LINEBURG


<< Пред. стр.

страница 18
(всего 19)

ОГЛАВЛЕНИЕ

След. стр. >>

Знания о предметной области включают описания объектов, явлений, фактов, а также отношений между ними.
В общем виде знания в ЭВМ представляются некоторой семи­отической (знаковой) системой, в которой выделяются по аналогии сданными три аспекта: синтаксический, семантический и прагмати­ческий.
Синтаксис описывает внутреннее устройство знаковой системы, т.е. правила построения и преобразования сложных знаковых выра­жений. Для естественного языка синтаксис определяет правильное построение предложений и связанного текста.
Семантика определяет отношения между знаками и их свойствами (концептами), т.е. задает смысл или значения конкретных знаков.
Прагматика определяет знак с точки зрения конкретной сферы его применения либо субъекта, использующего данную знаковую систему.
В соответствии с перечисленными аспектами семиотических систем можно выделить три типа знаний: синтаксические, семанти­ческие и прагматические.
Синтаксические знания характеризуют синтаксическую структу­ру описываемого объекта или явления, которая не зависит от смысла и содержания используемых при этом понятий.
Семантические знания содержат информацию, непосредственно связанную со значениями и смыслом описываемых объектов и явле­ний.
Прагматические знания описывают объекты и явления с точки зрения решаемой задачи, например с учетом действующих в данной задаче специфических критериев.
Трем типам знаний соответствуют и три типа моделей для их представления: синтаксические, семантические и прагматические. Наличие двух последних является наиболее существенным призна­ком, отличающим интеллектуальные системы от всех других.
Прежде чем перейти к описанию моделей представления зна­ний, проанализируем особенности знаний, которые собственно и отличают их от данных.
1. Интерпретируемость. Данные, помещенные в ЭВМ, могут содержательно интерпретироваться лишь соответствующей програм­мой. В отрыве от нее данные не несут никакой содержательной ин­формации. Знания отличаются тем, что возможность содержатель­ной интерпретации всегда присутствует.
2. Структурированность или наличие классифицирующих отноше­ний. Несмотря на разнообразие форм хранения данных, ни одна из них не обеспечивает возможности компактного описания всех свя­зей между различными типами данных. Информационные единицы знаний должны обладать гибкой структурой, т.е. для них должен выполняться «принцип матрешки», т.е. такой вложимости, когда можно любую информационную единицу включить в состав другой и из каждой информационной единицы можно выделить некоторые ее составляющие. Это позволяет записывать и хранить отдельно информацию, одинаковую для всех элементов множества. При необ­ходимости эту информацию можно автоматически передать опи­санию любого элемента множества. Такой процесс называется «на­следованием» информации.
3. Наличие ситуативных связей или связность. Они определяют ситуативную совместимость отдельных событий или фактов, храни­мых или вводимых в память, а также такие отношения, как одновре­менность, расположение в одной области пространства, нахождение в состоянии механического или иного взаимодействия и т.п. Ситуа­тивные связи помогают строить процедуры анализа знаний на сов­местимость, противоречивость и другие, которые трудно реализовать при хранении традиционных массивов данных.
4. Семантическая метрика. На множестве информационных еди­ниц в некоторых случаях полезно задавать отношение, характеризу­ющее ситуационную близость информационных единиц, т.е. силу ассоциативной связи между ними. Это отношение можно назвать отношением релевантности для информационных единиц.
Такое отношение дает возможность выделять в информацион­ной базе некоторые типовые ситуации. Отношение релевантности при работе с информационными единицами дает возможность нахо­дить знания, близкие к уже найденным.
5. Активность. Все процессы, протекающие в ЭВМ, иницииру­ются командами, которые являются активной компонентой, а данные используются этими командами лишь при необходимости, т.е. последние - пассивная компонента. Такая ситуация, характерная для классических систем обработки информации, для интеллектуальных систем (ИС) неприемлема. По аналогии с человеком в ИС актуали­зации тех или иных действий способствуют знания, имеющиеся в системе. Таким образом, выполнение программ в ИС должно ини­циироваться текущим состоянием информационной базы. Появле­ние в базе фактов (объектов выбора) или описаний событий (квалификаторов и их значений), установление связей (правил в продукци­онных системах) может стать источником активности системы.
Особенности знаний, их назначение и структура, способы хра­нения и интерпретации вызывают определенные аналогии со спосо­бами организации человеческой памяти. Однако человеческая па­мять хранит не только числовые данные, но и образы или символы. Символьные образы в памяти человека объединены в так называе­мые чанки - наборы фактов и связей между ними, запоминаемые и извлекаемые как единое целое. В каждый момент времени человек может обрабатывать и интерпретировать не более 4 — 7 чанков. Спо­собность формировать чанки отличает эксперта в конкретной пред­метной области от неэксперта. Эксперт, в силу профессиональной необходимости, упорно развивает свою способность объединять в чанки большие объемы данных и устанавливать иерархические связи между ними (т.е. преобразовывать данные в знания) для того, чтобы быстро извлекать эти данные из памяти и с их помощью распозна­вать новые ситуации по мере поступления информации об этих си­туациях. Средний специалист в конкретной предметной области помнит от 50 000 до 100 000 чанков, которые могут быть использо­ваны для решения той или иной проблемы. Накопление в памяти .человека и построение указателей для такого объема данных требует от 10 до 20 лет.
Перечисленные особенности информационных единиц опре­деляют ту грань, за которой данные превращаются в знания, а базы данных перерастают в базы знаний. Однако в настоящее время не существует баз знаний, в которых комплексно, в полной мере были бы реализованы внутренняя интерпретируемость, струк­туризация, связность, введена семантическая мера и обеспечена активность знаний. Все это предопределяет многообразие моде­лей представления данных, используемых в интеллектуальных си­стемах, хотя некоторые из них являются производными из суще­ствующих.

