Статья: Информатизация отрасли физическая культура и спорт и экспертные технологии
В данном случае нам важно не доказать что-либо, а обозначить нашу позицию по данному вопросу, поскольку от видения ситуации в спортивной науке зависят многие аспекты информатизации отрасли (подходы к формализации задач, возникающих в сфере ФКиС, концепция информатизации и т.д.).
Как уже отмечалось выше, одним из наиболее перспективных подходов при разработке компьютерных систем для решения специфических для ФКиС задач является, на наш взгляд, экспертная технология. Под экспертной технологией мы понимаем системы искусственного интеллекта и другие компьютерные системы, в частности экспертные, в состав которых входит компонент, называемый базой знаний, включающей в себя в формализованной форме знания и опыт специалистов.
Экспертные системы
Экспертные системы - это достижение в области искусственного интеллекта, которое может приобрести большое практическое значение.
Ф.Хейес-Рот [25] пишет, что на международной объединенной конференции по искусственному интеллекту в 1977 г. Э.Фейгенбаум высказал основополагающие соображения об экспертных системах. Рассмотрим их.
Интеллектуальность системы определяется в первую очередь качеством заложенных в нее знаний из предметной области, а не формализмами и схемами вывода, которые она использует. Эта концепция была принята учеными, работающими в области искусственного интеллекта. Она дала развитие специализированным программным системам, каждая из которых является экспертом в узкой области знаний и называется экспертной системой.
Специальная группа по экспертным системам Британского компьютерного сообщества определяет экспертные системы как результат создания в компьютере основанной на знаниях компоненты, соответствующей навыку эксперта в такой форме, которая позволяет системе дать разумный совет или принять разумное решение о функции обработки данных. Дополнительной характеристикой является способность системы объяснять свою линию рассуждении в виде, непосредственно понятном тому, кто задал вопрос.
Экспертным системам свойственны следующие характерные черты [17,22 и др.].
1. Экспертная система ограничена сферой экспертизы и, следовательно, не имеет общих знаний. Решения на уровне здравого смысла могут приниматься только в ограниченной области знаний.
2. По качеству и эффективности принимаемых решений экспертная система не уступает человеку-эксперту.
3. Экспертная система способна работать с сомнительными данными.
4. Решения экспертной системы понятны пользователю, поскольку могут быть объяснены.
5. Экспертная система способна наращивать знания.
6. На выходе экспертной системы выдается четкий совет, рекомендация, план и т.п.
7. Факты и механизмы вывода в экспертной системе отделены друг от друга.
В состав экспертной системы входят следующие компоненты: 1) база знаний; 2) машина вывода; 3) модуль извлечения знаний; 4) система объяснения. Разными авторами включаются также рабочая память, хранящая данные (база данных);
лингвистический процессор, осуществляющий диалоговое взаимодействие с пользователем (экспертом) на естественном для него языке; компонента приобретения знаний; компонента обеспечения непротиворечивости и т.д. Сердцевину экспертной системы составляет база знаний, которая накапливается в процессе ее построения. Знания выражены в явном виде и организованы так, чтобы упростить принятие решений [14,17 и др.]. База знаний сама по себе представляет ценность. Она может быть использована для разных целей:
а) обучения и тренировки; б) накопления высококачественного опыта; в) прогнозирования; г) создания институциональной памяти.
Наиболее часто используется форма представления знаний в виде правил (продукции): посылка (если) и заключение (то) если..., то... .
Важным вопросом является то, как система находит нужные правила. Существует два стратегических подхода: прямое сцепление и обратное сцепление. Обратное сцепление правил (обратная аргументация) - это процесс поиска решения от цели. В этом случае осуществляется поиск правил, в заключении которых определяется значение переменной - цели. Если посылки первого такого правила верны, то выполняется его заключение. Если посылка ложна, то рассматривается следующее такое правило. Если такие правила кончились, то переменные правой части становятся подцелями и процесс повторяется. Таким образом строится дерево подцелей до тех пор, пока не определяются необходимые подцели или становится невозможно их определить. При использовании метода прямого сцепления процесс аргументации выполняется от посылки к заключению и начинается с поиска правил с истинной посылкой. Прямая аргументация фактически является полным перебором в ширину, обратная аргументация - перебором в глубину.
Перспективы использования экспертных систем в области спорта
В области спорта накоплен большой фактический материал, для полноценного использования которого при решении различных задач необходимо создание специальных систем обработки информации.
Управление тренировочным процессом, планирование спортивной тренировки, контроль за состоянием тренирующегося и другие задачи из области спорта обладают свойствами неформализуемых задач.
Использование экспертной технологии позволяет решать задачи планирования и управления тренировочным процессом с учетом норм нагрузки, подготовленности, индивидуальных особенностей, а также закономерностей, отражающих сочетания упражнений, тренировочных работ различной направленности, различных типов тренировок и др. Это не просто повышает качество управления тренировочным процессом, а позволяет осуществить его на принципиально ином уровне.
Построение экспертных систем требует формализации неформализованных знаний, что имеет большое научно-практическое значение.
Использование экспертных систем для планирования тренировочного процесса позволяет освободить тренера от рутинной работы и повышает эффективность планирования.
Применение нечетких переменных, коэффициентов уверенности, процедур подтверждения гипотез, базы знаний, машины логического вывода и других подходов и приемов, используемых в экспертных системах, делает реальным решение задачи контроля и нахождения интегральных характеристик состояния спортсмена.
Экспертная технология позволяет создавать базы знаний, которые могут использоваться для подготовки специалистов, принятия решений и других целей.
Обучаемые экспертные системы могут явиться инструментом для уточнения старых и получения новых знаний в области спорта.
Обучающие экспертные системы используют высококачественный опыт, большой объем знаний, могут осуществлять диагностику ошибок и объяснять правильные решения. Все это должно повысить качество обучения специалистов в области спорта.
Первые экспертные системы в области спорта были разработаны нами в 1989 и 1991 гг. [5,23]. Это были системы для планирования тренировки в тяжелой атлетике и атлетизме, спроектированные по классической схеме: база знаний в виде продукций, машина логического вывода и т.д.