Vytvoření libovolné databáze znalostí pomocí programu ACQUIRE probíhá v dále popsaných krocích. Každému kroku odpovídá v programu příslušné dialogové okno (editor). Jejich ukázky naleznete v příloze.

Objekty vytvoříte pojmenováním důležitých pojmů, konceptů, skutečností atd. své aplikační oblasti a tím, že jim přiřadíte významy (hodnoty). Např. teplota může být objekt s hodnotami mrzne, je zima, je teplo, je horko. Prostý fakt pojmenování smysluplných entit posune uživatele o jeden důležitý krok v procesu získávání znalostí. Tento krok definuje rámec aplikace.

Dalším krokem je strukturování definovaných objektů. Struktura vznikne vytvořením vztahů mezi příbuznými objekty. Pro každý objekt hledáte odpověď na otázky - které objekty jej ovlivňují, a které objekty naopak ovlivňuje? Výsledkem tohoto kroku je úplný graf příbuzných objektů. Graf specifikuje všechny možné vlivy ve vaší aplikaci, aniž by obsahoval přílišné detaily. Přestavuje obecný model znalostí zahrnutých v aplikaci.

Poznámka: ACQUIRE může restrukturalizovat objektovou síť prostřednictvím samoučící se techniky (tj. konstruktivní dedukcí a strukturovanou indukcí). Takováto restrukturalizace objektové sítě je schopna vyprodukovat nebo vyvolat nové koncepty pro další strukturalizaci problému.

V dalším kroku vyhledáváme podmnožiny příbuzných objektů, ve kterých je hodnota jednoho objektu (objektu na pravé straně) určena hodnotami ostatních objektů podmnožiny (objekty na levé straně). Každá taková podmnožina představuje budoucí pravidlo. Také pravidla se spojují do sítě. Dvě pravidla jsou spojena, když objekt na pravé straně prvního pravidla se vyskytuje na levé straně druhého pravidla.

V tomto kroku definujeme vztah mezi objekty konkrétního pravidla buď pomocí výrokové logiky (podmínek jestliže – pak), nebo pomocí rozhodovacích tabulek. Výsledkem je již velmi podrobný model znalostí obsažených v aplikaci. Všem objektům již musí být přiřazeny množiny přípustných hodnot. Při specifikaci se každé kombinaci možných hodnot objektů na levé straně pravidla (což odpovídá nějaké konkrétní situaci – vzoru) přidělí nějaká hodnota objektu na pravé straně.

Z logického hlediska jsou výroky (jestliže – pak) a rozhodovací tabulky rovnocenné. Odborníci, kteří jsou výborní v rozlišování situací (vzorů, modelů) a reagování na ně, většinou dávají při prezentaci svých znalostí přednost používání rozhodovacích tabulek. Tyto tabulky mohou automaticky vyjádřit všechny možné vzory, vyjádřené kombinací objektů na levé straně. Stejně tak je možné obsáhnout všechny tyto vzory použitím sady výroků, ale zde hrozí, že dojde k opominutí nějakého vzoru, nebo k přidělení rozdílných závěrů stejnému vstupnímu vzoru. V praxi to může způsobit problémy a vyvolat dodatečné náklady na odstranění chyb.

Možných vzorů (řádků rozhodovací tabulky) může být zvláště při větším počtu objektů na levé straně pravidla velmi mnoho. Často je možné rozdělit jedno pravidlo na několik menších pravidel pomocí předběžných podmínek (tzv. kontextů). Kontextem lze omezit jak počet objektů na levé straně, tak počet jejich hodnot, které pro pravidlo přicházejí v úvahu. Zároveň se tím však oslabí výše zmíněné výhody rozhodovacích tabulek.

Rozpoznávání vzorů jako základu expertizy se hlouběji věnujeme v ukázkách editorů.

V ideálním případě by mezi pravidly stanovenými v předchozích krocích neměly vznikat konflikty. Jedním z nejsilnějších pomocných nástrojů při definování pravidel je kontext, který umožní odborníkovi vyjádřit situační omezení (včetně matematických operací), která musí být splněna před použitím pravidla. Kontexty mohou dále rozdělit systém pravidel na související podmnožiny a umožňují ovlivnit rozhodování tak, aby se zamezilo zbytečným konfliktům mezi pravidly.

Ovšem znalostní systémy se často používají právě na případy, kde nelze stanovit explicitní algoritmy, vychází se ze zkušeností a odhadu expertů, jejichž názory se mohou lišit. Nevzniká-li konflikt chybou při definici pravidel a nelze-li jej odstranit pomocí kontextů, musíme se s ním vyrovnat. Při volbě mezi soupeřícími alternativami se rozhoduje pomocí preferencí (kterému pravidlu se má dát přednost), nebo vah (hodnotám s určitými charakteristikami, např. nejvyšší, nejnižší, průměrný, střední, nejužívanější apod., se dá přednost).

Výše popsaný způsob strukturalizace problému (postup od obecných úvah k více specifickým a více cíleným úvahám), je nezbytným rysem umožňujícím úspěch ACQUIRE při získávání znalostí přímo od odborníků. Poslední kroky začleněné do vývoje aplikací expertního systému přenášejí pozornost od odborníků v určitém oboru ke klientovi nebo uživateli této odbornosti; tj. z databáze znalostí na vstupní/výstupní rozhraní.

Konzultace odborníka obvykle začínají s klientem (tj., osobou vyhledávající konzultaci), který popisuje svůj problém. Jeho informace je třeba předložit expertnímu systému. V ACQUIRE existují prostředky, které umožňují některé situace předem připravit (definovat předem část vstupních hodnot).

Na konci konzultace, odborník obvykle poskytne radu v takové podobě, kterou může klient použít v praxi. V ACQUIRE existují prostředky, které vytvoří zprávu v předem specifikovaných nebo speciálně upravených formátech.

Uvedené prostředky však často nejsou optimální, proto je posledním krokem při budování znalostní báze přizpůsobení uživatelského rozhraní pro vstup dat a definování výstupních sestav pro prezentování výsledků rozhodovacího procesu. Pomocí vývojového nástroje ACQUIRE®-SDK (Software Development Kit) můžete znalostní bázi vnořit do jiné aplikace. Obvykle se uživatelské rozhraní vytvoří vámi používaným vývojovým nástrojem (např. pomocí Visual Basic, ToolBook, Power Builder, Delphi, Power++, nebo jinou W95/NT technologií) a k Acquire databázi se přistupuje přes API.

Co je to Acquire? Co je expertní systém?
Systém pro získávání znalostí Návrh databáze znalostí Shrnutí
Požadavky systému

Copyright © 1989-1999 Acquired Intelligence Inc.
Všechna práva vyhrazena.