Академик О. И. Ларичев выделяет два типа знаний, передаваемых от одного человеческого поколения к другому. Знание первого типа определено как декларативное. К нему относятся факты, теории, задачи и другие сведения, которые описаны в книгах и учебниках, относящихся к различным областям науки.
Ко второму типу знаний относится человеческое умение решать задачи, сочинять музыку, лечить больных, находить неисправности в машинах и аппаратах, изобретать новые устройства и т.п.
Передать умения значительно сложнее, чем получить знания в процессе обучения в школе и университете. Умение передается от учителя к ученику в результате длительного непосредственного обучения и преумножается в дальнейшем только путем самообразования при решении многочисленных задач. В результате обучения ученик становится экспертом, который обладает высоким уровнем профессионализма в определенной предметной области.
На уровень знаний эксперта определяющее влияние оказывают такие факторы, как время, затраченное на решение профессиональных задач, качество знаний, передаваемых учителем, и природные способности человека. Научные исследования показали, что в становлении эксперта большую роль ифают время, затраченное на упражнения в процессе всей его профессиональной деятельности, а также консультации учителя.
Установлено, что в памяти человека существует так называемая рабочая память, которая обеспечивает быстрый доступ к долговременной памяти. Такая организация памяти способствует высокой эффективности решения сложных плохо формализованных задач.
Исследования, результаты которых приведены в работах, показали, что в процессе длительного решения типовых задач в памяти экспертов формируются особым образом организованные иерархические структуры знаний в виде наборов признаков и правил. По этим признакам и правилам происходит группировка объектов предметной области, обеспечивающая удобное хранение информации и быстрый доступ к ней.
- диагностика заболеваний по совокупности клинических и инструментальных признаков;
- диагностика неисправностей сложных машин и механизмов;
- диагностика состояния предприятия, региона или государства по экономическим, технологическим, социальным и другим признакам;
- поиск месторождений полезных ископаемых. Отличительной особенностью перечисленных задач является их повторяемость.
При многократном решении подобных задач специалисты накапливают опыт, который позволяет им находить эффективные решения за короткое время. Этот опыт целесообразно представить в явной форме и впоследствии хранить, приумножать, корректировать и использовать при решении аналогичных задач.
В задачах классификации с явно заданными признаками искусство эксперта проявляется в умении «увидеть» через заданную совокупность значений отдельных признаков целостный образ объекта.
Чтобы применить на практике метод классификации для построения баз экспертных знаний, необходимо иметь полный набор признаков, их значений и классов возможных решений.
Постановка задачи экспертной классификации. Дано: N- число диагностических признаков;— число упорядоченных вербальных оценок качества на шкале
диагностического признака;
— множество оценок на шкале i-го признака; Q — количество диагностических классов
к которым могут принадлежать классифицируемые объекты;
— множество всех гипотетически возможных состояний, описываемых диагностическими признаками;
— состояние, принадлежащее множеству А, описываемое вектором, компонентами которого являются значения признаков.
Требуется: на основе знаний экспертов классифицировать все векторы аи отнеся каждый из них к одному или нескольким классам решений.
Данная постановка задачи основана на предположении, что эксперт обладает всей полнотой знаний, и нужно найти подход, позволяющий их выявить.
Метод экспертной классификации содержит ряд процедур, направленных на структуризацию проблемы и обработку экспертной информации.
Практические результаты по исследованию метода экспертной классификации получены в области медицинской диагностики. В частности, там была решена задача дифференциальной диагностики тромбоэмболии легочной артерии (ТЭЛА) и острого инфаркта миокарда (ОИМ). Для диагностики этих заболеваний эксперты выделили следующие диагностические признаки: анамнез — факторы риска; боль; цвет кожи; дыхание; артериальное давление; электрокардиограмма; рентгенограмма фудной клетки; эхокардиограмма; ферменты крови.
Для каждого из признаков были определены соответствующие значения. В частности, для признака анамнез — факторы риска на шкале были заданы следующие значения:
- в анамнезе операция, травмы, роды, тромбофлебит, опухоли;
- в анамнезе стенокардия, ишемическая болезнь сердца;
- в анамнезе патологии нет.
