Глава 5 экспертные системы


Содержание

2.5. Особенности экспертных систем

Особенности экспертных систем, отличающие их от обычных программ, заключаются в том, что они должны обладать следующими качествами.

1. Компетентностью, а именно:

достигать экспертного уровня решений, т.е. в конкретной предметной области иметь тот же уровень профессионализма, что и эксперты-люди;

быть умелой, т.е. применять знания эффективно и быстро, избегая, как и люди, ненужных вычислений;

иметь адекватную робастность, т.е. способность лишь постепенно снижать качество работы по мере приближения к границам диапазона компетентности или допустимой надёжности данных.

2. Возможностью к символьным рассуждениям, а именно:

представлять знания в символьном виде;

переформулировать символьные знания. На языке искусственного интеллекта символ – это строка знаков, соответствующая содержанию некоторого понятия. Символы объединяют, чтобы выразить отношения между ними. Когда отношения представлены в экспертной системе они называются символьными структурами.

3. Глубиной, а именно:

работать в предметной области, содержащей трудные задачи;

использовать сложные правила, т.е. использовать либо сложные конструкции правил, либо большое их количество.

4. Самосознанием, а именно:

исследовать свои рассуждения, т.е. проверять их правильность;

объяснять свои действия.

Существует ещё одна важная особенность экспертных систем. Если обычные программы разрабатываются так, чтобы каждый раз порождать правильный результат, то экспертные системы разработаны с тем, чтобы вести себя как эксперты. Они, как правило, дают правильные ответы, но иногда, как и люди, способны ошибаться.

2.6 Области применения экспертных систем

Области применения систем, основанных на знаниях, могут быть сгруппированы в несколько основных классов: медицинская диагностика, контроль и управление, диагностика неисправностей в механических и электрических устройствах, обучение.

а) Медицинская диагностика.

Диагностические системы используются для установления связи между нарушениями деятельности организма и их возможными причинами. Наиболее известна диагностическая система MYCIN, которая предназначена для диагностики и наблюдения за состоянием больного при менингите и бактериальных инфекциях. Ее первая версия была разработана в Стенфордском университете в середине 70-х годов. В настоящее время эта система ставит диагноз на уровне врача-специалиста. Она имеет расширенную базу знаний, благодаря чему может применяться и в других областях медицины. б) Прогнозирование.

Прогнозирующие системы предсказывают возможные результаты или события на основе данных о текущем состоянии объекта. Программная система “Завоевание Уолл-стрита” может проанализировать конъюнктуру рынка и с помощью статистических методов алгоритмов разработать для вас план капиталовложений на перспективу. Она не относится к числу систем, основанных на знаниях, поскольку использует процедуры и алгоритмы традиционного программирования. Хотя пока еще отсутствуют ЭС, которые способны за счет своей информации о конъюнктуре рынка помочь вам увеличить капитал, прогнозирующие системы уже сегодня могут предсказывать погоду, урожайность и поток пассажиров. Даже на персональном компьютере, установив простую систему, основанную на знаниях, вы можете получить местный прогноз погоды. в) Планирование.

Планирующие системы предназначены для достижения конкретных целей при решении задач с большим числом переменных. Дамасская фирма Informat впервые в торговой практике предоставляет в распоряжении покупателей 13 рабочих станций, установленных в холле своего офиса, на которых проводятся бесплатные 15-минутные консультации с целью помочь покупателям выбрать компьютер, в наибольшей степени отвечающий их потребностям и бюджету. Кроме того, компания Boeing применяет ЭС для проектирования космических станций, а также для выявления причин отказов самолетных двигателей и ремонта вертолетов. Экспертная система XCON, созданная фирмой DEC, служит для определения или изменения конфигурации компьютерных систем типа VAX и в соответствии с требованиями покупателя. Фирма DEC разрабатывает более мощную систему XSEL, включающую базу знаний системы XCON, с целью оказания помощи покупателям при выборе вычислительных систем с нужной конфигурацией. В отличие от XCON система XSEL является интерактивной. г) Интерпретация.

Интерпретирующие системы обладают способностью получать определенные заключения на основе результатов наблюдения. Система PROSPECTOR, одна из наиболее известных систем интерпретирующего типа, объединяет знания девяти экспертов. Используя сочетания девяти методов экспертизы, системе удалось обнаружить залежи руды стоимостью в миллион долларов, причем наличие этих залежей не предполагал ни один из девяти экспертов. Другая интерпретирующая система- HASP/SIAP. Она определяет местоположение и типы судов в тихом океане по данным акустических систем слежения. д) Контроль и управление.

Системы, основанные на знаниях, могут применятся в качестве интеллектуальных систем контроля и принимать решения, анализируя данные, поступающие от нескольких источников. Такие системы уже работают на атомных электростанциях, управляют воздушным движением и осуществляют медицинский контроль. Они могут быть также полезны при регулировании финансовой деятельности предприятия и оказывать помощь при выработке решений в критических ситуациях. е) Диагностика неисправностей в механических и электрических устройствах.

В этой сфере системы, основанные на знаниях, незаменимы как при ремонте механических и электрических машин (автомобилей,дизельных локомотивов и т.д.), так и при устранении неисправностей и ошибок в аппаратном и программном обеспечении компьютеров. ж) Обучение.

Системы, основанные на знаниях, могут входить составной частью в компьютерные системы обучения. Система получает информацию о деятельности некоторого объекта (например, студента) и анализирует его поведение. База знаний изменяется в соответствии с поведением объекта. Примером этого обучения может служить компьютерная игра, сложность которой увеличивается по мере возрастания степени квалификации играющего. Одной из наиболее интересных обучающих ЭС является разработанная Д.Ленатом система EURISCO, которая использует простые эвристики. Эта система была опробована в игре Т.Тревевеллера, имитирующая боевые действия. Суть игры состоит в том, чтобы определить состав флотилии, способной нанести поражение в условиях неизменяемого множества правил. Система EURISCO включила в состав флотилии небольшие, способные провести быструю атаку корабли и одно очень маленькое скоростное судно и постоянно выигрывала в течение трех лет, несмотря на то, что в стремлении воспрепятствовать этому правила игры меняли каждый год.

Большинство ЭС включают знания, по содержанию которых их можно отнести одновременно к нескольким типам. Например, обучающая система может также обладать знаниями, позволяющими выполнять диагностику и планирование. Она определяет способности обучаемого по основным направлениям курса, а затем с учетом полученных данных составляет учебный план. Управляющая система может применяться для целей контроля, диагностики, прогнозирования и планирования. Система, обеспечивающая сохранность жилища, может следить за окружающей обстановкой, распознавать происходящие события (например, открылось окно), выдавать прогноз (вор-взломщик намеревается проникнуть в дом) и составлять план действий (вызвать полицию). З) Экспертные системы в Логистике

Под экспертными системами в логистике понимают специальные компьютерные программы, помогающие специалистам принимать решения, связанные с управлением материальными потоками. Экспертная система может аккумулировать знания и опыт нескольких специалистов-экспертов, работающих в разных областях. Труд высококвалифицированных экспертов стоит дорого, однако, как правило, требуется не повседневно. Возможность получить совет экспертов по разным вопросам посредством обращения к компьютеру позволяет квалифицированно решать сложные задачи, повышает производительность труда персонала и в то же время не требует затрат на содержание штата высокооплачиваемых специалистов.

Применение экспертных систем позволяет:

— принимать быстрые и качественные решения в области управления материальными потоками;

— готовить опытных специалистов за относительно более короткий промежуток времени;

Обращение с экспертными программами за короткий промежуток времени формирует опытного специалиста. В то же время, задача повышения обучающих возможностей экспертных систем является сегодня актуальной, так как большинство программ не объясняют пользователю причины рекомендуемых решений.

— сохранять «ноу — хау» компании, так как персонал, пользующийся системой, не может вынести за пределы компании опыт и знания, содержащиеся в экспертной системе;

— использовать опыт и знания высококвалифицированных специалистов на непрестижных, опасных, скучных и тому подобных рабочих местах.

К недостаткам экспертных систем следует отнести ограниченную возможность использования «здравого смысла». Логистические процессы включают множество операций с разнообразными грузами. Учесть все особенности в экспертной программе невозможно. Поэтому, чтобы не поставить коробку весом в сто килограммов на коробку весом в пять килограммов здравым смыслом, дополняющим знания экспертной системы, должен обладать пользователь.

Экспертные системы применяются на различных стадиях логистического процесса, облегчая решение проблем, требующих значительного опыта и затрат времени. Например, на складе, при принятии решения о пополнении запасов, когда менеджеру необходимо оценить большой объем разнообразной информации: ожидаемые цены в разрезе закупаемых товаров, тарифы на доставку, необходимость одновременного пополнения запасов по разным позициям ассортимента ит.д.

Использование здесь экспертных систем позволяет принимать не только правильные, но и быстрые решения, что зачастую не менее важно.

В качестве примера использования экспертных систем в складском хозяйстве приведем систему Inventory Management Assistant, IMA («помощник в складском менеджменте»), разработанную для логистического отдела Военно-воздушных сил США. Отдел обслуживает свыше 19000 самолетов по всему миру.

Складская система отдела содержит 916000 наименований запасных частей для самолетов. Цель создания IMA — помощь персоналу складов при решении задач, связанных с управлением запасами. Использование названной экспертной системы позволило на 8-10% повысить эффективность решения обычных проблем. Эффективность решения вопросов в сложных ситуациях возросла на 15 — 18%. Наиболее известные ЭС, разработанные в 60-70-х годах, стали в своих областях уже классическими. По происхождению, предметным областям и по преемственности применяемых идей, методов и инструментальных программных средств их можно разделить на несколько семейств. 1. META — DENDRAL.Система DENDRAL позволяет определить наиболее вероятную структуру химического соединения по экспериментальным данным (масс- спектрографии, данным ядерном магнитного резонанса и др.).M-D автоматизирует процесс приобретения знаний дляDENDRAL. Она генерирует правила построения фрагментов химических структур. 2. MYCIN-EMYCIN-TEIREIAS-PUFF-NEOMYCIN. Это семейство медицинских ЭС и сервисных программных средств для их построения. 3. PROSPECTOR KAS PROSPECTOR- предназначена для поиска (предсказания) месторождений на основе геологических анализов. KAS- система приобретения знаний для PROSPECTOR. 4. CASNET

EXPERT. Система CASNET- медицинская ЭС для диагностики выдачи рекомендаций по лечению глазных заболеваний. На ее основе разработан язык инженерии знаний EXPERT, с помощью которой создан ряд других медицинских диагностических систем.

HEARSAY — HEARSAY -2- HEARSAY -3- AGE.

Первые две системы этого ряда являются развитием интеллектуальной системы распознавания слитной человеческой речи, слова которой берутся из заданного словаря. Эти системы отличаются оригинальной структурой, основанной на использовании доски объявлений- глобальной базы данных, содержащей текущие результаты работы системы. В дальнейшем на основе этих систем были созданы инструментальные системы HEARSAY-3 и AGE (Attempt to Generalize- попытка общения) для построения ЭС.

Системы AM (Artifical Mathematician- искусственный математик) и EURISCO были разработаны в Станфордском университете доктором Д. Ленатом для исследовательских и учебных целей. Ленат считает, что эффективность любой ЭС определяется закладываемыми в нее знаниями. По его мнению, чтобы система была способна к обучению, в нее должно быть введено около миллиона сведений общего характера. Это примерно соответствует объему информации, каким располагает четырехлетний ребенок со средними способностями. Ленат также считает, что путь создания узкоспециализированных ЭС с уменьшенным объемом знаний ведет к тупику.

Методология разработки экспертных систем

Разработка (проектирование) ЭС существенно отличается от разработки обычного программного продукта. Опыт разработки ран­них ЭС показал, что использование при их разработке методологии, принятой в традиционном программировании, либо чрезмерно затя­гивает процесс создания ЭС, либо вообще приводит к отрицательно­му результату. Дело в том, что неформализованность задач, решае­мых ЭС, отсутствие завершенной теории ЭС и методологии их раз­работки приводят к необходимости модифицировать принципы и способы построения ЭС в ходе процесса разработки по мере того, как увеличивается знание разработчиков о проблемной области.

Перед тем как приступить к разработке ЭС, инженер по знаниям должен рассмотреть вопрос, следует ли разрабатывать ЭС для данного приложения. В обобщенном виде ответ может быть таким: использо­вать ЭС следует в том случае, когда разработка ЭС возможна, оправда­на и методы инженерии знаний соответствуют решаемой задаче.

Чтобы разработка ЭС была возможной (для данного приложе­ния), необходимо одновременное выполнение по крайней мере сле­дующих требований:

существуют эксперты в данной области, которые решают задачу значительно лучше, чем начинающие специалисты;

эксперты должны сходиться в оценке предлагаемого решения, иначе нельзя будет оценить качество разработанной ЭС;

эксперты должны уметь выразить на естественном языке и объ­яснить используемые ими методы;

задача, возложенная на ЭС, требует только рассуждений, а не действий;

задача не должна быть слишком трудной, ее решение должно занимать у эксперта несколько часов, а не дней или недель;

задача, хотя и не должна быть выражена в формальном виде, но все же должна относиться к достаточно «понятной» и структуриро­ванной области, т.е. должны быть выделены основные понятия, от­ношения и известные (хотя бы эксперту) способы получения ре­шения задачи;

решение задачи не должно в значительной степени использо­вать «здравый смысл».

Использование ЭС в данном приложении может быть возможно, но не оправдано. Применение ЭС может быть оправдано одним из следующих факторов:

решение задачи принесет определенный эффект;

использование человека-эксперта невозможно либо из-за недо­статочного количества экспертов, либо из-за необходимости выпол­нять экспертизу одновременно в различных местах;

при передаче информации к эксперту происходит недопустимая потеря времени или информации;

при необходимости решать задачу в окружении, враждебном для человека.

