Методы приобретения знаний реферат

Обновлено: 07.07.2024

Функция "чтения" служит для ознакомления с работой. Разметка, таблицы и картинки документа могут отображаться неверно или не в полном объёме!

Инженерия знаний – это область информационной технологий, цель которой – накапливать и применять знания, не как объект обработки их человеком, но как объект для обработки их на компьютере. Для этого необходимо проанализировать знания и особенности их обработки человеком и компьютером, а также разработать их машинное представление. К сожалению точного и неоспоримого определения, что собой представляют знания, до сих пор не дано. Но тем не менее цель инженерии знаний – обеспечить использование знаний в компьютерных системах на более высоком уровне, чем до сих пор – актуальна. Но следует заметить, что возможность использования знаний осуществима только тогда, когда эти знания существуют, что вполне объяснимо. Технология накопления и суммирования знаний идет бок о бок с технологией использования знаний, они взаимно дополняют друг друга и ведут к созданию одной технологии, технологии обработки знаний.

В данной работе я постарался описать методы решения одной из проблем данного комплекса – это проблемы приобретения знаний, или говоря другими словами – обучения.

Методы приобретения знаний. Приобретение знаний реализуется с помощью двух функций: получения информации извне и ее систематизации. При этом в зависимости от способности системы обучения к логическим выводам возможны различные формы приобретения знаний, а также различные формы получаемой информации. Форма представления знаний для их использования определяется внутри системы, поэтому форма информации, которую она может принимать, зависит от того, какие способности имеет система для формализации информации до уровня знаний. Если обучающаяся система совсем лишена такой способности, то человек должен заранее подготовить все, вплоть до формализации информации, т. е. чем выше способности машины к логическим выводам, тем меньше нагрузка на человека.

Функции, необходимые обучающейся системе для приобретения знаний, различаются в зависимости от конфигурации системы. В дальнейшем при рассмотрении систем инженерии знаний предполагается, что Существует система с конфигурацией, показанной на рис, 1.1, которая включает базу знаний и механизм логических выводов, использующий эти знания при решении задач. Если база знаний пополняется знаниями о стандартной форме их представления, то этими знаниями также можно воспользоваться. Следовательно, от функций обучения требуется преобразование полученной извне информации в знания и пополнение ими базы знаний. Рис.1 Базовая структура систем обработки знаний Можно предложить следующую классификацию систем приобретения знаний, которая будет опираться на способность системы к восприятию знаний в разных форматах, качественно различающихся между собой и способностью к формализации (рис 2). Рис 2.Классификация методов приобретения знаний.Обучение без выводов. Категорию А можно назвать обучением без выводов или механическим запоминанием, это простой процесс получения информации, при котором необязательны функции выводов, а полученная информация в виде программ или данных используется для решения задач в неизменном виде. Другими словами, это способ получения информации, характерный для существующих компьютеров.

Методы приобретения знаний.

Приобретение знаний реализуется с помощью двух функций: получения информации извне и ее систематизации. При этом в зависимости от способности системы обучения к логическим выводам возможны различные формы приобретения знаний, а также различные формы получаемой информации. Форма представления знаний для их использования определяется внутри системы, поэтому форма информации, которую она может принимать, зависит от того, какие способности имеет система для формализации информации до уровня знаний. Если обучающаяся система совсем лишена такой способности, то человек должен заранее подготовить все, вплоть до формализации информации, т. е. чем выше способности машины к логическим выводам, тем меньше нагрузка на человека.

Рис.1 Базовая структура систем обработки знаний

Можно предложить следующую классификацию систем приобретения знаний, которая будет опираться на способность системы к восприятию знаний в разных форматах, качественно различающихся между собой и способностью к формализации (рис 2).

Рис 2.Классификация методов приобретения знаний.

Обучение без выводов.

Категорию А можно назвать обучением без выводов или механическим запоминанием, это простой процесс получения информации, при котором необязательны функции выводов, а полученная информация в виде программ или данных используется для решения задач в неизменном виде. Другими словами, это способ получения информации, характерный для существующих компьютеров.

Категория Б—это получение информации извне, представленной в форме знаний, т. е. В форме, которую можно использовать для выводов. Обучающейся Системе необходимо иметь функцию преобразования входной информации в формат, удобный для дальнейшего использования и включения в базу знании.

