Статьи по экономическим темам

Ус Михайло Федорович, зав. кафедрою Черкаського інституту управління, к. т.н., доцент;

Піскун Олександр Варфоломієвич, ст. викл., аспірант, Черкаський інститут управління;

Ус Галина Олександрівна, ст. викл., Черкаський інститут управління, аспірант КНЕУ.

Інтелектуальні компоненти систем підтримки прийняття рішень реалізують в цих системах функції підтримки сховища знань в актуальному стані. Ці функції забезпечують також взаємодію зі знаннями користувачів різних рівнів професійної підготовки та логічний вивід на знаннях. Одна з них - проблема навчання або ж поповнення бази знань.

Будемо вважати, що поповнення знань системи здійснюється як взаємодія двох інтелектуальних партнерів, один з яких може мати штучний, а інший – природній інтелект. Тобто, знання вводить в систему експерт, формуючи, наприклад, об’єкти та зв’язки семантичної моделі знань чи продукційні правила. Будемо вважати, далі, що активним є той партнер, який має мету отримати знання за допомогою іншого партнера (тут це людина - експерт). При таких умовах для моделювання поведінки партнерів можна використати елементи так званої еротематичної логіки. Застосування еротематичних моделей для побудови сценарних діалогів можна знайти в [1, 2].

Еротематичний механізм породження кроків діалогу

Еротематичні моделі спілкування можна застосувати, якщо виконуються такі умови:

Партнери мають за мету отримати знання. Взаємодія партнерів здійснюється як діалог, який є послідовністю кроків. Кожен крок містить запитання та відповідь (у моделі [3] крок узагальнений до пари “стимул – рекція”).

Діалог є процесом обміну повідомлень, а кожний акт обміну – це здійснення ситуації "питання-відповідь" у межах одного кроку.

Питання складається з двох частин – суб’єкту та передумови, які утворюють інтерогатив, що є формальним представленням питання. Суб’єкт – це множина альтернатив, які той, хто запитує, повідомляє партнерові для конструювання ним відповіді.

Передумова встановлює найбільш загальні, незалежні від семантики вимоги до відповіді на питання.

Процес конструювання відповіді іншим партнером полягає в здійсненні вибору альтернатив, наданих суб'єктом питання і дотриманні обмежень передумови.

Той, хто ставив питання та отримав повідомлення з відповіддю, гарантований від неправильних (неістинних) значень цих відповідей.

Таким чином, еротематична логіка озброює конструктора інтелектуальних систем формальним апаратом для конструювання ситуацій "запитання – відповідь" таких, що гарантують отримання релевантних відповідей. Визначимо питання (answer) як

Q = f(r,s), (1)

де: r - вимоги передумови;

s - множина альтернатив.

Ми розглядаємо побудову таких кроків для реалізації взаємодії інтелектуальних партнерів, які б не залежали від семантики знань та не були б складовою процедури. Однак для побудови сценарію діалогу, який би реалізував поведінку партнерів, що вирішують задачу, недостатньо одного кроку спілкування. Тому діалог містить не один, а деяку множину кроків. Після реалізації поточного кроку один з партнерів повинен вирішити проблему вибору наступного, альтернативного кроку. Як зазначено в [4], ефективність інтелектуальної системи вища, якщо і діалог, і система знань мають єдину теоретичну основу. Тобто, якщо, наприклад, база знань реалізує семантичну модель, то бажано, щоб механізм побудови кроків діалогу та сценарію мав таку ж модель. В [5] пропонується концепція побудови суб’єкту та передумови інтерогативів питань як виводу на знаннях.

Задача формування сценарію діалогу

Породження послідовності кроків діалогу, яка не вбудована в процедуру, можна вирішити двома шляхами. Перший – це створити сценарій apriori і зберігати його в довготривалій пам’яті ЕОМ. Для здійснення такого сценарію потрібен інтерпретатор. Наприклад, така технологія використовує HTML - засоби для опису сценарію та броузери для його реалізації. Якщо сценарій створюється за цією технологією, то участь експерта – фахівця відповідної предметної сфери обов’язковий. Цей фахівець у випадку створення діалогу для взаємодії з ОПР (особа, що приймає рішення) повинен мати знання та вміння з таких питань:

знати структуру бази знань та мову маніпулювання знаннями;

методи прийняття рішень;

методи побудови сценаріїв;

специфікації для програміста, який напише процедури, необхідні для деяких кроків діалогу.