Приложение соответствует методам ЭС, если решаемая задача обладает совокупностью следующих характеристик:

может быть естественным образом решена посредством символь­ных рассуждений, а не числовой обработки;

должна иметь эвристическую природу, т.е. ее решение должно сводиться к применению эвристических правил;

должна быть достаточно сложной, чтобы оправдать затраты на разработку ЭС, однако не должна быть чрезмерно сложной (реше­ние занимает у эксперта часы, а не недели), чтобы ЭС могла ее ре­шить;

должна быть достаточно узкой, чтобы решаться методами инже­нерии знаний, и практически значимой.

При разработке ЭС используется концепция «быстрого прото­типа». Суть ее состоит в том, что разработчики не пытаются сразу создать конечный продукт. На начальном этапе они создают прото­тип (прототипы) ЭС, который должен удовлетворять двум противоречивым требованиям: с одной стороны, решать типичные задачи конкретного приложения, а с другой — время и трудоемкость его разработки должны быть весьма незначительны, чтобы можно было максимально совместить процесс накопления и отладки знаний (осу­ществляемый экспертом) с процессом выбора (разработки) про­граммных средств (осуществляемым инженером по знаниям и про­граммистом). Для удовлетворения указанных требований при созда­нии прототипа, как правило, используются разнообразные средства, ускоряющие процесс проектирования.

Прототип должен продемонстрировать пригодность методов инженерии знаний для данного приложения. В случае успеха экс­перт с помощью инженера по знаниям расширяет знания прототипа о проблемной области. При неудаче может потребоваться разработка нового прототипа или разработчики могут прийти к выводу о непри­годности методов инженерии знаний для данного приложения. По мере увеличения знаний прототип может достичь такого состояния, когда он успешно решает все задачи данного приложения. Преобра­зование прототипа ЭС в конечный продукт обычно приводит к пере­программированию ЭС на языках низкого уровня, обеспечивающих как повышение быстродействия ЭС, так и уменьшение требуемой памяти. Трудоемкость и время создания ЭС в значительной степени зависят от типа используемых ИС.

В ходе работ по созданию ЭС сложилась определенная техноло­гия их разработки, включающая шесть этапов: идентификация, кон­цептуализация, формализация, выполнение, тестирование, опытная эксплуатация.

На этапе идентификации определяются задачи, подлежащие ре­шению, выявляются цели разработки, ресурсы, эксперты и катего­рии пользователей.

На этапе концептуализации проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаи­мосвязи, определяются методы решения задач.

На этапе формализации определяются способы представления всех видов знаний, формализуются основные понятия, определяют­ся способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решения, средств представления и манипулирования знани­ями.

На этапе выполнения осуществляется наполнение экспертом базы знаний системы. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний, обеспечиваю­щую эффективную работу системы, и представление знаний в виде, понятном ЭС. Эвристический характер знаний приводит к тому, что процесс их приобретения является весьма трудоемким. На данном этапе создаются один или несколько прототипов ЭС, решающих требуемые задачи. Затем по результатам этапов тестирования и опыт­ной эксплуатации создается конечный продукт, пригодный для про­мышленного использования. Разработка прототипа состоит в про­граммировании его компонентов или выборе их из имеющихся ИС и наполнении БЗн.

На этапе тестирования эксперт (и инженер по знаниям) в инте­рактивном режиме, используя диалоговые и объяснительные средст­ва, проверяет компетентность ЭС. Процесс тестирования продолжа­ется до тех пор, пока эксперт не решит, что система достигла требу­емого уровня компетентности.

На этапе опытной эксплуатации проверяется пригодность ЭС для конечных пользователей. По результатам этого этапа может по­требоваться существенная модификация ЭС. .

Процесс создания ЭС не сводится к строгой последовательности перечисленных выше этапов. В ходе разработки приходится неодно­кратно возвращаться на более ранние этапы и пересматривать при­нятые решения.

Критерии, с помощью которых оценивается ЭС, зависят от того, с чьей точки зрения дается оценка. Например, при тестировании первого прототипа оценка осуществляется с точки зрения эксперта, для которого важна полнота и безошибочность правил вывода. При тестировании промышленной системы оценка производится в ос­новном с точки зрения инженера по знаниям, которого интересует эффективность работы ЭС. При тестировании ЭС после опытной эксплуатации оценка осуществляется с точки зрения пользователя, заинтересованного, в первую очередь, в удобстве работы и получе­нии практической пользы.

В ходе создания ЭС почти постоянно осуществляется ее моди­фикация. Можно выделить следующие виды модификации системы:

переформулирование понятий и требований;

Усовершенствование прототипа осуществляется в процессе циклического прохождения через этапы выполнения и тестирова­ния для отладки правил и процедур вывода. Циклы повторяются до тех пор, пока система не будет вести себя ожидаемым образом. Изменения, осуществляемые при усовершенствовании, зависят от выбранного способа представления и класса задач, решаемых ЭС. Если в процессе усовершенствования желаемое поведение не достигается, необходимы более серьезные модификации архитекту­ры системы и БЗн.

Возврат от этапа тестирования на этап формализации приводит к пересмотру выбранного ранее способа представления знаний. Дан­ный цикл называют переконструированием.

Если возникшие проблемы еще более серьезны, то после неуда­чи на этапе тестирования может потребоваться возврат на этапы концептуализации и идентификации. В этом случае речь будет идти о переформулировании понятий, используемых в системе, — о проектировании всей системы практически заново.

Мощность ЭС как систем, основанных на знании, зависит в первую очередь от качества и количества знаний, хранимых в них. Поэтому ясно, что процесс приобретения знаний для ЭС наиболее

Не нашли то, что искали? Воспользуйтесь поиском:

Лучшие изречения: Только сон приблежает студента к концу лекции. А чужой храп его отдаляет. 8808 — | 7523 — или читать все.

188.64.174.135 © studopedia.ru Не является автором материалов, которые размещены. Но предоставляет возможность бесплатного использования. Есть нарушение авторского права? Напишите нам | Обратная связь.

Отключите adBlock!
и обновите страницу (F5)

очень нужно

Экспертные системы. Принципы разработки и программирование

Экспертные системы. Принципы разработки и программирование

Описание:

Теоретический материал в книге «Экспертные системы: принципы разработки и программирование» изложен на уровне, доступном для восприятия студентов старших курсов и аспирантов, интересующихся экспертными системами, которые специализируются в области компьютерных наук, информационных управленческих систем, в программотехнике и других областях.

Книга «Экспертные системы: принципы разработки и программирование» может оказаться полезной для широкого круга читателей, желающих применить экспертные системы в своей работе.

Введение
Глава 1. Введение в экспертные системы
Глава 2. Представление знаний
Глава 3. Методы логического вывода
Глава 4. Рассуждения в условиях неопределенности
Глава 5. Нестрогие рассуждения
Глава 6. Проектирование экспертных систем
Глава 7. Введение в CLIPS
Глава 8. Развитые средства сопоставления с шаблонами
Глава 9. Модульное проектирование, управление выполнением и эффективность правил
Глава 10. Процедурное программирование
Глава 11. Классы, экземпляры и обработчики сообщений
Глава 12. Примеры проектов экспертных систем
Приложение А. Некоторые широко применяемые эквивалентности
Приложение Б. Некоторые элементарные кванторы и их значение
Приложение В. Некоторые свойства множеств
Приложение Г. Информация о поддержке CLIPS
Приложение Д. Общие сведения о командах и функциях CLIPS
Приложение Е. Определение языка в нормальной форме Бэкуса–Наура
Приложение Ж. Программные ресурсы
Приложение З. Литература
Предметный указатель


Экспертная система. Классификация. Обзор существующих экспертных систем

Рубрика: Информационные технологии

Дата публикации: 21.10.2020 2020-10-21

Статья просмотрена: 6374 раза

Библиографическое описание:

Дошина А. Д. Экспертная система. Классификация. Обзор существующих экспертных систем // Молодой ученый. — 2020. — №21. — С. 756-758. — URL https://moluch.ru/archive/125/34485/ (дата обращения: 12.11.2020).

Keywords: expert system, structure expert system, classification of expert systems.

Экспертная система (ЭС, англ.expert system) — компьютерная система, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. Современные экспертные системы взяли свое начало в 1970-х годах с трудов исследователей искусственного интеллекта, а в 1980-х получили коммерческое подкрепление. Первые подобия экспертных систем были предложены в 1832 году С. Н. Корсаковым, создавшим механические устройства, так называемые «интеллектуальные машины», позволявшие отыскать решения по некоторым условиям. Примером такой системы является система, позволяющая подбирать необходимые медицинские препараты по симптомам заболевания пациента.

В сфере информационных технологий экспертные системы рассматриваются в совокупности с базами знаний как модели поведения экспертов в определенной области знаний с использованием процедур логического вывода и принятия решений, а базы знаний — как совокупность фактов и правил логического вывода в выбранной предметной области деятельности.

Подобные задачи выполняет программный продукт, называемый «Мастер» (англ. Wizard). Мастера применяются в прикладных и системных программах для упрощения интерактивного общения с пользователем. Основным отличием данных программ — это отсутствие базы знаний — все действия запрограммированы.

Другие подобные программы — поисковые или справочные (энциклопедические) системы. Они предоставляют релевантные, т. е. подходящие запросу пользователя, разделы базы статей.

В настоящее время «классическая» концепция экспертных систем 70–80 годов переживает серьезный кризис, связанный с её сильной ориентацией на текстовый человеко-машинный интерфейс, почти полностью вытесненный графическим интерфейсом (GUI). Помимо этого, «классическая» концепция экспертных систем плохо согласуется с реляционной моделью данных, что создает сложности в работе с современными промышленными системами управления базами данных (СУБД). Время от времени энтузиастами предпринимаются попытки объединить «классический» и современный подход к построению пользовательского интерфейса, но они не находят поддержки среди крупных компаний-производителей.

Структура ЭС

В состав ЭС входят следующие элементы:

‒ Интеллектуальный редактор базы знаний

‒ Инженер по знаниям

‒ Рабочая (оперативная) память

‒ Решатель (механизм вывода)

База знаний содержит в себе правила анализа информации по проблеме, полученной от пользователя. ЭС анализирует эту информацию и дает рекомендации по разрешению конкретной проблемы.

База знаний состоит из двух составляющих:

 факты — статические сведения о предметной области;

 правила — набор инструкций, который позволяет выводить новые факты, исходя из уже известных.

В рамках логической модели базы знаний формируются на языке Пролог с помощью предикатов для описания фактов и правил логического вывода.

Обычно факты в базе знаний описывают те явления, которые являются постоянными для данной предметной области. Данные, зависящие от условий конкретной задачи, ЭС получает от пользователя в процессе работы и сохраняет в рабочей памяти.

База знаний ЭС создается при помощи трех групп людей:

  1. эксперты той проблемной области, к которой относятся задачи, решаемые ЭС;
  2. инженеры по знаниям, являющиеся специалистами по разработке ИИС;
  3. программисты, осуществляющие реализацию ЭС.

Режимы функционирования

ЭС может функционировать в 2-х режимах:

  1. Режим ввода знаний — эксперт с помощью инженера по знаниям вводит сведения о предметной области посредством редактора базы знаний.
  2. Режим консультации — пользователь ведет диалог с ЭС, сообщая ей о текущей задаче, и получает рекомендации.

Классификация ЭС

По решаемой задаче:

По связи среальным временем:

 Статические — решающие задачи в условиях, не изменяющихся во времени исходных данных и знаний.

 Квазидинамические — интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.

 Динамические — решающие задачи в условиях изменяющихся во времени исходных данных и знаний.

Этапы разработки ЭС

‒ Этап идентификации проблем — определяются задачи, которые подлежат решению, выявляются цели разработки, определяются эксперты и типы пользователей.

‒ Этап извлечения знаний — проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.

‒ Этап структурирования знаний — выбираются ИС и определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решений, средств представления и манипулирования знаниями.

‒ Этап формализации — осуществляется наполнение экспертом базы знаний. В связи с тем, что основой ЭС являются знания, данный этап является наиболее важным и наиболее трудоемким этапом разработки ЭС. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, понятном ЭС. Процесс приобретения знаний осуществляется инженером по знаниям на основе анализа деятельности эксперта по решению реальных задач.

‒ Реализация ЭС — создается один или несколько прототипов ЭС, решающие требуемые задачи.

‒ Этап тестирования — производится оценка выбранного способа представления знаний в ЭС в целом.

Наиболее известные ЭС

CLIPS — весьма популярная оболочка для построения ЭС. CLIPS является продукционной системой. Реализация вывода использует алгоритм Rete. CLIPS является одной из наиболее широко используемых инструментальных сред для разработки экспертных систем благодаря своей скорости, эффективности и бесплатности.CLIPS разработан для применения в качестве языка прямогологического вывода(forward chaining) и в своей оригинальной версии не поддерживает обратного вывода (backward chaining). Как и другие экспертные системы, CLIPS имеет дело с правилами и фактами.

OpenCyc — мощная динамическая ЭС с глобальной онтологической моделью и поддержкой независимых контекстов. OpenCyc является сокращенным открытый вариантомбазы знаний Cyc. В БД OpenCyc содержится 47000 понятий и 300000 фактов.

WolframAlpha — база знаний и набор вычислительных алгоритмов, интеллектуальный «вычислительный движок знаний». Wolfram Alpha вычисляет ответы на большое количество разнообразных вопросов. Для подбора ответов механизм использует встроенные модели из разных областей знаний, заполненные данными и алгоритмами, которые и представляют собой реальные познания.

