Инженерия на основе знаний ( KBE ) — это применение системной технологии на основе знаний в области проектирования и производства. Процесс проектирования по своей сути является наукоемкой деятельностью, поэтому большое внимание в KBE уделяется использованию технологии на основе знаний для поддержки автоматизированного проектирования (CAD), однако методы на основе знаний (например, управление знаниями) могут применяться ко всему жизненному циклу продукта .
Область САПР всегда была одним из первых, кто принял методы разработки программного обеспечения, используемые в системах, основанных на знаниях, таких как объектная ориентация и правила . Инженерия, основанная на знаниях, объединяет эти технологии с САПР и другими традиционными инструментами инженерного программного обеспечения.
Преимущества KBE включают в себя улучшение взаимодействия в команде разработчиков благодаря управлению знаниями, улучшенное повторное использование артефактов дизайна и автоматизацию основных частей жизненного цикла продукта. [1]
KBE по сути является проектированием на основе моделей знаний . Модель знаний использует представление знаний для представления артефактов процесса проектирования (а также самого процесса) вместо или в дополнение к традиционным методам программирования и баз данных.
Преимущества использования представления знаний для моделирования задач и артефактов промышленного инжиниринга заключаются в следующем:
KBE может иметь широкую сферу деятельности, которая охватывает весь спектр деятельности, связанной с управлением жизненным циклом продукта и многопрофильной оптимизацией дизайна . Сфера деятельности KBE включает проектирование, анализ ( компьютерное проектирование – CAE), производство и поддержку. В этой всеобъемлющей роли KBE должен охватывать большую многопрофильную роль, связанную со многими компьютерными технологиями ( CAx ). [2]
Существует два основных способа реализации KBE:
Ранним примером первого подхода был инструмент Simkit, разработанный Intellicorp в 1980-х годах. Simkit был разработан поверх среды разработки знаний Intellicorp (KEE). KEE была очень мощной средой разработки систем на основе знаний. KEE начиналась на Lisp и добавляла фреймы , объекты и правила , а также мощные дополнительные инструменты, такие как гипотетическое рассуждение и поддержание истинности. Simkit добавила возможности стохастического моделирования в среду KEE. Эти возможности включали модель событий, генераторы случайных распределений, визуализацию моделирования и многое другое. Инструмент Simkit был ранним примером KBE. Он мог определять моделирование в терминах моделей классов и правил, а затем запускать моделирование так же, как и обычное моделирование. По ходу дела моделирование могло продолжать вызывать правила, демоны и методы объектов, предоставляя потенциал для гораздо более богатого моделирования, а также анализа, чем обычные инструменты моделирования.
Одна из проблем, с которой столкнулся Simkit, была общей проблемой для большинства ранних систем KBE, разработанных с помощью этого метода: среды, основанные на знаниях Lisp, обеспечивают очень мощные возможности представления знаний и рассуждений ; однако они делали это за счет огромных требований к памяти и обработке, которые расширяли возможности компьютеров того времени. Simkit мог запускать симуляции с тысячами объектов и выполнять очень сложный анализ этих объектов. Однако промышленные симуляции часто требовали десятков или сотен тысяч объектов, и Simkit испытывал трудности с масштабированием до таких уровней. [3]
Вторая альтернатива разработке KBE проиллюстрирована набором продуктов CATIA . CATIA начинала с продуктов для САПР и других традиционных промышленных инженерных приложений и добавляла к ним возможности, основанные на знаниях; например, их модуль KnowledgeWare. [4]
KBE был разработан в 1980-х годах. Он был частью первоначальной волны инвестиций в искусственный интеллект для бизнеса, которая подпитывала экспертные системы. Как и экспертные системы, он опирался на то, что в то время было передовыми достижениями в корпоративных информационных технологиях, такими как ПК , рабочие станции и клиент-серверные архитектуры . Эти же технологии также способствовали росту программного обеспечения CAx и CAD . CAD, как правило, продвигали передовые технологии и даже выталкивали их за пределы их текущих ограничений. [5] Лучшим примером этого было объектно-ориентированное программирование и технология баз данных , которые были адаптированы CAD, когда в большинстве корпоративных отделов информационных технологий доминировали реляционные базы данных и процедурное программирование . [6]
Как и в случае с экспертными системами, KBE пережил спад во время AI Winter . [7] Также, как и в случае с экспертными системами и технологией искусственного интеллекта в целом, возобновился интерес к Интернету. В случае с KBE, интерес был, пожалуй, сильнее всего в электронной коммерции типа «бизнес для бизнеса» и технологиях, которые облегчают определение стандартных отраслевых словарей и онтологий для производимых продуктов .
