JPH0628189A - 知識習得システム及びその方法 - Google Patents

Abstract

(57)【要約】 【目的】知識ベース・システムのための知識習得システ
ムと方法を提供する。 【構成】このシステム（１０）は問題を個々のモジュー
ルに分解する知識組織化ユニット（１２）を含む。モジ
ュールは特定のタスクのための知識源と結び付くインプ
ット／アウトプット関係を現す。知識組織化ユニットは
各モジュールのため知識源を提供する。知識集合ユニッ
ト（１４）は知識ベース確認（２０）を行い、インター
リーブされた形でテストケースと知識成分とを習得し、
モジュールにテストケースを解かせ、知識エンジニヤ又
は専門家がモジュールを適宜訂正できる。個々のモジュ
ールがモジュール相互連結ユニット（２２）によって相
互連結され再び全システムが知識ベース確認ユニット
（２４）によって確認される。このシステム（１０）は
データ及び専門家から出た比較的大量の知識ベースを迅
速に確認し又知識ベース・システムには異なった推論エ
ンジンを使用する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は知識ベース・システムに
関し、特に、知識ベース・システムに用いる改善された
知識習得システム（Knowledge acquisition system）
及びその方法に関する。

【０００２】尚、本発明は、「Matching Technique f
or Context Sensitive Rule Application 」と言う
発明の名称で米国に提出された同時係属出願（本発明と
同じ譲請人に譲渡された）に関係している。

【０００３】

【従来の技術】エキスパートシステムのごとき知識ベー
ス・システムは素直なアルゴリズム解を持たない多数の
タスクに有益である。これらのタスクには、例えば、計
画立案、法律的推理、医療診断、地理探査、及び、軍事
状況分析が含まれる。知識ベース・システムの中で進歩
した主なものは知識習得である。このシステムによって
得られる知識は人間の専門技術者から得られる知識でも
又は歴史的データであっても良い。これらの知識源はそ
れぞれに利点と欠点とを持っているが、一般的に、知識
ベース・システムはこれらの知識源のいずれか一方を使
用し、両方を同時に使用することはない。

【０００４】これらの知識源のいずれか１つから得られ
る知識は２つの基本的方法で知識ベース・システムに学
習される。この方法の基本的欠点は、習得が非常に遅い
ことである。汎用のノン・ツール・エイドの知識習得方
法に関する記載は、Ｂｕｃｈａｎａｎ，Ｂ．Ｇ．，Ｂａ
ｒｓｔｏｗ，Ｄ．，Ｂｅｃｈｔｅｌ，Ｒ．，Ｂｅｎｎｅ
ｔ，Ｊ．，Ｃｌａｎｃｅｙ，Ｗ．，Ｋｕｌｉｃｏｗｓｋ
ｉ，Ｃ．，Ｍｉｔｃｈｅｌｌ，Ｔ．，及びＷａｅｒｍａ
ｎ，Ｄ．Ａ．（１９８３）による“Ｃｏｎｓｔｒｕｃｔ
ｉｎｇ ａｎ Ｅｘｐｅｒｔ Ｓｙｓｔｅｍ”、に、
又、Ｆ．Ｈａｙｅｓ−Ｒｏｔｈ，Ｄ．Ａ．Ｗａｔｅｒｍ
ａｎ，及びＤ．Ｂ．Ｌｅｎａｔ（Ｅｄｓ．）による“Ｂ
ｕｉｌｄｉｎｇ Ｅｘｐｅｒｔ Ｓｙｓｔｅｍ”、Ａｄ
ｄｉｓｏｎＷｅｓｌｅｙ、３２１〜３２６ページに見出
だすことが出来る。