MYCIN — наиболее известная диагностическая система, которая предназначена для диагностики и наблюдения за состоянием больного при менингите и бактериальных инфекциях. Также Mycin использовалась для диагностики заболеваний свертываемости крови. MYCIN оперировала с помощью довольно простоймашины вывода, и базы знаний из

HASP/SIAP — интерпретирующая система, которая определяет местоположение и типы судов в Тихом океане по данным акустических систем слежения. Данные имеют вид сонограмм, являющихся аналоговыми записями спектров принятой датчиками звуковой энергии. Для их интерпретации система применяет знания о характерных особенностях сонограмм различных типов кораблей.

Акинатор — интернет-игра. Игрок должен загадать любого персонажа, а Акинатор должен его отгадать, задавая вопросы. База знаний автоматически пополняется, поэтому программа может отгадать практически любого известного персонажа. На каждом вопросе Акинатор пытается выбрать такой вопрос, который отсеет наибольшее количество вариантов. Каждый раз после вашего ответа у Акинатора «в голове» остаётся список персонажей, которые соответствуют вашим ответам.

IBMWatson — суперкомпьютер фирмы IBM, способный понимать вопросы, сформулированные на естественном языке, и находить на них ответы в базе данных. В первую очередь Watson стали учить медицине, а конкретно, онкологии. Архитектура Watson такова, что позволяет осуществлять параллельные и распределенные вычисления, т. е. сразу работать с множеством задач в параллельном режиме. Watson способен работать с супербольшими данными, т. е. структурированной и неструктурированной информацией.

Вывод

В настоящее время экспертные системы используются во многих областях нашей жизни: банковское дело, бухгалтерский учет, медицинские обследования и т. д. Но использование экспертных систем неоднозначно. Наряду с тем, что они облегчают работу, при неумелом и не спланированном использовании экспертные системы могут только усложнить ситуацию. Это обусловлено тем, что универсальная экспертная система, не включающая в себя спецификации определенных компаний, не может дать гарантированно правильный ответ.

Несмотря на некоторые недостатки, за экспертными системами будущее. Постоянное совершенствование подобных систем неизбежно приведет к активному их использованию во всех сферах человеческой жизни. Конечно, компьютер не сможет полностью заменить человека, потому что только человек способен находить творческие, нестандартные решения, но сможет сильно облегчить работу эксперта.

  1. Сложносистемное мышление: Материя, разум, человечество. Майнцер, Клаус. Серия:Синергетика: от прошлого к будущему
  2. 2009 г.; Изд-во: М.: Книжный дом «Либроком»
  3. Интеллектуальные системы управления организационно-техническими системами. Антамошин, А.Н.; Близнова, О.В.; Большаков, А.А. и др. 2020 г.; Изд-во: М.: Горячая линия — Телеком.
  4. Принятие решений. Интегрированные интеллектуальные системы. Арсеньев, Ю.Н.; Шелобаев, С.И.; Давыдова, Т.Ю. 2003 г.; Изд-во: М.: Юнити-Дана
  5. Искусственный интеллект. Стратегии и методы решения сложных проблем. Люгер, Джордж Ф. 2003 г.; Изд-во: М.: Вильямс.
  6. Масленникова, О.Е.; Попова, И. В. Основы искусственного интеллекта. 2008 г.; Изд-во: Магнитогорск: Магнитогорский государственный университет

Представления знаний в интеллектуальных системах, экспертные системы

Введение

Экспертная система (далее по тексту — ЭС) — это информационная система, назначение которой частично или полностью заменить эксперта в той или иной предметной области. Подобные интеллектуальные системы эффективно применяются в таких областях, как логистика, управление воздушными полетами, управление театром военных действий. Основною направленной деятельностью предсказание, прогнозирование в рамках определенного аспекта в предметной области.

Экскурс в историю экспертных систем

История экспертных систем берет свое начало в 1965 году. Брюс Бучанан и Эдвард Фейгенбаум начали работу над созданием информационной системы для определения структуры химических соединений.

Результатом работы была система под названием Dendral. В основе системы формировалась последовательность правил подобных к «IF – THEN». Информационная система не перестала развиваться и получила множество наследников, таких как ONCOIN – информационная система для диагностики раковых заболеваний, MYCIN – информационная система для диагностики легочных инфекционных заболеваний.

Следующим этапом стали 70-е годы. Период не выделялся особыми разработками. Было создано множество разных прототипов системы Dendral. Примером служит система PROSPECTOR, областью деятельности которой являлась геологические ископаемые и их разведка.
В 80-ых годах появляются профессия – инженер по знаниям. Экспертные системы набирают популярность и выходят на новый этап эволюции интеллектуальных систем. Появились новые медицинские системы INTERNIS, CASNE.

С 90-ых годов развитие интеллектуальных систем приобретает новые и новые методы и особенности. Нововведением становится парадигма проектирования эффективных и перспективных систем. Гибкость, четкость решения поставленных задач дало новое название – мультиагентных систем. Агент – фоновый процесс который действует в целях пользователя. Каждый агент имеет свою цель, «разум» и отвечает за свою область деятельности. Все агенты в совокупности образуют некий интеллект. Агенты вступают в конкуренцию, настраивают отношения, кооперируются, все как у людей.

В 21 век, интеллектуальной системой уже не удивишь никого. Множество фирм внедряет экспертные системы в области своей деятельности.

Быстродействующая система OMEGAMON разрабатывается c 2004 года с IBM, цель которой отслеживание состояния корпоративной информационной сети. Служит для моментального принятия решений в критических или неблагоприятных ситуациях.

G2 – экспертная система от фирмы Gensym, направленная на работу с динамическими объектами. Особенность этой системы состоит в том, что в нее внедрили распараллеливание процессов мышления, что делает ее быстрее и эффективней.

Структура экспертной системы

1. База знаний
Знания — это правила, законы, закономерности получены в результате профессиональной деятельности в пределах предметной области.
База знаний — база данных содержащая правила вывода и информацию о человеческом опыте и знаниях в некоторой предметной области. Другими словами, это набор таких закономерностей, которые устанавливают связи между вводимой и выводимой информацией.

2. Данные
Данные — это совокупность фактов и идей представленных в формализованном виде.
Собственно на данных основываются закономерности для предсказания, прогнозирования. Продвинутые интеллектуальные системы способные учиться на основе этих данных, добавляя новые знания в базу знаний.

3. Модель представления данных
Самая интересная часть экспертной системы.
Модель представления знаний (далее по тексту — МПЗ) — это способ задания знаний для хранения, удобного доступа и взаимодействия с ними, который подходит под задачу интеллектуальной системы.

4. Механизм логического вывода данных(Подсистема вывода)
Механизм логического вывода(далее по тексту — МЛВ) данных выполняет анализ и проделывает работу по получению новых знаний исходя из сопоставления исходных данных из базы данных и правил из базы знаний. Механизм логического вывода в структуре интеллектуальной системы занимает наиболее важное место.
Механизм логического вывода данных концептуально можно представить в виде :
А — функция выбора из базы знаний и из базы данных закономерностей и фактов соответственно
B — функция проверки правил, результатом которой определяется множество фактов из базы данных к которым применимы правила
С — функция, которая определяет порядок применения правил, если в результате правила указаны одинаковые факты
D — функция, которая применяет действие.

Илон Маск рекомендует:  Проценты в CSS

Какие существуют модели представления знаний?

Распространены четыре основных МПЗ:

  • Продукционная МПЗ
  • Семантическая сеть МПЗ
  • Фреймовая МПЗ
  • Формально логическая МПЗ

Продукционная МПЗ

В основе продукционной модели представления знаний находится конструктивная часть, продукция(правило):
IF , THEN
Продукция состоит из двух частей: условие — антецендент, действие — консеквент. Условия можно сочетать с помощью логических функций AND, OR .
Антецеденты и консеквенты составленных правил формируются из атрибутов и значений. Пример: IF температура реактора подымается THEN добавить стержни в реактор
В базе данных продукционной системы хранятся правила, истинность которых установлена к за ранее при решении определенной задачи. Правило срабатывает, если при сопоставлении фактов, содержащихся в базе данных с антецедентом правила, которое подвергается проверке, имеет место совпадение. Результат работы правила заносится в базу данных.

Пример

Диагноз Температура Давление Кашель
Грипп 39 100-120 Есть
Бронхит 40 110-130 Есть
Аллергия 38 120-130 Нет

Пример продукции:
IF Температура = 39 AND Кашель = Есть AND Давление = 110-130 THEN Бронхит

Продукционная модель представления знаний нашла широкое применение в АСУТП

Среды разработки продукционных систем(CLIPS)

CLIPS (C Language Integrated Production System) — среда разработки продукционной модели разработана NASA в 1984 году. Среда реализована на языке С, именно потому является быстрой и эффективной.
Пример:

Подобное правило будет активировано только тогда, когда в базе данных появится факт симптома с подобными параметрами.

Семантическая сеть МПЗ

В основе продукционной модели лежит ориентированный граф. Вершины графа — понятия, дуги — отношения между понятиями.
Особенностью является наличие трех типов отношений:

  • класс — подкласс
  • свойство — значение
  • пример элемента класса


По количеству типов отношений выделяют однородные и неоднородные семантические сети. Однородные имею один тип отношения между всеми понятиями, следовательно, не однородные имею множество типов отношений.

Все типы отношений:

  • часть — целое
  • класс — подкласс
  • элемент — количество
  • атрибутивный
  • логический
  • лингвистический

Пример

Недостатком МПЗ является сложность в извлечении знаний, особенно при большой сети, нужно обходить граф.

Фреймовая МПЗ

Предложил Марвин Мински в 1970 году. В основе фреймовой модели МПЗ лежит фрейм. Фрейм — это образ, рамка, шаблон, которая описывает объект предметной области, с помощью слотов. Слот — это атрибут объекта. Слот имеет имя, значение, тип хранимых данных, демон. Демон — процедура автоматически выполняющаяся при определенных условиях. Имя фрейма должно быть уникальным в пределах одной фреймовой модели. Имя слота должно быть уникальным в пределах одного фрейма.

Слот может хранить другой фрейм, тогда фреймовая модель вырождается в сеть фреймов.

Пример

Пример вырождающейся в сеть фреймов

На своей практике, мне доводилось встречать системы на основе фреймовой МПЗ. В университете в Финляндии была установлена система для управления электроэнергией во всем здании.

Языки разработки фреймовых моделей (Frame Representation Language)

FRL (Frame Representation Language) — технология создана для проектирования интеллектуальных систем на основе фреймовой модели представления знаний. В основном применяется для проектирования вырождающихся в сеть фреймовой модели.

Запись фрейма на языке FRL будет иметь вид:

Существуют и другие среды: KRL (Knowledge Representation Language), фреймовая оболочка Kappa, PILOT/2.

Формально логическая МПЗ

В основе формально логической МПЗ лежит предикат первого порядка. Подразумевается, что существует конечное, не пустое множество объектов предметной области. На этом множестве с помощью функций интерпретаторов установлены связи между объектами. В свою очередь на основе этих связей строятся все закономерности и правила предметной области. Важное замечание: если представление предметной области не правильное, то есть связи между объектами настроены не верно или не в полной мере, то правильная работоспособность системы будет под угрозой.

Пример

A1 = A2 = A3 = ; IF A1 AND A2 THEN
Банальней примера и не придумаешь.
Важно: Стоит заметить, что формально логическая МПЗ схожа с продукционной. Частично это так, но они имеют огромную разницу. Разница состоит в том, что в продукционной МПЗ не определены никакие связи между хранимыми объектами предметной области.

Важно

Любая экспертная система должна иметь вывод данных и последовательность «мышления» системы. Это нужно для того чтобы увидеть дефекты в проектировании системы. Хорошая интеллектуальная система должна иметь право ввода данных, которое реализуется через интеллектуальный редактор, право редактора на перекрестное «мышление» представлений при проектировании системы и полноту баз знаний(реализуется при проектировки закономерностей предметной области между инженером по знаниям и экспертом).

Заключение

Экспертные системы действительно имеют широкое применение в нашей жизни. Они позволяют экономить время реальных экспертов в определенной предметной области. Модели представления знаний это неотъемлемая часть интеллектуальных систем любого уровня. Поэтому, я считаю, что каждый уважающий себя IT-специалист, должен иметь даже поверхностные знания в этих областях.

Глава 7 Теория экспертных систем

Предназначение экспертных систем

Системы искусственного интеллекта начали развиваться с развитием ЭВМ, но в силу недостаточности аппаратного обеспечения не получили распространения. Экспертные системы (ЭС) возникли на основе систем искусственного интеллек­та (СИИ). ЭС появились как самостоятельное направление исследований в рамках СИИ. Цель создания ЭС состоит в разработке компьютерных про­грамм, которые при решении трудных задач получают некоторые результаты, по своей эффективности превосходящие ре­шения, полученные с помощью человека — эксперта. Специалисты в области ЭС стали называть эту область инженерия знаний.

ЭС предназначены для решения сложных неформализованных задач.

Особенности неформализуемых задач:

1) невозможность задания условий в цифровом виде;

2) нет целевой функции;

3) не существует алгоритмического решения задачи;

4) существует алгоритмическое решение задачи, но невозможно его использовать (не хватает ОЗУ, времени и т.д.);

5) характерно для неформализованных задач ошибочность, неоднозначность, противоречивость исходных данных;

6) огромная размерность задач (перебор альтернатив очень велик);

7) данные задачи изменяются в динамике.

Таким образом, ЭС и СИИ при решении задач отличаются от обычных систем следующим:

— в них используется символьный способ представления данных, в отличие от цифрового способа;

— используется эвристический и символьный способы решения задач, в отличие от алгоритмического.

