close

Вход

Забыли?

вход по аккаунту

?

Искусственный интеллект в обучении. обучении

код для вставкиСкачать
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ОБУЧЕНИИ.
ОБУЧЕНИИ.
Учебный процесс в современном учебном заведении, будь то общеобразовательная
школа, профессиональное училище или вуз, невозможно представить без применения компьютеров. Компьютер в обучении может использоваться по-разному: как средство обучения, используемое преподавателем для успешного усвоения обучаемыми содержания того
или иного предмета, как предмет изучения, когда преподаются основы его архитектуры и
программного обеспечения, наконец, как средство для самостоятельного изучения учебного материала. В последнем случае это так называемое компьютеризованное или компьютерное обучение, безусловно, самое перспективное направление применения компьютера в
обучении. Возникновение вычислительных сетей, в том числе глобальной сети Интернет,
быстрое развитие средств мультимедиа привело к таким новым возможностям как дистанционное обучение, разработка тренажеров-имитаторов и т.п. В то же время развитие компьютерного обучения не было легким. Оптимистические прогнозы первых лет вскоре сменились почти всеобщим разочарованием, которое в полной мере не преодолено и до сих
пор.
На первом этапе разработки средств компьютерного обучения (так называемых автоматизированных обучающих систем, АОС) использовались методики, названные программированным обучением. Они были предложены еще в пятидесятые годы американскими педагогами Б. Скиннером и Н. Краудером. Б. Скиннер предложил линейную методику, заключавшуюся в последовательном предъявлении обучаемому «кадров», т.е. небольших по
объему фрагментов учебного материала, сопровождавшихся контрольными вопросами.
Следующий кадр предъявлялся только после освоения предыдущего, причем обучаемый
должен был самостоятельно сравнить полученный им ответ на контрольный вопрос с правильным ответом, выдаваемым компьютером. Линейные программы лишь в малой степени
использовали возможности компьютеров и поэтому в 1970-х годах их применение было
пра
к тически прекращено. Н. Краудер усовершенствовал методику Б. Скиннера, включив в
нее элемент индивидуализации процесса обучения путем ветвления программ. Иначе говоря, следующий кадр учебного материала предъявляемый обучаемому, зависел от его ответов на контрольные вопросы. Эта методика оказалась более подходящей для компьютера,
однако для ее применения потребовалось разработать методы анализа ответов обучаемых
с целью определить, являются ли они правильными, а в случае неправильных ответов найти
допущенные в них ошибки.
В большинстве ранних АОС для ветвления программ использовался так называемый
метод меню: обучаемому предлагалось несколько вариантов ответа на контрольный вопрос
или предложенную для решения задачу, среди которых был правильный вариант и неправильные варианты, как правило содержащие различные характерные ошибки. Выбранный
вариант ответа определял следующий кадр уче
б ного материала.
Недостатки метода меню очевидны. Главный из них заключается в том, что процесс поиска ответа или решения задачи заменяется просмотром предложенных вариантов. Попытки преодоления этого недостатка, например, метод скрытого меню, при котором варианты
ответа обучаемому не предъявляются но служат для сравнения с введенным им ответом, не
смогли решить проблему. Другим недостатком был способ формирования контрольных вопросов: они готовились вручную, что серьезно затрудняло их обновление. По этим причинам АОС первого поколения не нашли широкого применения, что привело к определенному
кризису в компьютерном обучении, который дает о себе знать и сегодня.
Наиболее перспективным способом преодоления кризиса представляется использование в обучении с помощью компьютера искусственного интеллекта, который становится в
настоящее время одним из важнейших направлений применения вычислительных машин.
Средства искусственного интеллекта разрабатываются с целью моделирования интеллектуальной деятельности чел
овека в самых разнообразных областях ее проявления. Как оказа27
лось, важную роль искусственный интеллект может играть и в компьютерном обучении.
Обучающие системы нового поколения обычно называются экспертно-обучающими системами (ЭОС). Они часто содержат в своем составе те или иные средства искусственного интеллекта. Хотя ЭОС разрабатываются как в нашей стране, так и за рубежом, их применение
носит пока ограниченный характер. Это объясняется рядом причин, среди которых отметим
трудности, с которыми сталкиваются преподаватели при формализации учебного материала, необходимость участия в эксплуатации систем опытных программистов, слишком сложный итерфейс, т.е. совокупность средств взаимодействия пользователей с вычислительной
системой. Да и возможности, открывающиеся перед разработчиками при использовании
искусственного интеллекта, пока используются далеко не в полной мере. Тем не менее очевидно, что создание ЭОС, свободных от перечисленных недостатков, – дело ближайшего
будущего.
Под искусственным интеллектом понимается обычно способность автоматических или
автоматизированных систем брать на себя некоторые функции интеллекта человека, например, принимать оптимальные решения на основе анализа внешних воздействий и с учетом ранее полученного опыта. Можно выделить несколько направлений, в которых развиваются средства искусственного интеллекта. Среди них отметим экспертные системы