Классификация состояний объекта исследования осуществляется экспертом на основании предъявляемых ему компьютером комбинаций значений диагностических признаков, характеризующих одно из возможных состояний объекта в виде клинической ситуации. Дополнительно эксперту предоставляется перечень классов решений, из которых он выбирает свой ответ. При этом удается значительно уменьшить число задаваемых вопросов, принимая гипотезу о различной характерности значений диагностического признака по отношению к каждому из классов. Эта гипотеза означает, что эксперт может упорядочить все значения каждого диагностического признака по их характерности для каждого из классов решений, при этом упорядочение не зависит от значений других признаков.
Пусть значения диагностического признаканаходятся в следующем отношении характерности для класса
где
— отношение доминирования для класса
~. Данная запись означает, что для класса
значение
признака
более характерно, чем значение
Например, для диагностического признака цвет кожи шкала значений выглядит следующим образом:
- резкий цианоз лица, шеи, верхней половины туловища;
- бледность кожных покровов, акроцианоз;
- нормальный цвет кожи.
Для упомянутых ранее заболеваний ТЭЛА и ОИМ характерность значений названных признаков различается. Значения признаков для ТЭЛА и для ОИМ упорядочиваются по характерности 3-2-1 и 2-3-1 соответственно.
На основании бинарных отношений характерности для отдельных признаков можно построить отношения доминирования по характерности для каждого класса на множестве состояний (векторов). При этом
если для каждого признака значение соответствующего компонента вектора
не менее характерно по отношению к классу
чем значение компонента вектора
и хотя бы для одного компонента данное значение более характерно, чем прочие.
Использование гипотезы доминирования по характерности позволяет построить на множестве состояний А так называемый «конус» доминирования по характерности, который помогает классифицировать группы состояний. Например, эксперт отнес к классусостояние
При этом значения отдельных признаков, являющиеся компонентами вектора
могут быть не самыми характерными для класса
Опираясь на гипотезу о характерности, можно ожидать, что другие состояния
описания которых совпадают с
за исключением тех диагностических признаков, значения которых не являются самыми характерными для класса
и могут иметь более характерные для
оценки, также будут отнесены к классу
В связи с этим один ответ эксперта во многих случаях позволяет классифицировать группу состояний.
Выдвигаемые гипотезы о характерности признаков требуют проверки. Это можно сделать путем сравнения классификаций, полученных на основе опроса экспертов, с последующим распространением информации в соответствии с конусами доминирования по характерности. В общем случае конусы могут пересекаться, так как некоторые состояния могут принадлежать одновременно нескольким классам. При этом могут иметь место явные противоречия, свидетельствующие либо о допущенных экспертом ошибках, либо о взаимных зависимостях диагностических признаков. В любом случае экспертную информацию необходимо скорректировать. При наличии зависимостей между признаками обычно производят объединение зависимых классов.
Важное место в задачах экспертной классификации отводится специальным алгоритмам, которые позволяют определить последовательность состояний, предъявляемых экспертам в процессе определения их принадлежности к классам. Существуют различные стратегии предъявления состояний (объектов) в частности, первыми могут предъявляться более информативные состояния.
Построенная полная классификация может быть представлена граничными элементами классов. Эти элементы находятся «на границе» между двумя классами решений, т.е. имеют значения признаков, характерные для нескольких классов. На основе этих элементов строятся решающие правила экспертов, имеющие структуру дерева. В корне этого дерева находятся наиболее существенные для класса решений значения признаков, к которым добавляется совокупность сочетаний значений менее важных признаков.
Технология формирования баз экспертных знаний для задач классификации с явными признаками хорошо согласуется с известными данными психологов, которые получены при исследовании процессов классификации объектов, описываемых многими признаками. Например, установлено, что на основании многолетней практики эксперт-классификатор формирует в своей долговременной памяти совокупность решающих правил, которые позволяют описывать границы классов решений. При этом количество таких правил невелико и свободно помещается в кратковременной памяти. Когда эксперту предъявляется очередной объект, который он должен отнести к соответствующему классу решений, решающие правила переносятся в его кратковременную память, где производится анализ объекта. Если объект не удается классифицировать с помощью решающих правил, находящихся в оперативной памяти, то они заменяются другими правилами из базы знаний эксперта, выработанными за время его профессиональной деятельности.