Основные преимущества ЭС:

1) Технология ЭС значительно расширяет круг практически значи­мых задач, которые можно решить на ЭВМ и решение которых приносит значительный экономический эффект.

2) Технология ЭС является единственным средством в решении проблем традиционного программирования:

— высокая стоимость разработки сложных приложений;

— высокая стоимость сопровождения сложных систем.

3) Объединение технологии ЭС с технологией традиционного программирования позволяет резко повысить качество программных продуктов (программные продукты могут выполняться пользователями).

4) ЭС могут играть основную роль на стадиях проектирование ИС, производства, распространения, продажи, оказание услуг в любых областях;

5) Технология ЭС может обеспечить революционный прорыв в интеграции приложений при решении любых сложных и неформализуемых задач.

Хотя ЭС предназначены для решения неформализуемых задач, в то же время они не отвергают традиционного подхода к проектированию компьютерных программ.

Специфика ЭС по отношению к другим СИИ состоит в том, что ЭС используется для решения очень сложных задач, однако по качеству и эффектив­ности их решения не уступают решени­ям, полученным с помощью экспертов людей. При этом ЭС способны пополнять свои знания в ходе взаимодействия с экспер­том человеком.

Архитектура ЭС

Экспертные системы подразделяются на статические и динамические. Типовая структура статической ЭС приведена на рис. 7.1.

Рабочая память (база данных) предназначена для хранения исход­ных и промежуточных данных в текущий момент решения задачи. База знаний предназначена для хранения долгосрочных данных, которые используются для решения задачи, для хранения правил, описывающих преобразование данных, которые имеются в базе знаний.

Решатель (интерпретатор) формирует последовательность правил, которые приводят к решению задач, использует данные из базы данных и базы знаний.

Компонент приобретения знаний предназначен для автоматиза­ции приобретения знаний.

Объясняющий компонент объясняет каким образом система полу­чила данное решение или объясняет почему ЭС не получила реше­ние задачи. Объясняет, какие знания ЭС использовала для получе­ния решения задачи.

Диалоговый компонент ориентирован для организации дружест­венного общения ЭС с пользователем в ходе решения задач, в процессе приобретения знаний и в процессе объяснения результа­тов решения задач.

Особенностью статических ЭС является то, что эти системы предназначены для решения задач без учета изменений, происходящих в окружающей среде во время решения задачи.

Динамические ЭС учитывают изменения, происходящие в окру­жающей среде в течение времени решения задачи.

Структура динамической ЭС приведена на рис. 7.2.

В создании и использовании ЭС участвуют следующие специалисты:

1) Эксперт в проблемной области задач, которые будут ставиться и решаться экспертной системой; руководитель, для которого созда­ется ЭС. Основные функции эксперта: определение объема знаний (правил и данных), характеризующих проблемную область, полноты и правиль­ности знаний, получаемых ЭС.

2) Инженер по знаниям — специалист по разработке ЭС (использует­ся технология инженерии знаний). Инженер по знаниям осуществляет помощь для выявления и структуризации знаний, необходимых ЭС.

3) Программист — специалист по разработке инструментальных средств, программ поддержки и ускорения создания ЭС (замена инженера по знаниям — программистом).

ЭС работают в двух основных режимах:

1) Режим приобретения знаний. Общение с ЭС осуществляет человек-эксперт с помощью инженера по знаниям. Эксперт, используя «компонент приобретения знаний» пополняет ЭС знаниями. Эти знания позволяют ЭС в дальнейшем решать задачи без участия эксперта. Экс­перт описывает проблемную область в виде совокупности правил и данных. Правила описывают способы взаимодействия с данны­ми, характерными для данной области. Режиму приобретения знаний в традиционной системе соответствуют эта­пы: алгоритмизация, разработка программ, отладка программ. В отличие от обычной компьютерной системы в случае экспертных систем разработка программ осуществляется экспертом, который не владеет знаниями в области программирования.

2) Режим решения задачи (режим консультации). Общение с ЭС осу­ществляет конечный пользователь, которого интересует результат и способ получения результата.

Конечный пользователь может быть не специалистом в данной об­ласти. В таком случае он обращается к ЭС за результатом, поскольку не может получить его сам. Если конечный пользователь — специалист в данной области, он обращает­ся к ЭС для того, чтобы ускорить получение результата, либо возло­жить на ЭС рутинную работу.

В режиме консультации данные о задаче после обработки их в диа­логовом компоненте поступают в рабочую память. После этого решатель формирует решение задачи на основе входных данных из базы данных и общих данных по проблемной области и правил из базы знаний.

Если реакция ЭС непонятна пользователю, то он вправе по­требовать от ЭС объяснения, почему система задает тот или иной во­прос, или каким образом получен системой тот или иной результат.

7.3 Особенности разработки экспертных систем

Разработка ЭС имеет существенные отличия от разработки обычного программного продукта. Опыт разработки ЭС показал, что использование методологии традиционного создания программ не подходит в данном случае по двум причинам:

1) чрезмерно затягивается процесс создания ЭС;

2) использование традиционной методологии создания программ приводит к отрицательному результату.

Особенность создания ЭС в первую очередь заключается в неформа­лизованности задач, решаемых ЭС и в отсутствии теории создания ЭС. Эти две особенности приводят к необходимости постоянно совершенствовать принципы и способы построения ЭС в ходе процесса разработки в соответ­ствии с увеличением объема знаний.

Таким образом, прежде чем присту­пить к созданию экспертных систем, инженер по знаниям обязан убедиться — следует ли разрабатывать ЭС для данной проблемной области. Разработ­ка ЭС необходима тогда, когда мы можем эффективно использовать ЭС и когда при разработке ЭС мы можем использовать методы инженерии зна­ний.

Чтобы реализовать эти условия необходимо выполнение следующих требований:

1) В данной проблемной области существуют эксперты, которые ре­шают задачи значительно лучше, чем средние специалисты.

2) Эти эксперты сходятся в оценке качества предлагаемого решения, или эксперты сходятся в оценке качества предполагаемой ЭС.

3) Эксперты способны выразить на естественном языке и объяснить используемые ими способы и методы таким образом, чтобы мож­но было их вложить в ЭВМ.

4) Решение задач в ЭС требует рассуждений, но не действий.

5) Обычная задача, решаемая ЭС не должна быть слишком трудной для эксперта человека, то есть решение должно занимать у экс­перта несколько часов или дней.

6) Задача, которая решается ЭС, хотя и не формализована, должна быть структурирована, понятна для пользователя (должна выдавать основные понятия, отношения и известные экс­перту способы решения).

7) Решение задачи в ЭС не должно в значительной мере использо­вать здравый смысл, потому, что рассуждения здравого смысла не удается вложить в СИИ.

Создание ЭС оправдано тогда, когда мы можем получить следую­щие выгоды:

1) Создание ЭС оправдано, если ее создание приносит значительный эффект, в том числе экономический.

2) Использование человека эксперта невозможно из-за недостаточ­ного количества экспертов или из-за необходимости выполнять экспертизы одновременно в нескольких местах.

3) При передаче информации эксперту происходит значительная по­теря объема и качества информации.

4) Есть необходимость решения задачи во враждебной окружающей среде.

Особенности задач решаемых ЭС:

1) Задача ставится и решается естественным образом с помощью ма­нипуляции символами, а не с числами, что принято при традици­онном создании программ.

2) Задача в ЭС имеет эвристическую природу, в отличие от алгоритмической. Если задача решается с помощью некоторых формаль­ных процедур, то она не подходит для СИИ.


3) Задача должна быть достаточно сложной, чтобы оправдать зна­чительные расходы на созданиеЭС.

Этапы разработки ЭС

Технология разработки экспертных систем включает в себя шесть ос­новных этапов (рис. 7.3):

5) Опытная эксплуатация.

1. На первом этапе определяются основные задачи, подлежащие разра­ботке и решению, выявляются основные цели разработки ЭС, оп­ределяются основные эксперты, пользователи для которых созда­ется ЭС. Идентификация – математическое описание.

2. На этапе концептуализации производится содержательное описание про­блемной области. Если на этапе идентификации выделяются тре­бования, то на этом этапе формируются понятия и их взаимосвязи. Определяются методы решения задач в ЭС.

3. Это начальный этап формализации. При создании ЭС:

— производится выбор инструментальных средств;

— производится выбор способов представления всех видов знаний;

— формализуются основные понятия;

— определяются способы интерпретации данных — модифика­ции данных с целью вложения их в ЭВМ;

— моделирование работы системы в целом;

— оценка адекватности системы с моделью.

4. Наполнение экспертом базы знаний ЭС. В связи с тем, что осно­вой ЭС являются знания, этот этап является наиболее трудоемким и наиболее важным:

— извлечение знаний из эксперта;

— представление знаний в виде понятном для ЭС.

Все это осуществляет инженер по знаниям вместе с экспертом и вводит эти знания в ЭС.

5. На этапе опытной эксплуатации исследуется пригодность ЭС для работы с пользователями. В ре­зультате этого этапа обычно появляется необходимость доработ­ки ЭС.

6. Эксперт и инженер по знаниям оценивают компетентность ЭС – проводят тестирование. Обычно этот этап длится до тех пор, пока эксперт не придет к за­ключению, что ЭС достигла достаточного уровня компетентно­сти.

Создание ЭС не сводится к строгой последовательности перечислен­ных этапов (рис. 7.3). Обычно разработчики ЭС требуют неоднократного возвращения к промежуточным и начальным этапам создания ЭС и пересмотра принимаемых на этих этапах решений.

Вопросы для самоконтроля к главе 7

1. Перечислите особенности неформализуемых задач

2. Отличие ЭС и СИИ при решении задач от обычных систем

3. Преимущества технологии ЭС

4.Отличие статической ЭС от динамической

5. Предназначение компонента приобретения знаний

6. Перечислите специалистов участвующих в создании и использовании ЭС

7. Опишите режимы работы ЭС

8. Какие требования являются условиями для разработки ЭС?

9. Особенности задач решаемых ЭС

10. Перечислите этапы разработки ЭС

11. В чем заключается этап наполнения

12. Почему необходимы возвращения к промежуточным и начальным этапам разработки ЭС?

Терминологический словарь

Адрес связи атрибут, в котором хранится на­чальный адрес или номер записи, обрабатываемой после этой записи. Обычная последовательность обработки записей в списке определяется возрастанием значений ключа в записях.

Атрибут –единица информации,информационное отображение от­дельного свойства некоторого объекта, процесса или явления.

Атрибут-основание — отображение количественного свойства некоторого объекта, предмета, процесса.

Атрибут-признак — информационное отображение качественного свойства некоторого объекта, предмета, процесса.

Ацикличность – процедура позволяющая улучшить характеристики БД, чтобы при корректировке или перестройке отношений не было двусмысленности или потери информации.

База данных (БД) — это набор форматированных сообщений,

Бинарное дерево древовидная организация данных,когда значение ключевого атри­бута каждой записи больше, чем значение ключа у любой записи на ее левой ветви, и не меньше, чем ключ любой записи на ее правой ветви.

Веерное отношение — называется пара отношений, состоящая из одного основного, одного зависимого отноше­ния и связи между ними при условии, что каждое значение зависимого отношения связано с единственным значением ос­новного отношения.

Вероятный ключотношения — такое множество атрибутов, что каждое сочетание их значений встречается только в одной строке отношения, и никакое подмножество атрибутов этим свойством не обладает. Вероятных ключей в отношении может быть несколько.

Взаимодействие объек­тов — факт участия нескольких объектов в каком-либо процессе, который протекает и во времени, и в пространстве.

Внутреннее описание — определяет организацию дан­ных в памяти ЭВМ и методы доступа к данным.

Время поиска данных — нахождение значения ключевого атрибута равного заранее известной величине.

Время корректировки данных — т.е. включение или исклю­чение одной записи.

ВС – вычислительная система.

Выборка операция выделения подмножества значений СЕИ (строк), которые удовлетворяют заранее поставленным услови­ям выборки.

Дескриптор доминанта в классе условной экви­валентности, то есть такой термин, который может заменить любое слово клас­са.

Документ материальный носитель информации, содержащий оформленное в установленном порядке сообщение и имеющий юридическую силу.

Домен – множество всех допустимых значений атрибута

Древовидная организация данных (дерево) – метод организации данных, множество записей расположены определенным образом по уровням:

— на 1-м уровне расположена только одна запись (корень дерева),

— к любой записи i-го уровня ведет адрес связи только от одной записи уровня i-1.

Единицы информации —набор символов, которо­му придается определенный смысл (атрибуты и составные единицы информации).

Идентифицирующие свойства — свойства, по значению которых можно однозначно отличить данный экземпляр объекта от любого другого (в том числе и в пределах класса объектов, содержащего этот экземпляр).

Иерархическая база данных — множество отношений и веерных отношений, для которых соблюдаются два ограничения:

1) существует единственное отношение, называемое корневым, которое не является зависимым ни в одном веерном отношении.

2) все остальные отношения (за исключением корневого) яв­ляются зависимыми отношениями только в одном веерном отно­шении.

Иерархическая модель данных – модель данных, допустимыми информационными конст­рукциями которой являются отношение, веерное отношение и иерархическая база данных.

Индексирование выражение тем на языке, принятом в информацион­но-поисковой системе, и записи в виде поисковых обра­зов, которые связываются с документом.

Информация – ресурсы; новые сведения, позволяющие улучшить про­цессы, связанные с преобразованием вещества, энергии и самой информации, принятые, понятые и оценен­ные конечным потребителем как полезные

Концептуальная схема — описание структуры всех единиц информации, хранящихся в БД.