Семантическая паутина — это видение Тима Бернерса Ли для следующего поколения Интернета. Это будет основанный на знаниях Интернет, построенный на онтологиях , объектах и технологиях фреймов , которые также были технологиями, позволяющими использовать KBE. Важными технологиями для семантической паутины являются XML , RDF и OWL . [8] Семантическая паутина имеет отличный потенциал для KBE, а онтологии и проекты KBE являются сильной областью для текущих исследований. [9]
Управление жизненным циклом продукта (PLM) — это управление производственным процессом любой отрасли, которая производит товары. Оно может охватывать весь жизненный цикл продукта от генерации идеи до внедрения, доставки и утилизации. KBE на этом уровне будет иметь дело с проблемами продукта более общего характера, чем с CAx . Естественной областью акцента является производственный процесс; однако управление жизненным циклом может охватывать гораздо больше вопросов, таких как бизнес-планирование, маркетинг и т. д. Преимуществом использования KBE является получение автоматизированных служб рассуждений и управления знаниями среды, основанной на знаниях, интегрированных со многими разнообразными, но связанными потребностями управления жизненным циклом. KBE поддерживает процессы принятия решений, связанные с конфигурацией, торговлей, контролем, управлением и рядом других областей, таких как оптимизация .
CAx относится к области компьютерных инструментов для анализа и проектирования. CAx охватывает несколько областей. Примерами являются компьютерное проектирование изготовленных деталей, программное обеспечение, архитектура зданий и т. д. Хотя каждая конкретная область CAx будет иметь очень разные виды проблем и артефактов, все они также имеют общие проблемы, такие как необходимость управления сотрудничеством опытных специалистов, проектирование и повторное использование сложных артефактов и т. д.
По сути, KBE расширяет, дополняет и интегрирует с доменом CAx, который обычно называют Computer Aided Design (CAD). В этом смысле KBE аналогичен Knowledge-Based Software Engineering , который расширил область Computer Aided Software Engineering с помощью основанных на знаниях инструментов и технологий. То, чем KBSE был для программного обеспечения и CASE, KBE является для производимых продуктов и CAD.
Пример можно взять из опыта Boeing. Программа 777 взяла на себя задачу иметь самолет с цифровым определением. Это потребовало инвестиций в крупномасштабные системы, базы данных и рабочие станции для проектирования и аналитической инженерной работы. Учитывая масштаб требуемой вычислительной работы, KBE получила свой ключ, так сказать, через «план оплаты по мере использования». По сути, этот метод должен был показать преимущества, а затем получить больше работы (подумайте об гибкой инженерии) таким образом. В случае с 777 проект дошел до того, что влияние изменений на ранней стадии потока проектирования/сборки (загрузки) можно было пересчитать за выходные, чтобы обеспечить оценку последующими процессами. По мере необходимости инженеры были в курсе, чтобы закончить и подписать работу. В то же время CAx позволял соблюдать более жесткие допуски. С 777 KBE была настолько успешной, что последующие программы применяли ее в большем количестве областей. Со временем объекты KBE были интегрированы в платформу CAx и стали обычной частью работы. [10]
Одной из важнейших технологий, основанных на знаниях, для KBE является управление знаниями . Инструменты управления знаниями поддерживают широкий спектр репозитория, т. е. репозитория, который может поддерживать все различные типы рабочих артефактов: неформальные чертежи и заметки, большие таблицы баз данных, мультимедиа и гипертекстовые объекты и т. д. Управление знаниями предоставляет различные инструменты поддержки группы, чтобы помочь различным заинтересованным сторонам сотрудничать в разработке и внедрении продуктов. Оно также предоставляет инструменты для автоматизации процесса проектирования (например, правил) и для облегчения повторного использования. [11]
