Основные задачи, решаемые с помощью онтологии

Анализ возможностей онтологических систем показывает, что они способны обеспечить:

• • повышение интеллектуальности СУЗ на основе представления того, что часто остается неявным;
• • стандартизацию на основе описания целевого мира в виде словаря, согласованного среди людей;
• • разделение знаний между пользователями и (или) между компьютерными системами, их совместное или повторное использование для новых ситуаций;
• • систематизацию знаний, позволяющую интегрировать разнородные источники знаний на основе многоаспектной таксономии, представляемой в общем словаре;
• • реализацию метамодельной функциональности для конструирования, так как она снабжает необходимыми понятиями, отношениями, ограничениями, которые используются как строительный материал для создания конкретных моделей решения задач.

Перечислим основные сферы применения онтологий.

• 1. Системы обучения. Действительно, для первого знакомства с предметной областью очень полезно в качестве «опорного сигнала» иметь легко воспринимаемую структуру этой области. С помощью онтологии можно быстро находить ссылки на источники информации.
• 2. Поисковые системы. Наметившийся сейчас переход от поиска информации по ключевым словам к использованию семантически значимых фрагментов текстов существенно облегчается, если используется онтология ПрО. Совершенствование механизмов поиска по ключевым словам и формальных языков запросов не избавляет от высокого уровня информационного шума и неполноты получаемых результатов. Использование онтологии позволяет томнее интерпретировать смысл терминов, фигурирующих в запросах, а также дополнять или расширять запрос понятиями, которые связаны с терминами запроса, и отношениями типа: род — вид, синоним, масть — целое, ассоциация и др.
• 3. Научные исследования. Большое значение имеет унификация терминологии ПрО. Наличие онтологии ПрО позволит автоматизировать процесс отслеживания полезных данных и знаний в потоке текущей информации.
• 4. Системный анализ предметной области. Онтология предоставляет структурированную и частично формализованную основу для проведения системного анализа предметной области.
• 5. Интегрирование данных и знаний. При объединении информационных баз онтология будет помогать устанавливать семантическую эквивалентность одинаковых фактов и понятий, сформулированных в разных терминах.
• 6. Создание и использование БЗ. Практическое формирование БЗ, хотя в области ИИ они декларируется уже 30—40 лет, получило новый импульс развития с появлением онтологического подхода.
• 7. Создание систем, реализующих механизмы рассуждений (ЭС, СУЗ, интеллектуальные роботы и др.). Онтологический подход к разработке и реализации средств формирования объяснений в ЭС позволяет существенно снизить уровень ошибок, связанных с человеческим фактором, и чем сложнее система, тем актуальнее такой путь.
• 8. Организация поиска, но смыслу в текстовой информации. Текстовая информация до сих нор является основой документооборота. Ее объем очень велик, а задачи поиска и систематизации ответственны и сложны. Механизм индексирования текстовых документов весьма трудоемок, к тому же он не решает проблем неполноты и поискового шума. Это особенно проявляется при использовании запросов типа «где» и «как», а также фактографических запросов. Для организации поиска по смыслу в текстовой информации необходимы методы извлечения семантики из текстовых документов и запросов, а также сопоставления получаемых семантических представлений. Подобные методы повышают эффективность автоматического реферирования, аннотирования и классификации документов, они позволяют автоматизировать построение гипертекста.

Новыми задачами, связанными с извлечением знаний из текста, являются:

• • формирование сообщений на заданную тему;
• • извлечение новых фактов по интересующей теме;
• • реализация виртуального собеседника.

Онтологии являются важным средством повышения эффективности решения всех перечисленных выше задач.

• 9. Семантический поиск в Интернете. Одной из центральных проблем Интернета является организация эффективного поиска информации. Онтологии позволяют формировать информационные профили узлов сети и уже на этапе предварительного отбора подходящих для поиска узлов отсеивать нерелевантные. Существуют идеи выделения семантических областей Интернета с описанием их информационных профилей па онтологическом уровне. Подобная организация, базирующаяся не на географическом, а на информационно-профильном принципе, позволяет на порядок снизить как время поиска, гак и нагрузку на сеть. Общей целью практически всех проектов в данной области является разработка новых подходов к построению пространств знаний Интернета и средств работы с ними, которые бы обеспечивали:
  • • использование семантики при управлении процедурами выполнения запросов;
  • • возможность формирования информационных ресурсов (ИР), содержащих компоненты, формально представляющие семантику и обладающие простым синтаксисом, которые могут интерпретироваться программными агентами и другими программными системами;
  • • гомогенный доступ к информации, которая физически распределена и гетерогенно представлена в Интернете;
  • • возможность получения информации, которая явно не присутствует среди фактов, извлеченных из Интернета, но может быть выведена из этих фактов и БЗ, зафиксированных в онтологии.
• 10. Представление смысла в метаданных об ИР. Современные языки представления метаданных, как правило, строятся на базе языка XML и модели RDF. В рамках данной задачи онтологии применяются при формировании пространств имен, словарей и квалификаторов для обеспечения их единообразных интерпретаций.

Методология управления знаниями (knowledge management) при применении онтологического подхода позволяет решать задачи каталогизации и классификации ИР (в том числе неструктурированной информации) путем создания аналитических метаданных. Для этого применяются стандартизованные открытые интерфейсы с общими структурами и определениями метаданных.

11. Построение и использование баз общих знаний для различных интеллектуальных систем. Человек в процессе рассуждений использует не только знания, ассоциируемые с данной ПрО, но и знания более высокой степени общности. К таким знаниям относятся описания свойств пространства, времени, личности и т. п. Знания верхнего уровня (common knowledge) позволяют доопределять модели конкретных предметных ситуаций с учетом взглядов и роли человека. Эти знания представляются в онтологиях верхнего уровня (общих онтологиях, метаонтологиях, онтологиях общих знаний).