21.4.1. Логические модели представления знаний

Основная идея логического подхода состоит в том, чтобы рас­сматривать всю систему знаний, необходимую для решения приклад­ных задач и организации взаимодействия ЭВМ с пользователем как совокупность утверждений.
Факты представляются как формулы в некоторой логике (перво­го или высшего порядков, многозначной, модальной, нечеткой или какой-либо другой). Логика первого порядка (логика предикатов) -операции с простыми высказываниями, расчлененными на субъект (нечто лежащее в основе) и предикат (нечто высказываемое — ут­верждаемое или отрицаемое — о субъекте). Предикат отображает наличие или отсутствие у предмета того или иного признака. Логика многозначная — допускает много значений истинности события. Логика модальная — исследует высказывания, имеющие значения «возможность», «невозможность», «необходимость» и т.д. Логика Нечеткая — нечеткое рассуждение, вывод в условиях неопределенно­сти — процесс оценки гипотезы при неполной или недостаточной информации в левой или правой части высказывания (т.е. это при­надлежность логики первого порядка, когда определены не все или недостаточно полно некоторые элементы множества).
Система знаний представляется совокупностью таких формул. Будучи представлена в ЭВМ, она образует базу знаний. Формулы неделимы и при модификации базы знаний могут лишь добавляться и удаляться. Логические методы обеспечивают развитый аппарат вывода новых фактов не основе тех, что представлены в базе знаний явно. Это определяет интенсивное использование логических мето­дов при создании ЭС. Кроме того,; логические методы позволяют контролировать логическую целостность базы знаний, т.е. ее непро­тиворечивость, целостность, соответствие предметной области.
Логические методы представления знаний обеспечивают про­стую и ясную нотацию для записи фактов, обладающую четко опре­деленной семантикой (для методов, основанных на традиционной логике первого порядка). Каждый факт представляется в базе зна­ний только один раз, вне зависимости от его дальнейшего использо­вания. База знаний, разработанная с применением логических мето­дов, достаточно проста для понимания.
Основной недостаток логических методов — отсутствие четких принципов организации фактов в базе знаний. Без выделения и по­следовательного проведения таких принципов большая модель пре­вращается в плохо обозримый конгломерат независимых фактов, трудно поддающихся анализу и обработке. Этот недостаток явился причиной того, что логические методы (первоначально да и, пожа­луй, сейчас) использовались (и используются) преимущественно в тех предметных областях, где система знаний невелика по объему и относительно проста по структуре.
В основе моделей типа логических лежит формальная система, задаваемая четверкой вида М = < Т, Р, А, В >.
Множество Т есть множество базовых элементов различной при­роды, входящих в состав некоторого набора. Важно, что для множе­ства Т существует некоторый способ определения принадлежности или не принадлежности произвольного элемента к этому множеству. Множество Р есть множество синтаксических правил. С их по­мощью из элементов Т образуют синтаксически правильные сово­купности.
В множестве синтаксически правильных совокупностей выделя­ется некоторое подмножество А. Элементы А называются аксиома­ми.
Множество В есть множество правил вывода. Применяя их к элементам А, можно получить новые синтаксически правильные совокупности, к которым снова можно применять правила из В. Так формируется множество выводимых в данной формальной системе совокупностей. Отсюда следует, что именно правила вывода являют­ся наиболее сложной составляющей формальной системы.
Для знаний, входящих в базу знаний, можно считать, что множест­во А образуют все информационные единицы, которые введены в базу извне, а с помощью правил вывода из них выводятся новые производ­ные знания. Другими словами, формальная система есть генератор по­рождения новых знаний, образующих множество выводимых в данной системе знаний. Это свойство логических моделей и делает их привле­кательными для использования в базах знаний. Оно позволяет хранить в базе лишь те знания, которые образуют множество А, а все остальные знания получать из них по правилам вывода.
Для описания предметной области (совокупности предметов и событий, составляющих основу общего понимания необходимой для решения конкретной задачи информации) с помощью логических моделей широко используется язык и аппарат исчисления предика­тов. Здесь предикат — это функция, принимающая только два значе­ния — ИСТИНА, ЛОЖЬ — и предназначенная для выражения свойств объектов или связей между ними. Исчисление предикатов представ­ляет собой развитие исчисления высказываний и включает его как составную часть. Высказывание — это такое предложение, которое истинно или ложно. Высказывания бывают простейшими или ис­ходными и сложными или составными. На основе заданных высказываний с помощью логических операций образуются сложные вы­сказывания.

21.4.2. Сетевые модели представления знаний
В основе моделей этого типа лежит конструкция, названная ра­нее семантической сетью. Сетевые модели формально можно задать в виде

Н = < I, С1, С2, ..., Сn, Г >,

где I — множество информационных единиц;
С1-т — множество типов связей между информационными единицами;
Г — отображение, задающее между информационными единицами, входящими в I, связи из заданного набора связей.
В зависимости от типов связей, используемых в модели, разли­чают классифицирующие сети, функциональные сети и сценарии.
В классифицирующих сетях используются отношения структу­ризации. Такие сети позволяют в базах знаний вводить разные ие­рархические отношения между информационными единицами.
Функциональные сети характеризуются наличием функциональ­ных отношений. Их часто называют вычислительными моделями, так как они позволяют описывать процедуры вычислений одних инфор­мационных единиц через другие.
В сценариях используются каузальные (причинные, причинно обусловленные) отношения, а также отношения типа «средство -результат», «орудие — действие» и т.п.
Если в сетевой модели допускаются связи различного типа, то ее обычно называют семантической сетью (СС).
В семантических сетях используют три основных типа объектов: понятия, события и свойства. Понятия представляют собой сведения об абстрактных или физических объектах предметной области. Со­бытия — это действия, которые могут внести изменения в предмет­ную область. Результатом события может стать новое состояние пред­метной области. Можно задать некоторое желаемое (целевое) состо­яние предметной области и поставить задачу отыскания на семанти­ческой сети последовательности событий, приводящей к целевому состоянию. Свойства используются для уточнения понятий, собы­тий и других свойств. Применительно к понятиям свойства описы­вают их особенности или характеристики (цвет, размеры, качество); применительно к событиям — свойства (продолжительность, место, время и т.п.).
Основная идея подхода к представлению знаний, базирующего­ся на аппарате семантических сетей, состоит в том, чтобы рассмат­ривать предметную область как совокупность сущностей (объектов) и отношений (связей между ними). Сущности представляются no-именованными вершинами, а отношения — направленными поиме­нованными ребрами. Система знаний отображается семантической сетью, т.е. ориентированным графом, составленным из поименован­ных вершин и ребер, или совокупностью таких сетей.
Имена, приписываемые вершинам и ребрам, обычно совпадают с именами соответствующих сущностей и отношений, используемы­ми в естественном языке. Ребро и связываемые им вершины образу­ют подграф СС, несущий минимальную с позиций знаний системы информацию — факт наличия связи определенного типа между соот­ветствующими объектами. Более сложные подграфы отображают и более сложные факты.
При использовании семантической сети для представления зна­ний важны классификация типов объектов и выделение некоторых фундаментальных видов связей между объектами. Независимо от особенностей моделируемой среды можно предполагать, что любая ее модель отражает какие-либо объекты.
В терминах описанной типизации объектов ПО определяются и фундаментальные типы связей между объектами.
Так, между двумя обобщенными объектами может существовать родовая и видовая связь, причем видовая связь обратна родовой.
Однако родовое понятие не охватывает всех свойств видового, т.к. видовое понятие богаче содержимым. Все свойства родового понятия присущи, как правило, и видовому. Эта особенность назы­вается наследованием свойств (признаков), что позволяет представ­лять систему знаний компактной семантической сетью.
Типизация объектов и фундаментальные отношения не решают всех проблем представления знаний, но создают хорошую основу для построения прикладной базы знаний.
Можно также отметить связь механизма наследования при ис­пользовании семантической сети с механизмом логического вывода. Фактически наследование обеспечивает автоматическое проведение простых дедуктивных рассуждений.
Операции модификации базы знаний на семантических сетях сво­дятся к удалению и добавлению новых вершин и ребер. Базовые опера­ции поиска информации в сети обеспечивают поиск вершины или реб­ра по имени, переходы от одной вершины к другой по связям и от одной .связи к другой через смежные вершины. Цель поиска — получение зна­ний, представленных в сети и требуемых для решения задач.
В настоящее время аппарат семантических сетей широко исполь­зуется в практике представления знаний. Его достоинствами явля­ются: большие выразительные возможности, естественность и на­глядность системы знаний, представленной графически, близость структуры сети, представляющей систему знаний, семантической структуре фраз естественного языка.