Приобретение знаний на этом этапе происходит в наиболее простой форме: это знания, предварительно подготовленные человеком во внутреннем формате, какими являются большинство специальных знании, изначально заданных в экспертных системах. В случае прикладных систем инженерии знаний необходимо преобразовать специальные знания из какой-либо области в машинный формат, но для этого нужен посредник, хорошо знающий как проблемную область, так и инженерию знаний. Таких посредников называют инженерами по знаниям. В общем случае для замены функции посредника можно использовать и специальные подпрограммы. Т.е. необходимо иметь функции выводов достаточно высокого уровня, но можно ограничиться и выводами на сравнительно низком уровне, а остальное доверить человеку — в этом и состоит приобретение знаний в диалоге. Примером служит хорошо известная система TEIRESIAS. Это система-консультант в области медицины, разработанная на базе системы MYCIN. Специалисты в проблемной области являются преподавателями обучающейся системы, а ученик — система инженерии знаний — изучает ответы на поставленные задачи и корректирует те правила в базе знаний, которые ранее приводили к ошибкам. Для подготовки знаний в экспертной системе необходимы вспомогательные средства типа редактора знаний, причем в процессе приобретения знаний в диалоге не только редактируются отдельные правила и факты, но и восполняются недостатки существующих правил, т. е. ведется редактирование базы знаний.

Если знания заданы во внешнем формате, например на естественном языке, то следует преобразовать их во внутренний формат. Для этого необходимо понимать внешнее представление, т. е. естественный язык, графические данные и т. п. Фактически приобретение знаний и их понимание тесно связаны. Проблема понимания сводится не только к преобразованию структуры предложений — необходимо получить формат, удобный для применения.

Приобретение знаний на метауровне

Выше было рассмотрено обучение на объектном уровне, а еще более сложная проблема - приобретение знаний на метауровне, т. е. знаний, основой которых является информация по управлению решением задач с использованием знаний на объектном уровне. Для знаний на метауровне пока не установлены ни формы представления и использования, ни связь со знаниями на объектном уровне, ни другая техника их систематизации. Поскольку не определена форма их представления с точки зрения использования, то трудно говорить о приобретении знаний на метауровне. Тем не менее с этой проблемой связаны многие надежды в инженерии знаний,
Приобретение знаний из примеров

Метод приобретение знаний из примеров отличается от предыдущего метода, тем , что здесь выполняется сбор отдельных фактов, их преобразование и обобщение, а только затем они будут использованы в качестве знаний. И соответственно от уровня сложности системы вывода в системе будут возникать разные по степени общности и сложности знания. Необходимо также упомянуть о том, что этот метод приобретения знаний почти не нашёл практического применения, это может быть связано с тем, что входная информация представляет собой не систематизированный набор данных и для их обработки требуется наличие в системе обширных знаний по конкретной области.

По сравнению с предыдущим методом приобретения знаний, этот метод имеет большую степень свободы и соответственно необходимо описать общие положения этого принципа.

1. Языки представления . Обучение по примерам — это процесс сбора отдельных фактов, их обобщение и систематизация, поэтому необходим унифицированный язык представления примеров и общих правил. Эти правила, будучи результатом обучения, должны стать объектами для использования знаний, поэтому и образуют язык представления знаний. И наоборот, язык представления знаний должен учитывать и определять указанные выше условия приобретения знаний.

3. Правила обобщения. Для сбора отдельных примеров и создания общих правил необходимы правила обобщения. Предложено несколько способов их описания: замена постоянных атрибутов языка на переменные, исключение описаний с ограниченным применением и т. п. Очевидно, что эти способы тесно связаны с языком представления знаний.

При изучении метода приобретения знаний по примерам можно выделить следующий ряд методов:

1. Параметрическое обучение

2. Обучение по аналогии

3. Обучение по индукции.

Параметрическое обучение.

Наиболее простая форма обучения по примерам или наблюдениям состоит в определении общего вида правила, которое должно стать результатом вывода, и последующей корректировки входящих в это правило параметров в зависимости от данных. При этом используют психологические модели обучения, системы управления обучением и другие методы.

Примером обучающейся системы этой категории в области искусственного интеллекта является система Meta-Dentral. Эта система выводит новые правила путем коррекции правил продукций в процессе обучения или на основе исходных массспектральных данных параметрическое обучение в ней представлено в несколько специфичном виде, но все же она относятся к указанной выше категории, поскольку в системе задана основная структура знаний, которая корректируется последовательно по отдельным данным.

Ярким примером применения этого метода приобретения знаний могут также служить системы распознавания образов (обсуждавшиеся ранее в другом докладе). В них ясно просматривается основной принцип этого метода - в ходе обучения нейронная сеть автоматически по определенным заранее законам корректирует веса связей между элементами и значения самих элементов.