Концептуальное представление — инфор­мационное содержание базы данных в абстрактной фор­ме. Цель концептуального уровня — создать такое формальное представление о базе данных, чтобы любое внешнее представ­ление являлось его подмножеством.

Корректировка — включение и исключение записей

КУЭ -классы условной эквива­лентности.

Коэффи­циент мультипрограммирования число одновременно выполняемых заданий в ВС.

Неполная функциональная зависимость — это две зависимости:

— вероятный ключ отношения функционально определяет некоторый неключевой атрибут,

— часть вероятного ключа функционально определяет этот же неключевой атрибут.

Нормализация это операция перехода от СЕИ с произ­вольной структурой к СЕИ с двухуровневой структурой, позволяющая улучшить характеристики БД по минимальность избыточности представления информации.

Объект любой элемент некоторой системы. В экономических приложениях это любой предмет, занимающий место в пространстве.

Омонимия совпадение в звучании и написании раз­ных слов. Например: лук (растение) и лук (оружие).

Организация значений данных — относительно устойчивый порядок расположения записей данных в памяти ЭВМ и способ обеспечения взаимосвязи между данными.

Отношение – таблица, с двухуровневой структурой.

Отношение в первой нормальной форме (1 НФ) — это обычное отношение с двухуровневой структурой. Недопустимость в структуре отношения третьего и последующих уровней является ограничением, определяющим 1НФ отношения.

Отношение во второй нормальной форме (2НФ) — если оно соответствует 1НФ и не содержит неполных функциональных зависимостей.

Отношение в третьей нормальной форме (3НФ)— если оно соответствует 2НФ и среди его атрибутов отсутствуют транзитивные функциональные зависимости (ФЗ).

Пакетный режим обработки — данные в системе накапли­ваются до тех пор, пока не наступит заданный момент времени, или объем данных не превысит некоторый предел. Затем имею­щаяся информация обрабатывается несколькими последователь­но запускаемыми программами.

Первичный ключ отношения такой вероятный ключ, по значениям которого производится контроль достоверности информации в отношении.

Поиск — процедура выделения из некоторого множества записей определенного подмножества, записи ко­торого удовлетворяют некоторому заранее поставленному условию.

Показатель представляет собой полное описание количе­ственного параметра, характеризующего некоторый объект или процесс.

Полисемия перенос названия одного предмета на дру­гие предметы. Например: звезда (геометричес­кая фигура) и звезда (небесное тело).

Порядковая система коди­рования – нумерация, применяемая, если классификация объектов вообще не требуется.

Последовательная организа­ция данных – метод организации данных, когда записи располагаются в памяти строго одна за дру­гой, без промежутков.

Предметная область — элементы материальной системы (объект, свойства объектов, взаимодействие объектов, свойства взаимодействия объектов), информация о которых хранится и обрабатывается в ЭИС.

Проекция операция переноса в резуль­тирующее отношение тех столбцов исходного отношения, кото­рые указаны в условии операции.

Простейшие СЕИ — таблицы, позволяющие создавать произвольные ком­бинации из атрибутов.

Процесс управления в ЭИС процесс изменения состояния объекта, которое приводит к достижению поставленной цели. Объектом управления является экономическая система, обладающая сложной, многоуровневой иерархической структурой.


Разработка (проектирование) ЭИС процесс составления описания еще не существующей системы на разных языках и с различной степенью детализа­ции, в ходе которого осуществляется оптимизация проектных решений.

Реляционная база данных — модель данных, характеризующаяся следующими компонентами:

— информационной конструкцией — отношением с двух­уровневой структурой,

— допустимыми операциями — проекцией, выборкой, соеди­нением и другими

— ограничениями — функциональными зависимостями меж­ду атрибутами отношения.

Разрядная система кодирования – классификация объектов по нескольким призна­кам и их взаимная подчиненность соответствует выделению классов объектов, подклассов внутри каждого класса и т.д.

Свертка операция преобразования СЕИ с двухуровне­вой структурой в СЕИ с произвольной многоуровневой струк­турой.

Свойство объекта — некоторая величина, кото­рая характеризует состояние объекта в любой момент време­ни. Отдельный экземпляр объекта можно точно описать, если указать достаточное количество значений его свойств.

Свойство взаимодействия — характеризует совместное поведение объектов, но не от­носится ни к одному объекту в отдельности.

Семантические модели — средство представления структуры предметной области.

Семантические сети модель знаний, состоящая в единстве базы знаний и механизма вывода новых фактов. На основании вопроса к базе знаний строится семантическая сеть, отображающая структуру вопроса, и ответ получается в результате сопоставления общей сети для базы знаний в це­лом и сети для вопроса.

Серийная система кодирования – классификация объектов по одно­му признаку. Коды объектов разделяются на несколько частей (серий) по количеству значений этого при­знака и в пределах каждой серии использовать последователь­ные номера.

Сетевая база данных – модель данных, состоящая из множества отношений и ве­ерных отношений. Отношения разделяются на основные и за­висимые.

Синонимия— одному «означаемому» (предмету, явлению) соответ­ствует одно и более «означающих» (слов, словосочетаний).

Система –любой объект, который, с одной сто­роны, рассматривается как единое целое, а с другой — как мно­жество связанных между собой или взаимодействующих со­ставных частей.

Слот фрейма — элемент данных, предназначенный для фиксации зна­ний об объекте, которому отведен данный фрейм.

Составная единица информации (СЕИ) — набор из атрибутов и, возможно, других СЕИ. Простейшая СЕИ – таблица.

Система управления базой данных (СУБД) — комплекс программ, обеспечивающий централизованное хранение, накопление, модификацию и выдачу данных, входящих в БД.

Структура СЕИ — вхождение од­них единиц информации в состав других единиц информации

Тезаурус —словарь-справочник, в котором перечисле­ны все лексические единицы ИМЯ с синонимичными им сло­вами, а также выражены все важнейшие смысловые (парадигматические) отноше­ния между лексическими единицами.

Транзитивная ФЗ — это две ФЗ:

— вероятный ключ отношения функционально определяет не ключевой атрибут,

— этот атрибут функционально определяет другой не ключевой атрибут.

ФЗ – функциональная зависимость.

Формирование данных — процедура упорядочения записей по ключевому атрибуту.

Продукционная модель– модель знаний, состоящая из набора правил и механизма логического вывода. Все правила содержат условную и заключительную части. В условной части правила находится одиночный факт либо несколько фактов. В заключительной части правила находятся факты, кото­рые необходимо дополнительно сформировать в рабочей па­мяти, если условная часть правила является истинной.

Фреймы модель знаний, структура знаний в памяти ЭВМсопоставимая с рамками, определенными для каждого объекта в сознании человека. С по­мощью фреймов мы пытаемся представить процесс система­тизации знаний в форме, максимально близкой к принципам систематизации знаний человеком.

Цель информационной системы — управление экономическими про­цессами.

Экономичес­кая информация — информация о процессах производ­ства, распределения, обмена и потребления материальных благ.

Экономическая информационная система — система, функционирование которой во времени заклю­чается в сборе, хранении, обработке и выдачи ин­формации о деятельности какого-то экономического объекта реального мира.

Эмерджентность — свойство системы обладать большими свойствами, чем составляющие ее элементы.

Литература

1. Горбенко, А. О. Информационные системы в экономике [Текст] : учебное пособие для вузов / А. О. Горбенко. — М. : БИНОМ : Лаб. знаний, 2010. — 292 с.

2. Григоренко Г.П., Даниленко Т.Я. Системы автоматизированной обработки информации (САОЭИ) [Текст] : учебное пособие. –М.: МЭСИ, 1996.

  1. Димов Э.М. Теория экономических информационных систем [Текст] : учебное пособие / Э. М. Димов. — Самара : ПГАТИ, 1998. — 37 с.

4. Иватилов Ю.П., Лотов А.В. Математические модели в экономике. [Текст]: учебное пособие под ред. академика Моисеева Н.Н.. –М.: Наука, 1979.

  1. Информационные системы в экономике[Текст] : учебник под ред. В.В.Дика. – М.: Финансы и статистика, 1996. –272 с.
  2. Информационные системы в экономике [Текст] : учебное пособие для вузов / под ред. А.Н. Романова, Б.Е. Одинцова. – Изд. 2-е, доп. и перераб.. – М.: Вузовский учебник, 2008. – 411 с.
  3. Кордонская И.Б., Диязитдинова А.Р. Детализированное описание организационной структуры компании [Текст] : методическая разработка для выполнения контрольной работы по ТЭИС. Изд. ПГАТИ, 15 с.

8. Криницкий Н.А. Автоматизированные информационные системы [Текст]: Н.А.Криницкий Н.А., А.Г.Миронов, Д.Г.Фролов под ред. академика Дородницина А.А. –М.: Наука, 1982.

9. Мисарович М. Теория иерархических информационных систем [Текст] : М.Мисарович, Д.Марко, И.Такахара, пер. с англ. –М.: Мир, 1973.

  1. Мишенин А.И. Теория экономических информационных систем[Текст] : учебник. – 4 изд. – М.: Финансы и статистика, 1999. – 240 с.

11. Исаев, Г. Н. Информационные системы в экономике [Текст] : учебное пособие для вузов / Г. Н. Исаев. — М. : Омега-Л, 2006. — 462 с. : ил. — (Высшее экономическое образование)

12. Попов Э.В. Статические и динамические экспертные системы [Текст] : Э.В.Попов, И.Б.Фоминых, Е.Б.Кисель, М.Д.Шапот, учебное пособие, -М.: Финансы и статистика, 1996.

13. Якубайтис Э.Я. Информационные сети и системы [Текст]: справочная книга. М.: Финансы и статистика, 1996.

Глава 5 экспертные системы

Базы знаний чаще всего используются в контексте экспертных систем , где с их помощью представляются навыки и опыт экспертов , занятых практической деятельностью в соответствующей области (например, в медицине или в математике). Обычно база знаний представляет собой совокупность правил вывода .

Экспертная система — это комплекс компьютерного программного обеспечения, помогающий человеку принимать обоснованные решения. Экспертные системы используют информацию, полученную заранее от экспертов — людей, которые в какой-либо области являются лучшими специалистами.

Экспертные системы должны:

  • хранить знания об определенной предметной области (факты, описания событий и закономерностей);
  • уметь общаться с пользователем на ограниченном естественном языке (т.е. задавать вопросы и понимать ответы);
  • обладать комплексом логических средств для выведения новых знаний, выявления закономерностей, обнаружения противоречий;
  • ставить задачу по запросу, уточнять её постановку и находить решение;
  • объяснять пользователю, каким образом получено решение.

Желательно также, чтобы экспертная система могла:

  • сообщать такую информацию, которая повышает доверие пользователя к экспертной системе;
  • «рассказывать» о себе, о своей собственной структуре.

Экспертные системы могут использоваться в различных областях — медицинской диагностике , при поиске неисправностей , разведке полезных ископаемых, выборе архитектуры компьютерной cистемы и т.д.

Лекция № 11. Экспертные системы: структура и основные понятия

Читайте также:

  1. A.3.1 Структура процедурного программного обеспечения
  2. I. Основные задачи
  3. I. Основные категории страхования.
  4. I. Основные показатели вариации
  5. I. Основные положения
  6. I. Основные этапы развития знаний об эндокринных железах.
  7. I. ПОНЯТИЕ, ПРЕДМЕТ, ЦЕЛИ И ЗАДАЧИ КУРСА. СТРУКТУРА КУРСА, ВЗАИМОСВЯЗЬ С ДРУГИМИ УЧЕБНЫМИ ДИСЦИПЛИНАМИ.
  8. I. ПОНЯТТЯ ВИДУ І ПОПУЛЯЦІЇ. СТРУКТУРА ТА ХАРАКТЕРИСТИКА ПОПУЛЯЦІЇ.
  9. I. ПОНЯТТЯ ВИДУ І ПОПУЛЯЦІЇ. СТРУКТУРА ТА ХАРАКТЕРИСТИКА ПОПУЛЯЦІЇ.
  10. I. Разрабатывается общая структура ИС с выделением функциональных и обеспечивающих подсистем.
  11. I. Страховой рынок и его структура.
  12. I. Сущность и основные функции перестрахования.

Трансляторы с любых языков общения пользователя и ВС осуществляют трансляцию на язык представления знаний (ЯПЗ) в БЗ, интерфейсы с любыми средствами исполнительной системы осуществляют трансляцию с ЯПЗ на языки соответствующих подсистем.

К ним относятся программы, осуществляющие любые вычисления, программы поиска информации в базах зна-,ний, программы логического вывода, а также вся совокупность аппаратных средств, обеспечивающих работу этих программ. В качестве средств ИС могут быть использованы как имеющиеся на сегодняшний день и разрабатываемые в ближайшей перспективе средства вычислительной техники, так и специальные средства, которые должны создаваться с позиций их использования при новой технологии обработки информации на ЭВМ.

А База знаний (БЗ) занимает центральное положение по отношению к остальным компонентам вычислительной системы в целом, через БЗ осуществляется интеграция средств ВС, участвующих в решении задачи.

База знаний выступает по отношению к другим средствам ВС как система, содержащая декларативные знания (и ассоциированные с ними процедуры), которые имеют единые принципы представления, общий язык описания, общую схему манипулирования этими знаниями, ориентированную на осуществление инвариантных относительно различных применений операций со знаниями всех уровней. Знания, содержащиеся в БЗ, независимы от обрабатывающих программ и образуют целостную систему

Примечание Это не исключает того, что в БЗ могут быть частные подсистемы, в которых представление знаний осуществляется на языках, отличных от ЯПЗ основной базы знаний В этом случае в соете» средств БЗдолжны быть включены специальные трансляторы, обесяечмвающиеперевод с основного ЯПЗ на вспомогательный и обратныйперевод.

