2023
, Scopus
Article
На заре искусственного интеллекта (ИИ) подход на основе баз знаний использовался для решения неформализуемых проблем и попыток объяснить эти решения. По мере развития ИИ расширялся спектр применяемых методов, увеличивалось количество доступных интеллектуальных сервисов, увеличивалась сложность решаемых задач. Однако в направлении объяснимости достигнут очень незначительный прогресс. Сегодня ситуация вплотную приблизилась к использованию систем искусственного интеллекта для принятия по-настоящему ответственных решений. Профессионалы, использующие интеллектуальные сервисы, нуждаются в объяснении вырабатываемых гипотез не меньше, чем в самих гипотезах. Онтологические модели знаний и онтологическая методология разработки интеллектуальных сервисов обеспечивают генерацию объяснения предлагаемых решений в понятных терминах. В статье представлены архитектурные компоненты интеллектуального сервиса, способного объяснять решения. Все компоненты построены на основе единой онтологии предметной области, включающей онтологию знаний, соглашения о правилах принятия решений и терминологические словари или справочники. Применительно к задачам, решаемым в предметной области, онтология расширяется структурированными моделями входных данных, результатов и их объяснения. Типовые архитектурные компоненты, создаваемые на основе такой онтологии гарантируют свойство объяснимости конструируемому интеллектуальному сервису.