21.4.3. Модели представления знаний, основанные на
аппарате фреймов (фреймы для представления знаний)

Одна из разновидностей аппарата семантических сетей связана с концепцией фрейма. Фрейм можно рассматривать как фрагмент семантической сети, предназначенный для описания объекта (ситу­ации) предметной области со всей совокупностью присущих ему свойств. В области ИИ термин «фрейм» относится к специальному методу представления общих концепций и ситуаций. Марвин Мин­ский, первый предложивший идею фреймов в 1975 г., описывает его следующим образом: фрейм — это структура данных, представляю­щих стереотипную ситуацию в данной предметной области. К. каж­дому фрейму присоединяется несколько видов информации. Часть ее — о том, как использовать сам фрейм. Часть о том, чего можно ожидать далее. Часть о том, что следует делать, если эти ожидания подтвердятся.
Основная идея фреймового подхода к представлению знаний — более жесткое, чем при подходе, основанном на семантической сети, выделение объектов и ситуаций проблемной среды и их свойств, т. е. все, что касается объекта или ситуации и важно с позиций решаемых задач, не «размывается по сети», а представляется во фрейме.
Фреймовый подход является частным случаем подхода к пред­ставлению знаний, основанного на семантических сетях. При фрей­мовом подходе, например, также выделяются обобщенные, конкрет­ные и агрегатные фреймы для представления соответствующих ти­пов объектов предметной области, выделяются и фундаментальные отношения. В то же время фреймовый подход позволяет более по­следовательно использовать некоторые важные механизмы представ­ления знаний и, в первую очередь, процедурные знания.
Существует большое число концепций, определений и моделей фреймов. При этом различаются не только формы записи и пред­ставления фреймов, но и в некоторой степени их содержательный смысл.
Термин «фрейм» предложен для обозначения описания какого-либо объекта или явления, обладающего тем свойством, что удаление из этого описания любой его части приводит к потере свойств, характеризующих объект описания.
Фреймом называется структура для описания стереотипной си­туации, состоящая из характеристик этой ситуации (слотов) и значе­ний этих характеристик (заполнителей слотов).
Слот может содержать не только конкретное значение, но и ссылку (или процедуру) на имя процедуры, позволяющей вычислить его значение по заданному алгоритму, а также одну или несколько продукций (эвристик), с помощью которых это значение можно най­ти. Процедуры слота называются связанными процедурами, т.е. та­кими, которые могут активизироваться при выполнении некоторых условий (в частности, при изменении значений слота).
В слот может входить не одно, а несколько значений. Иногда слот включает компонент, называемый фасетом. Фасет может зада­вать диапазон возможных значений слота или же граничные значе­ния заполнителя слота.
Фрейм чаще всего определяют как структуру данных для представ­ления стереотипных ситуаций. При этом способ группирования мно­жества конкретных ситуаций в стереотипную, как правило, не может быть определен строго. Чаще всего стереотипные ситуации (для дан­ной предметной области) выделяет исследователь, опираясь на опыт и данные наблюдений. Неформальные знания исследователя о предмет­ной области можно рассматривать как систему понятий, определяю­щих представление о конкретных ситуациях. Каждое понятие связыва­ется с конкретной ситуацией, а конкретные ситуации согласуются с соответствующей стереотипной. Если понятия представляют собой не­формальные знания о стереотипной ситуации, то фреймы — это форма­лизованные знания. Таким образом, фреймы соответствуют понятиям, отражающим объекты, явлений; характеристики предметной области. Это дает основание рассматривать фрейм как семантический блок или модуль модели представления знаний. Модель представления знаний строится в виде сети фреймов, т.е. системы определенным образом вза­имосвязанных фреймов. Поэтому в моделях представления знаний на базе фреймов выделяют две части: набор фреймов, образующих библи­отеку внутреннего представления знаний, и механизм их преобразова­ния, связывания и т. д.
В наиболее общем виде фреймом называют структуру представ­ления знаний следующего вида:

{n, (v1, g1, p1), (v2, g2, р2), ... (vn, gn, p,,)},

где n- имя фрейма;
vi - имя слота;
gi - значение слота;
Pi - процедура.
Процедура является возможным, но не обязательным элементом слота. Имена фреймов используются как мнемонические элементы для конструирования сети фреймов. В качестве значений слотов могут выступать имена других фреймов, что обеспечивает связи меж­ду фреймами, их «вкладываемость» друг в друга.
Фрейм по своей организации во многом похож на семантичес­кую сеть. Фрейм является сетью узлов и отношений, организован­ных иерархически, где верхние узлы представляют общие понятия, а нижние — более частные случаи этих понятий. Во фреймовой систе­ме понятие в каждом узле определяется набором атрибутов — слотов. Каждый слот может быть связан с процедурами (например, машин­ными программами), которые выполняются, когда информация в слотах (значения атрибутов) меняется.
Совокупность фреймов, моделирующая какую-либо предметную область, представляет собой иерархическую сетевую структуру, в которой фреймы соединяются между собой с помощью родовидовых связей. На верхнем уровне иерархии находится фрейм, содержащий наиболее общую информацию, истинную для всех остальных фрей­мов. Фреймы обладают способностью наследования значения харак­теристик своих родителей, структур, находящихся на более высоком уровне иерархии. Значения характеристик фреймов могут передавать­ся по умолчанию подчиненным фреймам, но если последние содер­жат собственные значения данных характеристик, то в качестве ис­тинных принимаются именно они. Это обстоятельство позволяет довольно легко учитывать во фреймовых системах различного рода исключения.
Наиболее ярко достоинства фреймовых систем проявляются в том случае, если родовидовые связи изменяются нечасто и предмет­ная область насчитывает немного исключений.
Однако фреймовые системы достаточно сложны по конструк­ции, что снижает скорость работы механизма вывода и увеличивает трудоемкость процедур внесения изменений в родовидовую иерар­хию. Кроме того, во фреймовых системах затруднена обработка ис­ключений.
Принцип «вкладываемости» фреймов позволяет реализовывать на фреймовых сетях (как и на семантических) процессы наследова­ния свойств.