Разработка приложений KBE касается требований по идентификации, сбору, структурированию, формализации и, наконец, внедрению знаний. Многие различные так называемые платформы KBE поддерживают только этап внедрения, который не всегда является основным узким местом в процессе разработки KBE. Чтобы ограничить риск, связанный с разработкой и обслуживанием приложения KBE, необходимо полагаться на соответствующую методологию управления знаниями и поддержания их в актуальном состоянии. В качестве примера такой методологии KBE, проект ЕС MOKA «Методология и инструменты, ориентированные на приложения на основе знаний» предлагает решения, которые фокусируются на этапах структурирования и формализации, а также на ссылках на внедрение. [12]
Альтернативой MOKA является использование общих методов инженерии знаний, которые были разработаны для экспертных систем во всех отраслях [13] , или использование общих методологий разработки программного обеспечения, таких как методы Rational Unified Process или Agile .
Две критические проблемы, связанные с языками и формализмами, используемыми в KBE:
Фундаментальный компромисс, связанный с представлением знаний в искусственном интеллекте, заключается между выразительной силой и вычислимостью. Как продемонстрировал Левек в своей классической статье по этой теме, чем более мощный формализм представления знаний разрабатывается, тем ближе этот формализм будет к выразительной силе логики первого порядка. Как также продемонстрировал Левек, чем ближе язык к логике первого порядка, тем более вероятно, что он будет допускать выражения, которые неразрешимы или требуют экспоненциальной вычислительной мощности для завершения. [14] При реализации систем KBE этот компромисс отражается в выборе использования мощных сред, основанных на знаниях, или более традиционных процедурных и объектно-ориентированных сред программирования.
Существует компромисс между использованием стандартов, таких как STEM, и фирменных языков, специфичных для поставщика или бизнеса. Стандартизация облегчает обмен знаниями , интеграцию и повторное использование. Фирменные форматы (такие как CATIA) могут обеспечить конкурентное преимущество и мощные функции за пределами текущей стандартизации. [15]
Genworks GDL, коммерческий продукт, ядро которого основано на проекте Gendl, лицензированном AGPL, [16] решает проблему долговечности приложений, предоставляя высокоуровневое декларативное языковое ядро, которое является надмножеством стандартного диалекта языка программирования Lisp ( ANSI Common Lisp или CL). Сам Gendl/GDL предлагается в качестве фактического стандарта [17] для языков KBE на основе ANSI CL.
В 2006 году Object Management Group выпустила документ RFP по услугам KBE и запросила обратную связь. [18] На сегодняшний день спецификации OMG для KBE не существует; однако существует стандарт OMG для услуг CAD. [19]
Примером системно-независимого языка для разработки машиночитаемых онтологий, входящего в область KBE, является Gellish English .
{{cite web}}: CS1 maint: неподходящий URL ( ссылка ){{cite book}}: |journal=проигнорировано ( помощь )AI Winter конца 80-х. Фраза была придумана по аналогии с "ядерной зимой" - теорией о том, что массовое применение ядерного оружия затмит солнце дымом и пылью, что приведет к глобальному похолоданию, замерзанию Земли и вымиранию человечества. AI Winter просто вызвала вымирание компаний ИИ, отчасти из-за шумихи вокруг экспертных систем и разочарования, вызванного тем, что бизнес обнаружил их ограничения.
{{cite web}}: CS1 maint: неподходящий URL ( ссылка )Хорошая новость в сведении службы KR к доказательству теорем заключается в том, что теперь у нас есть очень четкое, очень конкретное представление о том, что должна делать система KR; плохая новость заключается в том, что также ясно, что услуги не могут быть предоставлены... решение о том, является ли предложение в FOL теоремой... неразрешимо.