Виртуальные модели предметных областей и использование моделей представления знаний
, научный руководитель, д-р техн. наук, профессор
ГОУ ВПО «Вологодский государственный технический университет»
г. Вологда
Современное состояние большинства развитых стран можно определить как этап становления «информационного общества», в котором значительную роль имеет процесс превращения информации и знаний в определяющий ресурс экономического, социального и технологического развития. При этом возрастает значение общественных институтов передачи опыта и знаний, которые приобретают новые формы, используя достижения информационно-коммуникационных технологий.
Интенсивное развитие инфосферы поставило перед образовательными системами серьезные проблемы эффективной передачи знаний, опыта, умений и навыков предыдущих поколений молодежи. Многие страны мира поставили задачи реформирования системы образования на уровень стратегически важных задач государства.
Справиться с решением этих задач могут новые информационные и интеллектуальные технологии, которые открывают принципиально новые возможности и подходы для повышения эффективности процесса обучения новым компетенциям.
В Вологодском государственном техническом университете научно-исследовательские работы по разработке методологии построения интеллектуальных агентно-ориентированных учебных комплексов (ИАОУК) ведутся на базе научно-образовательного центра «Интеллектика» в рамках федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на годы. На втором промежуточном этапе коллективом центра выбрана методология построения комплексов – определены методы и сформулированы ожидаемые результаты.
Одной из составляющих разрабатываемых учебных комплексов являются виртуальные модели (миры) предметных областей. Виртуальные миры (ВМ) можно представить как динамически моделирующую среду, возможно реализуемую как мультиагентная система или агентно-ориентированная система.
При взаимодействии обучаемого с ВМ учитываются требуемые компетенции, межпредметные связи и выбранная агентом преподавателя траектория обучения, характеристики агента обучаемого («аватара»). ВМ хранятся в базе знаний, и по требованию создается или редактируется существующий шаблон модели, в который помещается агент ученика, проходящий теоретический курс и решающий различные проблемные ситуации.
Виртуальную модель предметной области авторы данной статьи рассматривают как интегрированную в модель управления знаниями предметной области и хранящуюся в представлении обучаемого базы знаний формализованной информации предметной области обучения.
Создание виртуальных моделей предметной области невозможно без объективизации знаний средствами знаковых систем – естественных и искусственных языков, учитывая, что нет общепринятого понятия «знание» в областях информационных систем и представления знаний. Поэтому знания в искусственных интеллектуальных системах можно трактовать как виртуальные модели предметной области, выраженные средствами определенных знаковых систем.
Модели представления знаний в информационных системах можно разделить на процедурные и декларативные. Декларативные модели содержат семантические структуры знаний и механизм вывода, оперирующий на структурах знаний и практически независимый от содержания. Процедурные модели содержат знания в алгоритмическом и программном представлении, явно определяя действия в тех или иных ситуациях[1].
Большинство применяемых моделей представления знаний в интеллектуальных системах могут быть сведены к следующим классам: продукционные модели, формальные логические модели, семантические сети, фреймы. Данные классы моделей можно применить в задачах создания виртуальных моделей предметных областей для интеллектуальных агентно-ориентированных учебных комплексов с использованием сервисно-ориентированной архитектуры (СОА).
Формальное определение СОА было сформулировано специалистами корпорации IBM[2]: «СОА — это прикладная архитектура, в которой все функции определены как независимые сервисы с вызываемыми интерфейсами. Обращение к этим сервисам в определенной последовательности позволяет реализовать тот или иной бизнес-процесс».
В виду того, что распределенная информационная система будет создаваться с применением сервисно-ориентированной архитектуры, то стандартами доступа и обмена данными будут являться SOAP и язык WSDL. SOAP (Simple Object Access Protocol) – протокол доступа к простым объектам, то есть механизм для передачи информации между уделенными объектами на базе протокола HTTP и некоторых других Интернет-протоколов. WSDL (Web Services Description Language) – язык описания Web-сервисов.
Для хранения используемых в интеллектуальных агентно-ориентированных учебных комплексах виртуальных миров требуется использовать систему управления базой данных (СУБД), которая позволяла сформировать базу знаний по учебному курсу на основе выбранной модели представления знаний и работать с ней.
После проведенного обзора существующих СУБД выделено три – MS SQL Server 2008, IBM DB2, Oracle Database 10g, с помощью которых можно строить агентно-ориентированные учебные комплексы с использованием сервисно-ориентированного подхода.
Особенностью СУБД Microsoft SQL Server 2008 (последняя редакция – SQL Server 2008 R2) является поддержка структурированных и частично структурированных данных, включая цифровые форматы для изображений, звуков, видео и других типов мультимедиа. Поддержка мультимедиа-форматов внутри СУБД позволила специализированным функциям взаимодействовать с этими типами данных. Таким образом в базу знаний можно сохранять и извлекать не только текстовую, графическую, числовую информацию, но и, например, файлы созданных аудио - и видеокурсов.
Особенностью СУБД IBM DB2 является расширенная поддержка использования данных в формате XML, в том числе операции с отдельными элементами документов XML. Это проприетарное программное обеспечение, но имеется и бесплатная версия для тестирования и разработки DB2 Express-C.
Особенностью же СУБД Oracle Database 10g является наличие механизма расширяемой индексации (Extensible Indexing) и встроенный механизм полнотекстового поиска. В работе [3] предлагается способ хранения больших и относительно стабильных онтологий (именно такой является онтология компетенций), с использованием технологии Spatial СУБД Oracle 10g, который основан на применении языка RDF. Существует бесплатная для разработки, установки и распространения версия Oracle Database 10g Express Edition. Данное программное обеспечение используется и на выпускающих кафедрах Вологодского государственного технического университета.
Примером реализации базы знаний является базовая электронная энциклопедия по линейной алгебре «Линеал», созданная при поддержке Российского фонда фундаментальных исследования (РФФИ).
Особенность «Линеала» от других баз знаний, электронных справочных систем и энциклопедий, использующих перекрёстные ссылки, заключена во встроенном инструменте анализа графов связей, которые являются направленными. Все основные факты и понятия линейной алгебры соединены между собой направленными дугами, несущими разное содержание. Образующийся при этом граф, в котором вершинами являются понятия и факты, является ориентированным ациклическим графом [4].
Так для любого выбранного подмножества фактов и понятий можно получить всех их «предшественников», то есть выяснить опору этого подмножества. Можно также получить все понятия, требующиеся для перехода от одного понятия (факта) к другому. При этом одно из графических представлений системы связей использует минимальную ярусно-параллельную форму графа связей.
Другой и наиболее интересной на взгляд авторов является реализации базы знаний в компьютерной вычислительной среде Wolfram, разработанной американским математиком Стивеном Вольфрамом и основанной на его программном продукте Mathematica. Данная среда прекрасно справляется не только с вопросами, но и с задачками: способна решать уравнения, строить графики, считать по формуле (рис.1). Wolfram разрабатывался с расчетом использования знаний из точных наук.
Рис. 1 - Пример расчета корней квадратного уравнения.
Движок Wolfram основан на обработке естественного языка (в настоящее время — только английского), большой библиотеке алгоритмов и NKS-подходе для ответов на запросы. В нем использованы уже хорошо известные идеи разбора фрейма ситуации и извлечения фактов из текстов, причем в основном - из структурированных данных: энциклопедий и подобных источников знаний.
1.Швецов, интеллектуальные информационные системы / , – СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2003. – 318 с.
2.Channabasavaiah, K., Holley K., Tuggle E. M., Migrating to a service-oriented architecture. / K. Channabasavaiah, K. Holley, E. M. Tuggle // IBM, December 2003.
3.Филатов, В. А Разработка высокоэффективных средств создания и обработки онтологических баз знаний / , , 2008. [Электронный ресурс] Режим доступа: http:///razrabotka-vysokoeffektivnyx-sredstv-sozdaniya-i-obrabotki-ontologicheskix-baz-znanij/