【０００５】知識習得工程の速度を上げるために、自動
化した知識習得ツールを使用する第２の試みが発達し
た。これらのシステムは専門技術者（エキスパート）と
の相互作用ループ及び専門技術者へのフィードバックを
用い、専門技術者の知識から代表的知識の抽出を助ける
ようにすることが出来る。自動化した知識習得システム
に関する記載が、Ｂｏｏｓｅ，Ｊ．Ｒ．，及びＢｒａｄ
ｓｈａｗ，Ｊ．Ｍ．（１９８８）による“Ｅｘｐｅｒｔ
ｉｓｅ Ｔｒａｎｓｆｅｒ ａｎｄ Ｃｏｍｐｌｅｘ
Ｐｒｏｂｌｅｍｓ：Ｕｓｉｎｇ ＡＱＵＩＮＡＳ ａｓ
ａ Ｋｎｏｗｌｅｄｇｅ−ａｃｑｕｉｓｉｔｉｏｎ
Ｗｏｒｋｂｅｎｃｈ ｆｏｒ Ｋｎｏｗｌｅｄｇｅ−ｂ
ａｓｅｄ Ｓｙｓｔｅｍｓ”に、Ｂｏｏｓｅ及びＢ．Ｇ
ａｉｎｅｓ（Ｅｄｓ．）による“Ｋｎｏｗｌｅｄｇｅ
Ａｃｑｕｉｓｉｔｉｏｎ Ｔｏｏｌｓ ｆｏｒ Ｅｘｐ
ｅｒｔ Ｓｙｓｔｅｍ”Ａｃａｄｅｍｉｃ Ｐｒｅｓ
ｓ，３９〜６４ページ、に見出だされる。これらの自動
化システムの１つの問題は、これらが一般的に、大きな
知識ベースの習得を支持出来ないことである。その理由
は、大きな知識ベースが、そのサイズが約１００ルール
以上になると管理が非常に難しくなるからである。又、
従来の自動化知識習得ツールは、一般的に、分類問題に
ついて習得知識に限界があり、例えば設計及び一覧表作
成の如きその他の問題には不適当である。更に、自動化
知識習得ツールであっても、習得工程は非常に遅く、や
っと１ルール／日程度の習得しか出来ない。

【０００６】知識習得工程の１つの重要な部分は知識確
認の手順である。即ち、一旦、知識ベース・システムが
構築されると、提供する答えの正否のチェックをテスト
しなければならない。このテストを行う最も代表的な方
法はテストケースを含むエクザンプル・ベースのテスト
である。

【０００７】この一般的確認方法の持つ１つの課題は、
問題点の正確な指摘が難しいことである。これらのフォ
ーマル・スキーム（formal schemes ）は、必要とする
方式プルーフの手順の展開がしばしば困難なので、理想
的な方法とは言えない。又、これらの工程を使用してい
る殆どの知識表現に合わすことがコンピュータ的に難し
い場合が多い。その他の欠点は、フォーマルの知識ベー
ス確認工程がルール・ベースのシステム以外には使えな
いことである。従って、これらは、ケース・ベースの理
由付け又はその他の知識源、例えば、正確に規定された
“イフ／ゼン”（若し／然らば）のルールの無い発生学
的アルゴリズム又はニューラル・ネットワーク（neural
networks）（神経ネットワーク）には使えない。

【０００８】確認の際出会う別の困難は、殆どの知識ベ
ース・システムがコンピュータ語で書かれていおり、専
門技術者は知識エンジニヤによって書かれたルールを彼
の知識で読み取ることが出来ないので、プログラマーで
ない専門技術者が問題にスポットを当てることは難し
い。更に、この確認方法は、しばしば、比較的少数のテ
ストケースに依存していることが多い。その結果、シス
テムはこれらの特定のテストケースに対しては作動する
かも知れないが、テストケースには無かったシステムの
中の流れがあるような場合は作動しないことがある。