В БЗ содержится система знаний (СЗ) о проблемнойСредекак части объективного мира, отражающая средукакцелостное явление со всеми взаимосвязями, которые существуют между ее элементами и динамикой их изменения. Система должна обладать полнотой, т е содержать все знания, необходимые для решения классов задач, на которые ориентирована ЧМС.

В широком смысле слова формирование такой системы знаний также является частью процесса решения задачи, т. е. включенные в нее знания должны отбираться н а-правленно и так же направленно должны выбираться те способы ее структурирования, которые обеспечивают эффективную работу с ней при решении задач. При формировании системы знаний осуществляется создание Фундамента для решения некоторого множества (класса) задач, а ее использование в каждом конкретном случае обеспечивает решение отдельной задачи

Имеетсядве группы требований к представлению иОрганизациизнаний в БЗ

• Требования первой группы являются общими при использовании как традиционной, так и новой технологии обработки информации на ЭВМ. К ним можно отнести обеспечение необходимых выразительных возможностей языка представления знаний цля всего спектра решаемых задач, обеспечение необходимой эффективности при их решении, обеспечение универсальности и открытости выбранной системы представления знаний в сочетании с возможностью адаптации к различным предметным областям.

• Требования второй группы возникают в основном только при применении новой информационной технологии. К ним относятся необходимость адекватности отображения проблемной среды в базе знаний и необходимость естественного для человека способа описания ?еды.

^Адекватность при этом понимается как потенциальная нежность построения такого отображения, которое спечивачо бы моделирование любых процессов, проис-ящих в проблемной среде. Необходимость естествен-ЯДЙРО для человека способа описания среды вытекает из условия тесного общения конечного пользователя и ЭВМ в процессе решения задачи. Это означает, что язык представления знаний в БЗ должен иметь структуру, близкую к структуре естественного языка пользователя (что не означает подобия их грамматик).

База знаний при новой технологии обработки информации продолжает и развивает функции, выполняемые базой данных в традиционной технологии, наследуя ее основные свойства — независимость данных от обрабатывающих программ и целостность. Однако, поскольку новая информационная технология, выдвигая новые задачи, не снимает старых, термин «база знаний» может употребляться и как более общий по отношению к базе данных. При этом база данных рассматривается как частный случай БЗ.

Требования, выдвигаемые к организации знаний в БЗ в старых и новых задачах, во многом противоречат друг другу. Можно считать, что традиционным задачам наиболее адекватны структуры современных БД, сформировавшиеся на основе опыта их решения; новым задачам более соответствуют структуры различных моделей предметных областей, разрабатываемых в исследованиях по проблеме «искусственный интеллект». Между принципами организации баз данных и таких моделей невозможно провести четкие границы. Более правильно рассматривать степень близости структуры каждой конкретной БЗ к одному из концов спектра возможных структур, на одном из которых находятся традиционные «классические» БД раннего периода (в основном иерархического типа), на другом — модели проблемной среды.

Более подробно этот вопрос рассматривается в гл. 2, здесь же можно сказать только об интегральном критерии: развитие баз данных в базы знаний — это постоянное увеличение независимости содержащихся в них знаний от обрабатывающих программ (в том числе независимости их интеграции в проблемной среде!) и их целостности, постепенно превращающее базу данных в полную (относительно класса решаемых задач), целостную и независимую модель проблемной среды, т. е. базу знаний. Таким образом, в общем случае при организации баз знаний приходится удовлетворять двум противоречивым группам требований:

1) необходимости повышения универсальности по отношению к разным типам задач и обеспечения выразительных возможностей используемой системы представления знаний, достаточных для описания широких классов сложных проблемных сред, организации поиска по разнотипным связям, динамического изменения направлений поиска и т. д.;

2) необходимости сохранения высокой эффективности системы при хранении большого числа конкретных фактов, которую можно обеспечить только путем сохранения проблемной ориентированности системы на задачи поиска. Удовлетворение этих групп требований приводит к компромиссному решению.

Базу знаний для вычислительных систем, ориентированных на использование новой технологии обработки информации, целесообразно строить как двухуровневую структуру, включающую два компонента: концептуальную базу знаний (верхний — концептуальный уровень) и базу данных (нижний — информационный — уровень), что обеспечивает эффективность представления обобщенных знаний и метазнаний на верхнем уровне и конкретной информации (знаний) на нижнем.

Использование базы данных в качестве целостного компонента базы знаний позволяет использовать современные системы управления базами данных (СУБД) для описания взаимосвязей объектов проблемной среды на уровне конкретных фактов. Именно эти связи, как правило, составляют основной массив информации о среде и являются объектами поиска при решении задачи. Освобождение концептуального уровня от таких фактов позволяет использовать обобщенное описание среды, не зависимое от ее конкретного состояния. Кроме того, выделение концептуального уровня обеспечивает представление метазнаний — знаний о структуре базы знаний и методах манипулирования хранящимися в ней знаниями, что повышает адаптационные возможности БЗ и ее способности к динамической перестройке.

Представление знаний на каждом уровне БЗ осуществляется применением некоторого языка представления знаний.

При этом под языком представления знаний (ЯПЗ) понимается конкретный способ описания проблемной среды, задаваемый синтаксисом описания, правилами соотнесения языковых выражений с отображаемыми ими объектами проблемной среды и конкретным составом слов языка.

Выбор ЯПЗ является одним из аспектов построения системы представления знаний, выступающим по отношению к ней как выбор средства ее реализации. Язык представления знаний нижнего уровня БЗ определяется типом соответствующей СУБД. Задача же выбора языка для представления знаний на концептуальном уровне требует специального рассмотрения.

Каждый язык программирования является языком представления знаний. Однако традиционные языки программирования строились в основном как языки, ориентированные на «процесс». Их структура ориентировалась на обеспечение возможности построения сложных программ и их эффективное выполнение. Данные в таких языках выступали как некоторое «окружение» программы, играющее в каком-то смысле второстепенную роль. И хотя на основе таких языков, вообще говоря, можно реализовать достаточно развитые системы представления знаний, сложность и трудоемкость реализации будут весьма велики, а эффективность работы с такими системами невысока. В качестве примеров можно назвать языки АЛГОЛ, ФОРТРАН, КОБОЛ, ПЛ/1 и т. д. Значительно более адекватными для разработки ЯПЗ являются языки обработки символьной информации, такие, как ЛИСП, РЕФАЛ, СНОБОЛ и др. В этих языках базовыми средствами адекватно отображаются лишь простые структуры типа символов, строк символов или списков. Однако, поскольку основой работы со сложноструктурированными данными является требование способности обрабатывать символы и совершать над ними нетривиальные операции, именно они либо непосредственно использовались при разработке различных систем ИИ, либо служили инструментальной базой для создания на их основе ЯПЗ более высокого уровня.

Применение указанных языков является промежуточной стадией в построении развитого языка представления знаний. Более подробно вопросы, связанные с представлением и хранением знаний в вычислительной системе, рассматриваются в гл. 2.

Интеллектуальный интерфейс включает в себя все средства уровня конечного пользователя, обеспечивающие взаимодействие между конечным пользователем и ВС в процессе решения задачи.

В интеллектуальном интерфейсе можно выделить решатель — совокупность средств, обеспечивающих в диалоге с пользователем автоматический синтез программы решения задачи, и систему общения — совокупность трансляторов, осуществляющих трансляцию с языка пользователя на язык представления знаний в БЗ и обратную трансляцию.

Синтез программы всегда осуществляется на некотором уровне, определяемом уровнем элементарных единиц, из которых она синтезируется. Такой элементарной единицей может быть отдельная операция, программный модуль и даже некоторый пакет программ, обращение к которому на требуемом языке обеспечивает решение задачи.

Входной информацией для решения является запрос на получение некоторого знания и, если это требуется, сообщение некоторых дополнительных сведений, связанных с данной задачей (данным запросом). Решатель на основании содержащихся в БЗ знаний о возможностях различных программ (решаемых ими подзадач и знаний, необходимых для этого решения) формирует из данных программ последовательность, позволяющую получить требуемое решение на основании введенных в ВС исходных данных.

Таким образом, решатель — это звено вычислительной системы, осуществляющее собственно решение задачи, т. е. анализ ее условий, выделение подзадач, имеющих стандартные решения, объединение этих решений в целостную программу. Функционирование системы, имеющей в своем составе решатель, может осуществляться как в режиме компиляции, так и в режиме интерпретации. Во втором случае решатель задачу решает как бы поэтапно v. на каждом шаге учитывает результаты предыдущего этапа.

Принципы работы различных решателей, а также реализуемые ими методы автоматического (автоматизированного) формирования программ подробно рассматриваются в гл. 3.

Другой функцией, которую обеспечивает интеллектуальный интерфейс, является общение конечного пользователя и ВС, при котором используются естественные для человека формы представления информации (тексты, изображения, устная речь), в том числе и любые комбинации их.

По выполняемым функциям средства общения можно разделить на две группы: средства трансляции и средства обеспечения взаимопонимания.

Средства трансляции осуществляют в процессе общения перевод с языка пользователя на язык представления знаний ВС и обратный перевод — с языка представления знаний на язык пользователя


При этом они должны удовлетворять следующим требованиям:

а) работы в условиях искажений, помех, различных ошибок пользователя, что следует из ориентированности данных средств на массового пользователя, имеющего минимальную подготовку;

б) адаптируемости вследствие нецелесообразности их ориентированности при разработке на узкую группу пользователей;

в) открытости вследствие невозможности предусмотреть все изменения интересов пользователей в процессе эксплуатации этих средств;

г) независимости от включения в различные конфигурации конкретных ВС.

Средства обеспечения взаимопонимания должны поддерживать одинаковое понимание сообщения передающей и принимающей системой, т. е. приписывание принимающей системой сообщению того значения, которое и предполагалось передающей системой.

Средства обеспечения взаимопонимания по сути своей универсальны и не зависят ни от языка общения, ни от проблемной среды. Однако конкретная их реализация и распределение выполняемых ими функций относительно других средств определяются многими факторами. Одну часть средств обеспечения взаимопонимания целесообразно включать непосредственно в исполнительные системы, другую часть связывать с различными подсистемами интеллектуального интерфейса. Основная же совокупность этих средств должна обеспечивать общесистемные функции относительно решающей системы в целом

В гл. 4 рассматриваются средства, обеспечивающие основную форму общения человека — общение на естественном языке. При этом основное внимание уделяется рассмотрению процесса трансляции с естественного языка на внутренний язык представления знаний вычислительной системы и обратной трансляции.

Глава 5 посвящена описанию экспертных систем — первых интегральных систем искусственного интеллекта, включающих в различных конфигурациях средства интеллектуализации (описанные в предыдущих главах) и получивших уже в настоящее время широкое промышленное применение.

Экспертные системы представляют собой, по-видимому, одно из наиболее значительных практических достижений в области искусственного интеллекта. Появившиеся до этого естественно-языковые интерфейсы трудно сравнивать с ними по степени распространения и известности. В настоящее время экспертные системы уже используются в следующих областях [22]:

интерпретация, т. е. анализ наблюдаемых данных с целью определения их смысла. Например, при проведении масс-спектрометрических исследований данные представляют собой измерения масс фрагментов молекул, а интерпретация означает выявление на их основе химических структур;

прогноз, т. е. прогнозирование хода событий в будущем на основании модели прошлого и настоящего или, другими словами, вывод вероятных следствий из заданных ситуаций при наличии, как правило, неполной информации;

диагностика, т. е. процесс поиска неисправности в системе (или определение стадии заболевания в живом организме), основанный на интерпретации данных. Например, диагностика инфекционных заболеваний;

мониторинг, т. е. сравнение наблюдений с критическими точками плана и выдача сообщений при отклонении от плана. Например, контроль состояния послеоперационного больного при использовании аппарата искусственного дыхания;

планирование, т. е. формирование плана действий, которые следует выполнять для достижения поставленных целей. Например, планирование эксперимента в молекулярной генетике;

проектирование, т. е. построение определенных конфигураций объектов, удовлетворяющих заданным требованиям и ограничениям. Например, проектирование цифровых или логических схем для ЭВМ;

отладка, т.е. выработка рекомендаций по устранению неисправностей;

ремонт, т. е. выполнение плана организации исправления некоторого обнаруженного дефекта;

управление, т. е. управление поведением некоторой системы. Например, управление воздушным или наземным транспортом.