21.4.4. Продукционные модели

Продукции наряду с фреймами являются наиболее популярны­ми средствами представления знаний в системах, основанных на знаниях. Продукции, с одной стороны, близки к логическим моде­лям, что позволяет организовывать с ними более эффективные про­цедуры вывода, а с другой стороны, более наглядно отражают зна­ния, чем классические логические модели, поскольку в них отсутст­вуют жесткие ограничения, характерные для логических исчислений. В общем виде под продукцией понимается выражение вида
(i); Q; Р; А Ю В; N.
Здесь i - имя продукции, с помощью которого данная продук­ция выделяется из всего множества продукций.
Элемент Q характеризует сферу применения продукции. Такие сферы легко выделяются в когнитивных структурах человека. Наши знания как бы «разложены по полочкам», и такое разделение помо­гает экономить время на поиск нужных знаний. Такое же разделение на сферы в базе знаний целесообразно и при использовании для их представления продукционных моделей.
Основным элементом продукции является ее ядро: А Ю В. Ин­терпретация ядра продукции может быть различной и зависит от того, что стоит слева и справа от знака секвенции (Ю). Обычное прочте­ние ядра продукции выглядит так: ЕСЛИ А, ТО В, более сложные конструкции ядра допускают в правой части альтернативный выбор, например ЕСЛИ А, ТО В,, ИНАЧЕ В2. Секвенция может истолковы­ваться в обычном логическом смысле как знак логического следова­ния В из истинного. Возможны и другие интерпретации ядра про­дукции: А описывает некоторое условие, необходимое для того, что­бы можно было совершить действие В.
Элемент Р есть условие применимости ядра продукции. Обычно Р представляет собой логическое выражение (как правило, преди­кат). Когда Р принимает значение «истина», ядро продукции акти­визируется. Если Р «ложно», то ядро продукции не может быть ис­пользовано.
Элемент N описывает постусловия продукции. Они актуализи­руются только в том случае, если ядро продукции реализовалось. Постусловия продукции описывают действия и процедуры, которые необходимо выполнить после реализации В.
Если в памяти системы хранится некоторый набор продукций, то они образуют систему продукций. В ней должны быть заданы . специальные процедуры управления продукциями, с помощью кото­рых происходит актуализация продукций и выбор для выполнения той или иной продукции из числа актуализированных.
В ряде систем используются комбинации сетевых и продукци­онных моделей представления знаний. В таких моделях декларативные знания описываются в сетевом компоненте модели, а процедур­ные знания — в продукционном. В таком случае говорят о работе продукционной системы над семантической сетью.
Термин «продукция» принадлежит американскому логику Э.Посту и предложен им в 1943 г. В понимании Поста в качестве продукции выступала только та ее часть, которую теперь называ­ют ядром.
Иногда ядро продукции называют правилом. Вообще можно сказать, что правило есть частный случай продукции. В настоящее время системы продукций (правил) широко распространены в экс­пертных системах. С определенными допущениями можно признать тождественность данных понятий — «ПРОДУКЦИЯ — ПРАВИЛО»; «ПРОДУКЦИОННАЯ СИСТЕМА - СИСТЕМА, ОСНОВАННАЯ НА ПРАВИЛАХ».
Считается, что каждое правило (упрощенная продукция, импли­кация) состоит из двух частей АНТЕЦЕДЕНТНОГО УСЛОВИЯ и КОНСЕКВЕНТНОГО ПРЕДЛОЖЕНИЯ и может быть использовано в дедуктивном процессе рассуждений. Антецедент — первый член импликации, которому предпослано слово ЕСЛИ; консеквент - член импликации, вводимый в высказывание словом ТО; импликация — логическая операция, связывающая два высказывания (простых) в сложное с помощью логической связки, которой в обычном языке соответствует конструкция «ЕСЛИ..., ТО...».
Популярность продукционных моделей определяется несколь­кими факторами.
1. Подавляющая часть человеческих знаний может быть записа­на в виде продукций (правил).
2. Системы продукций являются модульными. За небольшим исключением удаление или добавление продукций (правил) не при­водит к изменениям в остальных продукциях (правилах).
3. Наличие в продукциях указателей на сферу применения про­дукции позволяет эффективно организовать память, сократив время поиска в ней необходимой информации.
4. При объединении систем продукций и сетевых представлений получаются средства, обладающие большой вычислительной мощ­ностью.
В то же время продукционные модели имеют ряд недостатков. По крайней мере два из них являются основными.
1. При большом числе продукций усложняется проверка непро­тиворечивости системы продукций. Это заставляет при добавлении новых продукций тратить много времени на проверку непротиворе­чивости новой системы.
2. Из-за присущей системе недетерминированности возникают принципиальные трудности при проверке корректности работы си­стемы.

21.5. Инструментальные средства построения
экспертных систем

Процесс создания экспертных систем претерпел значительные изменения за последние несколько лет. Благодаря появлению специ­альных инструментальных средств (ИС) построения ЭС сократились сроки разработки, значительно снизилась трудоемкость. Существует достаточно много схожих классификаций инструментальных средств. В частности, их можно разбить на три основных типа:
1) языки программирования;
2) среды программирования;
3) пустые ЭС (оболочки).
С точки зрения разработчика экспертных систем наибольший интерес представляет использование сред программирования и пус­тых экспертных систем (оболочек), хотя не всегда можно заметить разницу между этими понятиями.
Создание экспертных систем с широким спектром возможнос­тей, являющихся не механическими исполнителями воли человека, а его равноправными партнерами при поиске решений в сложных ситуациях, требует привлечения эффективных инструментальных средств программирования. К числу таких средств относятся языки обработки символьной информации, наиболее известными из кото­рых являются Пролог и Лисп. Пролог — язык высокого уровня, име­ющий строгое теоретической обоснование и ориентированный на использование концепций и методов математической логики. Как следует из его названия, Пролог предназначен для программирова­ния в терминах логики. Основной особенностью Пролога, отличаю­щей его от всех других языков, является декларативный характер написанных на нем программ. Язык Лисп изобретен в Массачусетском технологическом институте и обладает способностью обрабаты­вать списковые структуры. Языки программирования Лисп и Пролог имеют встроенные механизмы для манипулирования знаниями.
Помимо Лиспа и Пролога создано множество других языков, ориентированных на обработку символьной информации и разра­ботку ЭС: Smalltalk, FRL, Interlisp. Кроме этих специализированных языков для разработки экспертных систем используются и обычные языки программирования общего назначения: Си, Ассемблер, Пас­каль, Фортран, Бейсик и др.
Общим недостатком языков программирования для создания экспертных систем являются: большое время разработки готовой системы, необходимость привлечения высококвалифицированных программистов, трудности с модификацией готовой системы. Все это делает применение языков программирования для реализации ЭС весьма дорогостоящим и трудоемким.
Инструментальные средства второго типа — среды программиро­вания — позволяют разработчику не программировать некоторые или все компоненты ЭС, а выбирать их из заранее составленного набора.
При применении последнего типа инструментария — пустых ЭС, или «оболочек» — разработчик ЭС полностью освобождается от работ по созданию программ и занимается лишь наполнением базы знаний. Однако при использовании этого способа могут возникнуть следующие проблемы: управляющие стратегии, вложенные в процедуры вывода базовой системы, а также принятый язык представления знаний могут не подходить для данного приложения. Все это затрудняет выбор под­ходящей пустой ЭС и их применение. Кроме того, уже в процессе со­здания прикладной системы может выясниться, что возможности, за­ложенные в используемом инструментальном средстве, не позволяют реализовать необходимые процедуры вывода и представление предмет­ных знаний, требующиеся для успешной работы системы. В то же вре­мя в ряде случаев применение пустых ЭС оказывалось вполне оправ­данным и удобным — за короткие сроки разработчик имел возможность производить вполне добротные системы.
Типичным представителем второй и третьей групп инструмен­тальных средств является пакет EXSYS Professional 5.0 for Windows (оболочка — по определению разработчика - компании Exsys Inc., США), предназначенный для создания прикладных экспертных си­стем в различных предметных областях. Система построена на ис­пользовании сложных правил вида ЕСЛИ-ТО-ИНАЧЕ. Для выбора стратегии получения заключения в системе по умолчании использу­ется обратная цепочка вывода. Прямая цепочка может быть задана при настройке системы. Система обладает развитым графическим интерфейсом, способна обращаться к внешним базам данных, про­верять правила на непротиворечивость. При определенной настрой­ке может работать с русскоязычными текстами.

