Трудности извлечения знаний в информационных системах

Проблема «знание и компьютер» на сегодняшний день стали популярными среди ученых и исследователей. На первый план вышли ее социальные, политические, технические и философские стороны. С появлением кибернетики, компьютеров и компьютерных систем, связанных с искусственным интеллектом (ИИ) люди по-новому стали смотреть на вопросы мышления, знания и результатов процесса познания. А также на связь искусственного интеллекта и знания.

Значение понятия «знание» в информационной системе: Знания – это итог теоретической и практической деятельности человека, отражающий накопление предыдущего опыта и отличающийся высокой степенью структурированности. Правила использования этой информации для принятия решений. Главное отличие знаний от данных состоит в их активности, то есть появление новых фактов или установление новых связей может стать источником активности системы. При выявлении знаний могут использоваться различные информационные источники: монографии, учебники, статьи, отчеты, архивные материалы, содержащие примеры решения задач, базы данных, наблюдения за функционированием реальных систем и, конечно же, люди - эксперты.

Под знаниями также понимается форма представления информации в

ЭВМ, которой присущи такие особенности, как: структурированность, связность, семантическая метрика, активность. Именно эти характеристики отличают знания в ИС от данных - "определяют ту грань, за которой данные превращаются в знания, а базы данных перерастают в базы знаний.

Вопрос о выявлении и передаче компьютеру человеческих знаний и умений является крайне сложным. На пути решения этой задачи стоит множество препятствий. Основные из них, связанные с извлечением знаний, наименее разработанные в настоящее время:

• 1.    Человек не может сообщить общих абстрактных правил, которыми он руководствуется, решая ту или иную конкретную задачу. Человеческие умения чаще всего хранятся на подсознательном уровне.

• 2.    В любой области человеческой деятельности имеется большое количество возможных практических ситуаций принятия решений, при анализе которых проявляются умения человека. Желательно уметь передавать все эти возможности ЭВМ; что требует огромного труда и времени экспертов.

• 3.    Люди, передающие компьютеру в том или ином виде свои знания и умения, неизбежно ошибаются. Чем бы ни была вызвана конкретная ошибка: усталостью, невнимательностью, трудностью ситуации, безошибочных экспертов, к сожалению не бывает.

И сразу некоторые пути решения рассматриваемой нами проблемы извлечения знаний в информационных системах: создание методов и систем автоматического и автоматизированного анализа естественно-языковых текстов, построение методов и программных систем машинного обучения, разработка и адаптация методов и программных систем поддержки извлечения экспертных знаний, создание методологии и, на ее основе, операциональной технологии приобретения знаний.

Существуют несколько классификаций методов извлечения знаний:

• •    теоретический;

• •    коммуникативный;

• •    текстологический.

  

А текстологический метод – это метод извлечения знаний, основанный на изучении специальных текстов из учебников, монографий, статей, методик и других носителей профессиональных знаний.

Я считаю, что каждый метод имеет свои преимущества. Но хотела бы выделить коммуникативный метод извлечения знаний. Так как, считаю его более эффективным из всех остальных. Он имеет разные способы, пути решения проблемы.

И в конце хотелось бы сказать, что знания играют большую роль в человеческой жизни и в сфере информатизации.