Дата добавления: 2014-01-13 ; Просмотров: 252 ; Нарушение авторских прав? ;

Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет

Реферат: Экспертные системы. Классификация экспертных систем. Разработка простейшей экспертной системы

Название: Экспертные системы. Классификация экспертных систем. Разработка простейшей экспертной системы
Раздел: Рефераты по информатике, программированию
Тип: реферат Добавлен 10:27:46 23 сентября 2005 Похожие работы
Просмотров: 40304 Комментариев: 19 Оценило: 15 человек Средний балл: 4.7 Оценка: 5 Скачать
db_dan(«’®ў аЁйҐбвў® ЇаҐ¤ЇаЁ­Ё¬ ⥫Ґ©»,7605,»ЃЁ« ©­»)
db_dan(«Љ‡Љ’»,1165,»’®ў аЁйҐбвў® ЇаҐ¤ЇаЁ­Ё¬ ⥫Ґ©»)
db_dan(«ЉЂ‚‡»,7094,»Љ‡Љ’»)
db_dan(«—’‡»,8205,»ЉЂ‚‡»)
db_dan(«‡„‘»,5983,»—’‡»)
db_dan(«ЉЊ‡»,5622,»‡„‘»)
db_dan(«‘Ё­вҐ§»,6633,»Ђна®д«®в»)
db_dan(«ЉЊ‡»,6693,»‘Ё­вҐ§»)
db_dan(«Љ‡Љ’»,7809,»•Ё¬¬ и»)
db_dan(«Љ‡Љ’»,360,»Љ®­дЁ»)
db_dan(«Љ‘Њ»,3790,»Љ‡Љ’»)
db_dan(«‘Ё­вҐ§»,2000,»Љ‘Њ»)
db_dan(«Ља묻,296,»‡€‹»)
db_dan(«‡„‘»,1436,»Ља묻)
db_dan(«‚Ђ‡»,9840,»Љ®­дЁ»)
db_dan(«Љ‡Љ’»,7620,»‚Ђ‡»)
db_dan(«ЉЊ‡»,4321,»•Ё¬¬ и»)
db_dan(«—’‡»,5432,»ЉЊ‡»)
db_dan(«Ља묻,2345,»•«ҐЎ®Є ¬ЎЁ­ в»)
db_dan(«†Ѓ€»,1201,»’®ў аЁйҐбвў® ЇаҐ¤ЇаЁ­Ё¬ ⥫Ґ©»)
db_dan(«†Ѓ€»,1500,»‹Ђ‡»)
db_dan(«Љ‘Њ»,7680,»†Ѓ€»)

Экспертные системы (ЭС) возникли как значительный практический результат в применении и развитии методов искусственного интеллекта (ИИ)- совокупности научных дисциплин, изучающих методы решения задач интеллектуального (творческого) характера с использованием ЭВМ.

Область ИИ имеет более чем сорокалетнюю историю развития. С самого начала в ней рассматривался ряд весьма сложных задач, которые, наряду с другими, и до сих пор являются предметом исследований: автоматические доказательства теорем, машинный перевод (автоматический перевод с одного естественного языка на другой), распознавание изображений и анализ сцен, планирование действий роботов, алгоритмы и стратегии игр.

ЭС- это набор программ, выполняющий функции эксперта при решении задач из некоторой предметной области. ЭС выдают советы, проводят анализ, дают консультации, ставят диагноз. Практическое применение ЭС на предприятиях способствует эффективности работы и повышению квалификации специалистов.

Главным достоинством экспертных систем является возможность накопления знаний и сохранение их длительное время. В отличии от человека к любой информации экспертные системы подходят объективно, что улучшает качество проводимой экспертизы. При решении задач, требующих обработки большого объема знаний, возможность возникновения ошибки при переборе очень мала.

При создании ЭС возникает ряд затруднений. Это прежде всего связано с тем, что заказчик не всегда может точно сформулировать свои требования к разрабатываемой системе. Также возможно возникникновение трудностей чисто психологического порядка: при создании базы знаний системы эксперт может препятствовать передаче своих знаний, опасаясь, что впоследствии его заменят “машиной”. Но эти страхи не обоснованы, т. к. ЭС не способны обучаться, они не обладают здравым смыслом, интуицией. Но в настоящее время ведутся разработки экспертных систем, реализующих идею самообучения. Также ЭС неприменимы в больших предметных областях и в тех областях, где отсутствуют эксперты.

Экспертная система состоит из базы знаний (части системы, в которой содержатся факты), подсистемы вывода (множества правил, по которым осуществляется решение задачи), подсистемы объяснения, подсистемы приобретения знаний и диалогового процессора .

При построении подсистем вывода используют методы решения задач искусственного интеллекта.

Глава 1. Экспертные системы, их особенности.

Применение экспертных систем.

1.1. Определение экспертных систем. Главное достоинство и назначение экспертных систем.

Экспертные системы (ЭС)- это яркое и быстро прогрессирующее направление в области искусственного интеллекта(ИИ). Причиной повышенного интереса, который ЭС вызывают к себе на протяжении всего своего существования является возможность их применения к решению задач из самых различных областей человеческой деятельности. Пожалуй, не найдется такой проблемной области, в которой не было бы создано ни одной ЭС или по крайней мере, такие попытки не предпринимались бы.

ЭС- это набор программ или программное обеспечение, которое выполняет функции эксперта при решении какой-либо задачи в области его компетенции. ЭС, как и эксперт-человек, в процессе своей работы оперирует со знаниями. Знания о предметной области, необходимые для работы ЭС, определенным образом формализованы и представлены в памяти ЭВМ в виде базы знаний, которая может изменяться и дополняться в процессе развития системы.

ЭС выдают советы, проводят анализ, выполняют классификацию, дают консультации и ставят диагноз. Они ориентированы на решение задач, обычно требующих проведения экспертизы человеком-специалистом. В отличие от машинных программ, использующий процедурный анализ, ЭС решают задачи в узкой предметной области (конкретной области экспертизы)на основе дедуктивных рассуждений. Такие системы часто оказываются способными найти решение задач, которые неструктурированны и плохо определены. Они справляются с отсутствием структурированности путем привлечения эвристик, т. е. правил, взятых “с потолка”, что может быть полезным в тех системах, когда недостаток необходимых знаний или времени исключает возможность проведения полного анализа.

Главное достоинство ЭС- возможность накапливать знания, сохранять их длительное время, обновлять и тем самым обеспечивать относительную независимость конкретной организации от наличия в ней квалифицированных специалистов. Накопление знаний позволяет повышать квалификацию специалистов, работающих на предприятии, используя наилучшие, проверенные решения.

Практическое применение искусственного интеллекта на машиностроительных предприятиях и в экономике основано на ЭС, позволяющих повысить качество и сохранить время принятия решений, а также способствующих росту эффективности работы и повышению квалификации специалистов.

1.2. Отличие ЭС от других программных продуктов.

Основными отличиями ЭС от других программных продуктов являются использование не только данных, но и знаний, а также специального механизма вывода решений и новых знаний на основе имеющихся. Знания в ЭС представляются в такой форме, которая может быть легко обработана на ЭВМ. В ЭС известен алгоритм обработки знаний, а не алгоритм решения задачи. Поэтому применение алгоритма обработки знаний может привести к получению такого результата при решении конкретной задачи, который не был предусмотрен. Более того, алгоритм обработки знаний заранее неизвестен и строится по ходу решения задачи на основании эвристических правил. Решение задачи в ЭС сопровождается понятными пользователю объяснениями, качество получаемых решений обычно не хуже, а иногда и лучше достигаемого специалистами. В системах, основанных на знаниях, правила (или эвристики), по которым решаются проблемы в конкретной предметной области, хранятся в базе знаний. Проблемы ставятся перед системой в виде совокупности фактов, описывающих некоторую ситуацию, и система с помощью базы знаний пытается вывести заключение из этих фактов (см.. рис.1).

входная механизм заключения

Качество ЭС определяется размером и качеством базы знаний (правил или эвристик). Система функционирует в следующем циклическом режиме: выбор (запрос) данных или результатов анализов, наблюдения, интерпретация результатов, усвоение новой информации, выдвижении с помощью правил временных гипотез и затем выбор следующей порции данных или результатов анализов (рис.2). Такой процесс продолжается до тех пор, пока не поступит информация, достаточная для окончательного заключения.

В любой момент времени в системе существуют три типа знаний:

— Структурированные знания- статические знания о предметной области. После того как эти знания выявлены, они уже не изменяются.

— Структурированные динамические знания- изменяемые знания о предметной области. Они обновляются по мере выявления новой информации.

— Рабочие знания- знания, применяемые для решения конкретной задачи или проведения консультации.

Все перечисленные выше знания хранятся в базе знаний. Для ее построения требуется провести опрос специалистов, являющихся экспертами в конкретной предметной области, а затем систематизировать, организовать и снабдить эти знания указателями, чтобы впоследствии их можно было легко извлечь из базы знаний.

и входные данные

гипотезы усвоение вывод

рис.2 Схема работы ЭС.

1.3. Отличительные особенности. Экспертные системы первого и второго поколения.

1. Экспертиза может проводиться только в одной конкретной области. Так, программа, предназначенная для определения кон-

фигурации систем ЭВМ, не может ставить медицинские диагнозы.

2. База знаний и механизм вывода являются различными компонентами. Действительно, часто оказывается возможным сочетать механизм вывода с другими базами знаний для создания новых ЭС. Например, программа анализа инфекции в крови может быть применена в пульманологии путем замены базы знаний, используемой с тем же самым механизмом вывода.

3. Наиболее подходящая область применения- решение задач дедуктивным методом. Например, правила или эвристики выражаются в виде пар посылок и заключений типа “если-то”.

4. Эти системы могут объяснять ход решения задачи понятным пользователю способом. Обычно мы не принимаем ответ эксперта, если на вопрос “Почему ?” не можем получить логичный ответ. Точно так же мы должны иметь возможность спросить систему, основанную на знаниях, как было получено конкретное заключение.

5. Выходные результаты являются качественными (а не количественными).

6. Системы, основанные на знаниях, строятся по модульному принципу, что позволяет постепенно наращивать их базы знаний.

Компьютерные системы, которые могут лишь повторить логический вывод эксперта, принято относить к ЭС первого поколения . Однако специалисту, решающему интеллектуально сложную задачу, явно недостаточно возможностей системы, которая лишь имитирует деятельность человека. Ему нужно, чтобы ЭС выступала в роли полноценного помощника и советчика, способного проводить анализ нечисловых данных, выдвигать и отбрасывать гипотезы, оценивать достоверность фактов, самостоятельно пополнять свои знания, контролировать их непротиворечивость, делать заключения на основе прецедентов и, может быть, даже порождать решение новых, ранее не рассматривавшихся задач. Наличие таких возможностей является характерным для ЭС второго поколения, концепция которых начала разрабатываться 9-10 лет назад. Экспертные системы, относящиеся ко второму поколению, называют партнерскими, или усилителями интеллектуальных способностей человека. Их общими отличительными чертами является умение обучаться и развиваться, т.е. эволюционировать.

В экспертных системах первого поколения знания представлены следующим образом:

1) знаниями системы являются только знания эксперта, опыт накопления знаний не предусматривается.

2) методы представления знаний позволяли описывать лишь статические предметные области.

3) модели представления знаний ориентированы на простые области.

Представление знаний в экспертных системах второго поколения следующее:

1) используются не поверхностные знания, а более глубинные. Возможно дополнение предметной области.

2) ЭС может решать задачи динамической базы данных предметной области.

1.4. Области применения экспертных систем.

Области применения систем, основанных на знаниях, могут быть сгруппированы в несколько основных классов: медицинская диагностика, контроль и управление, диагностика неисправностей в механических и электрических устройствах, обучение.

а) Медицинская диагностика .

Диагностические системы используются для установления связи между нарушениями деятельности организма и их возможными причинами. Наиболее известна диагностическая система MYCIN, которая предназначена для диагностики и наблюдения за состоянием больного при менингите и бактериальных инфекциях. Ее первая версия была разработана в Стенфордском университете в середине 70-х годов. В настоящее время эта система ставит диагноз на уровне врача-специалиста. Она имеет расширенную базу знаний, благодаря чему может применяться и в других областях медицины.

Прогнозирующие системы предсказывают возможные результаты или события на основе данных о текущем состоянии объекта. Программная система “Завоевание Уолл-стрита” может проанализировать конъюнктуру рынка и с помощью статистических методов алгоритмов разработать для вас план капиталовложений на перспективу. Она не относится к числу систем, основанных на знаниях, поскольку использует процедуры и алгоритмы традиционного программирования. Хотя пока еще отсутствуют ЭС, которые способны за счет своей информации о конъюнктуре рынка помочь вам увеличить капитал, прогнозирующие системы уже сегодня могут предсказывать погоду, урожайность и поток пассажиров. Даже на персональном компьютере, установив простую систему, основанную на знаниях, вы можете получить местный прогноз погоды.

Планирующие системы предназначены для достижения конкретных целей при решении задач с большим числом переменных. Дамасская фирма Informat впервые в торговой практике предоставляет в распоряжении покупателей 13 рабочих станций, установленных в холле своего офиса, на которых проводятся бесплатные 15-минутные консультации с целью помочь покупателям выбрать компьютер, в наибольшей степени отвечающий их потребностям и бюджету. Кроме того, компания Boeing применяет ЭС для проектирования космических станций, а также для выявления причин отказов самолетных двигателей и ремонта вертолетов. Экспертная система XCON, созданная фирмой DEC, служит для определения или изменения конфигурации компьютерных систем типа VAX и в соответствии с требованиями покупателя. Фирма DEC разрабатывает более мощную систему XSEL, включающую базу знаний системы XCON, с целью оказания помощи покупателям при выборе вычислительных систем с нужной конфигурацией. В отличие от XCON система XSEL является интерактивной.

Интерпретирующие системы обладают способностью получать определенные заключения на основе результатов наблюдения. Система PROSPECTOR, одна из наиболее известных систем интерпретирующего типа, объединяет знания девяти экспертов. Используя сочетания девяти методов экспертизы, системе удалось обнаружить залежи руды стоимостью в миллион долларов, причем наличие этих залежей не предполагал ни один из девяти экспертов. Другая интерпретирующая система- HASP/SIAP. Она определяет местоположение и типы судов в тихом океане по данным акустических систем слежения.

д) Контроль и управление .

Системы, основанные на знаниях, могут применятся в качестве интеллектуальных систем контроля и принимать решения, анализируя данные, поступающие от нескольких источников. Такие системы уже работают на атомных электростанциях, управляют воздушным движением и осуществляют медицинский контроль. Они могут быть также полезны при регулировании финансовой деятельности предприятия и оказывать помощь при выработке решений в критических ситуациях.

е) Диагностика неисправностей в механических и электрических устройствах .