【０００９】従来の知識ベース・システムの重大な制限
は、これらが、一般的に、只１つの推論エンジン（infe
rence engine ）にしか使えないことである。従って、
例えば、このシステムはケース・ベースの推論又はルー
ル・ベースの推論に使うことが出来るが、一緒には使え
ない。このことは、単一のシステムが扱うことの出来る
知識領域を限定し、又、システムの汎用性を制限する。
その結果、文脈依存性（context sensitivity ）が低
い。又、この様なシステムは各種の推論エンジンの独特
な利点を使うことが出来ない。

【００１０】

【本発明が解決しようとする課題】従って、比較的大き
な知識ベースの習得を行うことの出来る知識ベース・シ
ステムを提供することが望まれる。更に、実行容易な知
識ベースの確認計画を含み、ホーマル・プルーフの手続
きを必要としないようなシステムを提供することが望ま
しい。又、テストが容易で、システムの何処に問題があ
るのかを容易に正確に指摘することの出来るシステムを
提供することが望ましい。又、ルールが、それと認識で
きる英語的表現で書かれ、専門技術者が分析できるよう
な知識ベース・システムを提供することが望ましい。
又、確認手順で使用する多数のテストケースを提供する
ことの出来るシステムを提供することが望ましい。

【００１１】更に、迅速で、分類問題に制限されず、し
かも、大きな知識ベースを操作することの出来る、知識
ベースのための自動化した習得技術を提供することが望
ましい。更に、一部はデータから、又一部が専門技術者
から引き出される知識の組み合わせを可能とする知識ベ
ース・システムを提供することが望まれる。又、同じシ
ステムで異なった推論エンジンを使うことの出来る知識
ベース・システムを提供することが望まれる。

【００１２】

【課題を解決するための手段】本発明に基づき、知識を
小いさな相互連絡したモジューに分解する知識ベース・
システムにおける知識習得を行うシステム及び方法が提
供され、これによって、異なった種類の推論エンジンを
使用することが可能となる。又、このシステムと方法
は、小さいビットの知識の習得、及び、全システムの構
築を行う前にこれらの知識源のテストを直ちに行う。

【００１３】更に詳しく言うと、本発明の１つの実施態
様により、問題を個々のモジュール及び知識源に分解す
る知識組織化ユニット（knowledge-structuring unit
）を含む、１つの問題の解決に知識を適用する知識ベ
ース・システムが提供される。このモジュールが、問題
の一部への１つの知識源の適用と関連するインプット／
アウトプット関係（input/output relationships ）を
含む。このシステムは、又、テストケースと個々の知識
源の成分とを反復して学習する知識習得ユニットを含
む。知識成分がモジュールによって利用され、テストケ
ースを解く。知識相互連結手段（knowledge interconn
ection mean）が設けられ、シーケンスの中でモジュー
ルを相互連結し、モジュールの実施シーケンスと共にモ
ジュールの間のデータの流れを制御するために設けられ
る。テストケースは相互連結の前及びその後に個々のモ
ジュールによって作り出される解の正しさを評価するた
めに使用される。

【００１４】本発明の第２の実施態様により、知識を問
題の解に適用する方法が提供される。この方法は、問題
を複数の知識モジュールと知識源とに分解する手順を含
み、この場合、インプット／アウトプット関係を含み、
各モジュールが対応する知識源を持っている。この知識
源が、それぞれ、複数の知識成分を含んでいる。次に、
テストケース及び知識成分が反復して学習されて、モジ
ュールにインプットされ、モジュールにテストケースを
解かせる。次に、知識源を用いて、モジュールがテスト
ケースを正確に解いたか否かを決定することによって、
各モジュールと繋がる知識源が確認される。次に、個々
のモジュールが、モジュールの作動シーケンスと共にモ
ジュール間のデータの流れを制御する１つのシーケンス
の中で相互連結される。次に、確認手順が相互連結した
モジュールの上で再び行われる。

【００１５】

【実施例】本発明による知識習得システム１０が図１に
示されている。この知識習得システム１０は人間の専門
技術者又は歴史的データから、又はこの両方から記号化
した知識を引き出す。本発明による知識習得を行う第１
手順は、図１の知識組織化ユニット１２に示すごとく、
知識を組織化する仕事である。

