Знания как объект исследования и преобразования в системе интеллекта менеджера.

Рисунок 4.5 - Отличие данных от знаний.

1. Понятие «Внутренняя интерпретация».

Способность отвечать на вопросы, касающиеся содержимого памяти менеджера, при распознавании образов, слов, терминов, понятий, категорий, а также процессов, явлений, объектов и т.д.

Например, информационная единица «Реализованная продукция» состоит из определенных самостоятельных частей (называемых слотами) – «Остатки готовой продукции на складе», «Товарная продукция выпущенная». Формализованная запись может выглядеть так: (Реализованная продукция <Остатки готовой продукции на складе> <Товарная продукция выпущенная>). Информационная единица – в начале круглых скобок, слоты – в угловых скобках.

Например, информационная единица «Численность персонала» состоит из следующих слотов: (Численность персонала <Численность производственного персонала> <Численность административно-управленческого персонала>).

2. Понятие «Наличие внутренней структуры связей».

Между слотами различных уровней могут быть самые разные отношения. Вложенным может быть не только слот, но и фрейм, имеющий уже свои многоуровневые вложения. Наконец, вложенной может быть показатели, понятия или даже целые сложные явления или процессы. Все это придает фреймовым структурам большую гибкость и многосвязность. В качестве слотов могут выступать другие информационные единицы. В этом случае слоты будут как бы вкладываться друг в друга, как в «матрешке».

Например, укрупненная информационная единица (именуемая фреймом) «Производительность труда» состоит из определенных слотов, что можно представить следующим образом:

(Производительность труда < <Реализованная продукция <Остатки готовой продукции на складе> <Товарная продукция выпущенная> > < <Численность персонала <Численность производственного персонала> <Численность административно-управленческого персонала> >)

Информационные единицы, с которыми оперирует исследователь можно представить и виде древовидной структуры, распределив вложения по уровням:

Фрейм: «Производительность труда»

1-й уровень: «Реализованная продукция» «Численность персонала»

2-й уровень: «Остатки готовой продукции на складе» «Товарная продукция выпущенная» «Численность производственного персонала» «Численность административно-управленческого персонала»

3-й уровень:...

и т.д.

Представленная процедура и есть процесс структурирования рассматриваемого объекта.

. Понятие «Наличие внешней структуры связей».

Из предыдущего следует, что при работе с фреймами могут возникнуть такие ситуации, когда отдельные факты и явления, входящие в структуру одного фрейма, вступают в ситуационную связь с фактами и явлениями, описанными в структуре другого фрейма. Для отображения таких связей используются отдельные слоты. В них указываются имена фреймов, с которыми есть связь, и имена отношений, осуществляющих их. Так возникает сеть с именами фреймов в вершинах. С помощью дуг, над которыми написаны имена соответствующих отношений, вершины соединяются между собой, образуя так называемую семантическую сеть.

Попробуем её построить, используя следующее определение: «Валовая прибыль составляет часть выручки от реализации продукции, остающейся после вычета из неё себестоимости произведенной продукции».

СС

В

. q₃

q₁

q₂

Понятия (фреймы): В – выручка; СС – себестоимость; ВП – валовая прибыль

Рассматриваемое множество показателей G описывают следующие отношения: q₁ - составляет; q₂ - остающаяся часть; q₃ – вычет.

Рисунок 4.6 - Пример семантической сети.

4. Понятие «Шкалирование».

Разумной деятельности человека свойственно стремление к упорядоченности. Мы пытаемся как-то систематизировать, «разложить по полочкам» те явления, события, факты, а точнее - информационные единицы, с которыми мы имеем дело. Для этой цели мы используем разного рода шкалы. Это могут быть строгие метрические шкалы, такие как шкала упорядочения персонала по возрасту, профессиям; шкала показателей тесноты связи между изучаемыми показателями (например, шкала Чеддока); бальная оценка уровня менеджмента на предприятиях концерна и т.д. Но это могут быть и «размытые шкалы», такие естественные в нашем языке. Вот как мы оцениваем частоту появления какого-то события: Никогда, Чрезвычайно редко, Очень редко, Редко, Редко, но не очень, Не часто - не редко, Часто, но не слишком, Часто, Очень часто, Почти всегда, Всегда. Или степень формализации проблемы: структурированная, слабо структурированная, не структурированная. А еще есть так называемые «оппозиционные шкалы» типа Рентабельное – Убыточное (о предприятии или продукции), Лидер рынка - Отстающий, Высокая – Низкая (о прибыли или доходе) и т.п. Сюда же относится и знакомое всем нам Мы - Они.

