Программная среда для визуального проектирования баз знаний

Т.Е.Гелеверя, В.А.Горовой

Институт Высокопроизводительных Вычислений и Баз Данных при СПбГПУ (Политех), 191187, СПб, наб. р. Фонтанки д. 6,

Тел.: (812) 275-45-65, факс: (812) ???, e-mail: [email protected]

В последние годы в связи со стремительным развитием информационных технологий возникла потребность в так называемом CAKE-инструментарии (Computer Aided Knowledge Engineering – средства, ориентированные на поддержку инженерии знаний). К CAKE-инструментарию относятся оболочки и инструментальные пакеты для создания экспертных систем.

Среди инструментальных пакетов [Гаврилова, Хорошевский, 2000] специалисты выделяют ART [ART, 1984], KEE [Florentin, 1987] и Knowledge Craft [CARNEGIE, 1987]. Краткое описание этих систем можно найти в работах [Wall et al., 1986; Richer, 1986; Gillmore et al., 1985]. В середине 90-х годов в класс самых мощных и развитых систем вошла среда G2 [Попов, 1996]. Все вышеперечисленные пакеты являются многофункциональными, мощными и достаточно дорогими системами.

Доступные российским разработчикам оболочки для создания экспертных систем можно разбить на: а) свободно распространяемые, б) коммерческие. Среди свободно распространяемых оболочек можно выделить:

CLIPS (http://www.jsc.nasa.gov/~clips/CLIPS.htm) и связанные системы –

DYNACLIPS (ftp.cs.cmu.edu:/user/ai/areas/expert/systems/clips/dyna/),

FuzzyCLIPS (http://ai.iit.nrc.ca/fuzzy/fuzzy.html),

wxCLIPS (http://www.aiai.ed.ac.uk/~jacs/wxclips/wxclips.html).

Среди остальных свободно распространяемых оболочек наиболее известны

SOAR (ftp.cs.cmu.edu:/afs/cs.cmu.edu/project/soar/public/Soar5/),

OPS5 (ftp.cs.cmu.edu:/user/ai/areas/expert/systems/ops5/ops5.tar.gz),

RT-EXPERT (ftp.Word.std.com:/vendors/rtis/rtexpert),

MIKE (ftp.hcrl.open.ac.uk:/pub/software/pc/MIKEV25.ZIP),

BABYLON (http://www.gmd.de/),

WindExS ([email protected]),

ES (ftp.uu.net:/pub/ai/expert-sys/).

Вышеперечисленные оболочки достаточно популярны, хотя далеко не все из них имеют простой интуитивно понятный графический интерфейс (из перечисленных выше оболочек только WindExS и WxCLIPS имеют графический интерфейс). Кроме того, коммерческое использование свободно распространяемых оболочек не всегда возможно в связи с отсутствием технической поддержки, которая должна существовать у коммерческих инструментальных средств.

В качестве примеров коммерческих оболочек можно привести: ACQUIRE (http://vvv.com/ai/), Easy Reasoner (http://www.haley.com), ECLIPSE (http://www.haley.com), EXSYS Professional (http://www.exsysinfo.com). К сожалению, большинство коммерческих оболочек достаточно дороги.

Среди российских разработок последних лет в этой области следует упомянуть о SIMER+MIR [Осипов, 1997], а также об инструментальном комплексе АТ-ТЕХНОЛОГИЯ [Рыбина, 1998].

Таким образом, на рынке инструментальных средств имеется потребность в недорогих и простых в изучении и использовании оболочек для создания экспертных систем. Некоторый пробел в этой сфере призвана восполнить система CAKE v2.0, ориентированная на быструю разработку и последующее использование продукционных экспертных систем (ЭС). Система CAKE v2.0 развивает идеи, заложенные в CAKE v1.0 [Воинов, 1996].

Любая ЭС состоит из следующих компонент:

• база знаний
• машина вывода
• подсистема объяснений
• пользовательский интерфейс

CAKE v2.0 обеспечивает работу со всеми из вышеперечисленных компонент.