Создание онтологии общих знаний под силу только крупным консорциумам. В одиночку их не построить. Подобные онтологии размещаются в Интернете с поддержкой открытого доступа к ним. Приложения, основанные на частных предметных онтологиях и онтологиях задач, могут обращаться к онтологиям общих знаний для получения информации, выходящей за их рамки. Формирование онтологии общих знаний и обеспечение доступа к ним через Интернет стало возможным только в последние годы.

12. Обеспечение общей терминологии и совместно используемых приложений множества специалистов. Большинство практических задач относятся не к одной, а к нескольким ПрО. Такие задачи, как правило, решаются в рамках совместной деятельности группы специалистов, имеющих разную предметную подготовку. Члены группы могут взаимодействовать друг с другом с помощью телекоммуникационных технологий. Такое взаимодействие требует общих понятийных пространств, обеспечивающих адекватное понимание информации, которой обмениваются специалисты.

Онтологический подход существенно упрощает решение данной проблемы. Очевидно, что в данном случае применяются онтологии, относящиеся ко всем трем перечисленным выше уровням.

13. Многократное применение БЗ и информационных массивов, представляющих сведения о технических системах на различных стадиях их жизненного цикла. Данная задача приобрела актуальность в связи с развитием CALS-технологий, в рамках которых жизненный цикл технической системы (технического объекта) рассматривается с единых позиций, начиная с момента выявления потребности и до момента прекращения эксплуатации объекта и его утилизации. Каждый этап жизненного цикла должен быть обеспечен соответствующей информационной моделью. Важно, чтобы эта модель не создавалась каждый раз заново, а передавалась с этапа на этап, дополнительно определяясь и развиваясь на каждом этапе. Состояния единой информационной модели для всех этапов жизненного цикла технической системы сохраняются в репозитории и используются при решении задач анализа, формирования статистики и прогнозирования.

Примеры онтологий. В последние годы разработка онтологий переходит из мира лабораторий по искусственному интеллекту на рабочие столы экспертов по предметным областям. Во Всемирной паутине онтологии стали обычным явлением. Онтологии в сети варьируют от больших таксономий, категоризирующих веб-сайты (как на сайте Ycihoo), до категоризации продаваемых товаров и их характеристик (как на сайте Amazon.com). Консорциум WVKW' (W3C) разрабатывает RDF (Resource Description Framework) — язык кодирования знаний на веб-страницах, — чтобы сделать их понятными для электронных агентов, которые осуществляют поиск информации. Управление перспективных исследований и разработок Министерства обороны США (Defense Advanced Research Projects Agency, DARPA) в сотрудничестве с консорциумом W3C разрабатывает Язык разметки для агентов DARPA (DARPA Agent Markup Language, DAML)_y насыщая RDF более выразительными конструкциями, предназначенными для облегчения взаимодействия агентов в сети. Разрабатываются стандартные онтологии, которые могут использоваться экспертами по предметным областям для совместного применения и аннотирования информации в своей области. Например, в области медицины созданы большие стандартные структурированные словари: SNOMFD и семантическая сеть Системы унифицированного медицинского языка (Unified Medical Language System).

Также появляются обширные общецелевые онтологии. Например, Программа ООН по развитию (United Nations Development Program) и компания Dun & Bradstreet объединили усилия для разработки онтологии UNSPSC, которая предоставляет терминологию товаров и услуг (http//www.unspsc.org).

Примером общей онтологии является CYC. Одноименный проект — CYC — ориентирован на создание мультиконтекстной БЗ и специальной машины вывода, разрабатываемой СуСогр. Основная цель этого гигантского проекта — построить БЗ для всех общих понятий (начиная с таких, как время, сущность и т. д.), включающую семантическую структуру терминов, связи между ними и аксиомы. Предполагается, что такая БЗ может быть доступна разнообразным программным средствам, работающим со знаниями, и будет играть роль базы «начальных знаний». В онтологии по некоторым данным уже представлены 10⁶ концептов и 1()⁵ аксиом. Для представления знаний в рамках этого проекта разработан специальный язык CYCL.

Другим примером онтологии верхнего уровня является онтология Generalized Upper Model, ориентированная на поддержку процессов обработки трех естественных языков — английского, немецкого и итальянского. Уровень абстракции этой онтологии находится между лексическими и концептуальными знаниями, что определяется требованиями упрощения интерфейсов с лингвистическими ресурсами. Модель Generalized Upper Model включает таксономию, организованную в виде иерархии концептов (около 250 понятий), и отдельную иерархию связей. Предметные онтологии и онтологии задач описывают соответственно словарь, связанный с предметной областью (медицина, коммерция и т. д.), конкретной задачей или деятельностью (диагностика, продажи и т.н.) за счет специализации терминов, введенных в онтологии верхнего уровня.

Онтология в системе TOVE (Toronto Virtual Enterprise Project), предметно ориентирована на представление модели корпорации. Основная цель се разработки — отвечать на вопросы пользователей, но реинжинирингу бизнес-процессов, извлекая эксплицитно представленные в онтологии знания. При этом система может проводить дедуктивный вывод ответов. В онтологии нет средств для интеграции с другими онтологиями. Формально онтология описывается с помощью фреймов для описания концептов, зависящих как от конкретной предметной области, так и от решаемых в них задач. Концепты в таких онтологиях часто соответствуют ролям, которые играют объекты в предметной области в процессе выполнения определенной деятельности. Пример прикладной онтологии — онтология системы Plinius, предназначенная для полуавтоматического извлечения знаний из текстов в области химии. В онтологии описано около 150 концептов и шесть правил. Формально онтология Plinius тоже описывается с помощью фреймов.