Построение интеллектуальных обучающих систем, основанных на экспертных знаниях

• Автор: Нарыжный, Евгений Владимирович
• Шифр специальности: 05.13.10
• Научная степень: Кандидатская
• Место защиты: Б. м.
• Количество страниц: 114 с.

Оглавление
Введение

Глава 1. Проблемы передачи экспертных знаний

Особенности мышления экспертов.

Интеллектуальные обучающие системы.

Выводы.

Глава 2. Выявление экспертных знаний.

Задача экспертной классификации

Задача порядковой экспертной классификации.

Рациональная процедура опроса эксперта для решения задачи

порядковой классификации

Алгоритм КЛАНШ.
Поиск и устранение ошибок в ответах эксперта.
Оценка эффективности.
Построение базы знаний.
Выводы.
Глава 3. Обучение классификации
Построение полных баз знаний для обучения задачам
распознавания
Сложность классификации
Метод обучения.
Алгоритм обучения
Объяснение решений.
Выводы.
Глава 4. Реализация обучающей системы
Система КЛАНШ
Построение базы знаний.
Анализ базы знаний
Модель дифференциальной диагностики ТЭЛА с ОИМ
Архитектура системы ОСТЭЛА
Обучение декларативным знаниям
Обучение процедуральным знаниям.
Эксперименты по обучению
Заключение.
Литература


Делается акцент на то, что высокие результаты, демонстрируемые экспертами, обусловлены в большой степени уникальными перцептивными способностями, когда опираясь на многолетний опыт решения похожих задач эксперт способен интуитивно распознать знакомую ситуацию и прийти к верному решению. Система анализирует ответы обучаемого и старается подбирать такие задачи, правильное решение которых позволяет сделать более быстрым процесс обучения. Обучение считается завершенным, если обучаемый становится способен безошибочно решать задачи максимальной сложности. Данный метод предназначен для обучения подсознательным навыкам, которые формируются на основе решения задач, где изначально отсутствуют декларативные описания процедур. В четвертой главе описывается система извлечения экспертных знаний, реализующая предложенный метод построения полных и непротиворечивых баз экспертных знаний; система ОСТЭЛА для обучения искусству дифференциальной диагностики тромбоэмболии легочной артерии и острого инфаркта миокарда, построенная на основе предложенных методов. Приводятся результаты экспериментов по обучению молодых врачей ГКБ им. С.П. Боткина и ординаторов Российской Государственной Медицинской академии постдипломного образования. Глава 1. Построение интеллектуальных обучающих систем является одним из направлений искусственного интеллекта и, также как и искусственный интеллект, представляет собой экспериментальную научную дисциплину. Под экспериментом в данном случае понимается построение, проверка и уточнение моделей на многочисленных примерах - наблюдениях над человеком с целью раскрыть эти модели и лучше понять функционирование человеческого разума (Лорьер, ). Однако, работа над интеллектуальными обучающими системами (ИОС) представляет собой не просто использование известных методов искусственного интеллекта, а является расширением самого понятия исследований в этой области (Clancey, ). То есть для решения одной задачи - построения ИОС становится необходим целый комплекс исследований, затрагивающий извлечение и представление знаний, модели мышления, понимание языка и т. Self, ). Среди моделей современной когнитивной психологии доминирует так называемый информационный подход1 (Hunt, ), рассматривающий человека как систему переработки информации (Newell, Simon, ). Знание в рамках этого подхода рассматривается как комплекс реально существующих элементов (символов, паттернов2), хранящихся в памяти человека, которые обрабатываются мозгом подобно программе в компьютере, и являются источником интеллектуального поведения. Computational view of thought (англ. Мы вынуждены использовать термин «паттерн», поскольку он означает нечто большее, чем его прямой перевод на русский язык как образ или шаблон. При этом знание рассматривается как набор взаимосвязанных и относительно статичных элементов, который можно хранить, извлекать, модифицировать, передавать экспертной системе или другому человеку. В рамках данного подхода был разработан ряд успешных вычислительных моделей памяти (ЕРАМ, Simon), процессов мышления и обучения (SOAR, Newell; ACT-R, Anderson), эксперименты с которыми показали адекватность их поведения поведению человека в психологических экспериментах. Извлечение экспертных знаний, т. Обучение новичков знаниям, отраженным в построенной базе знаний, после которого качество их решений будет близко к качеству решений эксперта. Решение указанных проблем тесно связано с характером рассматриваемой предметной области. Принято различать хорошо определенные или хорошо структуризированные области знаний, к которым относится, например, решение типовых задач математики, физики, программирования, и недостаточно определенные или слабоструктуризированные области, такие, например как медицинская диагностика. Как будет показано далее, в отличие от хорошо определенных областей в решении указанных проблем для слабоструктуризированных областей знаний, где «качественные, трудноформализируемые и неопределенные факторы имеют тенденцию доминировать (Simon, )» имеются значительные трудности.