Наукоемкая архитектура систем

Какова область применения системной архитектуры? Что такое системы с накоплением знаний и когда они были созданы? Как применить системы с накоплением знаний в системной архитектуре? Об этом рассказывает профессор Корнелльского университета Даниэль Сельва.

Наукоемкая архитектура систем пытается объединить такие дисциплины искусственного интеллекта, как системы с накоплением знаний и дисциплины системной архитектуры. Системная архитектура занимается принятием архитектурных решений. Когда я говорю о системной архитектуре, я в действительности имею в виду модельно-ориентированную системную архитектуру, то есть создание математических моделей, которые можно пересчитать и оценить функциями.

Что такое системы с накоплением знаний? Идея появилась примерно в 1960-х годах у двух когнитивных психологов Ньюэлла и Саймона из Университета Карнеги — Меллон, которые обнаружили, что способ логического мышления людей может быть смоделирован как отдельные фрагменты знаний, которые выступают как что-то наподобие if-then утверждений. Поэтому, например, когда вы встаете и собираетесь с утра на работу и, допустим, ваша машина не заводится, то вы знаете, что если машина не заводится, то стоит проверить аккумулятор, проблема может быть связана с электричеством. Выполняется схема «если что-то, то что-то», «если условие такое-то, то действие такое-то». Отталкиваясь от этого, они предположили, что возможно создать компьютерную программу, которая будет содержать каким-то эффективным образом большое количество таких if-then утверждений и имитировать способ решения задач специалистом-человеком. Они сделали это, начали экспериментировать. Я думаю, что первый действительно успешный эксперимент — это основанная на правилах экспертная система MYCIN, разработанная в Стэнфорде Бьюкененом, Фейгенбаумом и другими. Система MYCIN была способна диагностировать бактериальные инфекции и назначать подходящий для лечения антибиотик. Она делала это с использованием 450 правил, 450 if-then утверждений. Это было самое начало взрывного роста систем на основе правил как искусственного интеллекта.

Основной компонент системы с накоплением знаний — это база данных фактов. Факт — это нечто истинное. Если мы вернемся к примеру с машиной: я знаю, что машина не заводится — это факт. Я знаю, что в машине есть аккумулятор, а также то, что, если машина не заводится с утра, это с большой вероятностью может быть связано с проблемами с аккумулятором — это факты. Также есть правила — это что-то вроде if-then утверждений. Если машина не работает, то проверь электрическую часть — это действие, стоящее в правой части if-then утверждения. Системы с накоплением знаний состоят из базы данных фактов, которая называется рабочей памятью, из базы данных правил, обычно содержащей соответствующие специальные знания (нормативная часть системы), а также из алгоритма вывода (некий способ связывать правила).