Метод обучения по индукции.

Среди всех форм обучения необходимо особо выделить обучение на основе выводов по индукции - это обучение с использованием выводов высокого уровня, как и при обучении по аналогии. В процессе этого обучения путем обобщения совокупности имеющихся данных выводятся общие правила. Возможно обучение с преподавателем, когда входные данные задает человек, наблюдающий за состоянием обучающейся системы, и обучение без преподавателя, когда данные поступают в систему случайно. И в том и в другом случае выводы могут быть различными, они имеют и различную степень сложности в зависимости от того, задаются ли только корректные данные или в том числе и некорректные данные и т. п. Так или иначе, обучение этой категории включает открытие новых правил, построение теорий, создание структур и другие действия, причем модель теории или структуры, которые следует создать, заранее не задаются, поэтому их необходимо разработать так, чтобы можно было объяснить все правильные данные и контрпримеры.

Индуктивные выводы возможны в случае, когда представление результата вывода частично определяется из представления входной информации. В последнее время обращают на себя внимание программы генерации программ по образцу с использованием индуктивных выводов.

Как видно из этого примера, при выводе в каждый момент времени объясняются все данные, полученные до этого момента. Разумеется, данные, полученные позже, уже могут и не удовлетворять этому выводу. В таких случаях приходится менять вывод. Следовательно, в общем случае индуктивный вывод—это неограниченно долгий процесс. И это не удивительно, если вспомнить процесс освоения человеком языков, процесс совершенствования программного обеспечения и т. п.

Для точного определения индуктивного вывода необходимо уточнить:

1) множество правил—объектов вывода,

2) метод представления правил,

3) способ показа примеров,

4) метод вывода и

5) критерий правильности вывода.

В качестве правил—объектов вывода—можно рассматривать главным образом индуктивные функции, формальные языки, программы и т. п. Кроме того, эти правила могут быть представлены в виде машины Тьюринга для вычисления функций, грамматики языков, операторов Пролога и другим способом. Машина Тьюринга—это математическая модель компьютера, ее в принципе можно считать программой. В случае когда объектом вывода является формальный язык, он сам определяет правила, а его грамматика — метод представления правил, поэтому говорят о грамматическом выводе.

Для показа примеров функции f можно использовать последовательность пар (х,f(х)) входных и выходных значений так, как указано выше, последовательность действий машины Тьюринга, вычисляющей и другие данные. Задание машине выводов пары входных и выходных значений (х, f(х)) функции f соответствует заданию системе автоматического синтеза программ входных значений х и выходных значений f(х), которые должны быть получены программой вычисления f в ответ на х. В этом смысле автоматический синтез программ по примерам также можно считать индуктивным выводом функции f. Формальные языки — это множество слов; поэтому, например, для языка L можно рассматривать ва типа слов, принадлежащих и не принадлежащих этому языку. Первые назовем положительными, а вторые — отрицательными данными. Другими словами, есть два способа показа примеров формального языка: с помощью положительных и отрицательных данных. Когда объектом служат сами программы, тогда то же самое можно говорить о функциях языка Лисп, но для Пролога показ примеров осуществляется в виде фактов. Например, (3>4, истина), (2 предположение -> выходные данные.

Другими словами, при выводе последовательно получают примеры как входные данные, вычисляют предположение па данный момент и выдают результат вычислений. Предположение в каждый момент времени основано на ограниченном числе примеров, полученных до сих пор, поэтому обычно в качестве метода вывода используют машину Тьюринга, вычисляющую предположение по ограниченному числу примеров. Такую машину назовем машиной выводов.

Обучение по аналогии.

Приобретение новых понятий возможно путем преобразования существующих знаний, похожих на те, которые собираются получить. Это важная функция, которую называют обучением на основе выводов по аналогии или просто обучением по аналогии. В нашей жизни много примеров, когда новые понятия или технические приемы приобретаются с помощью аналогии

Аналогия—это метод выводов, при которых обнаруживается подобие между несколькими заданными объектами; благодаря переносу фактов и знаний, справедливых для одних объектов, на основе этого подобия на совсем другие объекты либо определяется. способ решения задач, либо предсказываются неизвестные факты и знания. Следовательно, когда человек сталкивается с неизвестной задачей, он на первых порах использует этот естественный метод вывода.