, интеллектуальные игры, распознавание образов, робототехнику, общение с ЭВМ на естественном
языке. К одному из направлений развития искусственного интеллекта можно отнести и обучение. При этом наиболее важное значение при разработке ЭОС должны играть экспертные
системы и возможность общения с ЭВМ на естественном языке.
Основой любой системы искусственного интеллекта является семантическая моде
ль
знаний, которыми обладает человек в некоторой предметной области. Эту модель обычно
называют базой знаний. Она должна быть представлена таким образом, чтобы не только
фиксировать имеющиеся знания, но и давать возможность получать на их основе новые
знания, относящиеся к выбранной предметной области. Процесс, с помощью которого получаются новые знания, – это логический вывод или, другими словами, дедуктивный метод
доказательства, формулируемый в рамках математической логики. Из сказанного видно,
что систему искусственного интеллекта можно рассматривать как совокупность знаний и
механизма логического вывода.
Знания можно представлять различным образом. Известны системы, в которых они
представляются семантическими сетями, фреймами, с помощью продукционных правил, с
помощью логики предикатов. Именно последний метод наиболее важен, по крайней мере
при использовании средств искусственного интеллекта в компьютерном обучении. В этом
случае база знаний представляется в виде фактов и правил. Факты используются для пре
дставления известных знаний. Правила позволяют выводить новые знания. В общем виде
они могут быть представлены выражением “Если А, то В”, т.е. «Если истинно знание А, то
истинно знание В». Для того чтобы подробнее описать модель представления знаний в логике предикатов и принципы построения механизма логического вывода, необходимо познакомить читателя с некоторыми понятиями математической логики, что, к сожалению,
выходит за рамки настоящей статьи.
Как уже было упомянуто выше, важную роль в новых обучающих системах должны играть экспертные системы. Под экспертной системой понимается программная система, которая действует как квалифицированный консультант, эксперт. Она может предсказывать
развитие событий, ставить диагноз, формулировать решение или реко мендовать те или
иные действия. Экспертные системы отличаются от традиционных программных систем в
трех отношениях. Во-первых, они часто работают на основе неполных и субъективных знаний. Во-вторых, они могут объяснять пользователям, как получены результаты, путем демонстрации правил, с помощью которых эти результаты были выведены. В-третьих, они
имеют встроенный механизм пополнения базы новыми знаниями. Технологически экспертные системы создаются с помощью так называемых оболочек, т.е. своего рода программных
28
систем-полуфабрикатов. Они позволяют быстро разработать конкретные экспертные системы
, сформировав соответствующие базы знаний и выполнив некоторые другие несложные
действия.
В настоящее время разработка ЭОС идет достаточно интенсивно во многих странах. Тем
не менее общепринятого определения ЭОС не существует. Мы будем отождествлять ЭОС с
системами обучения, включающими в себя те или иные элементы искусственного интеллекта. Какие же дополнительные возможности получают при этом обучающие системы? В литературе, посвященной этой тематике, обычно указываются следующие: сетевое представление учебных курсов, модели обучаемых, генерация контрольных вопросов и данных для
анализа ответов на них, расширяемость систем.
Сетевое представление учебных курсов предполагает принципиальное изменение их
разработки по сравнению с программированным обучением Б. Скиннера и Н. Краудера.
При сетевом представлении, кадры учебного материала ассоциируются с вершинами ориентированного графа, порядок их подачи обучаемым может варьироваться и зависит от ряда факторов, в том числе от индивидуальных особенностей обучаемых. Модель обучаемых
– это способ задания истории обучения. Она тесно связана с сетевым представлением учебных курсов и хранится в виде части сети, включающей уже пройденные данным обучаемым
кадры с оценкой степени их усвоения и некоторыми дополнительными данными. Программное обеспечение этого средства новых систем относительно просто и вряд ли может
относиться к искусственному интеллекту.
Автоматическая генерация контрольных вопросов и данных для анализа ответов позв
оляет индивидуализировать процесс проверки усвоения учебного материала, что особенно
важно при проведении групповых занятий. Для реализации этого средства могут использоваться различные методы. В простом случае автор курса задает общую форму однотипных
вопросов, а генератор формулирует конкретные вопросы. Например, задается общая форма системы линейных алгебраических уравнений, а генерируются числовые матрицы, пре
дставляющие конкретные системы. Программный модуль, вырабатывающий данные для
анализа ответов обучаемого на сгенерированные вопросы, обычно называется решателем.
В нашем примере решатель должен найти решения каждой конкретной системы уравнений.
Эти решения можно использовать для сравнения с ответами, полученными обучаемыми,
или в режиме консультации выдавать их пользователям. В более сложных случаях решатель должен строиться на основе баз знаний и логического вывода.
Предположим, что требуется разработать решатель для темы “дифференциальное исчисление”, позволяющий анализировать ответы на контрольные вопросы по дифференцированию. Прежде всего нужно сформировать БЗ, включив в нее производные простейших