【００１６】知識組織化が問題を個々のモジュール及び
知識源にブレーク・ダウンする。１つのモジュールは知
識源を特定のタスクに適用することに関するインプット
／アウトプット関係である。１つの知識源は符号化表現
の集まりである。例えば、知識源は次のものを含んでい
る。即ち、逆方向チェインイング（backward chainin
g）ルール、順方向チェーニング・ルール、エクザンプ
ラー・ケース（exemplarcases ）、クラス体系（class
hierarchies）、デシジョン・トリー（decision tree
s ）及びニューラル・ネットワーク（neural network
s）である。別の知識源及び使用される付随する推論エ
ンジンは、上述した“Matching Technique for Cont
ext Sensitive Rule Application ”と言う表題のク
ロス・リファレンスの特許出願に記載されている。ユニ
ット１２の中で知識の組織化を行っている間に、モジュ
ール及び知識源が同定された後、特定の述部（predicat
es）がインプット及びアウトプットと結び付けられる。
１つの例として、展開している知識ベース・システムが
航空交通管制のためのものであるとすると、個々のモジ
ュールは航空交通管制に関連した特定の任務を行う。例
えば、１つのモジュールは飛行機の滞空時間を計算し、
飛行機が直ちに着陸しなければならないかどうかを決定
する。他のモジュールは飛行機が何時着陸すべきかを制
御する。又、他のモジュールは飛行機が互いにどの位、
離れているべきかを決定する。これらのモジュールのう
ちの幾つかのアウトプットが他のモジュールにインプッ
トされる。例えば、飛行機の滞空時間を決定するモジュ
ールが、１機のガソリンが殆ど無くなったことを決定し
たとすると、そのアウトプットが、どの飛行機を次に着
陸させるかを決定するモジュールに送られる。従って、
このモジュールが既にある優先権を無視して、この飛行
機に着陸の最優先権を与える。

【００１７】本発明のこの試みは、モジュールのテスト
を個々に行うことが出来るので、知識ベース・システム
の組織化のタスクを非常に簡単化する。これにより、シ
ステムの欠陥を検出し、検出しやすい個々のモジュール
を修正することが出来る。これに対して、従来のシステ
ムにおいては、全システムの組織化が終わるまでテスト
を行うことが出来ないので、問題点を正確に指摘するこ
とが難しい。特に、ルールの数が１００を超えるような
場合、不満足なシステムのパーホーマンスの原因を発見
することは全く困難となる。本発明は、従来フィージブ
ルとされている知識ベースよりずっと大きな、例えば、
他の自動化技術の１００ルールに対し、数百のルールを
持つ知識ベースを組織化しこれを確認することが出来
る。又、本発明は知識ベースを従来より迅速に組織化す
ることが出来る。例えば、標準作業で、従来の１ルール
／日に対して約１５ルール／日である。その他の利点
は、問題をモジュラー分解（modular decomposition）
することによって、モジュールに別の推論エンジンを使
えるようにすることが出来る。従って、専門技術者（エ
キスパート）の知識を、各タイプの知識に対して最善の
方法で符号化することが出来る。又、一部が専門技術者
から、一部がデータから引き出された知識の組み合わせ
が可能となる。

【００１８】本発明の知識習得方法の次のステップは知
識集合１４である。知識を集めている間に、テストケー
ス及び知識成分の習得が行われる。テストケースとは、
任意の知識源をテストするために用いられる各モジュー
ルと組み合わされるケースのことである。本発明の好ま
しい１実施例においては、テストケース・ジェネレータ
１６が、各モジュールのためにこれらのテストケースを
作り出すために採用される。更に詳しく言うと、テスト
ケース・ジェネレータ１６はカルテシアン積（cartesia
n product）（直積集合）を採用し、その積で全てのテ
ストケースを作ることによって作動する。

