Скачать 3.06 Mb.
|
Часть, связанная с экспертной системой, оказалась на тот момент невостребованной рынком образовательных услуг, финансирование этих разработок фирмой Link & Link GmbH было прекращено, однако в 1993-1995 гг. продолжались научные исследования в этой области, финансируемые программой «INTAS» (грант INTAS 94-0135). Эти исследования продолжаются и сейчас при поддержке РФФИ, федеральной целевой программы «Интеграция» и т. д. В то же время фирмой Link & Link GmbH с 1993 по 2001 г. было выпущено на рынок три различных версии «IDEA»; в настоящее время продается версия IDEA 4.0 Professional. Проект «IDEA» возник в 1990 г. в результате научного сотрудничества сначала лаборатории проблем теоретической кибернетики, а затем и кафедры математической теории интеллектуальных систем механико-математического факультета МГУ им. М. В. Ломоносова (инициатор и руководитель работ-заведующий кафедрой академик, доктор физико-математических наук профессор В. Б. Кудрявцев) и Института русской и советской культуры Рурского университета (Бохум, Германия) (руководитель работ – заместитель директора института доктор К. Вашик). Проект был одним из первых российско-германских научных проектов в этой области, давший мощный толчок для исследований по проблемам компьютерных систем обучения на высоком междисциплинарном уровне. Позднее к проекту подключилась немецкая фирма Link & Link GmbH, которая и финансировала разработку. Первая версия инструментальной систем для разработки интеллектуальных обучающих систем появилась примерно в середине 1992 г. Она включала в себя авторскую систему (средства разработки собственно курсов), систему ученика (средства отображения на экране учебного материала) и средства для создания экспертной системы. Был разработан демонстрационный курс «Итальянский язык для немцев-туристов» с простыми демонстрациями возможностей экспертной обучающей системы. В настоящее время существуют два основных направления в области встраивания знаний в к гипер-текст (ГТ): извлечение знаний из документов, уже введенных в систему; введение знаний в процессе построения самой системы (from scratch), В рамках первого направления существует целый спектр подходов, начиная от автоматизированного построения ГТ из линейного текста с помощью методов семантической индексации и заканчивая построением новых связей, как в процессе навигации, производимой пользователем, так и в зависимости от предыдущих действий пользователя, его конечных целей, в зависимости от контекста и условий его вызвавших и т.п. Что касается второго направления, то здесь большое распространение получили экспертекстовые системы, использующие отдельные методы и процедуры ЭС для управления навигацией в ГТ, например, известные коммерческие системы Knowledge Pro, INTERNIST, TIES, Oxford System of Medicine и отечественная КРЕДО. Большинство из этих систем значительно ускоряют доступ к информации и увеличивают возможности манипулирования ею, однако не осуществляют настоящего логического вывода, т.к. приобретенные и используемые в них знания не формализованы, (исключение здесь составляют системы типа SATELIT, в которой ввод знаний в ГТ-систему осуществляется в виде формализма концептуальных графов Sowa). Другой аспект интеграционных процессов в искусственном интеллекте (ИИ) связан с технологией извлечения знаний из естественных языковых (ЕЯ) текстов, т.к. последовавший после возникновения Интернет информационный взрыв разнородной по содержанию и по форме поставляемой в Интернет информации, стимулировал интенсивные исследования в области трансформации пространства Web в пространство знаний. Поэтому одно из ведущих направлений в этом процессе принадлежит методам обработки ЕЯ, т.к. основная часть информации на Web представлена в виде ЕЯ-текстов, что является основанием для перехода к использованию методов и систем обработки ЕЯ в среде Интернет, в частности систем обработки связных ЕЯ-текстов, интерес к которым обусловлен значительным объемом ЕЯ-информации, циркулирующей в Интернет и Интранет. В данной реализации инструментальной системы не предусмотрена возможность добавления в формальную XML-структуру новых концептов и связей между ними. Это позволило создать набор компонентов, каждый из которых предназначен объектно-ориентированного представления соответствующего концепта, регламентированного учебным планом. Такая реализация позволяет пользователю оперировать привычными понятиями «Учебный курс», «Специальность», «Учебная тема», «Учебный объект». Связи между концептами в формальной XML-структуре реализованы соответствующими атрибутами классов, хранящих множество ссылок на связанные объекты. Большинство существующих экспертных систем используют в качестве базовых языков Prolog и Lisp. Такой подход мотивируется удобством использования данных языков в задачах искусственного интеллекта. На наш взгляд, такой выбор имеет ряд недостатков. Во-первых, нестандартность семантики этих языков требует специальной подготовки инженеров знаний. Например, на языке Prolog, выполнение программы это не последовательное исполнение команд, а вывод некоторой переменной исходя из начальных значений и правил, а в языке Lisp используется обратная запись для представления арифметических выражений. Соответственно, в этом случае, инженеры знаний должны иметь специальную подготовку для создания экспертных систем (ЭС) на базовых языках такого рода. Другой недостаток данного подхода, это плохая приспособленность этих языков к задачам разработки графического интерфейса. Удобный, интуитивно понятный графический интерфейс – это важная составляющая качественной экспертной системы, т.