Направления исследования аналогии

Одна из важнейших проблем инженерии знаний— приобретение знаний. Под приобретением здесь понимается получение знаний в виде, пригодном для их использования компьютерами, поэтому многие исследователи указывают, что ключом к знаниям является теория и методология машинного обучения. В общем случае машинное обучение включает приобретение новых декларативных знаний, систематизацию и хранение новых знаний, а также обнаружение новых фактов. Среди указанных форм обучения аналогия, о которой будет идти далее речь, связана, и частности, с проблемой машинного обнаружения новых фактов.

Под новыми фактами мы будем понимать факты, которые дедуктивно не выводятся из некоторых существующих знаний. Получение новых знаний также рассматривалось выше в отношении к индуктивному выводу . В общем случае при индуктивных выводах по заданным данным создается гипотеза, их объясняющая, а с помощью дедукции из этой гипотезы можно вывести новые факты. С другой стороны, при аналогии новые факты предсказываются путем использования некоторых преобразований уже известных знаний.

Индукция и аналогия крайне необходимы при обработке интеллектуальной информации, и поэтому желательно изложить основы их совместного применения. Шапиро ввел строгую формализацию индуктивных выводов в части вывода моделей с использованием логики предикатов первого порядка; в теории индуктивных выводов есть заметные успехи.

С целью обзора исследований аналогии, проведенных до настоящего времени, выделим два типа аналогии: для решения задач и для предсказаний . Аналогия первого типа применяется главным образом для повышения эффективности решения задач, которые, вообще говоря, можно решить и без аналогии. Например, благодаря использованию решений аналогичных задач в областях программирования и доказательства теорем можно прийти к выводам о программах или доказательствах. С другой стороны, используя аналогию для предсказаний, благодаря преобразованию знаний на основе подобия между объектами можно сделать заключение о том, что, возможно, справедливы новые факты. Например, если объектами аналогии является некая система аксиом, то знаниями могут быть теоремы, справедливые в этой системе. При этом, используя схожесть между системами аксиом, можно преобразовать теорему в одной из систем в логическую формулу для другой системы и сделать вывод о том, что эта формула есть теорема. Другими словами, аналогия используется и для решения некоторых строго сформулированных задач и для предсказаний, а также для приобретения не заданной ранее информации.

Примером использования метода приобретений знаний по аналогии может служить система доказательства теорем. При этом общая схема вывода выглядит следующим образом.

Способы приобретения знания. Использование метода предубежденности в отстаивании собственных утверждений. Ссылка на высокие авторитеты как познание на основе чужих знаний. Абсолютизация органов чувств. Применение научного метода обеспечения доказательств.

Рубрика	Биология и естествознание
Вид	реферат
Язык	русский
Дата добавления	02.01.2017
Размер файла	17,7 K

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Автономная некоммерческая организация

высшего профессионального образования

Московский гуманитарно-экономический институт

по учебной дисциплине: "Основы естествознания"

на тему: "Методы познания мира"

Выполнил: студент группы П-332

Кудрова Светлана Николаевна

Проверил: кандидат биологических наук, профессор

Бутузов Александр Анатольевич

2. Ссылка на авторитеты

4. Научный метод

Актуальность данной темы строится на знании науки.

Что такое наука XXI века? Наука, как и любой другой способ познания мира, это набор, совокупность, комплекс, система положений или допущений, правил по которым оперируют этими допущениями, методов, которые признаются научным сообществом, теорий и фактов, ученых и разных научных организаций. По моему мнению, все это наука в любом веке, в том числе в XXI. познание предубежденность авторитет научный

На протяжении всей своей истории человек наблюдал природу и пытался постичь ее. Но за несколько последних веков наши знания о природе стали во много раз глубже и шире, чем за все предшествующие тысячелетия. Причиной этого было развитие научного метода, позволившего сделать много достоверных и полезных обобщений.

Какими же способами мы приобретаем знания?

Наши представления в большинстве случаев бывают основаны на принятии существующих взглядов или на наших собственных не вызывающих сомнений допущениях. Большинство из нас время от времени сталкиваются с необходимостью отстаивать свои взгляды и убеждения или изменять их. При этом мы прибегаем к различным методам. Любой метод представляет собой некую процедуру, применяемую для решения определенной группы проблем - в данном случае для отстаивания определенных убеждений.

Поэтому целью данной работы является рассмотрение методов познания мира. Отсюда вытекают определенные задачи: рассмотреть такие методы: предубежденность, ссылку на авторитет, интуитивный и научный метод, которые выделил американский философ М. Коэн.

