Экспертные игры
Понятие экспертной игры или игры с экспертами в целях извлечения знаний восходит к трем источникам — это:
- деловые игры, широко используемые при подготовке специалистов и моделировании;
- диагностические игры;
- компьютерные игры, все чаще применяемые в обучении.
В настоящее время в психолого-педагогических науках нет развитой теоретической концепции деловых игр и других игровых методов обучения. Тем не менее на практике эти игры широко используются. Под деловой игрой чаще всего понимают эксперимент, где участникам предлагается производственная ситуация, а они на основе своего жизненного опыта, своих общих и специальных знаний и представлений принимают решения.
Решения анализируются, и вскрываются закономерности мышления участников эксперимента. Именно эта анализирующая часть деловой игры полезна для получения знаний. И если участниками такой игры становятся эксперты, то игра из деловой превращается в экспертную. Из трех основных типов деловых игр (учебных, планово-производственных и исследовательских) к экспертам ближе всего исследовательские, которые используются для анализа систем, проверки правил принятия решений.
Диагностическая игра — эта та же деловая игра, но применяемая конкретно для диагностики методов принятия решения в медицине. Эти игры возникли при исследовании способов передачи знаний от опытных врачей новичкам.
Плодотворность моделирования реальных ситуаций в играх подтверждается сегодня практически во всех областях науки и техники. Они развивают логическое мышление, умение быстро принимать решения, вызывают интерес у экспертов.
Идея использовать компьютеры в деловых играх известна давно. В настоящее время, когда компьютерные игры взяли в плен практически всех пользователей персональных ЭВМ, стала очевидной особая притягательность такого рода игр.
Игры иногда полезны для развлечения экспертов перед сеансом извлечения знаний. Кроме того, очевидно, что экспертные игры могут успешно применяться для непосредственного извлечения знаний. Однако разработка и программная реализация такой игры потребуют существенных вложений временных и денежных ресурсов.
Вкратце охарактеризуем основные косвенные коммуникативные методы извлечения знаний.
Многомерное шкалирование — метод анализа и визуализации данных с помощью расположения точек, соответствующих изучаемым объектам, в пространстве меньшей размерности чем пространство признаков объектов.
Иерархическая кластеризация - один из методов упорядочивания данных, визуализация которых обеспечивается с помощью графов.
Кластерный анализ - многомерная статистическая процедура, выполняющая сбор данных, содержащих информацию о некоторой выборке объектов, и затем объединяющая объекты в сравнительно однородные группы.
Факторный анализ - многомерный метод, применяемый для изучения взаимосвязей между значениями переменных.
Анализ репертуарных решеток - методика исследования индивидуальной категориальной структуры личности, предложенная в 1950-х американским психологом Джорджем А. Келли (1905-1967) для изучения того, как человек воспринимает, интерпретирует, оценивает и прогнозирует свой жизненный опыт и окружающий мир.
Анализ РР используется в различных областях практической деятельности: психологии и психодиагностике, психиатрии, социологии, педагогике, рекламе, дизайне, политике, менеджменте, профконсультировании, лингвистике, истории, риторике и т.д.
Анализ РР позволяет выявлять значимые для специалиста признаки (конструкты), определять силу и направленность связей между ними и строить из них связную систему.
Далее перейдем к рассмотрению моделей приобретения знаний. Процесс приобретения знаний можно разбить на следующие задачи:
Связь данных и знаний
Данные — это информация, полученная в результате наблюдений или измерений отдельных свойств, характеризующих объекты, процессы и явления предметной области.
данные как результат измерений и наблюдений;
данные на материальных носителях информации (таблицы, справочники);
структуры данных в виде диаграмм, графиков;
данные в компьютере на языке описания данных;
базы данных на машинных носителях информации.
Знания — это выявленные в результате практической деятельности и профессионального опыта закономерности предметной области.
знания в памяти человека как результат обучения, воспитания, мышления;
знания на материальных носителях (инструкции, учебники, методические пособия);
поле знаний (условное описание основных объектов предметной области, их атрибутов и закономерностей);
знания, описанные на языках представления знаний;
база знаний на машинных носителях информации.
В настоящее время декларативные языки программирования часто называют языками ИИ. Это происходит потому, что в декларативной программе не предписывается выполнения определенной последовательности действий, а лишь дается разрешение их совершать. Вследствие этого, программа сама находит некоторый способ достижения поставленной цели, причем часто таких способов может быть несколько.
В рамках наук об ИИ существуют десятки способов представления знаний для различных предметных областей. Большинство из них может быть сведено к следующим классам:
продукционные модели
семантические сети
фреймы
формальные логические модели.
На практике редко удаётся обойтись рамками одной модели при разработке ИИС, поэтому представление знаний получается сложным.
Перейдем к рассмотрению общей классификации моделей представления знаний.
Следует сразу сказать, что модели представления знаний в литературе часто смешивают с методами представления знаний, то есть используются два разных названия для характеристики одного и того же элемента.
К формально-логическим моделям относят классическую теорию исчисления предикатов 1-го порядка. Чаще всего эти логические модели строятся при помощи декларативных языков логического программирования, наиболее известным представителем которых является язык Пролог (Prolog).
Начало истории языка относится к 70-м годам XX века. Интерес к Прологу поднимался и затихал несколько раз, энтузиазм сменялся жестким неприятием. Наибольшее внимание Пролог привлек к себе как к языку будущего во время разработок японской национальной программы «Компьютеры пятого поколения» в 1980-х годах, когда разработчики надеялись, что с помощью Пролога можно будет сформулировать новые принципы, которые приведут к созданию компьютеров более высокого уровня интеллекта. Неправильная оценка этой перспективы явилась одной из причин неудачи проекта.
В настоящее время Пролог, несмотря на неоднократные пессимистические прогнозы, продолжает развиваться в разных странах и вбирает в себя новые технологии и концепции, а также парадигмы императивного программирования.
Рассмотрим еще одну классификацию моделей представления знаний в виде таблицы. В первоисточнике эта таблица названа как Методы представления знаний.
Далее по ходу лекций мы подробно разберем все явные методы представления знаний и частично затронем неявные методы представления знаний.
Разработка первых систем ИИ начиналась со становления формальных языков представления знаний, к которым относятся исчисление высказываний и предикатов. Основная идея этого подхода – сохранение истинности операций на корректно построенных выражениях.
Так происходило развитие явных методов представления знаний: от теории исчисления высказываний к развитию ассоционистских теорий смысла.
Далее остановимся более подробно на теориях исчисления высказываний и предикатов.