Отображая отношения и связи реального мира, база знаний должна уметь отразить и это свойство человеческого мышления.

5. Понятие «Погружение в пространство с «семантической метрикой».

В нашем сознании это пространство образуют понятия, факты, явления, близкие по своему смыслу (семантике). Все зависит от конкретной типовой ситуации, но мы все-таки отметим этот факт: точки каждого кластера образуют совокупности понятий, семантически близких между собой. Таково свойство нашего мышления. Типовая ситуация - ядро, вокруг которого группируется информация.

В какое пространство (чаще говорят - кластер) мы поместим понятие «Цель»? Это может быть «Желаемый результат» или «Ориентир, или «Количественный показатель», или «Качественный показатель. Все зависит от ситуации.

Но есть и другой принцип образования кластеров. Выбор того или иного понятия из множества ему близких подчиняется у человека еще и частоте появления. На просьбу назвать показатель эффективности деятельности предприятия многие (большинство) ответят: рентабельность; на просьбу назвать социально-экономический объект - чаще всего – организация (предприятие, фирма).

Таким образом, имеются, по крайней мере, две системы оценки близости информационных единиц. Одна опирается на их ситуативную близость, а другая - на частоту появления тех или иных понятий в типовых ситуациях.

(Разработана довольно стройная теория моделирования образования ситуационных кластеров. Но не будем сейчас вдаваться в подробности. Следует отметить лишь то, что метод погружения в пространство с семантической метрикой, будучи, хотя и приближенно, реализованным в базе знаний, существенно повышает ее «интеллектуальный уровень»).

Примечание к пункту 5.

(«Семантический» значит «с учетом смысла слов». Семантическая метрика. На множестве информационных единиц в некоторых случаях полезно задавать отношение, характеризующее ситуационную близость информационных единиц, т.е. силу ассоциативной связи между информационными единицами. Его можно было бы назвать отношением релевантности для информационных единиц. Такое отношение дает возможность выделять в информационной базе некоторые типовые ситуации (например, "покупка", "регулирование движения на перекрестке"). Отношение релевантности при работе с информационными единицами позволяет находить знания, близкие к уже найденным.

Релева́нтность (лат. relevo — поднимать, облегчать) в информационном поиске — семантическое соответствие поискового запроса и поискового образа документа. В более общем смысле, одно из наиболее близких понятию качества «релевантности» — «адекватность», то есть не только оценка степени соответствия, но и степени практической применимости результата, а также степени социальной применимости варианта решения задачи).

6. Понятие «Наличие активности».

«Запрограммированные» у менеджера знания и представления играют роль активатора данных.

Очень часто в процессе мышления декларативные знания у менеджера являются активатором процедурных. Реализовать подобную возможность в базе знаний, как говорится, и чистом виде пока не удается. Используются смешанные представления, в которых декларативные и процедурные знания понимаются единообразно и могут активизировать друг друга.

В качестве примера рассмотрим фрейм, содержащий несколько слотов. Допустим теперь, что в качестве одного из слотов выступает имя какой-либо процедуры, подлежащей исполнению.

Но, как мы видели на примере семантической сети, обращение к тому или иному слоту (или фрейму) определяется множеством разнообразных отношений как между слотами одного фрейма, так и между другими фреймами. Все это как раз и формирует условия, необходимые для выполнения указанной процедуры. Иными словами, декларативные знания становятся активаторами процедур.