Кроме того, CAKE представляет собой средство для визуального проектирования описания основных понятий предметной области и взаимосвязей между ними (концептуальной модели), что, безусловно, является одним из больших плюсов этой системы, так как наличие такой возможности существенно облегчает работу инженеру по знаниям, разрабатывающему ЭС. CAKE обеспечивает определение базы знаний на основании имеющихся концептов (понятий), а также работу с этой базой знаний. Основная идея системы – предоставить пользователю (инженеру по знаниям) полнофункциональное и легкодоступное средство, позволяющее решать основные задачи инженерии знаний. В силу простого и интуитивно понятного интерфейса системы пользователю не надо иметь большого опыта работы с компьютером – достаточно иметь общее представление.

В качестве примера ЭС, разработанной с помощью CAKE v2.0, можно привести ЭС “Alpine” – экспертную систему, позволяющую подобрать оптимальную модель горных лыж на основе данных о покупателе. При разработке этой ЭС использовался личный опыт эксперта и информация с сайта компании производителя горнолыжной продукции и аксессуаров “Elan” - http://www.elanskis.com.

Концептуальная модель системы.

Основным конструктивным элементом в системе является концепт (определение). Под концептом понимается понятие предметной области. Концепт состоит из множества атрибутов. Множество атрибутов концепта определяет его атрибутивный состав. Каждый атрибут определяется множеством допустимых значений. Перечисленные зависимости представлены на рисунке «Модель концепта» (рис. 1)

Система CAKE v2.0 позволяет инженеру по знаниям достаточно удобный интерфейс для создания и последующей работы с концептуальной областью системы. Визуальное представление концептуальной модели ЭС “Alpine” представлено на рис. 2

На любом этапе разработки ЭС в системе CAKE имеется возможность добавления новых концептов, а также удаления и редактирования существующих.

Концепты в системе принадлежат к одному из трех типов:

• Концепты первого уровня. Могут определять только начальные факты при выводе. В ЭС “Alpine” это концепты “Человек”, “Горнолыжник”, “Финансовые возможности”, значения атрибутов которых известны до применения правил из базы знаний.
• Концепты промежуточного уровня. Являются результатом промежуточного вывода. Данные концепты могут служить как условием, так и заключением при осуществлении вывода. В ЭС “Alpine” это концепты “Ski Series” и “Ski Model”, определяющие соответственно серию (например, “спортивная линейка”, “лыжи для фрирайда”) и модель лыж. Значения атрибутов этих концептов вычисляются посредством применения правил из базы знаний.
• Концепты результата. Являются результатом работы вывода. В ЭС “Alpine” это концепт “Result”. Значения атрибутов концептов этого типа вычисляются с помощью машины вывода на основе базы знаний, но, в отличие от концептов промежуточного уровня, они не могут служить условием при осуществлении вывода.

Следует отметить, что наличие концептов промежуточного уровня в концептуальной модели предметной области предоставляет возможность для многоуровневого вывода. Отсутствие концептов, являющихся результатом промежуточного вывода, стало одной из причин слабой популярности некоторых из ранее разработанных средств, ориентированных на создание ЭС (например, система EXSYS).

Система CAKE v2.0 позволяет инженеру по знаниям работать с достаточно большими концептуальными моделями, не испытывая при этом неудобств. Для каждого концепта можно выбрать один из трех вариантов его визуального представления: только название концепта; концепт со своим атрибутивным составом; концепт со всеми допустимыми значениями всех своих атрибутов (рис.2).

Инструментарий также предоставляет удобный интерфейс для добавления, удаления и редактирования связей между концептами (рис. 3).

