  формальный  подход  к описанию  этих  способов

   Вывода.……………………………………………………………………………..

      С  практической  точки  зрения  использование   информации  зависит  от

   параметров, характеризующих ее правдоподобие. Каждая система

   обработки информации  должна быть в состоянии ответить  на  такие  вопросы

   как:

   •   Какая доля утверждения А является правдой? ....................................

1. С каким уровнем категоричности знаток согласен с заключением?

2. Какова допустимая вероятность достижения цели с использованием А?

3. В какой границе следует проявить предпочтение А перед другими?

 

      Отдельные системы, основанные на продукционных правилах,  используют

   процессы приближенного  вывода, учитывающие эти обстоятельства.  Системы,

   применяющие продукционные  правила, описаны  выше.  В   следующем  разделе

   представлено возможное различие между этими системами и подходом  к решению

   этих  же  проблем с помощью логики  первого порядка,  отмечены  также

   преимущества и  недостатки подобного моделирования  знаний.

 

4. Преимущества и недостатки  продукционных систем

 

  Начну с недостатков. Выделим из них три главных,  с  которыми  объединены

  определенные ограничения,  покоящиеся в основе используемого формализма.  Они

  причисляются к концепции, формулировке и использованию правил.

 

1. Трудность   составления   продукционного   правила,    соответствующего

    элементу знания. Необходимо, чтоб анализируемая область

    уже была довольно изучена и установлены хорошие примитивы,

   а так же чтобы уровень детализации не был слишком подробным, иначе по-

    требовалось бы  иметь по   одному   правилу   на каждую ситуацию

    и неясно, как:  человеку удалось бы разобраться в таком обилии информации.