1. Предубежденность

Чаще всего пользуется этим методом народ не очень духовной культуры. Например, евреи ненавидят арабов, фанаты команды "Спартак" считают, что только эта команда может быть чемпионом. Этот метод обусловлен привычкой или инерцией. Мы защищаем некое положение просто потому, что мы издавна в него верили. Именно к этому методу чаще всего прибегают в вопросах, касающихся отношения к различным странам, расам, языкам, спортивным командам и т. п. Совершенно очевидно, что таким способом вряд ли можно приобрести новые знания. Тем не менее очень многие споры между людьми, в том числе и самые жаркие, касаются утверждений, отстаиваемых этим методом.

2. Ссылка на авторитеты

Ссылка на высокие авторитеты - познание на основе чужих знаний. Здесь происходит деление на религиозные и нерелигиозные знания, к которым прибегают люди для защиты своих взглядов. Эти авторитеты бывают различны в зависимости от убеждений данного лица и от обсуждаемого предмета: люди цитируют Маркса, конституцию, Че Гевару, Красную книжечку Мао, Библию, Коран, Эми Вандербильт, Винса Ломбарди, считая это достаточным доказательством правильности своих убеждений в области политики, религии, правил хорошего тона или спорта.

К авторитетам обычно прибегают в двух случаях. В одном случае человек, который сам не располагает прямыми фактическими данными, может обратиться к какому-либо источнику. Так мы поступаем, когда пользуемся словарем, ищем нужную нам дату в учебнике истории или формулу какого-нибудь соединения в учебнике химии. Подобное обращение к авторитетам неизбежно и оправдано, поскольку ни у кого нет достаточно времени, чтобы досконально изучить каждый вопрос, с которым ему приходится сталкиваться. При этом человек доверяет конкретным сведениям, почерпнутым из источника, однако оставляет за собой право не согласиться с мнением его автора.

В другом случае ссылаются на авторитет, который сам себя наделил или был наделен другими некой непогрешимостью. Особенно часто такая ситуация возникает в связи с политическими, социальными или религиозными проблемами. Сам же "авторитет" объявляется глашатаем истины в последней инстанции, что обеспечивает ему право на не подлежащие сомнению суждения. Индивидуум, подвергающий сомнению эти суждения, объявляется еритиком или отступником.

Хотя метод ссылки на авторитеты преследует цель достижения единомыслия и стабильности во взглядах, цель эта недостижима, потому что "авторитеты" обычно расходятся во мнениях, а число "еретиков" всегда бывает довольно значительным.

3. Интуиция

Интуитивный метод основан на абсолютизации органов чувств: обонянии, вкусе, осязании, слухе, органе равновесия.

Можно ли верить органам чувств?

Некоторые оценки так прочно укореняются в обществе, а некоторые явления так воспринимаются нашими органами чувств, что представляются "самоочевидными". Земля плоская, а Солнце вращается вокруг нее, плесень самозарождается в гниющих продуктах, - все эти концепции в течение долгого времени принимались как "самоочевидные". Впоследствии оказалось, однако, что многие "самоочевидные" истины ложны: Земля имеет форму шара, Солнце не вращается вокруг Земли. Иными словами, наши органы чувств нельзя считать непогрешимыми, и если какое-либо суждение не вызывает сомнений лишь на том основании, что оно представляется "самоочевидным", то это еще не гарантирует его истинности.

4. Научный метод

Доказательство - способность воспроизвести эксперимент еще раз.

Гипотеза - предположение или догадка; утверждение, предполагающее доказательство, в отличие от аксиом, постулатов, не требующих доказательств.

Если есть научная теория, значит есть доказательство.

В основе научного метода лежат наблюдения в природе, построение гипотез, объясняющих эти наблюдения, и экспериментальная проверка выводов, вытекающих из сделанных гипотез. Новые наблюдения постоянно сравниваются с прежними наблюдениями и существующими теориями. Это позволяет выявлять ошибки и модифицировать теории по мере появления новой информации. Вследствие этого научные представления об окружающем мире не бывают окончательными и всеобъемлющими. Такая неопределенность не исключает научного прогресса, а скорее подразумевает его неизбежность, поскольку при этом неверные концепции, которых, учитывая подверженность человека ошибкам, избежать нельзя, постоянно устраняются и уточняются. Научные выводы, подобно заключениям, которые делаются на основе здравого смысла, представляют собой мнения, но мнения, основанные на наблюдениях, а не произвольные высказывания.

Например, теория Эйнштейна, где он вывел формулу, которая соединила в себе энергию с массой. Эта формула получила широкое распространение в физике, и она знакома каждому:

E=m•cІ,

в которой E - энергия; m - масса тела, c - скорость распространения света.