функций (в виде фактов) и правила дифференцирования составных выражений – сумм,
произведений, частных двух функций и пр. (в виде правил). Затем мы сможем разработать
экспертную систему, которая позволит вычислять производные выражений, подготовленных генератором для контрольных вопросов, а, следовательно, решать задачу анализа ответов. При этом специальный модуль экспертной системы, так называемый блок советов и
объяснений, даст возможность указать обучаемым допущенные ими ошибки.
Описанный решатель может быть построен и на основе соответствующего пакета символьных вычислений, однако большим преимуществом использования экспертных систем
является их универсальность: одна и та же оболочка может применяться для формирования
экспертных систем в различных предметных областях.
Другой возможностью, которая предоставляется включением экспертных систем в обучающие системы, является справочная служба и режим консультаций. Минимальные средства справочного характера необходимы для любой обучающей системы, например, терм
инологический словарь, модуль типа “HELP” и пр. Привлечение аппарата экспертных систем
позволит значительно расширить эти возможности и иметь в составе обучающих программ
модули, оказывающие обучаемым помощь на уровне специалистов соответствующих пре
д29
метных областей. Весьма важно и то, что наличие подобного “автоматического консультанта” повышает уровень “дружественности” системы обучения, а это имеет первостепенное
значение для повышения эффективности обучения.
Экспертные системы могут оказаться полезными для сбора информации, необходимой
для совершенствования учебных курсов в процессе их эксплуатации. К такой информации
относятся данные о допускаемых обучаемыми ошибках при ответах на контрольные вопросы. Эти данные можно получить в результате анализа работы механизма логического вывода
, пробующего вывести неверные ответы.
Наконец, отметим, что средства искусственного интеллекта, которые могут применяться
в обучении, отнюдь не ограничиваются экспертными системами. Сами системы логического
программирования представляют хорошие учебные средства для курсов информатики. В
специализированных системах могут большую пользу принести такие разработки как распознавание образов, синтез программ, робототехника. Особое значение имеет естественноязыковый интерфейс, т.е. возможность общения с пользователями на естественном языке,
ограниченном соответствующей предметной областью. Применение естественного языка по
сути решает проблему удобного для пользователей интерфейса.
Создание ЭОС, обладающих перечисленными возможностями, – это сложный многоэтапный процесс. Во время эксплуатации подобные системы должны модифицироваться и
расширяться с учетом результатов их работы. Поэтому требование расширяемости на основе строго выдержанной модульной структуры является весьма существенным.
В заключение несколько слов о работах, ведущихся на факультете ПМ-ПУ под руководством автора настоящей статьи. В 1996 году студентами факультета была разработана экспериментальная ЭОС “Логик”, обладавшая всеми перечисленными выше средствами. В частности, генерация вопросов обучаемым и анализ их ответов осуществлялись с помощью
оригинальной системы предикатов. ЭОС тестировалась на ряде фрагментов обучающих
курсов. К сожалению, в то время для ее широкого применения в учебном процессе условий
не было. Позже были разработаны новые методы логического вывода, повышающие его
эффективность, что позволяет улучшить вр
еменные характеристики экспертных систем (см.
статью автора “Алгоритм построения логического вывода в искусственном интеллекте” ,
Санкт-Петербургский университет, № 28, ноябрь 21, 2001).
В 2001 году была разработана ЭОС “Formula Tutor”. Предметной областью системы являются учебные курсы точных наук, поэтому она ориентирована прежде всего на обучение
применению формул. Система включает два интерфейса – обучаемого и эксперта - разработчика базы знаний. Интерфейс обучаемого позволяет использовать ЭОС в двух режимах
– обучения и консультаций. В режиме обучения обучаемый может выполнять следующие
действия: загрузить базу знаний, загрузить файл обучаемого (файл, где хранится информация о результатах обучения конкретного пользователя), предложить системе сгенерировать новое задание, ответить на поставленное задание и узнать результат анализа ответа,
перейти в режим консультации. В режиме консультации: загрузить базу знаний, попросить
систему дать консультацию по решению задачи, поставленной в режиме обучения, дать
системе задание на решение произвольной задачи, перейти в режим обучения. Интерфейс
эксперта позволяет создать новую базу знаний, модифицировать старую (добавлять, удалять, изменять правила), производить настройки, регламентирующие процесс обучения.
Система была разработана с использованием современной объектно-ориентированной
технологии программирования. В настоящее время создается новая, усовершенствованная
версия системы и мы надеемся на ее использование в учебном процессе факультета. К сожалению, создание и практическое применение средств компьютерного обучения серьезно
затрудняется отсутствием финансирования.
И.Л.БРАТЧИКОВ
30
Документ
Категория
Информационные технологии
Просмотров
448
Размер файла
37 Кб
Теги
1/--страниц
Пожаловаться на содержимое документа