к. ЭС, прежде всего, ориентированны на обычных пользователей, без навыков программирования. Язык представления знаний С# Expert основан на языке C#. Такое решение имеет ряд преимуществ. Прежде всего, при разработке ЭС на С# Expert’е может быть применен объектно-ориентированный подход привычный большинству программистов (инженеров знаний), более того, C# популярный язык, на котором легко могут работать также специалисты использующие C++ или Java. Все это делает возможным использование C# Expert широким кругом специалистов (инженеров знаний). C# – это язык платформы .NET. Таким образом, еще одно значительное преимущество выбранного подхода, это возможность разрабатывать ЭС под .NET. На сегодняшний день, .NET – это наиболее современная и перспективная платформа для коммерческих приложений. Существует множество уже готовых решений под .NET. Следует также отметить, что .NET обеспечивает хорошую межъязыковую совместимость и широкие возможности использования программных компонент (Assembly, COM, DLL). Основная сложность при создании экспертных систем это представление знаний экспертов в базе знаний наиболее подходящим образом для решения задач в заданной области. Для обеспечения такой возможности, базовый язык ЭС должен иметь четкий, хорошо структурированный способ представления данных и знаний. К примеру, хороший способ представления знаний обеспечивает ЭС GURU разработанная фирмой Micro Data Base Systems, США. Эта система ориентирована на разработку ЭС в области деловых расчетов. К полезным возможностям GURU следует отнести возможность описания массивов как элементов данных, поддержка работы с таблицами и базами данных. Более того, в отличие от многих других ЭС, GURU предоставляет интегрированный подход к обработке данных, позволяя совместное использование наборов правил (продукций) с таблицами и реляционными базами данных. В ЭС GURU реализована гибкая подсистема логического вывода, позволяющая осуществлять как прямой, так и обратный вывод на одних и тех же наборах правил, имеющая способ разрешения конфликтов правил (conflict resolution) с помощью указания их приоритетов и порядка выполнения. Также GURU позволяет работать с нечеткими знаниями и использовать нечеткий логический вывод на основе коэффициентов уверенности, поддерживается возможность использования различных формул для вычисления коэффициента уверенности. Тем не менее, в системе GURU содержится и ряд ограничений, к примеру, отсутствуют средства представления сложных структурированных объектов и понятий сложной структуры данных, не предусмотрена возможность описания процедурных знаний. По-видимому, эти ограничения объясняются спецификой области применения: деловые расчеты, а также, возможно, устарелостью системы в целом. В качестве, примера другой удачной экспертной системы, можно упомянуть ЭС KEE (Knowledge Engineering Environment). Это фреймовая экспертная система, где основным элементом данных базы знаний является юнит (фрейм). Юниты состоят из слотов, а слоты в свою очередь могут содержать данные простых типов (число, строка и т.п.), таблицы, графику, указатели на другие юниты или процедурные знания, написанные на языке Lisp. В системе KEE также реализован механизм наследования, который позволяет организовывать юниты в иерархические структуры, обеспечивая логически связанное представление информации в базе знаний. Безусловно, фреймовая структура данных, реализованная в системе KEE, обеспечивает более широкие возможности представления данных, чем структуры данных ЭС GURU. Основным недостатком ЭС KEE является использование языка Lisp в качестве базового языка системы, и как следствие сложная семантика базового языка с достаточно нетрадиционной формой записи для большинства инженеров знаний. При генерации результирующего кода слоты фрейма представляются в виде объектов класса Slot и содержаться в коллекции CSharpExpertAbstract.slots. Общая схема работы конвертора показана на рисунке ниже (рисунок 1.4). Точка входа в C# Expert конвертор находиться в методе ExpComp.Main(string[] arg); Метод получает имя исходного файла и запускает метод Parser.Parse() который осуществляет синтаксический анализ и генерацию промежуточного кода. После этого вызывается метод OutputTextGenerator.generateOutputProgram (StreamWriter s) который проводит семантический анализ промежуточного кода, замену идентификаторов доступа к слотам и генерацию результирующей программы на C#. Рисунок 1.4 – Общая схема компиляции проекта на языке C# Expert Приведенные технологии позволяет описывать и строить экспертные системы самообучения общего вида на основе математических графов с использованием современных технологий программирования. Описанные выше проблемы решены за счет использования принципов декомпозиции исходного образовательного ресурса. В результате чего инженер знаний имеет дело с обособленными (имеющими конечный смысл в контексте самообучения) понятиями предметной области учебного курса. Интеграция базы знаний экспертной системы с внешними источниками реализована за счет использования промежуточных программных интерфейсов поэтапного преобразования информации сначала в виде, понятном ядру экспертной системы, а затем в виде, понятном конечному пользователю. Положительным при использовании подобных информационных технологий (типа экспертных систем) в образовании является повышение качества обучения за счет:
Итак, с учетом вышеизложенного определим основные задачи, решаемые экспертными системами в процессе самообучения:
1.2.2. Архитектура интеллектуальной информационной системы, обеспечивающей вариативность траектории самообучения Доминирующей тенденцией современного образовательного процесса является повышение роли самостоятельного обучения для осуществления заочного образования, в котором, главным образом, внимание уделяется современным прогрессирующим информационным технологиям. Поэтому существует необходимость в синтезе действующих в данный момент образовательных технологий для создания систем, способных давать экспертную оценку самостоятельной образовательной деятельности конкретного индивидуума, в том числе, поддерживать процесс выбора оптимальной образовательной траектории. Необходима экспертная система, интегрированная с внешними источниками образовательной информации. В самостоятельной работе можно выделить компоненты, характерные для деятельности как таковой: мотивационные звенья, постановку конкретной задачи, выбор способов выполнения, исполнительское звено, контроль. В связи с этим можно выделить условия, обеспечивающие успешное выполнение самостоятельной работы:
Для более детального понимания проблемы построения подобной системы необходимо использовать классические методы и методологии разработки первоначальных информационно-программных решений. В данной статье рассмотрены требования к архитектуре такой интеллектуальной информационной системы, имеющей во многом характер экспертной системы, включая методы формирования ее архитектуры. Требования относятся к следующим типам самостоятельной работы студентов:
Образовательная деятельность по формированию перечисленных выше типов самостоятельной работы студентов на сегодняшний день осуществляется инструментально-программными и прикладными программными средствами типа Microsoft Word, Macromedia Dreamweaver и т.д. Однако единого подхода к управлению информационным содержанием и определению полезности получаемых в итоге ресурсов нет. Рассмотрим некоторые составные компоненты возможной архитектуры экспертной системы информационной поддержки самостоятельной работы студентов:
Простейшим вариантом модели обучаемого является векторная модель, которая каждому изучаемому понятию или умению ставит в соответствие некоторый элемент, принимающий значение «знает/не знает», в результате уровень знаний студента (уровень его компетентности) в изучаемому курсе определяется векторным набором значений элементов. Преимуществом векторного подхода является простота использования и реализации, а недостатком является то, что в случае ее использования недостаточно формализован уровень связности между простейшими, так называемыми, образовательными единицами (тема, вопрос, проблема, задача, понятие, списочные структуры информационных ресурсов, оказывающих конечный эффект на познавательный процесс студента). Более универсальным подходом является использование сетевой модели, представляющей собой многослойный математический граф, в узлах которого содержатся образовательные единицы, а дуги соединяют их логично между собой. Каждому узлу и дуге сопоставляется некоторая величина или набор величин, характеризующие степень владения обучаемым данным понятием или умением, причем также допускается наследование величин, что формирует так называемый личный опыт работы студента с имеющимися образовательными единицами. Таким образом, модель обучаемого, в простейшем случае, включает следующие компоненты:
Модель обучаемого определяет архитектуру экспертной системы (рисунок 1.5) [51]. Рисунок 1.5 − Архитектура экспертной системы Для реализации моделей, в рамках экспертной системы информационной поддержки может быть использован метод тестирования и процедуры ввода тестирующих вопросов в базу знаний, процедура формирования «идеальной» оценки, процедура подсчета неверных ответов и формирования итоговой, реальной оценки уровней знания студента. Ниже представлено поэтапное описание построения и функционирования экспертной системы информационной поддержки самостоятельной работы студентов.
Экспертная система для самообучения, как интеллектуальная информационная система, должна обеспечить реализацию следующих алгоритмов:
В ходе обучения экспертная система должна протоколировать следующие события:
История событий накапливается во всех режимах самообучения, поэтому при переходе от режима свободной навигации к режиму обучения с экспертной системой учитываются предыдущие результаты (алгоритм верификации промежуточных результатов самообучения пользователя). |
Государственное образовательное учреждение высшего профессионального образования | В государственное образовательное учреждение высшего профессионального образования | ||
Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования | Федеральное государственное автономное образовательное учреждение высшего профессионального образования | ||
Федеральное государственное образовательное учреждение высшего профессионального образования | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования | ||
Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования | ||
В федеральное государственное бюджетное образовательное учреждение высшего профессионального образования | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования |
Поиск Главная страница   Заполнение бланков   Бланки   Договоры   Документы    |