21.6. Инженерия знаний

Как уже отмечалось, технологию построения экспертных систем часто называют инженерией знаний. Как правило, этот процесс требует специфической формы взаимодействия создателя экспертной системы, которого называют инженером знаний, и одного или не­скольких экспертов в некоторой предметной области. Инженер зна­ний ^извлекает» из экспертов процедуры, стратегии, эмпирические правила, которые они используют при решении задач, и встраивает эти знания в экспертную систему. Одной из наиболее сложных про­блем, (возникающих при создании экспертных систем, является пре-образ<|вание знаний эксперта и описания применяемых им способов поиски решений в форму, позволяющую представить их в базе зна­ний системы, а затем эффективно использовать для решения задач в данной предметной области.
Обычно эксперт не прибегает к процедурным или количествен­ным методам; его основные средства - аналогия, интуиция и абст­рагирование. Часто эксперт даже не может объяснить, как именно им было найдено решение. В лучшем случае вы получите от него лишь описание основных приемов или эвристик, которые помогли ему успешно справиться с задачей. На инженера знаний возлагается очень сложная работа по преобразованию этих описаний в строгую, полную и непротиворечивую систему, которая позволяла бы решать прикладные задачи не хуже, чем это сделал бы сам эксперт, посколь­ку процесс построения базы знаний плохо структурирован и по сво­ей природе является скорее циклическим, чем линейным.
Построение базы знаний включает три этапа:
описание предметной области;
выбор модели представления знаний (в случае использования оболочки этот этап исключается);
приобретение знаний.
Первый шаг при построении базы знаний заключается в выделе­нии предметной области, на решение задач из которой ориентирова­на экспертная система. По сути эта работа сводится к очерчиванию инженером знаний границ области применения системы и класса решаемых ею задач. При этом необходимо:
определить характер решаемых задач;
выделить объекты предметной области;
установить связи между объектами;
выбрать модель представления знаний;
выявить специфические особенности предметной области.
Инженер знаний должен корректно сформулировать задачу. В то же время он должен уметь распознать, что задача не структурирова­на, и в этом случае воздержаться от попыток ее формализовать или применить систематические методы решения. Главная цель началь­ного этапа построения базы знаний — определить, как будет выглядеть описание предметной области на различных уровнях абстракА ции. Экспертная система включает базу знаний, которая создается путем формализации некоторой предметной области, а та, ц свою очередь, является результатом абстрагирования определенный сущ­ностей реального мира. I
Выделение предметной области представляет собой первый шаг абстрагирования реального мира.
После того как предметная область выделена, инженер/знаний должен ее формально описать. Для этого ему необходимо выбрать какой-либо способ представления знаний о ней (модель представле­ния знаний). Если в качестве инструментального средства определе­на оболочка (пустая ЭС), то модель представления знаний определя­ется выбранным средством. Формально инженер знаний должен воспользоваться той моделью, с помощью которой можно лучше всего отобразить специфику предметной области.
Полученная после формализации предметной области база зна­ний представляет собой результат ее абстрагирования, а предметная область, в свою очередь, была выделена в результате абстрагирова­ния реального мира. Человек обладает способностью работать с пред­метными областями различных типов, использовать различные мо­дели представления знаний, рассматривать понятия реального мира с различных точек зрения, выполнять абстрагирования различных видов, проводить сопоставление знаний различной природы и при­бегать к самым разнообразным методам решения задач. Имеются отдельные примеры совместного использования баз знаний, ориен­тированных на различные предметные области, но большинство со­временных систем может решать задачи только из,одной предметной области.
Инженер знаний прежде всего обязан провести опрос эксперта и только потом приступать к построению системы. Эксперт, безус­ловно, должен быть специалистом.в той области, в которой будет работать система. Первым делом необходимо определить целевое назначение системы. Какие, собственно, задачи предстоит решать системе, основанной на знаниях? Цели разработки системы следует сформулировать точно, полно и непротиворечиво.
После того как цель разработки системы определена, инже­нер знаний приступает к формулированию подцелей; это помо­жет ему установить иерархическую структуру системы и разбить ее на модули. Введение тех или иных подцелей обусловливается наличием связей между отдельными фрагментами знаний. Про­блема сводится к разбиению задачи на две или несколько подза­дач меньшей сложности и последующему поиску их решений. При необходимости полученные в результате разбиения подзадачи мо­гут дробиться и дальше.
Следующий шаг построения базы знаний — выделение объектов предметной области или, в терминах теории систем, установление границ системы. Как и формальная система, совокупность выделен­ных п нятий должна быть точной, полной и непротиворечивой.
Ответы на все перечисленные вопросы позволяют очертить гра­ницы сходных данных. Для построения пространства поиска реше­ния необходимо определить подцели на каждом уровне иерархии целей общей задачи. В вершине иерархии следует поместить задачу, которая)по своей общности отражает принципиальные возможности и назначение системы.
После выявления объектов предметной области необходимо ус­тановить, какие между ними имеются связи. Следует стремиться к выявлению как можно большего количества связей, в идеале — всех, которые существуют в предметной области.
Полученное качественное описание предметной области, если это необходимо, должно быть представлено средствами какого-либо формального языка, чтобы привести это описание к виду, позволяю­щему поместить его в базу знаний системы. Для решения этой зада­чи выбирается подходящая модель представления знаний, с помо­щью которой сведения о предметной области можно выразить фор­мально.
И, наконец, в предметной области должны быть выявлены спе­цифические особенности, затрудняющие решение прикладных задач. Вид этих особенностей зависит от назначения системы.
Разработку системы, основанной на знаниях, рекомендуется проводить в следующей последовательности:
1. Выберите задачу, характер которой позволяет применить для ее решения технологию экспертных систем.
2. Определите точно цель решения задачи.
3. Вникните как можно глубже в существо задачи.
4. Установите подцели, разбив задачу на подзадачи.
5. Выявите специфические особенности предметной области.
6. Найдите эксперта, специализирующегося в выбранной пред­метной области, и заручитесь его согласием оказать вам помощь в разработке системы, основанной на знаниях.
7. Участвуя вместе с экспертом в решении нескольких приклад­ных задач, выявите приемы, которые он применяет. Подробно их опишите.
8. Выберите инструментальные средства, необходимые вам для создания системы. Этот выбор будет зависеть от типа решаемой задачи, ваших финансовых возможностей и сложности предметной области.
9. Постройте лабораторный прототип экспертной системы, поз­воляющий успешно справиться с примерами тех задач, которые вы решили совместно с экспертом.
10. Приступите к созданию базы знаний. Выявите объекты пред­метной области, взаимосвязи между ними, виды иерархий, разбейте объекты на классы. Структурируйте базу знаний в соответствии с представлением эксперта о строении предметной области.
11. Выполните необходимое число циклов по наращиванию базы знаний, каждый из которых включает добавление знаний, проверку их непротиворечивости и модификацию с целью устранения обнаруженных несогласованностей.
12. Разработайте документацию на систему.
13. С первых шагов реализации проекта стремитесь построить, хотя и ограниченную по своим возможностям, но правильно работа­ющую модель, что позволит вам завоевать доверие эксперта, а для этого используйте при разработке модульный подход.

