5.4.2.       База знаний как познавательный инструмент

Когда семантическая сеть создается как прообраз базы знаний, разработчик должен фактически моделировать знания эксперта. Особенно глубокого понимания требует разработка функциональной структуры.

Определение структуры ЕСЛИ-TO области знаний вынуждает чётко формулировать принципы принятия решения. Нельзя считать, что просто разработка поля знаний системы обязательно приведет к получению полных функциональных знаний в данной области.

Разработка экспертных систем стала использоваться как инструмент познания сравнительно недавно. Lippert [Lippert, 1988], который является одним из пионеров применения экспертных систем в качестве инструментов познания, утверждает, что задания по созданию небольших базисов правил являются очень полезными для решения педагогических проблем и структурирования знаний для учеников от шестого класса до взрослых. Изучение при этом становится более осмысленным, так как ученики оценивают не только сам процесс мышления, но также и результаты этого процесса, то есть полученную базу знаний. Создание базы знаний требует от учеников умения отделять друг от друга факты, переменные и правила, относящиеся к связям между составляющими области знаний.

Например, Lai [Lai, 1989] установил, что после того, как студенты-медики создадут медицинскую экспертную систему, они повышают свое умение в плане аргументации и получают более глубокие знания по изучаемому предмету. Шесть студентов-первокурсников физического факультета, которые использовали экспертные системы для составления вопросов, принятия решений, формулировки правил и объяснений относительно движения частицы в соответствии с законами классической физики, получили более глубокие знания в данной области благодаря тщательной работе, связанной с кодированием информации и обработкой большого материала для получения ясного и связного содержания, а следовательно, и большей семантической глубины [Lippert & Finley, 1988].

Таким образом, создание базы знаний экспертной системы способствует более глубокому усвоению знаний, а визуальная спецификация усиливает прозрачность и наглядность представлений.

Когда компьютеры используются в обучении как инструмент познания, а не как контрольно-обучающие системы (обучающие компьютеры), они расширяют возможности автоматизированных обучающих систем (АОС), одновременно развивая мыслительные способности и знания учеников. Результатом такого сотрудничества учащегося и компьютера является значительное повышение эффективности обучения. Компьютеры не могут и не должны управлять процессом обучения. Скорее, компьютеры должны использоваться для того, чтобы помочь ученикам приобрести знания.

В данном параграфе будет описываться автоматизированное рабочее место (АРМ) инженера по знаниям KEW (Knowledge Engineering Workbench) [Гаврилова, 1995; Гаврилова, Воинов, 1995-1997], который наряду с такими программами, как SemNet [Fisher 1990, 1992], Learning Tool [Kozma, 1987], TextVision [Kommers, 1989] или Inspiration, дает возможность ученикам, экспертам или аналитикам связать между собой изучаемые ими понятия в многомерные сети представлений и описать природу связей между всеми входящими в сеть понятиями.

Последняя версия KEW, созданная совместно с Воиновым А. В., получила первую премию на выставке программных систем IV Национальной конференции по искусственному интеллекту в 1994 г. в разделе программных инструментариев разработки интеллектуальных систем. KEW демонстрирует жизнеспособность технологии автоматизированного проектирования интеллектуальных систем (АПРИС) или CAKE (Computer Aided Knowledge Engineering), впервые описанной в работе [Гаврилова, 1992].

KEW предназначен для интеллектуальной поддержки деятельности инженера по знаниям на протяжении всего жизненного цикла разработки экспертной системы, включая стадии — идентификации проблемы, получения знаний, структурирования знаний, формализации, программной реализации, тестирования.

Центральным блоком KEW является графический структуризатор знаний KNOST (KNQwledge STucturer). Система KNOST поддерживает последовательную графическую реализацию ОСА (см. параіграф 3.4) и автоматическую компиляцию БЗ из графической спецификации.

Интерфейс KNOST состоит из трех основных частей (рис. 5.10):

•    панель концептуальной структуры;

•    панель гипертекста;

•    панель функциональной структуры.

Панель концептуальной структуры предназначена для графического структурирования знаний. Она позволяет определить понятия и обозначить связи между ними в форме концептуальной структуры Sk.

В панель гипертекста можно поместить любой комментарий, связанный с объектом, определенным на панели концептуальной структуры понятий.

Основное назначение панели функциональной структуры Sf — представить наглядно в форме строк таблицы причинно-следственные и другие функциональ-

ные взаимосвязи между понятиями концептуальной структуры, на основании которых эксперт принимает решения. Столбцы таблицы формируются простейшей операцией drag-and-drop из понятий на панели концептуальной структуры.

После того как модели Sk и S, созданы, KNOST автоматически компилирует базу знаний на ПРОЛОГе из созданной графической спецификации и моделирует работу экспертной системы. Это удобно для быстрого наглядного прототипирования ЭС и для отладки БЗ совместно с экспертом.