Якщо послідовність кроків діалогу та самі кроки (див. (1)) генеруються деякою глобальною процедурою, то зусилля експерта – фахівця потрібні, в ідеалі, тільки для створення такої процедури. Розглянемо далі розширення еротематичного підходу для того, щоб можна було описати формальним чином не тільки побудову кроків діалогу, а й вирішити задачу визначення наступного, альтернативного кроку. Це забезпечить реалізацію предметних діалогів як логічний вивід на знаннях, які має СППР.

Моделювання поведінки інтелектуальної системи сприймати інформацію

Перш за все нам необхідно розглянути модель подання знань СППР, оскільки процедура породження діалогу користується цими знаннями для побудови сценарію. Відомо, що моделі бази знань можуть бути зведені одна до другої, тому припустимо, що знання СППР про предметну галузь, для якої призначена ця СППР, підтримуються моделлю “сутність – зв’язок”. Назвемо ці складові бази знань категоріями. Категорії можуть утворювати типи категорій, як у моделі Чена [6]. Оскільки ми будуємо інтелектуальну систему взаємодії, використаємо такі аналогії когнітивної поведінки людини для моделювання цієї поведінки компонентами СППР:

людина сприймає інформацію за власною ініціативою;

людина сприймає, зберігає та використовує нечітку або не повністю “істинну” інформацію.

Для моделювання ініціативи інтелектуальної системи звертатися до середовища за інформацією можна скористатися теорією потреб людини. У відповідності з [7, 8] людина потребує інформації для задоволення життєво важливих інших (крім інформації) потреб. Може бути, що ці потреби відсутні в даний час, тоді діє природжений механізм “цікавість” (допитливість). Логічно припустити, що обидві ці причини “запускають” механізм збору інформації у випадку, якщо у знаннях інтелектуальної системи не вистачає знань відносно деякої категорії, яка вже описана в базі знань. Наприклад, у знаннях про клієнта банку є інформація про його платіжну спроможність, але невідомий ступінь достовірності цих даних. Співробітник банку, “усвідомивши” своє “незнання” з цього приводу, скористається якимось інтерфейсом (телефон і т. ін.) і поставить питання партнеру, у якого може бути інформація з цього приводу.

Наділимо СППР компонентою архітектури, яка:

- усвідомлює “незнання”, або невизначеність своїх знань;

- моделює “цікавість”.

Для забезпечення цих функцій приймемо, що категорії “сутність” та “зв’язок” є взаємно перехідними. Наприклад, відношення (яке реалізує категорію “зв’язок”) “є зеленим кольором” може в іншому контексті бути екземпляром типу категорії “колір”. Припустимо, що предметна область, яка моделюється базою знань, має N категорій. Кожній категорії можна приписати позначку 1; 2; 3; … [9]. У відповідності з принципами багатозначної логіки категоріям, які мають однаковий рівень невизначеності, припишемо однакову позначку. Більше значення позначки означає “більш невизначена”, а менше значення позначки - “менш невизначена” категорія. Оскільки в корені ієрархії типів категорій знаходиться саме поняття “категорія”, то усе дерево типів не може бути визначеним остаточно, якщо припустити, що в базу знань можна додавати нову категорію як тип, а не вважати це модифікацією схеми бази знань. Це означає, що інтелектуальна система може будуватися так, що при досягненні повної визначеності категорій, які вже є в базі знань, система звернеться до партнера з запитанням: ”Яка нова категорія, крім відомих системі, існує в даній предметній галузі та може бути введена в базу знань?”

Механізм побудови сценарію діалогу

Розглянемо два випадки організації бази знань СППР:

а) Схема бази знань визначена у тому розумінні, що новий тип категорій найвищого рівня може вводити адміністратор, змінюючи саму схему.

