CC BY
33
№ Наименование подсистемы Назначение
1 Подсистема визуального конструирования моделей представления знаний (МПЗ) Поддержка ЯВОПЗ и представление моделей знаний прикладных областей
2 Модуль трансляции МПЗ в БЗ Трансляция реализованных МПЗ в форматные файлы БЗ с целью осуществления возможности интерпретации этих знаний методами, реализованными в АПК построения ЭС
3 БЗ Структура представления предметных знаний, пригодная для обработки средствами вычислительной техники
4 Библиотека методов поиска решений в БЗ в виде отдельного модуля Выполнение операций логического вывода на знаниях, представленных в БЗ, с учетом исходных данных, полученных пользователем на этапе идентификации
5 Пользовательский интерфейс ЭС Осуществляет: - приобретение и идентификацию исходных данных для созданных ЭС; - вывод промежуточных и конечных решений; - предоставление отчетов по решаемой задаче
1. Обеспечение интерфейса между экспертом, обладающим знаниями в определенной области, с одной стороны, и формой представления этих знаний на компьютере - с другой. Декомпозиция данной задачи приводит к решению следующих подзадач:
- разработка специального языка визуально-объектного представления знаний (ЯВОПЗ) и правил построения выражений на нем;
- интеграция со средствами поддержки ЯВОПЗ;
- реализация методов трансляции формализованных моделей знаний в формат, пригодный для выполнения на вычислительной машине.
2. Осуществление вывода на основе закодированных экспертных знаний в базе знаний (БЗ) и
исходных данных, предоставленных пользователем, по решаемой проблеме. Решение задачи достигается:
- разработкой набора методов, поддерживающих интерпретацию закодированных экспертных знаний на вычислительной машине;
- разработкой средств пользовательского интерфейса, взаимодействующего с указанным набором методов.
Решение перечисленных задач АПК построения ЭС достигается благодаря интеграции в нем подсистем, приведенных в таблице.
На рисунке представлена схема информационных потоков между компонентами АПК построения ЭС при разработке ЭС.
Пользователь
ЙГ
Пользовательский интерфейс ЭС
Библиотека методов поиска решений в БЗ
¿Г-^
БЗ Модуль трансляции МПЗ в БЗ
Доменный эксперт
Подсистема визуального конструирования МПЗ
Модель знаний на ЯВОПЗ
Таким образом, процесс построения ЭС средствами АПК построения ЭС отличается следующими преимуществами:
- разработка ЭС может производиться экспертом или группой экспертов, обладающих средними навыками работы на компьютере;
- от разработчика не требуется умения программировать на языках высокого уровня;
- существует возможность оперативного внесения изменений в разрабатываемые системы, что особенно важно для этапов тестирования и отладки системы;
- технология направлена на возможно скорое получение работающего прототипа ЭС;
- увеличивается скорость анализа решений благодаря иерархической организации структуры доменных знаний созданных ЭС.
ПСИХОСЕМАНТИЧЕСКИЙ ПОДХОД К ОЦЕНКАМ СЛОЖНОСТИ АВТОМАТИЗИРОВАННЫХ ИНФОРМАЦИОННЫХ СИСТЕМ
Р.В. Кушвид, И.К. Фомина
Общая эффективность действия автоматизированных информационных систем (АИС) зависит от ряда факторов: совершенства технологического
оборудования и системы комплексной автоматизации, уровня профессионального мастерства пользователя, взаимной приспособленности чело-
века и автомата как звеньев единой комплексной системы управления. Важнейшее значение имеют исследования проблем психологического анализа взаимодействия человека и АИС: процессов управления, совершенствования методов разработки многоуровневой адаптации человека и машины в автоматизированных системах, эргономических принципов отображения информации человеку-оператору и эффективного использования компьютеров в управлении.
Учитывая две фундаментальные составляющие АИС - программное и техническое обеспечение - необходимо говорить о возникновении третьей - «человеческого обеспечения».
Программное обеспечение АИС представляет собой особым образом упорядоченные алгоритмы (в широком смысле этого слова), построенные по принципу иерархического применения различных языков представления. Таким образом, современная программно-техническая система как объект разработки есть организованная, иерархическая система знаний. В идеале хотелось бы иметь механизм, который позволял бы оценить степень организованности, упорядоченности таких знаний, аддитивный при этом к классу языкового представления. В дальнейших выводах будем опираться на гипотезу, что субъектное семантическое пространство представляет собой уровни абстрагирования, где каждый верхний уровень выступает метаязыком по отношению к нижнему уровню.
Если принять упрощение, что язык есть особым образом упорядоченный набор правил манипулирования словами (символами, лексемами), то возникает проблема: «каких, сколько символов и в какой иерархии представлять в документе (программе), чтобы эффективность прочтения и понимания, представленных знаний для человека была оптимальна?».
Здесь уместно вспомнить об оценке сложно -сти системы и соответствующих показателях качества: метрики Холстеда, Джилба, Мак-Кейба и пр. Многие из этих показателей строятся на идеях шенноновской меры - энтропии. Однако практическое применение энтропийных метрик оценки сложности программного обеспечения наталкивается на проблему точности и достоверности данных расчета, что заставляет их авторов и пользователей вводить ряд ограничений и допущений. Это происходит в первую очередь из-за непра-
вильного моделирования человеческого аспекта в определении понятия «сложность». В основу метрик закладывается посыл «элементарного альтернативного выбора», и это является абсолютным фактом при двоичном представлении данных, но некорректно так же моделировать и человеческое восприятие информации. Если в качестве источника обработки информации рассмотреть человеческий мозг, то очевидно, что представление данных (знаний) усложняется возможностью «параллельного» восприятия нескольких символов и их классификации, то есть возможности выбора.
Применим концепцию энтропии источника сообщений Шеннона как меру энтропии приемника сообщений. Восприятие человека представим как упорядоченный выбор знаков пь заданных на множестве п е N > к, где у - число одновременно узнаваемых (классифицируемых) знаков. Тогда процесс распознавания фактически является итерационной процедурой последовательного разбиения множества N на у (непустых) подмножеств. Энтропия приемника (человека) сообщений представима как Н=£р1 1оёуС1/р1>. Чтобы определить значение числа у, обратимся к известным фактам: числовые ограничения одновременного восприятия зрительных (структурных) единиц информации носят количественный характер интервала восприятия [4^10] знаков.
Авторами была разработана методика определения значения у из обычной текстовой информации. Исследования множества текстов четырех языков (русский, английский, немецкий, французский) из Интернета позволяют определить «мно-гоканальность» человека. Критерием оценки параллельности восприятия человеком информации может послужить значение у=8 ± А, где А - калибровочное значение, определяемое от физиологических способностей конкретного индивидуума.
Сличая показатели энтропии знаний (как языка символов) с условно идеальной (расчетной) нормой энтропии, получаем предпосылки к возможности оценки и оптимизации исходного представления информации к наиболее удобному виду ее восприятия. Таким образом, можно проводить оценку сложности АИС исходя из идей «человеческого обеспечения», характеризующего субъект обработки информации (человека) в отличие от объекта - вычислительной техники (программное и техническое обеспечение).
МОДЕЛИРОВАНИЕ ИНФОРМАЦИОННОЙ ИНФРАСТРУКТУРЫ
КОМПЛЕКСНОЙ САПР
В.Н. Ачкасов, А.В. Стариков, П.П. Куцъко
В настоящее время промышленный выпуск новых технических изделий высокой сложности
практически невозможен без применения комплексных САПР, автоматизирующих процессы