Например, фрейм «Проблема повышения рентабельности предприятия» (имеет свои слоты в виде подпроблем) связана с фреймом «Проблема низкой производительности труда» (имеет свои слоты в виде подпроблем), с фреймом «Проблема низкой квалификации персонала» (имеет свои слоты в виде подпроблем), с фреймом «Проблема несовершенной технологии выпуска продукции» (имеет свои слоты в виде подпроблем), с фреймом «Проблема морального и физического износа технологического оборудования» (имеет свои слоты в виде подпроблем), с фреймом «Проблема низкой трудовой дисциплины персонала» (имеет свои слоты в виде подпроблем), с фреймом «Проблема низкой деловой активности и ликвидности предприятия», в свою очередь отдельные указанные фреймы и их слоты пересекаются, имея определенные отношения (связи). Какие? Ответ на вопрос дает компетентность менеджера, основанная на знаниях, умениях, опыте.

Знания в общеупотребительном смысле – это, с одной стороны, сведения, осведомленность в какой-либо области, с другой стороны – проверенный практикой результат познания действительности, ее «правильное» отражение в сознании человека. В соответствии с концепцией баз знаний, под термином знания в искусственном интеллекте понимают совокупность специализированных (ориентированных на решение многих задач из ограниченной предметной области) фактов, правил их обработки, условий применения правил к конкретным фактам, методов получения новых фактов и способов организации процесса логического вывода.

Знания отличаются от данных рядом существенных свойств:

· единицей обрабатываемой информации является факт, а не запись данных;

· знания обладают внутренней интерпретируемостью – понимание смысла, семантики информационных единиц обеспечивается внутри модели, а не только в сознании исследователя;

· знания обладают активностью – появление новых фактов в системе приводит к инициации процедур, обрабатывающих уже известные системе факты, т. е. данные управляют программой;

· знания обладают связностью – между фактами и правилами имеется возможность установления функциональных, каузальных, структурных, семантических отношений, отношений эквивалентности (подобия, тождества), противоположности и др.;

· знания обладают структурированностью. Структурированность знаний проявляется при использовании отношений типа «элемент-класс» и «часть-целое» , что позволяет реализовать возможность вложения одних понятий в другие;

· знания обладают семантической метрикой – отношение близости понятий, силы ассоциативной связи между ними. Ее наличие позволяет выделять информацию, относящуюся к типовым ситуациям, например, «выход из строя элемента системы», «блокировка пакетов» и т.п.;

· знания обладают конвертируемостью представления. Конвертируемость представления – свойство изменять форму представления, уровень детализации и степень неопределенности информации о предметной области в процессе перехода к очередному этапу решения интеллектуальной задачи. Это свойство, в отличие от предыдущих, отражает динамичность знаний и связано с обучением системы.

Формально под фактом подразумевается запись:

· – имя или идентификатор факта;

· – значение факта, определяемое на численной шкале с метрикой, логической, нечеткой или лингвистической шкалах;

· – степень уверенности (от англ. certitude) в истинности значения;

· – множество связей факта с другими знаниями;

· – множество допустимых функций преобразований, операций, способов вычисления значения факта, имеющих смысл в рассматриваемой предметной области.

Другими словами, факт – это запись данных, наделенная семантикой.

Знания имеют различные формы представления, пока­занные в таблице 4.1.

Особую роль сейчас играют организационные знания, которые накапливаются в организации на основе опыта решения задач управления. Это знания работников орга­низации, их навыки принятия и реализации решений.

Таблица 4.1 - Формы представления и уровни знаний

Формы представления знаний	Уровень знаний
Вербальное представление	Начальные знания
Графики, схемы, диаграммы	Графические (качественные) знания
Логические диаграммы	Логические знания
Причинно-следственная диаграмма (Пример - диаграмма Исикавы)	Каузальные знания (В настоящее время это основной уровень знаний)
Формализация отношений	Структурированные знания
Действия и цели • Целесообразные; • Целенаправленные; • Целеустремленные.	Телеологические знания
Описание закономерностей (модели)	Модельные знания
Эксперименты с моделью	Новые знания

Дата добавления: 2015-10-02