Tudásmenedzsment

A tudásmenedzsment különböző módszereinek kifejlesztése fontos területe a mesterséges intelligenciának. Ezen a területen az ALL foglalkozik szabályalapú tudáskezeléssel, ontológia alapú tudásmenedzsment­tel és tudásreprezentációval, valamint speciális logikai eszközökre épülő tudáskezelési módszerekkel. Ez utóbbihoz kapcsolódnak az un. kváziaxiomatikus elméletek, amelyek a tudás reprezentációját, időbeli fejlődését és az ismeretek felejtését egyaránt biztosítani tudják.A tudásmenedzsment fontos területe az emberi tudás fejlődésének kezelése. Ehhez kapcsolódnak a tudásátvitel technológiái, például az informatikai eszközökkel segített oktatás, a távoktatás, az e-tanulás és -tanítás. Ezzel párhuzamosan az ALL foglakozik a tudás ember-gép átvitelével, valamint az adat›információ›tudás lánc hatékony megvalósításának módszereivel. Ehhez kapcsolódóan az ALL a tudásátvitel vizsgálata során nehezen formalizálható problématerületek formalizálásához megfelelő eszközöket biztosít. Különös figyelem irányult a kodifikált és precedens tudás alapvető sajátosságainak meghatározására. A tudásmenedzsment­tel kapcsolatos alkalmazás fő területei az oktatás és az ún. tudásalapú rendszerek.

Tudásreprezentáció

Az ALL által fejlesztett és alkalmazott tudásreprezentáció­s módszerek a szakterület, illetve a probléma­terület konceptualizálásán alapulnak, melyhez a korszerű ontológiakezelő módszereket használjuk. A szakontológiák mellett résztveszünk általános (csúcs)ontológiák fejlesztésében és foglalkozunk az ontológiák elméletével és fejlesztésük módszertanával is.Az ALL egy problématerület ismereteinek reprezentációjához és kezeléséhez a megoldandó feladatokhoz legjobban illő módszereket és eszközöket alkalmazza. Előszeretettel használ logikai eszközöket, például az elsőrendű logika különböző résznyelveit (leíró logika, Horn klózok), vagy az ahhoz közel álló formalizmusokat (produkciós szabályok).Azonban a komplex feladatokra külön logikák kidolgozása szükséges:

• Az ALL kidolgozta az un. szituációs logikát, amelynek segítségével megadható az ismeretek és információk szituációfüggő reprezentációja. A formalizmus alkalmas az ismeretek és információk strukturális és kontextusfüggő reprezentációjára.
• A plauzibilis és kognitív érvelés által használt ismerettárak kezelésére fejlesztette ki az un. kváziaxiomatikus elméletek formalizmusát. Ezzel bonyolult és ellentmondásos összefüggések reprezentációjára is alkalmas módszertan került kidolgozásra.Az ALL elve az, hogy a feladathoz illő reprezentációs eszközt válasszunk, ezért fejleszt és használ nem logikai eszközöket is. Ilyen az elsősorban a diagnosztikus tudás reprezentációjára kifejlesztet szimptóma-szindróma fa.

Tudáskinyerés

Az ALL több módszert dolgozott ki egy-egy problématerülethez tartozó mérési adatok halmazából információ, illetve ismeretek kinyerésére. Ezen módszerek egyike speciális, erre a célra kidolgozott logikai alapokra épül. Ez az un. kognitív logika, amely megfigyelési adatokból új ismeretek kinyerésére (megismerésre) alkalmas folyamatokat definiál. Ezt a folyamatot különféle logikai operátorok szintézise hozza létre. Ezek a deduktív, induktív, analógia alapú és abduktív operátorok. Ehhez kapcsolható még az un. modellalapú érvelési módszertan.Az ALL foglalkozik az ismeretkinyerés hagyományos statisztikai módszerekkel történő adatanalízisre épülő formájával, az összefüggés kinyeréssel, valamint az ismeretkinyerés neuronháló elvű módszereivel is.

Tudásalapú rendszerek

Az ALL elkötelezett a tudásalapú rendszerek, így az intelligens- és kognitív rendszerek­kel kapcsolatos kutatás-fejlesztési tevékenység végzésében. Ennek keretében az ALL számos alkalmazói rendszert dolgozott ki, amelyek különböző szakterületek számára nyújtanak intelligens feladatmegoldási és döntési támogatást. Így az ALL többek között foglalkozott szakértői rendszerekkel, döntéstámogató előrejelző rendszerek­kel valamint diagnosztikai döntéstámogató rendszerek­kel is.

Kidolgozásra került többek között egy geológiai és geofizikai modellező és előrejelző rendszer (pl. kőolaj és egyéb ásványkincs lehetséges lelőhelyeinek meghatározására). A tudásalapú intelligens partner rendszer elvei alapján számos orvosi szakértői rendszer készült, mint például az immunológia, nephrológia, kardiológia, belgyógyászat, diaetológia stb. területeire készült konzultációs partner rendszerek. Legfrissebb fejlesztésünk a sürgősségi ellátást segíti.

Tudástranszfer

Az ismeretátadás módszertani megalapozása során az ALL foglalkozott a tudás episztemológiai tanulmányozásával, amelynek során kidolgozásra került a kodifikált és precedens tudás kezelésének módszertana. Ennek kapcsán foglalkoztunk e tudástípusok tulajdonságainak vizsgálatával. Meghatároztuk a tudás kialakulásának és fejlődésének modelljét. Kidolgoztuk az erre a modellre épülő tudáskezelési módszertant. Ennek eredményeire építve kidolgoztuk a tudástranszfer strukturális és funkcionális modelljét. A strukturális modell meghatározza az oktatási rendszer felépítésének hatékony megoldási útjait. Vizsgáltuk, hogy az oktatatási rendszerekben hogyan lehet a tudásátvitelt optimálisan megvalósítani. Elemeztük továbbá a számítógéppel segített oktatási rendszerek korlátait és lehetséges távlatait, az Internet lehetséges oktatástechnikai hatásait és a lehetséges megoldásokat.