зуміти текст, схеми, графіки і т. п. Складність тут полягає не тільки в обробці природної мови, але й у необхідності відтворити за текстом модель деякої проблемної області.
Слід зазначити, що всі розглянуті моделі придбання знань розрізняються з точки зору їх незалежності від експерта. Моделі наведені в порядку зростання цієї незалежності, тобто в порядку збільшується ступеня автоматизації процесу придбання знань. В даний час найбільш широко поширена модель придбання знань від експерта через посередництво інженера знань. З іншого боку, популярна модель, що використовує інтелектуальний редактор для організації діалогу з експертом без посередника - інженера знань. Створено ряд програмних засобів для підтримки такого роду діалогу.
Розробка ЕС - до цих пір дуже тривалий і трудомісткий процес, найбільш вузьким місцем якого є набуття знань, тобто витяг, структурування, уявлення, налагодження (забезпечення повноти, несуперечності знань, гарантія якості рішень і т. п.) і супровід знань. Ця проблема посилюється тим, що існуючі на сьогоднішній день інструментальні засоби підтримують не всі етапи розробки ЕС, а тільки етапи формалізації, виконання та тестування. При цьому ранні, найбільш неформальні етапи (Ідентифікації і концептуалізації) практично не підтримані існуючими інструментальними засобами, проблема також полягає в тому, що без постійного обслуговування та вдосконалення експертами складні ЕС втрачають (у зв'язку з зміною оточення) ефективність і точність пропонованих рішень.
З метою різкого скорочення термінів і зниження вартості створення ЕС розробляються різні інструментальні засоби. Це дозволить, на думку зарубіжних фахівців, скоротити витрати на розробку ЕС приблизно в 10 разів. Оскільки етап придбання знань, найбільш тривалий і трудомісткий, упор робиться саме на можливу автоматизацію цього етапу. Основу таких коштів складають спеціальні оболонки та ІС, а також системи створення і підтримки баз знань.
Спеціалізовані оболонки та ІС орієнтуються на певний тип додатків. Ряд фахівців поділяє ці ЕС на проблемно-спеціалізовані та предметно-спеціалізовані.
Під першими ІС маються на увазі ЙС, орієнтовані хоч і на специфічну проблему, але що охоплює досить широку область додатків (наприклад, діагностичні програми). Під другими ІС маються на увазі ІС, орієнтовані на специфічну проблему, що охоплює вузьку область додатків. Поділ ІС на два класи вельми умовно і викликано тим, що вони містять в собі істотно різну кількість попередніх знань про конкретний додатку. У проблемно-спеціалізованих ІС міститься тільки загальна структура знань і не містяться специфічні знання про програму. Таким чином, предметно-спеціалізовані ІС можна розглядати не тільки як ІС, але і як незавершене додаток з досить розвиненою базою знань, яку розробник тільки доповнює, а не створює заново.
Все це дозволяє істотно спростити, прискорити і здешевити процес придбання знань.
Системи створення і підтримки бази знань призначені для автоматизації процесу придбання знань на всіх етапах розробки ЕС. Подібна система зазвичай орієнтується на клас ІС (у першу чергу, на клас оболонок ЕС). З цієї причини на відміну від оболонок ЕС або, як іноді кажуть, оболонок застосування, ці системи називають оболонками придбання знань. Такі спеціалізовані ІС, орієнтовані на придбання знань, в даний час, як правило, не виділяються в самостійний продукт, а поставляються на ринок у складі ІС загального призначення.
І на закінчення розглянемо тенденції розвитку ЕС, пов'язані з об'єднанням ЕС з іншими напрямками, - це також серйозно може вплинути на практику придбання знань.
Об'єднання ЕС з системами традиційного програмування в рамках інтегрованих систем. Це буде нове покоління ІС, які повинні інтегруватися із засобами автоматичної розробки програмного забезпечення та об'єктно-орієнтованими базами даних.
Формування нового напрямки Knowledge Publishing, об'єднуючого ЕС з електронним виданням і гіперсредствамі. З цим напрямком перегукується (а можливо, і зливається) напрямок В«Системи знань В»- Knowledge Delivery System. Системи знань - це клас ЕС, в яких є база знань, але усунутий механізм виведення. Вони не є системами, здатними виконувати міркування (Їх висновок робиться за один крок); вони мають тільки механізм зіставлення і знання. Системи знань можуть розглядатися як активні книги. p> Базування існуючих ЕС на символьної обробці. Однак є й інші можливості. Останнім час активно розробляються і розвиваються технології, на базі яких створюються нейронні мережі (нейрокомп'ютери), здатні вирішувати ряд таких завдань, як розпізнавання образів, оптимізаційні задачі та ін Досить важливим, особливо у світлі розглянутих проблем набуття знань, є те, що нейронні мережі здатні навчатися вирішення завдань на конкретних прикладах і не вимагають формулювати знання про рішення ні у вигляді правил, ні у вигляді алгоритмів.
Враховуючи гід...