Необходимость в самообучающейся системе
Неспособность ЭС адаптироваться к новым ситуациям, выходящим за рамки конкретной предметной области (часто называемая хрупкостью знаний или падением со скалы знаний), неизбежно приводит к резкому ограничению их эффективности. Надежды на улучшение существующего положения связываются в этой части с развитием методов и технологии машинного самообучения, которые позволяют делать автоматизированные системы самомодифицирующимися. Применительно к ЭС повышения эффективности можно достичь путем усовершенствования базы правил благодаря введению механизмов самообучения.
Принцип машинного самообучения
Если считать, что целью обучении системы является повышение ее эффективности, то на обучающуюся систему может накладываться целый ряд ограничений, учитываемых при ее проектировании. Во-первых, система, которая в будущем призвана повышать собственную эффективность неслучайным образом, должна быть в определенной мере способна оценивать свою эффективность функционирования в настоящем и прошлом. Механизм такого оценивания собственного поведения, или самокритики, должен реализовывать процедуры сравнения наблюдаемого поведения с желаемым. Задача оценивания в такой постановке называется распределением доверия, или задачей назначения уровней доверия. Назначение уровней доверия осуществляется применительно к тем элементам системы, которые ответственны за высокое качество ее функционирования. На рис. 1 в схематическом виде показаны основной механизм обратной связи, узел под названием «критик» и распределение уровней доверия, необходимое для оценки эффективности системы. В контексте ЭС задача назначения уровней доверия сводится к поощрению использования правил, которые дают хороший результат, и (возможно) к «наказанию» за использование правил, приводящих к неудачным исходам.
Во вторых, механизм оценивания должен порождать те или иные долгосрочные изменения в системе или способствовать их осуществлению с целью предотвращения в будущем повторения допущенных ошибок. В контексте ЭС это означает, что система должна обладать способностью к изменению собственных правил поведения на основе получаемых оценок.
Трудности, связанные с построением базы знаний крупномасштабных ЭС (например, в части расширенной сети приобретения знаний; наличия смещенных характеристик экспертных знаний из-за различных систем предпочтений, которых придерживаются разные эксперты; статического характера знаний при динамической природе адаптивного поведения противника), требуют наделения их способностью к обучению.
Обучающиеся системы обычно характеризуются тремя основными элементами: областью применения, способом представления знаний и стратегией обучения.
Принципы машинного самообучения
Было предложено множество различных подходов к реализации механизмов обучения в вычислительных системах и было определено три основополагающих принципа построения самообучающихся систем: на основе изучения понятий (концептов) при наличии расширенной модели предметной области, то же — в отсутствие модели и обучение на основе принципа самоорганизации.
Накопление понятий (концептов). Подход, основанный на изучении символических понятий (ИСП), предполагает формулирование этих понятий в рамках конкретных примеров. В таких системах всегда присутствует узел обучения (учитель), который обеспечивает в явной форме усвоение системой положительных и отрицательных примеров конкретного изучаемого понятия. В этом случае механизм обратной связи упрощается благодаря наличию описания, классифицирующего соответствующий пример как положительный или как отрицательный.
Использование моделей предметной области. Второй подход к построению самообучающихся систем, известный как предметное обучение с усвоением знаний (ПОУЗ) предусматривает использование больших объемов предметно-ориентированных знаний для построения такой модели предметной области, которая в дальнейшем может модифицироваться. Основное отличие этого подхода от первого состоит в объеме используемых системой знаний при выводе полезных понятий, а также в частоте применения символической логики и механизмов доказательства теорем для построения непротиворечивой системы понятий.
Построение с основ. Третий подход к созданию самообучающихся систем, называемый принципом самоорганизации, в целях повышения эффективности функционирования часто опирается на использование не символической логики, а обучающих алгоритмов. В таких системах применяется целый ряд оценочных функций и механизм непосредственной обратной связи с набором правил, узлами графов или сетевыми структурами, которые определяют поведение системы. Примером подобного подхода может служить работа по системам классификации и генетическим алгоритмам. Этой системе задавался набор правил и ставилась задача прокладки трассы газопровода. Система сама выработала правила эффективного выбора маршрута и эффективного управления газоснабжением в сети трубопроводов. Рассмотренные три подхода не исключают друг друга и вполне возможно эффективное объединение всех трех направлений.
Существенно чтобы обучаемая система анализировала пространство разрешенных правил, а не более широкое множество всех возможных комбинаций синтаксических элементов. Правила продукции, которые могут быть получены путем комбинирования существующих отношений, определяют пространство возможных правил, подлежащих отысканию в рамках стратегии обучения. Очевидно, что простое перечисление всех разрешенных правил практически нецелесообразно, поскольку их число растет экспоненциально с увеличением числа отношении.