б) Новий тип категорій може вводитися в базу знань без обмежень. Це означає, що кількість категорій у цьому випадку невідома.

На малюнку зображена структурна модель компонентів СППР, які будують сценарій взаємодії партнерів, що вирішують проблеми : людини та самої СППР.

Розглянемо поведінку системи у випадках а) та б).

Зазначимо, що блок цілей діалогу діє однаково в обох випадках. Він ставить партнеру питання, відповідь на яке визначає предметну область, в якій СППР буде шукати рішення. У випадку а) блок виконує пошук множини категорій з найбільшим значенням невизначеності.

Модель породження сценарію діалогу


Малюнок. Модель породження сценарію діалогу

Вся множина категорій деякої ПрО є:

C = {ci}, i = 1, 2, 3, … , n.

Припишемо, як сказано вище, кожній категорії ci позначку k = 1, 2, 3,…

C = {cik}, k = 1, 2, 3,…

Блок вимірювання невизначеності формує підмножину категорій, які мають найбільший рівень невизначеності.

Ck = {cik çk = max}

де Ck Ì C.

Якщо множина Ck налічує більше одного елемента, управління передається “Блоку визначення семантичної близькості”. Цей блок вибирає із підмножини Ck тільки одну категорію cik таку, яка відповідає критерію найбільшої семантичної близькості. Функція вибору cik може бути подана як

Sc = j(r)

де r – відношення, яке визначає близькість (аналогія, асоціація і т. п.).

У випадку б) кількість категорій, які можуть бути введені в базу знань, заздалегідь невідома. Для оцінки ступеню невизначеності категорій автори пропонують застосовувати формальний апарат, який наводиться в [9]. Для цього блок вимірювання невизначеності реалізує відповідний алгоритм.

Висновки

Запропоновані методи автоматичної побудови сценарію діалогу на знаннях СППР можуть бути основою архітектури діалогової компоненти для таких систем. Відповідні програмні засоби дозволять будувати інтерфейси для функцій як виводу, так і вводу знань в сховище знань.

Література

1. Igor Chmyr: Dialogue of Partners as a Method of Non-Formal Problem Solving. In Maddy D. Brouwer-Janse and Thomas L. Harrington (eds.) Human-Machine Communication for Education System Design. NATO ASI Series, Vol. F129. Berlin : Springer 1994. 221-228.

2. Ус М. Ф., Пискун А. В. Применение вопрос - ответной логики для создания интеллектуального интерфейса объектно-ориентированными средствами: Збірник наукових праць Інституту проблем моделювання в енергетиці НАН України.- Львів:”Світ”, 1998.- Випуск 3.- с. 99 - 102.

3. Чмырь И. А., Абу-Даввас В. А. Многоагентная система моделирования диалогового поведения// Придніпровський науковий вісник. Технічні та сільськогосподарські науки. Дніпропетровськ: Наука і освіта. 1998. - № 66(133). - С. 27-36.

4. Леоненко Л. Л. Сараева И. Н. О применении языка тернарного описания к моделированию значений системных параметров и установлению общесистемных закономерностей // Системные исследования: Методологические проблемы: Ежегодник М.: - Наука.- 1984 .- с.181

5. Ус М. Ф. Интеррогативная модель представления знаний: Збірник наукових праць Інституту проблем моделювання в енергетиці НАН України.- Львів: ”Світ”, 1998.- Випуск 1.- с. 19-28.

6. Цикритзис Д., Лоховски Ф. Модели данных.- М.: Финансы и статистика, 1985.-344с.

7. Burlachuk L. F. Introduction in Projective Psychology.- Kiev: Nika - centre, 1997.-126 p. (in Russian)

8. Солсо Р. Л. Когнитивная психология. М.: Тривола, 1996 .- 600с.

9. Заличев Н. Н. Энтропия информации и сущность жизни. М.: Радиоэлектроника, 1995.- 192с.

Добавить комментарий


Защитный код
Обновить