【００１９】知識成分は、ルール、例、又は、特定のモ
ジュールで使用される知識源の型に適したもの、を含
む。知識成分のエントリーは図１に示すごとく、知識エ
ントリー・ユニット１８で起きる。知識集合の間に、最
初に１つのテストケースがテストケース・ジェネレータ
１６から習得される。次に、知識成分が知識エントリー
・ユニット１８から習得される。これにより、モジュー
ルが与えられた知識成分を用いテストケースを解くこと
が出来る。このテストケースが解けたなら、次のテスト
ケースを習得し、引き続き、付加的知識成分の習得を行
い、このテストケースが解かれる。規則的間隔（例えば
５〜１０テストケース毎）で、全てのテストケースをラ
ンし、習得した知識成分が矛盾しないようにする。

【００２０】多くの場合、テストケースと知識成分と
は、そのシステムがビルト・インされている分野の専門
技術者にその源を発しているが、問題を解く知識は、テ
ストケースと共に、その環境から来るようにすることが
出来る。即ち、環境自体がテストケースと知識とを作り
出すことが出来る。例えば、ポートホリオ・コンストラ
クション（portfolio construction）において、テスト
ケースを引き出すために歴史データを使用することが出
来る。

【００２１】１つのモジュールが部分的に完成したなら
ば、コンプリメンタリー（complimentary ）テストケー
スが他のモジュールのために習得される。１つのモジュ
ールが完了するのは、モジュールが全ての知識源を予定
したごとくに完成し、適宜の数のテストケースでテスト
し終えたときである。コンプリメンタリー・テストケー
スとは、インプットとして、接続されているモジュール
から１つのテストケースのアウトプットを貰うケースで
ある。

【００２２】知識ベース確認２０は個々の知識源、又
は、１つの知識源の中の個々の知識成分を確認するため
に習得したテストケースでモジュールをテストすること
から成り立っている。この予備的知識ベース確認は、
又、知識構築における問題をハイライトすることができ
る。

【００２３】モジュール相互連絡２２は、幾つかの知識
が集合され、幾つかのモジュール接続がテストされた後
に行われる。モジュール相互連絡は、一般的に、知識エ
ンジニヤがモジュール間の制御フローをコード化するこ
とによって行われる。このコードは一般的手続き言語で
書くことが出来る。制御フローのためのコードは、モジ
ュラー知識ベースを支持しないツールのための該当ルー
ルと比較して、典型的に短く又理解しやすいものであ
る。この処理コードがモジュール間にデータを流し、そ
のモジュールの実施をシーケンスする。このコードは、
又、データベースに又制御装置にアクセスするため、シ
ステム１０の外の別のソフトウェアにインターフェース
する。このモジュール相互連結コードは一連のライブラ
リ機能を用いて作られるもので、この機能は、１）ファ
クト（fact）データベース即ち実例述部（基礎用語）を
作り；２）１つのモジュール記載からモジュール例を作
り；又、３）インプットとしてファクト・データベース
を用いモジュール例を実施しアウトプットとしてファク
ト・データベースを作り出す。

【００２４】幾つかのモジュールが完成したならば、一
連のテストケースを介してステッピングすることにより
モジュールの接続性がテストされ、１）モジュール・イ
ンターフェースが適切に形成されていることと；２）各
モジュールのために習得されたテストケースに、それが
接続されるモジュールが適切に与えられていることとを
保証する。知識ベース確認２４として示されているこの
ステップは、全システムが作動し、且つ、モジュールを
シーケンスする手続きコードに基づいていることを確認
する。注意すべき点は、システム・ビルダーが知識成分
のための知識を習得するたびに、知識のエントリーが行
われることである。ソフトウェアによって、データ・エ
ントリー工程が人間の専門技術者に直覚的であるホーマ
ットで行われるようにするか、又は、（データ・ドリブ
ンの知識のための）大量なデータの操作が容易に行える
ようにすることが好ましい。例えば、使用するソフトウ
ェアは、それ自身のフォーマットでの知識エントリーを
支持するか（これは少量の知識に適する）、又は、大量
の知識のための外部ソース（例えばスプレッドシート）
からのエントリーを支持することが出来る。図１は、
又、本発明による知識習得方法を完成するのに要する概
略の時間を示している。即ち、一般的には１年を要する
１００〜３００のルールのシステムに対しては、本発明
の全工程は約３か月を要するのみである。この推定時間
は只１つの例として示しただけで、これが限界という意
味ではない。