21.7. Методология разработки экспертных систем

Разработка (проектирование) ЭС существенно отличается от разработки обычного программного продукта. Опыт разработки ран­них ЭС показал, что использование при их разработке методологии, принятой в традиционном программировании, либо чрезмерно затя­гивает процесс создания ЭС, либо вообще приводит к отрицательно­му результату. Дело в том, что неформализованность задач, решае­мых ЭС, отсутствие завершенной теории ЭС и методологии их раз­работки приводят к необходимости модифицировать принципы и способы построения ЭС в ходе процесса разработки по мере того, как увеличивается знание разработчиков о проблемной области.
Перед тем как приступить к разработке ЭС, инженер по знаниям должен рассмотреть вопрос, следует ли разрабатывать ЭС для данного приложения. В обобщенном виде ответ может быть таким: использо­вать ЭС следует в том случае, когда разработка ЭС возможна, оправда­на и методы инженерии знаний соответствуют решаемой задаче.
Чтобы разработка ЭС была возможной (для данного приложе­ния), необходимо одновременное выполнение по крайней мере сле­дующих требований:
существуют эксперты в данной области, которые решают задачу значительно лучше, чем начинающие специалисты;
эксперты должны сходиться в оценке предлагаемого решения, иначе нельзя будет оценить качество разработанной ЭС;
эксперты должны уметь выразить на естественном языке и объ­яснить используемые ими методы;
задача, возложенная на ЭС, требует только рассуждений, а не действий;
задача не должна быть слишком трудной, ее решение должно занимать у эксперта несколько часов, а не дней или недель;
задача, хотя и не должна быть выражена в формальном виде, но все же должна относиться к достаточно «понятной» и структуриро­ванной области, т.е. должны быть выделены основные понятия, от­ношения и известные (хотя бы эксперту) способы получения ре­шения задачи;
решение задачи не должно в значительной степени использо­вать «здравый смысл».
Использование ЭС в данном приложении может быть возможно, но не оправдано. Применение ЭС может быть оправдано одним из следующих факторов:
решение задачи принесет определенный эффект;
использование человека-эксперта невозможно либо из-за недо­статочного количества экспертов, либо из-за необходимости выпол­нять экспертизу одновременно в различных местах;
при передаче информации к эксперту происходит недопустимая потеря времени или информации;
при необходимости решать задачу в окружении, враждебном для человека.
Приложение соответствует методам ЭС, если решаемая задача обладает совокупностью следующих характеристик:
может быть естественным образом решена посредством символь­ных рассуждений, а не числовой обработки;
должна иметь эвристическую природу, т.е. ее решение должно сводиться к применению эвристических правил;
должна быть достаточно сложной, чтобы оправдать затраты на разработку ЭС, однако не должна быть чрезмерно сложной (реше­ние занимает у эксперта часы, а не недели), чтобы ЭС могла ее ре­шить;
должна быть достаточно узкой, чтобы решаться методами инже­нерии знаний, и практически значимой.
При разработке ЭС используется концепция «быстрого прото­типа». Суть ее состоит в том, что разработчики не пытаются сразу создать конечный продукт. На начальном этапе они создают прото­тип (прототипы) ЭС, который должен удовлетворять двум противоречивым требованиям: с одной стороны, решать типичные задачи конкретного приложения, а с другой — время и трудоемкость его разработки должны быть весьма незначительны, чтобы можно было максимально совместить процесс накопления и отладки знаний (осу­ществляемый экспертом) с процессом выбора (разработки) про­граммных средств (осуществляемым инженером по знаниям и про­граммистом). Для удовлетворения указанных требований при созда­нии прототипа, как правило, используются разнообразные средства, ускоряющие процесс проектирования.
Прототип должен продемонстрировать пригодность методов инженерии знаний для данного приложения. В случае успеха экс­перт с помощью инженера по знаниям расширяет знания прототипа о проблемной области. При неудаче может потребоваться разработка нового прототипа или разработчики могут прийти к выводу о непри­годности методов инженерии знаний для данного приложения. По мере увеличения знаний прототип может достичь такого состояния, когда он успешно решает все задачи данного приложения. Преобра­зование прототипа ЭС в конечный продукт обычно приводит к пере­программированию ЭС на языках низкого уровня, обеспечивающих как повышение быстродействия ЭС, так и уменьшение требуемой памяти. Трудоемкость и время создания ЭС в значительной степени зависят от типа используемых ИС.
В ходе работ по созданию ЭС сложилась определенная техноло­гия их разработки, включающая шесть этапов: идентификация, кон­цептуализация, формализация, выполнение, тестирование, опытная эксплуатация.
На этапе идентификации определяются задачи, подлежащие ре­шению, выявляются цели разработки, ресурсы, эксперты и катего­рии пользователей.
На этапе концептуализации проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаи­мосвязи, определяются методы решения задач.
На этапе формализации определяются способы представления всех видов знаний, формализуются основные понятия, определяют­ся способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решения, средств представления и манипулирования знани­ями.
На этапе выполнения осуществляется наполнение экспертом базы знаний системы. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний, обеспечиваю­щую эффективную работу системы, и представление знаний в виде, понятном ЭС. Эвристический характер знаний приводит к тому, что процесс их приобретения является весьма трудоемким. На данном этапе создаются один или несколько прототипов ЭС, решающих требуемые задачи. Затем по результатам этапов тестирования и опыт­ной эксплуатации создается конечный продукт, пригодный для про­мышленного использования. Разработка прототипа состоит в про­граммировании его компонентов или выборе их из имеющихся ИС и наполнении БЗн.
На этапе тестирования эксперт (и инженер по знаниям) в инте­рактивном режиме, используя диалоговые и объяснительные средст­ва, проверяет компетентность ЭС. Процесс тестирования продолжа­ется до тех пор, пока эксперт не решит, что система достигла требу­емого уровня компетентности.
На этапе опытной эксплуатации проверяется пригодность ЭС для конечных пользователей. По результатам этого этапа может по­требоваться существенная модификация ЭС. .
Процесс создания ЭС не сводится к строгой последовательности перечисленных выше этапов. В ходе разработки приходится неодно­кратно возвращаться на более ранние этапы и пересматривать при­нятые решения.
Критерии, с помощью которых оценивается ЭС, зависят от того, с чьей точки зрения дается оценка. Например, при тестировании первого прототипа оценка осуществляется с точки зрения эксперта, для которого важна полнота и безошибочность правил вывода. При тестировании промышленной системы оценка производится в ос­новном с точки зрения инженера по знаниям, которого интересует эффективность работы ЭС. При тестировании ЭС после опытной эксплуатации оценка осуществляется с точки зрения пользователя, заинтересованного, в первую очередь, в удобстве работы и получе­нии практической пользы.
В ходе создания ЭС почти постоянно осуществляется ее моди­фикация. Можно выделить следующие виды модификации системы:
переформулирование понятий и требований;
переконструирование представления;
усовершенствование прототипа.
Усовершенствование прототипа осуществляется в процессе циклического прохождения через этапы выполнения и тестирова­ния для отладки правил и процедур вывода. Циклы повторяются до тех пор, пока система не будет вести себя ожидаемым образом. Изменения, осуществляемые при усовершенствовании, зависят от выбранного способа представления и класса задач, решаемых ЭС. Если в процессе усовершенствования желаемое поведение не достигается, необходимы более серьезные модификации архитекту­ры системы и БЗн.
Возврат от этапа тестирования на этап формализации приводит к пересмотру выбранного ранее способа представления знаний. Дан­ный цикл называют переконструированием.
Если возникшие проблемы еще более серьезны, то после неуда­чи на этапе тестирования может потребоваться возврат на этапы концептуализации и идентификации. В этом случае речь будет идти о переформулировании понятий, используемых в системе, — о проектировании всей системы практически заново.
Мощность ЭС как систем, основанных на знании, зависит в первую очередь от качества и количества знаний, хранимых в них. Поэтому ясно, что процесс приобретения знаний для ЭС наиболее < важный. Так как в настоящее время не существует методов автомати­ческого приобретения знаний, процесс наполнения ЭС знаниями является весьма трудоемким. Знания для ЭС могут быть получены из различных источников (книг, отчетов, баз данных, эмпирических данных, персонального опыта эксперта, инженера и т.п.). Однако наиболее значимые знания в настоящее время приобретаются от пользователей-экспертов.
Получение знаний от эксперта (экспертов) осуществляется в про­цессе интенсивного систематического взаимодействия инженера по знаниям с экспертом. Поэтому инженер по знаниям должен работать с экспертом в контексте решения конкретных задач (подзадач). Обычно оказывается неэффективным непосредственно спрашивать эксперта, с помощью каких методов он решает ту или иную задачу. В этом случае проявляется парадокс экспертизы (инженерии знаний); чем выше ком­петентность эксперта, тем меньше его способность описать знания, используемые им для решения задач. Более того, анализ попыток экс­пертов объяснить, как они формируют решение задач, показывает, что они часто описывают правдоподобные линии рассуждений, мало Похо­жие на те, которыми они действительно пользуются.
Экспертные системы - это прогрессирующее направление в области искусственного интеллекта. Причиной повышенного инте­реса, который экспертные системы вызывают к себе на протяжении всего своего существования, является возможность их применения к решению задач из самых различных областей человеческой деятель­ности. Пожалуй, не найдется такой предметной области, в которой не было бы создано ни одной ЭС или, по крайней мере, такие по­пытки не предпринимались бы.
Программные средства, базирующиеся на технологии и методах искусственного интеллекта, получили значительное распространение в мире. Их важность, и в первую очередь экспертных систем, состо­ит в том, что данные технологии существенно расширяют круг прак­тически значимых задач, которые можно решать на компьютерах, и их решение приносит значительный экономический эффект.
Отличительной чертой компьютерных программ, называемых ЭС, является их способность накапливать знания и опыт наиболее квалифицированных специалистов (экспертов) в какой-либо узкой предметной области. Затем с помощью этих знаний пользователи ЭС, имеющие обычную квалификацию, могут решать свои текущие зада­чи столь же успешно, как это сделали бы сами эксперты. Такой эф­фект достигается благодаря тому, что экспертная система в своей работе воспроизводит примерно ту же схему рассуждений, которую обычно применяет человек-эксперт при анализе проблемы. Тем са­мым ЭС позволяют копировать и распространять знания, делая уни­кальный опыт нескольких высококлассных профессионалов доступ­ным широким кругам рядовых специалистов.
Уровень пользователей экспертных систем может варьировать в очень широком диапазоне. От вида деятельности пользователей за­висят и функции, которыми наделяются создаваемые для них ЭС.
В настоящее время технология экспертных систем получила широкое распространение. Так, на американском и западноевропей­ском рынке систем искусственного интеллекта организациям, жела­ющим создать экспертную систему, фирмы-разработчики предлага­ют сотни инструментальных средств для их построения. Приклад­ных же ЭС, успешно решающих задачи из определенного узкого класса, насчитываются тысячи. Это позволяет говорить о том, что ЭС сейчас составляют мощную ветвь в индустрии программных средств.
Компьютерные системы, которые могут лишь повторить логиче­ский вывод эксперта, принято относить к ЭС первого поколения. Однако специалисту, решающему интеллектуально сложную задачу, явно недостаточно возможностей системы, которая лишь имитирует деятельность человека. Ему нужно, чтобы ЭС выступала в роли пол­ноценного помощника и советчика, способного проводить анализ нечисловых данных, выдвигать и отбрасывать гипотезы, оценивать достоверность фактов, самостоятельно пополнять свои знания, кон­тролировать их непротиворечивость, делать заключения на основе прецедентов и, может быть, даже порождать решения новых, ранее не рассматривавшихся задач. Наличие таких возможностей является характерным для ЭС второго поколения, концепция которых начала разрабатываться недавно. Экспертные системы, относящиеся ко вто­рому поколению, называют партнерскими, или усилителями интеллектуальных способностей человека. Их общие отличительные чер­ты - умение обучаться и развиваться, т.е. эволюционировать.