В системе CAKE v2.0 реализована продукционная база знаний. Продукция представляет собой правило вида:

если (условие), то (заключение)

Правила формируются на основании определенного концептуального состава, и определяют базу знаний по данной предметной области. Элементом условия или заключения является элемент правила, состоящий из триады:

[not] <концепт>::<атрибут>::<значение>

где:

<концепт> - концепт предметной области

<атрибут> - атрибут концепта

<значение> - значение концепта

[not] – признак отрицания

При формировании продукций элементы правила, входящие в условие связываются логическим операндом “И” (“AND”). Заключение представляет собой вектор элементов правила.

Для получения более сложных конструкций (использование логических операций “или”, “исключающее или”, скобочных выражений и т.д.), можно воспользоваться формулами преобразования логических выражений (т.е. вместо одного сложного правила использовать несколько простых).

Интерфейс ЭС “Alpine” при работе с базой знаний представлен на рис. 4

Система CAKE v2.0 предоставляет удобный интерфейс для формирования новых, а также для редактирования, просмотра и удаления существующих правил.

Машина вывода осуществляет логический вывод на основе имеющихся начальных фактов и продукционной базы знаний. Тип вывода – “в ширину”. Машина вывода осуществляет как “прямой” вывод (от условия к заключению), так и “обратный” (от заключения к условию). Результатом работы является набор элементов правила, разделенных по уровням вывода.

Интерфейс ЭС “Alpine” при работе с машиной вывода представлен на рис. 5

Система CAKE v2.0 предоставляет простой и удобный интерфейс для формирования исходных фактов. В результате их обработки получаются выходные данные. Все промежуточные результаты, а также правила, использованные при их получении, доступны для просмотра пользователем. Предоставляется также интуитивно понятное графическое представление результатов вывода (рис. 6)

Система CAKE v2.0 может явиться достаточно удобным средством, поддерживающим разработку и прототипирование ЭС в различных предметных областях. В связи с некоторой нехваткой подобного инструментария на рынке программного обеспечения, система CAKE v2.0 может занять свою нишу в этой области. Появление подобного инструментария даст толчок в развитии средств, предназначенных для облегчения разработки ЭС.

[Boинов, 1996] Воинов А., Гаврилова Т. А., Данцин Е. Я. Язык визуального представления знаний и его место в САКЕ-технологии // Журнал Известия РАН, Теория и системы управления, 1996, N2. - c.146-151.

[Гаврилова, Хорошевский, 2000] Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб: Питер 2000.

[Гаврилова, 1997] Гаврилова Т. А. Воинов А. Визуальный концептуальный анализ знаний и данных для интеллектуальных и обучающих систем // VI Междунар. конф. «Знание -Диалог-Решение» KDS-97. - Ялта, 1997. - с.1-8.

[Осипов, 1997] Осипов Г.С. Приобретение знаний интеллектуальными системами. М.: Наука, 1997.

[Попов, 1996] Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шамот М.Д. Статические и динамические экспертные системы // Москва, Финансы и статистика, 1996.

[Рыбина, 1998] Рыбина Г.В. Автоматизированное построение интегрированных экспертных систем для статических проблемных областей (проект АТ-технология): некоторые итоги и результаты // КИИ’98 Шестая национальная конференция по искусственному интеллекту с международным участием, 1998.

[ART, 1984] ART User’s Manual // Inference Systems Inc., Ca, 1984.

[CARNEGIE, 1987] CARNEGIE GROUP INC. // Expert Systems, 1987, Vol. 4, No. 2.

[Florentin, 1987] Florentin J.J. Software Review: KEE // Expert Systems, 1987, Vol.4, No. 2. p. 118-120

[Gillmore et al., 1985] Gillmore J.F., Pulaski K. A survey of expert system tools // Proc. of the Second IEEE Conf. on AI Applications, 1985, p. 498-502

[Richer et al., 1986] Richer M. An evaluating of expert system development tools // Expert Systems, 1986, p. 166-183

[Wall et al., 1988] Wall R., Apon A., Beal J. et al. An evaluation of commercial expert system building tools // Data Knowledge Eng., 1988, p. 279-304