【００２５】次に、図２に、本発明の好ましい１実施例
がパート設計の１例として示されている。この例におい
ては、設計工程が２つの別個のモジュールに分割されて
いる。「セレクト・パート」モジュール（Select part
module）２６と「スケール・パート」モジュール（sc
ale part module ）２８とである。従って、知識組織
化１２の間、仕事はこれら２つのモジュールに分割され
る。詳しく言うと、セレクト・パート・モジュールは、
どのストック（予め存在した）パートが新しい設計を作
るためにスケールされるべきかを決定する。「スケール
・パート」モジュール２８は、新しい設計条件にミート
するために、選択したパートのパラメータの変更の仕方
を決定する。セレクト・パート・モジュール２６のアウ
トプットがスケール・パート・モジュール２８のインプ
ットを構成する。この接続は図１のモジュール相互連絡
２２に該当する。この例においては、１人の専門技術者
と１人の知識エンジニヤとがいる。場合によっては、専
門技術者が知識エンジニヤとして重複しているほうが好
ましいであろう。次に記載する手順のいずれか１つ又は
全て繰り返すことが出来、一般的にそうされている。全
てのインプット、アウトプット及び推論メカニズム（例
えばルール）は、専門技術者が読んでこれを理解するこ
とが出来る形であるべきである。図２はこの例の１１の
基本的ステップを示している。各ステップがステップ番
号を付した矢印で示されている。

【００２６】１． 専門技術者が知識エンジニヤに１つ
の知識を連絡する。例えば、これは１つのルールである
かもしれない。

【００２７】２． 知識エンジニヤがソフトウェア・ツ
ールにこの知識を入れ、セレクト・パート・モジュール
の構築を開始する。図１においては、これが知識集合１
４及び知識エントリー・ユニット１８の部分を構成す
る。

【００２８】３． セレクト・パート・ユニット２６が
１つの問題（例えば専門技術者が出したテストケース）
の幾つかの部分を解き、専門技術者にフィードバックし
ようとする。この手順は図１では知識ベース確認ユニッ
ト２０に該当する。

【００２９】４． 専門技術者が知識を補正する。

【００３０】５． 知識エンジニヤがセレクト・パート
・ユニットの知識を補正する。

【００３１】６． 専門技術者がアウトプットの訂正さ
れたことを確認する。

【００３２】７． 専門技術者が知識エンジニヤにスケ
ール・パート・ユニット２８のための新しい幾つかの知
識を与える。これは図１の知識集合１４と知識エントリ
ー１８とを含む。

【００３３】８． 知識エンジニヤが知識を入れ（多
分、同じソフトウェア・ツールを使って）、スケール・
パート・モジュールの組織化を開始する。

【００３４】９． スケール・パート・ユニット２８が
問題の幾つかの部分を解き、専門技術者がその知識の正
しいことを確認する。これは図１の知識ベース確認２０
を構成する。