В идеальном случае только научный метод представляет собой чрезвычайно эффективную процедуру для получения информации относительно окружающей нас природы. Однако он вовсе не обязательно свободен от ошибок и даже может быть использован для обоснования ошибочных представлений о природе. Большинство ученых стараются использовать научный метод в его наиболее строгой или идеальной форме, но многие, а может быть и все, в той или иной степени обречены на неудачу по причинам, изложенным выше. В более глубоком смысле эти неудачи обусловлены тем, что ученые живут в определенной культурной среде и не могут полностью выйти за рамки системы взглядов, принятых в том обществе, к которому они принадлежат. Их мышление и их подход к своей работе формируются под влиянием этой системы взглядов н ценностей.

В результате развития методов научного познания была показана диалектическая неразрывность экспериментальных и теоретических исследований.

Список литературы

1. М.К. Гусейханов. Концепции современного естествознания. - М.; Изд-во "Юрайт", 2011.

2. К. Поппер. Логика и рост научного знания. -М.; Изд-во "Прогресс", 1983.

Подобные документы

Теория в широком смысле слова. Представления о теоретическом уровне научного познания. Формальные и содержательные теории в науке. Применение математических моделей. Атомизм как основная идея физики и химии. Два главных метода построения научной теории.

реферат [34,0 K], добавлен 27.12.2016

Наука — это способ познания мира, основанный на эмпирической проверке или математическом доказательстве. Характерные черты науки. Общие и частные методы и формы научного познания. Антинаучные тенденции в развитии науки и современные картины мира.

реферат [27,3 K], добавлен 12.07.2008

Методология естествознания как система познавательной деятельности человека. Основные методы научного изучения. Общенаучные подходы как методологические принципы познания целостных объектов. Современные тенденции развития естественно-научного изучения.

реферат [46,8 K], добавлен 05.06.2008

Эмпирическая, теоретическая и производственно-техническая формы научного познания. Применение особенных методов (наблюдение, измерение, сравнение, эксперимент, анализ, синтез, индукция, дедукция, гипотеза) и частных научных методов в естествознании.

реферат [20,0 K], добавлен 13.03.2011

Сущность научного метода познания мира. Возникновение эксперементально-математического естествознания, эмпирической и рациональной философии. Теическая, мутационная, эволюционная концепция происхождения человека. Теория пассионарности Л.Н. Гумилева.

контрольная работа [112,2 K], добавлен 19.05.2012

Классификация методов научного познания. Наблюдение как чувственное отражение предметов и явлений внешнего мира. Эксперимент — метод эмпирического познания по сравнению с наблюдением. Измерение, явление с помощью специальных технических устройств.

реферат [25,6 K], добавлен 26.07.2010

Рис.1 Базовая структура систем обработки знаний

Рис 2.Классификация методов приобретения знаний.

6. АНАЛИЗ СНИЗУ ВВЕРХ И СВЕРХУ ВНИЗ

“Сверху вниз”, “снизу вверх”, “прямой”, “обратный”, “управляемый данными”, “движимый целью” - три пары определений для таких терминов, как “цепной анализ”, “парсинг”, “синтаксический разбор”, “логический анализ” и “поиск”. В принципе, все эти термины отражают сходные отношения, и различие между ними состоит лишь в том, что они взяты из различных подобластей компьютерной науки и искусственного интеллекта (парсинг, системы с заложенными в них правилами, поисковые системы и системы, направленные на решение проблем и т.д.)

Суть этих противопоставлений можно проиллюстрировать на примере парадигмы поиска. Основная задача любого поиска состоит в том, чтобы определить маршрут, по которому вы будете перемещаться с настоящей позиции к вашей цели. Если вы начнете поиск с текущей позиции и будете продолжать его, пока не наткнетесь на желаемый результат, - это так называемый прямой поиск или поиск снизу вверх. Если вы мысленно ставите себя в то место, где вы хотите очутиться в результате поиска и определяете маршрут, двигаясь в обратном направлении, т.е. туда, где вы действительно находитесь в настоящий момент, - это поиск в обратном направлении или поиск сверху вниз. Обратите внимание на то, что, определив маршрут в результате обратного поиска, вам все же предстоит добраться до своей цели. Несмотря на то, что сейчас вы движетесь вперед, это не является прямым поиском, т.к. поиск уже был осуществлен ранее, причем в обратном направлении.

