Разработка методов создания прикладных интеллектуальных систем с использованием технологии SIMER+MIR: В обл. 
экологии и прогнозирования мор. 
биол. ресурсов

г Актуальность работы.

Разработка методов создания прикладных интеллектуальных систем в различных областях приносит кардинальные изменения в эти области, стимулирует их дальнейшее развитие, предлагает новые способы работы с информацией.

Сложность и многообразие структур знаний порождают многообразие формальных способов их представления и разработку соответствующих программных средств, предназначенных для работы с такими структурами.

С другой стороны, то же многообразие структур знаний требует развития методов выявления знаний и переноса их в интеллектуальные программные системы. Известно, что проблемы выявления знаний (например, компетентности эксперта) с возникновения инженерии ! знаний и по сегодняшний день относятся к числу сложнейших проблем искусственного интеллекта. В этой связи, особенно важными оказываются исследования, направленные на установление специфических черт устройства знаний тех или иных предметных областей и использование этих исследований для создания проблемно-ориентированных методов приобретения и представления экспертизы.

Как показывает ряд работ последних лет, наибольший эффект на этом пути дает применение технологических программных средств выявления, переноса и представления знаний. Одной из таких технологий является технология БШЕК+МШ [1,2], которая позволяет существенно изменить традиционную технологию создания систем, основанных на * знаниях. Как известно, традиционный подход к инженерии знаний ¦ включает в себя реализацию следующих стадий создания прикладной системы: идентификация проблемыконцептуализация проблемы- 1 формализация проблемыреализациятестирование [3].

Использование технологии SIMER + MIR меняет содержание и количество стадий инженерии знаний [4]. Из перечисленных выше стадий инженерии знаний остается стадия идентификации проблемы. Появляется новая стадия — приобретение знаний. Концептуализация проблемы выполняется в процессе приобретения знаний. Стадия формализации теряет свое самостоятельное значение, так как становится одной из фаз приобретения знаний и возлагается на инструментальные средства. Стадия реализации, которая предусматривает создание прототипа, отпадает совсем. Стадия тестирования в рамках рассматриваемой технологии остается: проверяется правильность заполнения базы знаний, ведется ее актуализация и пополнение. Таким образом, использование SIMER+MIR предполагает наличие лишь трех стадий инженерии знаний при создании систем, основанных на знаниях: идентификация, приобретение знаний и тестирование.

Приобретение знаний на основе интеллектуальной технологии SIMER+MIR предоставляет возможность прямого приобретения знаний интерактивным интерпретатором экспертизы и взаимодействия прямого приобретения знаний с методами приобретения знаний путем анализа текстов и обучения на примерах.

Приобретение знаний компьютерной системой предполагает, что знания системы о конкретной предметной области будут представлены в соответствии с.

— используемым формализмом представления знаний, в нашем случае — это неоднородные семантические сети;

— принципами и методами представления знаний, лежащими в основе подхода, используемого в интерактивном интерпретаторе экспертизы;

— конкретными требованиями данной системы приобретения знаний;

— основными принципами системы моделирования рассуждений и выполнения вычислений над базами знаний;

— конкретными требованиями и возможностями интерпретатора базы знаний.

Представление знаний, в конечном итоге, определяет основные характеристики системы, разрабатываемой с использованием конкретных инструментальных средств, и это свидетельствует об актуальности данной работы.

Цель работы.

Основной целью данной работы является исследование когнитивных структур и способов их представления с использованием технологии 81МЕЯ+М1К для решения задач диагностики, прогнозирования, оценки запасов, интерпретации данных и планирования производственного процесса в различных предметных областях, имеющих плохую структуру. В соответствии с основной целью выделены следующие задачи:

— анализ принципов и методов представления знаний в рамках формализма семантических сетей, лежащего в основе инструментальных средств 81МЕК+М1Я;

— построение моделей конкретных предметных областей для решения некоторых экологических задач;

— построение моделей предметных областей для задач поддержки принятия решений и оценки ресурсов;

— применение разработанных подходов в представлении знаний для конкретных задач путем создания и внедрения прикладных систем.

Научная новизна работы.

Научная новизна диссертационной работы состоит в следующем:

— в исследовании принципов создания моделей предметных областей, отражающих этапы развития различных (временных) процессов предметной области,.

— в разработке моделей предметных областей с использованием инструментальных средств 81МЕЯ+М1К,.