【００３５】１０． 専門技術者が、両モジュールをテ
ストするテストケースを入れる。これは図１のモジュー
ル相互接続の後の知識ベース確認２４に該当する。

【００３６】１１． 専門技術者がフィードバックを受
ける。

【００３７】以上のことから、本発明が、形式的プルー
フ手順を必要としない装備容易な知識ベース確認を用い
て比較的大きな知識の習得を行うことの出来る知識ベー
ス・システムの知識習得システムとその技術を提供する
ことが判る。更に、問題を個々のモジュールに分解する
ことによって、システムの操業の中の問題点をテストし
正確に指摘することが容易となる。本システムの作動は
比較的迅速で、分類問題によって限定されることがな
い。又、データから引き出された知識と専門技術者から
引き出された知識とを組み合わせることが出来ると共
に、同じシステムの中の別の推論エンジンと組み合わす
ことが出来る。例えば、順方向チェーニング・ルール、
逆方向チェーニング・ルール、ニューラル・ネットワー
ク等を使うことが出来る。当該技術者ならば、本発明を
使用して別の利点を手に入れることも、又、本明細書、
図面及び請求項を検討して、本発明の思想の範囲内で変
形を行うことも容易であろう。

【図面の簡単な説明】

【図１】図１は、本発明のシステムに基づく知識習得シ
ステムの成分を示すブロック図である。

【図２】図２は、本発明の好ましい１実施例の方法の手
順を示す図である。

【符号の説明】 １０…知識習得システム、１２…知識組織化ユニット、
１４…知識集合、１６…テストケース・ジェネレータ、
１８…知識エントリー・ユニット、２０…知識ベース確
認、２２…モジュール相互連結、２４…知識ベース確
認、２６…「セレクト・パート」モジュール、２８…
「スケール・パート」モジュール

───────────────────────────────────────────────────── フロントページの続き (72)発明者 トーマス・ブイ・キューダ アメリカ合衆国、カリフォルニア州 91606、ノース・ハリウッド、ウェルビ ィ・ウェイ 13132 (72)発明者 ネーダー・エベイド アメリカ合衆国、カリフォルニア州 91362、ウェストレイク・ビレッジ、ビ ア・コリナス 997 (72)発明者 セス・アール・ゴールドマン アメリカ合衆国、カリフォルニア州 90035、ロサンゼルス、ナンバー３、シェ ナンドー 859

Claims (19)