Литература к главе 21

1. ГавриловаТ.А., Червинская К.Р. Извлечение и структурирование знаний для экспертных систем. - М., Радио и связь, 1992. - 200 с.
2. Искусственный интеллект: В 3 кн. Справочник/Под ред. Э.В. Попова. - М., Радио и связь, 1990.
3. Левин Р., Дранг Д. Практическое введение в технологию ис­кусственного интеллекта и экспертных систем с иллюстрацией на Бейсике. - М., Финансы и статистика, 1991. - 239 с.
4. Лорьер Ж.-Л. Системы искусственного интеллекта. - М., Мир, 1991.-568 с.
5. Марселлус Д. Программирование экспертных систем на Турбо Прологе. - М., Финансы и статистика, 1994. - 256 с.
6. Нейлор К. Как построить свою экспертную систему. - М., Энергоатомиздат, 1991. — 286 с.
7. Осуга С. Обработка знаний. - М., Мир, 1989. - 293 с.
8. Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. Стати­стические и динамические экспертные системы. - М., Финансы и статистика, 1996. — 320 с.
9. Построение экспертных систем /Под ред. Ф. Хейес-Рота, Д. Уотермена, Д. Лената. - М., Мир, 1987. - 441 с.
10. Приобретение знаний /Под ред. С. Осуги, Ю. Саэки - М., Мир, 1990. - 304 с.
11. Таунсенд К., Фохт Д. Проектирование и программная реали­зация экспертных систем на персональных ЭВМ. - М., Финансы и статистика, 1990. - 320 с.
12. Уотермен Д. Руководство по экспертным системам. - М., Мир, 1989. - 388 с.
13. Экспертные системы. Принципы работы и примеры /Под ред. Форсайта Р. - М., Радио и связь, 1987. - 224 с.