Эти же противопоставления можно рассмотреть на примере систем с встроенными правилами. Представим себе, что правило состоит из набора антецедентов и набора следствий. Когда система определяет, что все антецеденты определенного правила удовлетворены, это правило вызывается и выполняется (выполняется ли каждое вызванное правило зависит от специфики конкретной системы). После этого в базу знаний заносятся утверждения, полученные в результате выполнения правила, и выполняются соответствующие операции. Данный процесс происходит вышеописанным образом, независимо от того, применяет ли система прямой или обратный логический анализ. Чтобы проиллюстрировать различия между ними, следует отдельно рассмотреть процедуру активации правила. Вызываются только активированные правила. При прямом логическом анализе (снизу вверх), когда в систему добавляются новые данные, они сравниваются со всеми антецедентами всех правил. Если данные соответствуют антецеденту правила, то это правило активируется (если оно еще не является активированным), и если подобраны все антецеденты определенного правила, то оно вызывается. Утверждения, полученные в результате выполнения правила, заносятся в базу знаний и рассматриваются в качестве новых данных, сравниваются с антецедентами и могут вызвать активацию и вызов дополнительных правил. При обратном логическом анализе (сверху вниз) при добавлении данных правила не активируются. Когда система получает запрос, он сравнивается со всеми следствиями всех правил. Если запрос совпадает со следствием, то это правило активируется, а все его антецеденты рассматриваются в качестве вторичных запросов и могут вызвать активацию дополнительных правил. Когда запрос соответствует не ограниченному условием утверждению базы знаний, на него поступает ответ, и если этот запрос исходил от антецедента, считается, что он удовлетворяет последнему. Когда все антецеденты некоторого правила будут удовлетворены, правило вызывается и выполняется. При выполнении правила осуществляется ответ на запросы, которые его активировали, и теперь другие антецеденты считаются удовлетворенными и могут вызываться соответствующие им правила. Обратите внимание на то, что вызов и выполнение правила всегда происходит в прямой последовательности, а отличие прямого цепного анализа от обратного состоит в том, когда активируется правило.

Эффективность. Выбор вида анализа (сверху вниз или снизу вверх) зависит от конфигурации дерева, по которому осуществляется поиск. Если в среднем каждому элементу следует большее количество элементов, нежели предшествует, то анализ сверху вниз (или обратный анализ) будет более эффективным и наоборот. Рассмотрим крайний случай. Допустим, что поисковая область образует дерево с вершиной в начальном состоянии. Тогда при использовании прямого подхода нам придется осуществлять поиск практически по всему дереву, тогда как при обратном подходе - только в его линейной части.

Сравнение и унификация. В системах с заложенными правилами или системах логического анализа выбор прямого или обратного цепного анализа влияет на степень трудности процесса сравнения. При прямом цепном анализе системе постоянно предъявляются новые факты, не имеющие свободных переменных. Таким образом постоянно проводится сравнение антецедентов, вполне вероятно обладающих свободными переменными, с фактами, не обладающими таковыми.

С другой стороны, системам с обратным цепным анализом често задают специальные вопросы. Если правила изложены в логике предикатов, а не логике суждений, тогда производится сравнение вопроса с переменной со следствием с переменными. Вторичные запросы также могут содержать переменные, поэтому, в общем, системы с обратным цепным анализом должны быть разработаны таким образом, чтобы они могли сравнивать две символьные структуры, каждая из которых может содержать переменные, для чего потребуется создание алгоритма унификации.

Поиск в двух направлениях. Если не ясно, какой вид поиска - прямой или обратный - является наиболее приемлимым для конкретного приложения, следует осуществлять поиск в двух направлениях. В таком случае, отправными точками становятся начальное и конечное состояние, и поиск осуществляется по направлению к центру.

Вывод по двум направлениям. При данном подходе изначальные данные применяются для активирования правил, котоые перебирают другие антецеденты в обратном порядке. Вторичные запросы, которые не соответствуют ни следствиям, ни данным, сохраняются в качестве “демонов”, которые могут быть удовлетворены позднее за счет новых или позднее поступивших данных. Систему можно разработать таким образом, что данные, удовлетворяющие “демонам” (антецеденты активированных правил) не будут активировать дополнительные правила, что “заставит” систему при предстоящем прямом выводе сконцентрироваться на правилах, учитывающих предыдущий контекст.

Разбор с началом в левом углу. Применив вышеописанный метод к парсингу, мы получим так называемый разбор с началом в левом углу. В терминах примера, приведенного в разделе парсинг, система сначала рассмотрит “they”, найдет правило 9 - единственное правило, которое можно применить к этому слову, затем правило 3, объясняющее PRO, а затем правило 1, как единственное правило, следствие которого начинается с NP. Далее система попытается разобрать сверху вниз “are flying planes” как VP.