— в разработке архитектур распределенных интеллектуальных систем в области оценки и прогнозирования морских биоресурсов, которые включают в себя базы знаний, базы данных и внешние программы,.

— в реализации соответствующих прикладных систем, которые открыли новую область приложения для систем искусственного интеллекта.

Практическая значимость работы.

Практическая значимость работы заключается в следующем:

— исследованы принципы и разработаны методы представления знаний с использованием интеллектуальной технологии 81МЕК+М1Я для разных предметных областей;

— разработаны экспертные системы в области экологии «Оценка качества воды», «Воздух рабочей зоны», «Санитарно-лабораторная экспертиза продуктов питания», экспертная система «Оценка качества воды» решением Экспертного совета при Госкомсанэпиднадзоре Российской Федерации рекомендована к использованию в системе учреждений Госсанэпидслужбы РФ;

— созданы и внедрены в эксплуатацию распределенные интеллектуальные системы для решения задач оценки ресурсов «Интегрированная система оценки состояния запасов анчоусовидной кильки, прогнозирования величины допустимых уловов и распределения квот вылова между государствами.

Каспийского бассейна", «Интегрированная система оценки состояния популяции гребневика на базе промыслово-экологического мониторинга Азово-Черноморского бассейна», «Интегрированная система оценки состояния запасов азовской хамсы и прогнозирования величины допустимых уловов на базе промыслово-экологического мониторинга Азово.

Черноморского бассейна", «Интегрированная система оценки состояния запасов азовской тюльки и прогнозирования величины допустимых уловов на базе промыслово-экологического мониторинга Азово-Черноморского бассейна», — теоретические результаты внедрены в учебный процесс Университета города Переславля.

Апробация работы.

Основные результаты работы докладывались и обсуждались на всесоюзной конференции по искусственному интеллекту в Минске (1990), IV национальной конференции по искусственному интеллекту с международным участием в Рыбинске (1994), на 4-ой Международной Российско-индийской выставке-семинаре «Математическое моделирование и визуализация» в Москве (1997), на семинаре «Вопросы автоматизации задач управления территориями» в Ярославле (1996), на конференции «Роль информатики в региональном развитии» в Переславле-Залесском (1996), а также были представлены на семинаре BESAI «Binding Environmental Sciences and Artificial Intelligence», проходившем в рамках 13-ой Европейской конференции по искусственному интеллекту ЕСАГ98 в Великобритании (1998). Распределенные интеллектуальные системы «Каспий» и «Азов» демонстрировались на выставках в Госкоминформе, в Академии наук, в Госкомитете по рыболовству РФ.

Структура и объем работ.

Диссертация состоит из введения, 4 глав, заключения, списка литературы, содержащего 69 наименований, и 2-х приложений. Общий объем работы 139 страниц текста.

Основные результаты работы:

1. Исследованы принципы и методы представления знаний с использованием интеллектуальной технологии БШЕЯ+МЖ.

2. Исследованы методы представления логических операций средствами используемой интеллектуальной технологии для построения моделей предметных областей.

3. Предложены методы представления знаний с использованием инструментальных средств 81МЕК+М1Я для моделей предметных областей, отражающих этапы развития процессов.

4. Предложенные методы представления знаний применены к решению практических задач в области экологии и прогнозирования морских биологических ресурсов.

5. Исследованы когнитивные структуры и построены модели в области экологии. На базе разработанных методов представлений знаний реализовано три экспертных системы: оценки качества воды для девяти типов водоисточников, оценки воздуха рабочей зоны промышленных предприятий и оценки кондитерских изделий.

6. Разработаны методы представления знаний и архитектура распределенных интеллектуальных систем в области прогнозирования морских рыбных запасов. Приведена модель решения задачи прогнозирования рыбных ресурсов. Созданы и сданы в эксплуатацию четыре распределенные интеллектуальные системы. Обсуждены результаты работы интеллектуальных распределенных систем по прогнозированию мелких морских рыб Каспийского и Азовского бассейнов.

Заключение

.

Методы создания прикладных систем с использованием интеллектуальной технологии 81МЕК+М1Я, принципы и технологические решения, реализованные при представлении знаний в разработанных системах, достаточно универсальны для применения их в других предметных областях, в которых решаются задачи диагностики, интерпретации, прогнозирования.