СОДЕРЖАНИЕ
Часть 1 ОРГАНИЗАЦИЯ РАБОТЫ 3 С ДОКУМЕНТАМИ 3
Глава 1 ИСТОРИЯ РАЗВИТИЯ СИСТЕМЫ 3 ГОСУДАРСТВЕННОГО ДЕЛОПРОИЗВОДСТВА 3
1.1. Делопроизводство в Древнерусском 3 государстве 3
1.2. Приказное делопроизводство XV-XVII вв. 5
1.3. Система коллежского делопроизводства 11
1.4. Система министерского делопроизводства XIX - начала XX вв. 18
1.5. История управления и делопроизводства в 1917—1941 гг. 26
1.6. История управления и делопроизводства в 1945—1990 гг. 33
Литература к главе 1 36
Глава 2 НОРМАТИВНО-МЕТОДИЧЕСКАЯ БАЗА ДЕЛОПРОИЗВОДСТВА 37
2.1. Состав нормативно-методической базы делопроизводства 37
2.2. Законодательство Российской Федерации, правовые акты Президента, Правительства Российской Федерации, федеральных органов исполнительной власти в области
документационного обеспечения 38
2.З. Государственные стандарты на документацию 42
2.4. Унифицированные системы документации 44
2.5. Общероссийские классификаторы технико-экономической и социальной информации 45
2.6. Государственная система документационного обеспечения управления.
Основные требования к документам 48
2.7. Нормативные документы по труду и охране труда 49
Литература к главе 2 50
Глава 3 ОСНОВНЫЕ ПОНЯТИЯ И ТЕРМИНОЛОГИЯ ДОКУМЕНТАЦИОННОГО ОБЕСПЕЧЕНИЯ УПРАВЛЕНИЯ 51
3.1. Понятие - термин - дефиниция 51
3.2. Общая характеристика терминосистемы документоведения 52
3.3. Нормирование терминосистемы документационного обеспечения управления 58
Литература к главе 3 59
Глава 4 ОБЩИЕ ПРАВИЛА ОФОРМЛЕНИЯ ДОКУМЕНТОВ 60
4.1. Общий вид и состав реквизитов документа 60
4.2. Общие требования к оформлению реквизитов документа 61
4.3. Бланки документов 72
4.4. Требования к изготовлению, учету, использованию и хранению бланков с воспроизведением
государственного герба Российской Федерации, гербов субъектов Российской Федерации 74
Литература к главе 4 75
Глава 5 СИСТЕМЫ ДОКУМЕНТАЦИИ 77
5.1. Система организационно – правовой документации 77
5.1.1. Назначение и состав организационно-правовой документации 77
5.1.2. Составление и оформление отдельных видов организационно-правовых документов 79
5.2. Система плановой документации 86
5.2.1. Назначение и состав плановой документации 86
5.2.2. Составление и оформление плановых документов 88
5.3. Система распорядительной документации 89
5.3.1. Назначение и состав распорядительной документации 89
5.3.2. Процедура издания распорядительных документов 92
5.3.3. Составление и оформление распорядительных 95
документов 95
5.4. Система справочно-информационной и справочно-аналитической документации 103
5.4.1. Назначение и состав справочно-информационной и справочно-аналитической документации 103
5.4.2. Составление и оформление справочно-информационных документов 104
5.4.3. Составление и оформление справочно-аналитических документов 115
5.5. Система отчетной документации 119
5.5.1. Назначение и состав отчетной документации 119
5.5.2. Составление и оформление отчетных документов 120
Литература к главе 5 121
Глава 6 СОВЕРШЕНСТВОВАНИЕ СОСТАВА И ФОРМ ДОКУМЕНТОВ ОРГАНИЗАЦИИ 123
6.1. Основные направления совершенствования состава и форм документов 123
6.2. Табель форм документов, применяемых в деятельности организации 124
6.2.1. Назначение Табеля форм документов 124
6.2.2. Разработка Табеля форм документов 125
6.2.3. Примерный Табель форм документов, применяемых в деятельности организации 127
6.3. Альбом форм документов организации 129
6.4. Ведение Табеля и Альбома форм документов 132
Литература к главе б 132
Глава 7 ЯЗЫК ДОКУМЕНТА 133
7.1. Официально-деловой стиль 133
7.2. Требования к текстам документов 136
7.2.1. Употребление специальной лексики 136
7.2.2. Употребление устаревшей лексики 137
7.2.3. Употребление неологизмов 138
7.2.4. Употребление заимствованных слов 138
7.2.5. Употребление слов с «универсальным» значением 138
7.2.6. Употребление сокращений 139
7.2.7. Употребление языковых формул 141
7.2.8. Употребление слов в одной падежной форме 141
7.2.9. Ограниченная сочетаемость слов 142
7.2.10. Конструкции с отглагольным существительный 142
7.2.11. Ограниченное употребление глаголов в личной форме 143
7.2.12. Построение предложений 143
7.3. Типичные языковые ошибки в текстах документов 146
7.3.1. Ошибки, связанные с незнанием значений слов 146
7.3.2. Неправильное употребление стилистически окрашенной лексики 148
7.3.3. Неправильное употребление предлогов 149
7.3.4. Ошибки, связанные с употреблением числительных 151
7.3.5. Синтаксические ошибки 151
7.4. Этикет делового общения 152
Литература к главе 7 154
Глава 8 ПОРЯДОК ДВИЖЕНИЯ ДОКУМЕНТОВ В ОРГАНИЗАЦИИ 155
8.1. Понятие документооборота и его основные этапы 155
8.1.1. Экспедиционная обработка документов, поступающих в организацию 155
8.1.2. Предварительное рассмотрение документов в службе документационного обеспечения 158
8.1.3. Организация рационального движения документов внутри организации 160
8.1.4. Обработка исполненных и отправляемых документов 161
8.1.5. Исполнение документов 161
8.2. Анализ структуры документооборота 163
8.3. Методы учета и сокращения документооборота 171
8.3.1. Учет количества и качества документов организации 171
8.3.2. Сокращение объема документооборота 174
Литература к главе 8 177
Глава 9 ОРГАНИЗАЦИЯ ИНФОРМАЦИОННО-ПОИСКОВЫХ СИСТЕМ И КОНТРОЛЯ
ИСПОЛНЕНИЯ ДОКУМЕНТОВ 179
9.1. Регистрация и индексация документов 179
9.2. Контроль за исполнением документов Литература к главе 9 190
Глава 10 СИСТЕМАТИЗАЦИЯ И ОБЕСПЕЧЕНИЕ СОХРАННОСТИ
ДОКУМЕНТНОЙ ИНФОРМАЦИИ 191
10.1. Определение ценности документов и документной информации 191
10.2. Общие требования к систематизации документов и формированию дел 193
10.3. Составление заголовков дел 199
10.4. Установление сроков хранения дел 201
10.5. Хранение документов в оперативной деятельности и формирование дел 202
10.5.1. Общие требования к формированию дел 203
10.5.2. Группировка в дела отдельных категорий документов 205
10.5.3. Оформление обложки дела 207
Литература к главе 10 208
Глава 11 ЗАЩИТА КОНФИДЕНЦИАЛЬНЫХ ДОКУМЕНТОВ ОТ НЕСАНКЦИОНИРОВАННОГО ДОСТУПА 209
11.1. Состав и направления защиты документной информации 209
11.2. Источники конфиденциальной информации и каналы ее разглашения 213
11.3. Система защиты ценной информации и конфиденциальных документов 216
11.4. Технология защиты документной информации 220
11.4.1. Защищенный документооборот 220
11.4.2. Обработка поступивших и отправляемых документов 223
11.4.3. Учет конфиденциальных документов и формирование справочно-информационного
банка данных по документам 225
11.4.4. Порядок работы персонала с конфиденциальны ми документами 230
11.5. Учет и хранение дел с конфиденциальными документами 235
11.6. Защита конфиденциальной информации при проведении совещаний и переговоров 236
11.7. Нормативно-методическое обеспечение защиты документированной информации 241
Литература к главе 11 246
Глава 12 АРХИВНОЕ ХРАНЕНИЕ ДОКУМЕНТОВ И ДЕЛ 247
12.1. Понятие архива и история формирования Государственной архивной службы
Российской Федерации 247
12.2. Государственная часть Архивного фонда Российской Федерации 250
12.3. Архивный фонд Российской Федерации архивный фонд организации,
архив коммерческой фирмы 253
12.4. Оформление дел длительных сроков хранения 257
12.5. Состав учетных документов архива 260
12.6. Оборудование архивохранилищ 261
12.7. Использование документов архива 263
Литература к главе 12 267
Глава 13 ОРГАНИЗАЦИЯ СЕКРЕТАРСКОЙ ДЕЯТЕЛЬНОСТИ 268
13.1. Необходимость и значение секретарской деятельности 268
13.2. Нормативно-методические основы деятельности секретаря 269
13.2.1. Разработка должностной инструкции секретаря 270
13.2.2. Обучающая инструкция секретаря 272
Литература к главе 13 281
Часть 2 ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ ОБЕСПЕЧЕНИЯ УПРАВЛЕНЧЕСКОЙ
ДЕЯТЕЛЬНОСТИ 282
Глава 14 ОСНОВЫ ОРГАНИЗАЦИИ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ 282
14.1. Основные понятия информационных технологий 282
14.2. Возникновение и развитие информационных технологий 283
14.4. Особенности разработки и реализации современных информационных технологий
Литература к главе 14 298
Глава 15 СРЕДСТВА ОРГАНИЗАЦИОННОЙ ТЕХНИКИ 299
15.1. Назначение средств организационной техники 299
15.2. Классификация средств организационной техники для современных офисных технологий 301
15.3. Средства составления и изготовления документов 303
15.4. Средства репрографии и оперативной полиграфии 305
15.5. Средства обработки документов 310
15.6. Средства электросвязи 311
15.7. Прочие средства оргтехники 319
15.8. Концепция электронного офиса 321
Литература к главе 15 323
Глава 16 ОСНОВЫ СЕТЕВЫХ ТЕХНОЛОГИЙ 325
16.1. Сетевое использование вычислительной техники 325
16.2. Основные понятия и базовые концепции 326
16.2.1. Крупномасштабные и локальные вычислительные сети 326

<< Пред. стр.

страница 18
(всего 19)

ОГЛАВЛЕНИЕ

След. стр. >>

Copyright © Design by: Sunlight webdesign