7. Пример разработки экспертной системы.

Рассмотрим на конкретном примере организацию взаимодействия пользователя с экспертной системой. Предметная область этой экспертной системы – продажи бухгалтерских и правовых систем (режим диалога с пользователем для правильного выбора программного обеспечения). Предположим, что фрагмент базы знаний содержит следующий набор правил:

1. ЕСЛИ класс – бухгалтерские программы

И форма конфигурирования системы должна быть жесткой (пользователь не будет иметь возможности сам конфигурировать какие-либо входные или выходные документы)

ТО лучше всего для вас подходит бухгалтерская программа 1С версия 6.0.

2. ЕСЛИ класс – бухгалтерские программы

И форма конфигурирования системы должна быть лояльной (т.е. пользователь может сам конфигурировать какие-либо входные или выходные документы)

И программа разработана под оболочку DOS.

3. ЕСЛИ класс – бухгалтерские программы

И программа разработана под оболочку Windows95.

И программа одноуровневая.

4. ЕСЛИ класс – бухгалтерские программы

И форма конфигурирования системы должна быть лояльной (т.е. пользователь может сам конфигурировать какие-либо входные или выходные документы).

И программа разработана под оболочку Windows95.

И программа не одноуровневая.

5. ЕСЛИ тип – правовые системы.

И пополнение информационной базы происходит еженедельно (минимум), посредством курьера.

6. ЕСЛИ тип – правовые системы

И пополнение информационной базы происходит ежемесячно (минимум), через покупку нового CD-ROM.

7. ЕСЛИ тип – правовые системы.

И пополнение информационной базы происходит ежемесячно (минимум), через покупку нового CD-ROM или еженедельно (минимум), посредством курьера.

Раздел: Информатика, программирование
Количество знаков с пробелами: 38919
Количество таблиц: 0
Количество изображений: 2

Для учеников 1-11 классов и дошкольников
Бесплатные сертификаты учителям и участникам

Методы приобретения новых знаний.

Существует несколько методов приобретения новых знаний, которые можно использовать на занятиях, это:

— репродуктивный (педагог сам объясняет материал);

— проблемный (педагог помогает в решении проблемы);

— поисковый (учащиеся сами решают проблему, а педагог делает вывод);

— эвристический (изложение педагога + творческий поиск обучаемых).

Данные методы в процентном соотношении представлены на диаграмме:

В настоящее время отмечается усиленное внимание к проблемам совершенствования организации и содержания развивающего обучения.

Основной путь развивающего обучения - это включение учащегося в творческую деятельность, становление младшего школьника как субъекта учения.

Возникает вопрос: можно ли усовершенствовать традиционные программы, усилив роль поискового метода обучения? Можно. Многие авторы едины в том, что цель и назначение проблемного обучения - преодолеть элементы механического усвоения знаний в обучении, активизировать мыслительную деятельность учащихся и ознакомить их с методами научного исследования. Толчком к продуктивному мышлению, направленному на поиск выхода из состояния затруднения, которые испытывает ребёнок в момент столкновения с чем-то, что вызывает вопрос, служит проблемная ситуация.

Средством создания любой проблемной ситуации в учебном процессе являются учебные проблемы (проблемная задача, проблемные задания, проблемный вопрос).

Каждая учебная проблема подразумевает противоречия. Именно противоречие между познавательными и практическими задачами, которые выдвигаются самим ходом обучения и уровнем знаний, умений и навыков учащихся, уровнем их умственного развития служит движущей силой обучения. Следовательно, если педагог вводит в учебный процесс учебные проблемы, то управление процессом усвоения есть управление процессом выхода из проблемной ситуации, а точнее процессом самостоятельного решения проблемы учениками.

При этом необходимо учитывать следующее:

o При построении проблемных занятий необходимо соблюдать дидактические принципы: научность и доступность, систематичность и последовательность, сознательность и активность учащихся при разрешении учебной проблемы.

o Планируя занятия, педагог выбирает наиболее эффективное место учебных проблем в процессе обучения.

o Учебная проблема должна заинтересовать учащихся в учебном материале своей необычностью, красочностью.

На занятии педагог должен быть внимательным к эмоциональному состоянию ученика при разрешении учебных проблем, вовремя выяснить причины затруднений в разрешении проблемной ситуации и оказать своевременную помощь.

Читайте также: