104624 (Нові тенденції і прикладні аспекти інженерії знань), страница 3

Для нееквівалентних конструктів можна аналізувати їхні просторові відношення, визначаючи ряд осей як проекцію кожного конструкта на вісь, найбільш віддалену від них, проекцію на другу вісь, пов’язану з відстанями, що залишилися, і т.д. Це метод аналізу головних компонент простору конструктів. Він пов’язаний з факторним аналізом семантичною простору, використаного у вивченні семантичного диференціала. Метод аналізу головних компонент дозволяє подати елементи й конструкти так, що між ними можуть бути виявлені взаємозв’язки. Можна побудувати логічний аналіз репертуарних решіток, використовуючи конструкти як предикати щодо елементів.

Аналіз декількох репертуарних решіток

Досить часто виникає ситуація, коли потрібно зрівняти кілька репертуарних решіток. Аналіз серії репертуарних решіток, заповнюваних тією самою людиною в різні моменти часу, дозволяє стежити за динамікою конструктів і оцінок, будувати траєкторії зміни стану людини в системі його власних суб’єктивних шкал.

Проаналізуємо кілька репертуарних решіток, заповнюваних різними людьми.

Аналіз пар системних конструктів використовується для вимірювання згоди й порозуміння між людьми. Для цього два експерти, що мають різні точки зору, створюють і заповнюють решітки зі спільної області знань. При цьому кожний незалежно від іншого вибирає елементи, виявляє конструкти й оцінює їх. Потім кожний робить дві порожні копії своїх решіток, залишаючи елементи й конструкти без значень їхньої оцінки. Обидві ці решітки заповнюються партнерами. При цьому одна заповнюється так, як він сам собі це уявляє, а друга так, як він уявляє собі заповнення оригінальної решітки її автором. Порівняння пар решіток допомагають досягти згоди й порозуміння між двома людьми. Існують три способи порівняння двох решіток.

1. Зчеплення решіток, що мають спільні елементи, і їхня подальше опрацювання одним з описаних алгоритмів так, ніби вони становлять одну більшу решітку. Таким чином можна досліджувати взаємодію ідей через перевірку змішаних кластерів конструктів з різних решіток.

2. Цей шлях вимагає наявності двох решіток з однаковими назвами елементів і конструктів і показує розбіжності між ними через вимірювання відстані між тими самими назвами. Результати показують згоду в розумінні й виявляють розходження між двома решітками, заснованими на однакових назвах і конструктах.

3. Цей спосіб також використовує дві решітки з однаковими назвами елементів і конструктів. знаходить елементи й конструкти. що змінюються найбільше, й видаляє їх із решіток. Таким чином визначаються базові елементи й конструкти, які показують згоду й порозуміння.

Аналіз груп системних конструктів.

Аналізується серія репертуарних решіток, отриманих від групи людей, що використовували однакові елементи. Порівнюється кожна пара й показується «групова мережа», що відображає зв’язки подібних конструктів усередині групи. Створюються решітки, що відображають конструкти, які розуміються більшістю груп, і це служить підставою для подальшого аналізу. Кожний конструкт, невикористаний у рамках групи, оцінюється за силою зв’язаності з іншими конструктами.

2.4 Автоматизовані методи

Уперше автоматизоване створення репертуарних решіток і видобування з експертів конструктів було реалізовано в системі PLANET. Подальшим розвитком системи PLANET є інтегроване середовище KITTEN, що підтримує ряд методів видобування знань. Д. Буза у системі ETS використав метод репертуарних решіток для виявлення понятійної системи предметної області. Нащадками ETS є система NewETS та інтегроване середовище для видобування експертних знань AQUINAS [19].

Відомо багато прототипів експертних систем, для створення яких використовувалася ETS. Серед них:

• порадник вибору інструментарію для розробників експертних систем;

• консультант з мов програмування;

• аналізатор геологічних даних;

• порадник із налагодження Фортран-програм;

• консультант із систем керування базами даних та ін.

Проте сфера застосування ETS обмежена видобуванням експертних знань для нескладних завдань аналізу, що не вимагають для свого рішення процедурних, каузальних і стратегічних знань.

ETS взаємодіє з експертом у діалоговому режимі: проводить з ним інтерв’ю і допомагає аналізувати створювану базу знань. В архітектурі ETS можуть бути виділені підсистеми:

• видобування елементів;

• виявлення конструктів;

• побудови репертуарних решіток;

• побудови графа імплікативних зв’язків;

• генерації продукційних правил;

• тестування баз знань; корекції баз знань;

• генерації баз знань для різних інструментальних засобів створення експертних систем.

У діагностичній системі MORE [20] використано принципи, подібні до тих, які лежать в основі обох описаних вище систем. Тут уперше використано кілька різних стратегій інтерв’ю. Техніка інтерв’ю, використана в MORE, спрямована на виявлення таких сутностей:

• гіпотези – підтвердження яких має своїм результатом діагноз;

• симптоми – спостереження яких наближає наступне прийняття гіпотези;

• умови – деяка множина подій, що не є безпосередньо симптоматичною для якої-небудь гіпотези, але яка може мати діагностичне значення для деяких інших подій;

• зв’язки – з’єднання сутностей;

• шляхи – виділений тип зв’язку, що з’єднує гіпотези із симптомами.

Відповідно до цього в системі використовуються такі стратегії інтерв’ю: диференціація гіпотез, розрізнення симптомів, симптомна обумовленість, розподіл шляху й деякі інші.

Стратегія диференціації гіпотез спрямована на пошук симптомів, які забезпечують точніше розрізнення гіпотез. Найпотужнішими є ті симптоми, які спостерігаються під час однієї події, яку піддають діагностиці.

Стратегія розрізнення симптомів виявляє специфічні характеристики симптому, які, з одного боку, ідентифікують його як наслідок деякої гіпотези, з іншого боку – протиставляють іншим.

Стратегія симптомної обумовленості спрямована на виявлення негативних симптомів, тобто симптомів, відсутність яких має більшу діагностичну вагу, ніж їхня присутність.

Стратегія розподілу шляхів забезпечує знаходження симптоматичних подій, які лежать на шляху до вже знайденого симптому. Якщо такий симптом існує, то він має більше діагностичне значення, ніж знайдений раніше. У системі KRITON [21] для видобування знань використовуються два джерела:

• експерт із його знаннями, отриманими на практиці;

• книжкові знання, документи, описи, інструкції (ці знання добре структуровані й фіксовані традиційними засобами).

Для видобування знань із першого джерела в KRITON застосовано техніку інтерв’ю, що використовує стратегію репертуарних решіток – розбивання на щаблі. Стратегія розбивання на щаблі спрямована на вияв¬лення спадкової структури предметної області. Акцент робиться на виявленні струкгури родових і видових понять (супертииів). При цьому типи, виявлені на черговому кроці застосування стратегії, стають базисом для подальшого її застосування.

У системі застосований прийом перемикання стратегій: якщо при роботі стратегії репертуарних решіток, надаючи трійки семантично зв’язаних понять, експерт не в змозі назвати ознаку, що відрізняє два з них від третього, система запускає стратегію розбивання на щаблі й, задаючи експертові запитання про поняття, пов’язані з попередніми відношеннями «рід – вид», робить спробу з’ясувати таксономічну структуру цих понять з метою виявлення ознак, що їх розрізняють.

3. Керування знаннями

3.1 Що таке «керування знаннями»?

Поняття «керування знаннями» (KM – Knowledge Management) виникло в середині 90-х років XX ст. у великих корпораціях, де проблеми опрацювання інформації набули особливої гостроти й стали критичними. При цьому стало очевидним, що основним вузьким місцем є опрацювання знань, накопичених фахівцями компанії, тому що саме знання забезпечують переваги над конкурентами. Часто інформації в компаніях накопичено навіть більше, ніж вони здатні опрацювати. Різні компанії намагаються вирішував н це питання по-різному, але при цьому кожна компанія прагне збільшити ефективність опрацювання знань [22].

Ресурси знань розрізняються залежно від галузей індустрії й додатків, але, як правило, включають керівництва, листи, новини, інформацію про замовників, відомості про конкурентів і дані, що нагромадилися в процесі розроблення. Для застосування КМ-систем використовуються різноманітні технології:

• електронна пошта;

• бази й сховища даних (Data Wharehouse);

• системи групової підтримки;

• браузери й системи пошуку;

• корпоративні мережі й Інтернет;

• експертні системи й бази знань; інтелектуальні системи.

Традиційно проектувальники КМ-систем орієнтувалися лише на окремі групи споживачів – головним чином менеджерів. Сучасніші КМ-системи спроектовані вже з розрахунку на цілу організацію.

Сховища даних, які працюють за принципом центрального складу, були одним з перших інструментаріїв KM. Як правило, сховища містять багаторічні версії звичайної бази даних, фізично розташовані в тій самій базі. Коли всі дані утримуються в єдиному сховищі, вивчення зв’язків між окремими елементами може бути більш плідним.

При цьому активи знань можуть перебувати в різних місцях: у базах даних, базах знань, у картотечних блоках, у фахівців і можуть бути розосереджені по всьому підприємству. Занадто часто одна частина підприємства повторює роботу іншої частини просто тому, що неможливо знаходити й використовувати знання, що перебувають в інших частинах підприємства.

Керування знаннями – це сукупність процесів, які керують створенням, поширенням, опрацюванням й використанням знань усередині підприємства.

Необхідність розроблення систем KM обумовлена такими причинами:

• працівники підприємства витрачають занадто багато часу на пошук необхідної інформації;

• досвід провідних і найбільш кваліфікованих співробітників використовується тільки ними самими;

• цінна інформація міститься у величезній кількості документів і даних, доступ до яких ускладнений;

• помилки, що потім так дорого коштують, повторюються через недостатню інформованість та ігнорування попереднього досвіду.

Важливість систем KM обумовлена також тим, що знання, що не використовуються й не примножуються, в остаточному підсумку стають застарілими й марними, так само, як гроші, які зберігаються не для того, щоб стати оборотним капіталом, в остаточному підсумку втрачають свою вартість, поки не знеціняться. Тоді як знання, що поширюються, здобуваються й обмінюються, генерують нові знання.

3.2 Керування знаннями і корпоративна пам’ять

Більшість оглядів концепції керування знання (KM) приділяють увагу тільки первинному опрацюванню корпоративної інформації типу електронної пошти, програмного забезпечення колективної роботи або гіпертекстових баз даних. Вони формують істотну частину з необхідної, але виразно недостатньої, технічної інфраструктури для керування знаннями.

Одним з нових рішень щодо керування знаннями є поняття корпоративної пам’яті (corporate memory), що за аналогією з людською пам’яттю дозволяє користуватися попереднім досвідом і уникати повторення помилок.

Корпоративна пам’ять фіксує інформацію з різних джерел підприємства іі робить цю інформацію доступною для фахівців з метою вирішення виробничих завдань.

Корпоративна пам’ять не дозволяє зникнути знанням фахівців, що вибувають (вихід на пенсію, звільнення та ін.). Вона зберігає великі обсяги даних, інформації й знань із різних джерел підприємства. Вони відображені в різних формах, таких як бази даних, документи й бази знань (Додаток А).

Введемо два рівні корпоративної пам’яті (так звані явні й неявні знання).

Рівень 1. Рівень матеріальної або явної інформації – це дані й знання, які можуть бути знайдені в документах організації у формі повідомлень, листів, статей, довідників, патентів, креслень, відео- і аудіозаписів, програмного забезпечення тощо.

Рівень 2. Рівень персональної або прихованої інформації – це персональні знання, невідривно пов’язані з індивідуальним досвідом. Вони можуть бути передані через прямий контакт – «віч-на-віч», через процедури видобування знань. Саме приховане знання – те практичне знання, що є ключовим при ухваленні рішення й керуванні технологічними процесами.

У дійсності ці два типи інформації, подібні до двох сторін однієї й тої самої медалі, однаково важливі у структурі корпоративної пам’яті (Додаток А).

При розроблені систем KM можна виділити ряд етапів.

1. Нагромадження. Стихійне й безсистемне нагромадження інформації в організації.

2. Видобування. Процес, ідентичний традиційному видобуванню знань для експертних систем. Це один з найбільш складних і трудомістких етапів. Від його успішності залежить подальша життєздатність системи.

3. Структурування. На цьому етапі повинні бути виділені основні поняття, вироблена структура подання інформації, що має максимальну наочність, простоту зміни й доповнення.

4. Формалізація. Подання структурованої інформації у форматах машинного опрацювання, тобто на мовах опису даних і знань.

5. Обслуговування. Під процесом обслуговування розуміється коректування формалізованих даних і знань (додавання, відновлення): «чищення», тобто видалення застарілої інформації; фільтрація даних і знань для пошуку інформації, необхідної користувачам.

Якщо перші чотири етапи звичайні для інженерії знань, то останній є специфічним для систем керування знаннями. Як уже було сказано, він розпадається на три дрібніших процеси:

• коректування формалізованих знань (додавання, відновлення);

• видалення застарілої інформації;

• фільтрація знань для пошуку інформації, необхідної користувачеві, виділяє компоненти даних і знань, що відповідають вимогам конкретного користувача. За допомогою тої самої процедури користувач може довідатися про місцезнаходження інформації, що його цікавить.

Розглянута вище класифікація не є єдиною, але вона дозволяє зрозуміти, що відбувається в реальних системах керування знаннями.

3.3 Системи OMIS

Автоматизовані системи KM, або Organizational Memory Information Systems (OMIS), призначені для нагромадження й керування знаннями підприємства [23]. OMIS включають роботу як на рівні 1 – з явним знанням компанії у формі баз даних і електронних архівів, так і на рівні 2 – зі схованим знанням, фіксуючи його в певному (більш-менш формальному) поданні у формі експертних систем або баз даних.