【特許請求の範囲】
1. 【請求項１】 問題の解決に知識を適用する知識ベース
   のシステムで、上記システムが：上記問題をモジュール
   と知識源とに分解するための知識組織化手段で、上記モ
   ジュールが、上記知識源の１つを上記問題の解決に含ま
   れる１つのタスクに適用することに関わるインプット／
   アウトプット関係を含む、ものと；特定の述部を上記イ
   ンプット／アウトプット関係と組み合わす手段と；テス
   トケースと知識成分とを上記知識源から反復習得するた
   めの知識集合手段で、上記知識成分が、上記テストケー
   スを解くために上記モジュールによって利用される、も
   のと；１つのシーケンスの中で上記モジュールを相互連
   結するためのモジュール相互連結手段で、モジュールと
   モジュールの励起のシーケンスとの間の情報の流れを制
   御するもので、この場合、上記テストケースが、全体と
   して相互結合されたモジュールによって出される解の正
   しさを確認すると共に、接続前の個々のモジュールによ
   って出される解の正しさを確認する、ものと；とを含
   む、知識ベースのシステム。
2. 【請求項２】 上記知識源が逆方向チェーニング・ルー
   ルを含む、請求項１記載のシステム。
3. 【請求項３】 上記知識源が標本ケースを含む、請求項
   １記載のシステム。
4. 【請求項４】 上記知識源がデシジョン・トリーを含
   む、請求項１記載のシステム。
5. 【請求項５】 上記知識源がニューラル・ネットワーク
   を含む、請求項１記載のシステム。
6. 【請求項６】 上記知識源が順方向チェーニング・ルー
   ルを含む、請求項１記載のシステム。
7. 【請求項７】 更に、上記テストケースを一定間隔で上
   記モジュールに与える手段を含み、この場合、上記モジ
   ュールが上記テストケースを周期的に解き、習得した知
   識成分が相矛盾しないようにする、請求項１記載のシス
   テム。
8. 【請求項８】 上記知識集合手段が、更に、上記モジュ
   ールにテストケースのシーケンスを行わせることによっ
   て、上記モジュールの接続性をテストする手段を含む、
   請求項７記載のシステム。
9. 【請求項９】 上記知識源が専門技術者から出た知識
   と、データ源から出た知識とを含む、請求項１記載のシ
   ステム。
10. 【請求項１０】 更に、上記テストケースを自動的に作
    り出す手段を含む、請求項１記載のシステム。
11. 【請求項１１】 問題の解決に知識を適用する方法で、
    上記方法が：上記問題を複数のモジュールと知識源とに
    分解し、この場合、各モジュールがインプット／アウト
    プット関係を含み、各モジュールが関連する知識源を持
    ち、上記知識源が、それぞれ、複数の知識成分を含む；
    テストケースと知識成分とを反復習得し、上記テストケ
    ースを上記モジュールにインプットし、これにより上記
    モジュールがテストケースを解く；上記モジュールが上
    記知識源を使って上記テストケースを解くことが出来る
    か否かを決定することにより、各モジュールと関連する
    上記知識を確認し；モジュールとそのモジュールの実施
    シーケンスとの間の情報の流れを制御するシーケンスの
    中で上記モジュールを相互連結し；相互連結されたモジ
    ュールの確認手順を繰り返す、以上の手順を含む、問題
    の解決に知識を適用する方法。
12. 【請求項１２】 更に、上記確認手順で使用する上記テ
    ストケースを作り出す手順を含む、請求項１１記載の方
    法。
13. 【請求項１３】 上記モジュールの少なくとも１つと結
    び付く１つの知識源が逆方向チェインイング、ルールを
    含む、請求項１１記載の方法。
14. 【請求項１４】 上記モジュールの少なくとも１つと結
    び付く１つの知識源が１つの標本ケースを含む、請求項
    １１記載の方法。
15. 【請求項１５】 上記モジュールの少なくとも１つと結
    び付く１つの知識源がデシジョン・トリーを含む、請求
    項１１記載の方法。
16. 【請求項１６】 上記モジュールの少なくとも１つと結
    び付く１つの知識源が１つのニューラル・ネットワーク
    を含む、請求項１記載の方法。
17. 【請求項１７】 上記モジュールの少なくとも１つと結
    び付く１つの知識源がホォワード・チェインイング、ル
    ールを含む、請求項１１記載の方法。
18. 【請求項１８】 上記知識源がデータ源と、専門技術者
    との両方から出た知識を含む、請求項１０記載の方法。
19. 【請求項１９】 問題の解決に知識を適用する知識ベー
    スのシステムで、上記システムが：上記問題をモジュー
    ルと知識源とに分解するための知識組織化手段で、上記
    モジュールが、上記知識源の１つを上記問題の解決に含
    まれる１つのタスクに適用することに関わるインプット
    ／アウトプット関係を含む、ものと；特定の述部を上記
    インプット／アウトプット関係と組み合わす手段と；テ
    ストケースと知識成分とを上記知識源から反復習得する
    ための知識集合手段で、上記知識成分が、上記テストケ
    ースを解くために上記モジュールによって利用される、
    ものと；１つのシーケンスの中で上記モジュールを相互
    連結するためのモジュール相互連結手段で、モジュール
    とモジュールの励起のシーケンスとの間の情報の流れを
    制御するもので、この場合、上記テストケースが、全体
    として相互結合されたモジュールによって出される解の
    正しさを確認すると共に、接続前の個々のモジュールに
    よって出される解の正しさを確認する、ものと；上記テ
    ストケースを上記モジュールに与える手段で、この場
    合、上記モジュールが上記テストケースを周期的に解
    き、習得した知識成分が互いに矛盾しないようにする、
    ものと；テストケースを自動的に作り出す手段と；とを
    含む、知識ベースのシステム。