В этой сфере системы, основанные на знаниях, незаменимы как при ремонте механических и электрических машин (автомобилей, дизельных локомотивов и т.д.), так и при устранении неисправностей и ошибок в аппаратном и программном обеспечении компьютеров.

Системы, основанные на знаниях, могут входить составной частью в компьютерные системы обучения. Система получает информацию о деятельности некоторого объекта (например, студента) и анализирует его поведение. База знаний изменяется в соответствии с поведением объекта. Примером этого обучения может служить компьютерная игра, сложность которой увеличивается по мере возрастания степени квалификации играющего. Одной из наиболее интересных обучающих ЭС является разработанная Д.Ленатом система EURISCO, которая использует простые эвристики. Эта система была опробована в игре Т.Тревевеллера, имитирующая боевые действия. Суть игры состоит в том, чтобы определить состав флотилии, способной нанести поражение в условиях неизменяемого множества правил. Система EURISCO включила в состав флотилии небольшие, способные провести быструю атаку корабли и одно очень маленькое скоростное судно и постоянно выигрывала в течение трех лет, несмотря на то, что в стремлении воспрепятствовать этому правила игры меняли каждый год.

Большинство ЭС включают знания, по содержанию которых их можно отнести одновременно к нескольким типам. Например, обучающая система может также обладать знаниями, позволяющими выполнять диагностику и планирование. Она определяет способности обучаемого по основным направлениям курса, а затем с учетом полученных данных составляет учебный план. Управляющая система может применяться для целей контроля, диагностики, прогнозирования и планирования. Система, обеспечивающая сохранность жилища, может следить за окружающей обстановкой, распознавать происходящие события (например, открылось окно), выдавать прогноз (вор-взломщик намеревается проникнуть в дом) и составлять план действий (вызвать полицию).

1.5. Критерий использования ЭС для решения задач.

Существует ряд прикладных задач, которые решаются с помощью систем, основанных на знаниях, более успешно, чем любыми другими средствами. При определении целесообразности применения таких систем нужно руководствоваться следующими критериями.

1. Данные и знания надежны и не меняются со временем.

2. Пространство возможных решений относительно невелико.

3. В процессе решения задачи должны использоваться формальные рассуждения. Существуют системы, основанные на знаниях, пока еще не пригодные для решения задач методами проведения аналогий или абстрагирования (человеческий мозг справляется с этим лучше). В свою очередь традиционные компьютерные программы оказываются эффективнее систем, основанных на знаниях, в тех случаях, когда решение задачи связано с применением процедурного анализа. Системы, основанные на знаниях, более подходят для решения задач, где требуются формальные рассуждения.

4. Должен быть по крайней мере один эксперт, который способен явно сформулировать свои знания и объяснить свои методы применения этих знаний для решения задач.

В таблице один приведены сравнительные свойства прикладных задач, по наличию которых можно судить о целесообразности использования для их решения ЭС.

Таблица 1. Критерий применимости ЭС.

Не могут быть построены строгие алгоритмы или процедуры, но существуют эвристические методы решения.

Имеются эффективные алгоритмические методы.



По своему характеру задачи относятся к области диагностики, интерпретации или прогнозирования.

Задачи носят вычислительный характер.

Задачи решаются методом формальных рассуждений.

Задачи решаются прецедурными методами, с помощью аналогии или интуитивно.

применимы неприменимы
Есть эксперты, которые способны решить задачу. Отсутствуют эксперты или их число недостаточно.
Доступные данные “зашумленны”. Известны точные факты и строгие процедуры.
Знания статичны (неизменны). Знания динамичны (меняются со временем).

В целом ЭС не рекомендуется применять для решения следующих типов задач:

— математических, решаемых обычным путем формальных преобразований и процедурного анализа;

— задач распознавания, поскольку в общем случае они решаются численными методами;

— задач, знания о методах решения которых отсутствуют (невозможно построить базу знаний).

1.6. Ограничения в применение экспертных систем..

Даже лучшие из существующих ЭС, которые эффективно функционируют как на больших, так и на мини-ЭВМ, имеют определенные ограничения по сравнению с человеком-экспертом.

1. Большинство ЭС не вполне пригодны для применения конечным пользователем. Если вы не имеете некоторого опыта работы с такими системами, то у вас могут возникнуть серьезные трудности. Многие системы оказываются доступными только тем экспертам, которые создавали из базы знаний.

2. Вопросно-ответный режим, обычно принятый в таких системах, замедляет получение решений. Например, без системы MYCIN врач может (а часто и должен) принять решение значительно быстрее, чем с ее помощью.

3. Навыки системы не возрастают после сеанса экспертизы.

4. Все еще остается проблемой приведение знаний, полученных от эксперта, к виду, обеспечивающему их эффективную машинную реализацию.

5. ЭС не способны обучаться, не обладают здравым смыслом. Домашние кошки способны обучаться даже без специальной дрессировки, ребенок в состоянии легко уяснить, что он станет мокрым, если опрокинет на себя стакан с водой, однако если начать выливать кофе на клавиатуру компьютера, у него не хватит “ума” отодвинуть ее.

6. ЭС неприменимы в больших предметных областях. Их использование ограничивается предметными областями, в которых эксперт может принять решение за время от нескольких минут до нескольких часов.

7. В тех областях, где отсутствуют эксперты (например, в астрологии), применение ЭС оказывается невозможным.

8. Имеет смысл привлекать ЭС только для решения когнитивных задач. Теннис, езда на велосипеде не могут являться предметной областью для ЭС, однако такие системы можно использовать при формировании футбольных команд.

9. Человек-эксперт при решении задач обычно обращается к своей интуиции или здравому смыслу, если отсутствуют формальные методы решения или аналоги таких задач.

Системы, основанные на знаниях, оказываются неэффективными при необходимости проведения скрупулезного анализа, когда число “решений” зависит от тысяч различных возможностей и многих переменных, которые изменяются во времени. В таких случаях лучше использовать базы данных с интерфейсом на естественном языке.

1.7. Преимущества ЭС перед человеком — экспертом.

Системы, основанные на знаниях, имеют определенные преимущества перед человеком-экспертом.

1. У них нет предубеждений.

2. Они не делают поспешных выводов.

3. Эти системы работают систематизировано, рассматривая все детали, часто выбирая наилучшую альтернативу из всех возможных.

4. База знаний может быть очень и очень большой. Будучи введены в машину один раз, знания сохраняются навсегда. Человек же имеет ограниченную базу знаний, и если данные долгое время не используются, то они забываются и навсегда теряются.

Системы, основанные на знаниях, устойчивы к “помехам”. Эксперт пользуется побочными знаниями и легко поддается влиянию внешних факторов, которые непосредственно не связаны с решаемой задачей. ЭС, не обремененные знаниями из других областей, по своей природе менее подвержены “шумам”. Со временем системы, основанные на знаниях, могут рассматриваться пользователями как разновидность тиражирования- новый способ записи и распространения знаний. Подобно другим видам компьютерных программ они не могут заменить человека в решении задач, а скорее напоминают орудия труда, которые дают ему возможность решат задачи быстрее и эффективнее.

6. Эти системы не заменяют специалиста, а являются инструментом в его руках.

1.8. История развития экспертных систем.

1.8.1. Основные линии развития ЭС .

Наиболее известные ЭС, разработанные в 60-70-х годах, стали в своих областях уже классическими. По происхождению, предметным областям и по преемственности применяемых идей, методов и инструментальных программных средств их можно разделить на несколько семейств.

1. META-DENDRAL .Система DENDRAL позволяет определить наиболее вероятную структуру химического соединения по экспериментальным данным (масс- спектрографии, данным ядерном магнитного резонанса и др.).M-D автоматизирует процесс приобретения знаний для DENDRAL. Она генерирует правила построения фрагментов химических структур.

2. MYCIN-EMYCIN-TEIREIAS-PUFF-NEOMYCIN . Это семейство медицинских ЭС и сервисных программных средств для их построения.

3. PROSPECTOR-KAS. PROSPECTOR — предназначена для поиска (предсказания) месторождений на основе геологических анализов. KAS- система приобретения знаний для PROSPECTOR.

4. CASNET-EXPERT . Система CASNET- медицинская ЭС для диагностики выдачи рекомендаций по лечению глазных заболеваний. На ее основе разработан язык инженерии знаний EXPERT, с помощью которой создан ряд других медицинских диагностических систем.

5. HEARSAY-HEARSAY-2-HEARSAY-3-AGE . Первые две системы этого ряда являются развитием интеллектуальной системы распознавания слитной человеческой речи, слова которой берутся из заданного словаря. Эти системы отличаются оригинальной структурой, основанной на использовании доски объявлений- глобальной базы данных, содержащей текущие результаты работы системы. В дальнейшем на основе этих систем были созданы инструментальные системы HEARSAY-3 и AGE (Attempt to Generalize- попытка общения) для построения ЭС.

6. Системы AM (Artifical Mathematician- искусственный математик) и EURISCO были разработаны в Станфордском университете доктором Д. Ленатом для исследовательских и учебных целей. Ленат считает, что эффективность любой ЭС определяется закладываемыми в нее знаниями. По его мнению, чтобы система была способна к обучению, в нее должно быть введено около миллиона сведений общего характера. Это примерно соответствует объему информации, каким располагает четырехлетний ребенок со средними способностями. Ленат также считает, что путь создания узкоспециализированных ЭС с уменьшенным объемом знаний ведет к тупику.

В систему AM первоначально было заложено около 100 правил вывода и более 200 эвристических алгоритмов обучения, позволяющих строить произвольные математические теории и представления. Сначала результаты работы системы были весьма многообещающими. Она могла сформулировать понятия натурального ряда и простых чисел. Кроме того, она синтезировала вариант гипотезы Гольдбаха о том, что каждое четное число, большее двух, можно представить в виде суммы двух простых чисел. До сих пор не удалось ни найти доказательства данной гипотезы, ни опровергнуть ее. Дальнейшее развитие системы замедлилось и было отмечено, что несмотря на проявленные на первых порах “математические способности”, система не может синтезировать новых эвристических правил, т.е. ее возможности определяются только теми эвристиками, что были в нее изначально заложены.

При разработке системы EURISCO была предпринята попытка преодолеть указанные недостатки системы AM. Как и в начале эксплуатации AM, первые результаты, полученные с помощью EURISCO, были эффективными. Сообщалось, что система EURISCO может успешно участвовать в очень сложных играх. С ее помощью в военно-стратегической игре, проводимой ВМФ США, была разработана стратегия, содержащая ряд оригинальных тактических ходов. Согласно одному из них, например предлагалось взрывать свои корабли, получившие повреждения. При этом корабли, оставшиеся неповрежденными, получает необходимое пространство для выполнения маневра.

Однако через некоторое время обнаружилось, что система не всегда корректно переопределяет первоначально заложенные в нее правила. Так, например, она стала нарушать строгое предписание обращаться к программистам с вопросами только в определенное время суток. Т.о., система EURISCO, так же как и ее предшественница, остановилась в своем развитии, достигнув предела, определенного в конечном счете ее разработчиком.

С 1990 года доктор Ленат во главе исследовательской группы занят кодированием и вводом нескольких сот тысяч элементов знаний, необходимых, по его мнению, для создания “интеллекту-

альной” системы. Этот проект назван Cyc (“Цик”, от английского слова enciklopaedia).

1.8.2 . Проблемы, возникающие при созданииЭС. Перспективы разработки.

С 70-х годов ЭС стали ведущим направлением в области искусственного интеллекта. При их разработке нашли применение методы ИИ, разработанные ранее: методы представления знаний, логического вывода, эвристического поиска, распознавания предложений на естественном языке и др. Можно утверждать, что именно ЭС позволили получить очень большой коммерческий эффект от примения таких мощных методов. В этом — их особая роль.

Каталог ЭС и инструментальных программных средств для их разработки, опубликованный в США в 1987 году, содержит более 1000 систем (сейчас их уже значительно больше). В развитых зарубежных странах сотни фирм занимаются их разработкой и внедрением. Имеются и отечественные разработки ЭС, в том числе — нашедший промышленное применение.

Однако уже на начальных этапах выявились серьезные принципиальные трудности, препятствующие более широкому распространению ЭС и серьезно замедляющие и осложняющие их разработку. Они вполне естественных и вытекают из самих принципов разработки ЭС.

Первая трудность возникает в связи с постановкой задач. Большинство заказчиков, планируя разработку ЭС, в следствие недостаточной компетентности в вопросах применения методов ИИ, склонна значительно преувеличивать ожидаемые возможности системы. Заказчик желает увидеть в ней самостоятельно мыслящего эксперта в исследуемой области, способного решать широкий круг задач. Отсюда и типичные первоначальные постановки задачи по созданию ЭС: “Разработать ЭС по обработке изображения”; “Создать медицинские ЭС по лечению заболеваний опорно-двигательного аппарата у детей”. Однако, как уже отмечалось, мощность эвристических методов решения задач при увеличении общности их постановки резко уменьшается. Поэтому наиболее целесообразно (особенно при попытке создания ЭС в области, для которой у разработчиков еще нет опыта создания подобных систем) ограничиться для начала не слишком сложной обозримой задачей в рассматриваемой области, для решения которой нет простого алгоритмического способа (то есть неочевидно, как написать программу для решения этой задачи, не используя методы обработки знаний). Кроме того, важно, чтобы уже существовала сложившаяся методика решения этой задачи “вручную” или какими-либо расчетными методами. Для успешной разработки ЭС необходимы не только четкая и конкретная постановка задач, но и разработка подробного (хотя бы словесного) описания “ручного” (или расчетного) метода ее решения. Если это сделать затруднительно, дальнейшая работа по построению ЭС теряет смысл.

Вторая и основная трудность — проблема приобретения (усвоения) знаний. Эта проблема возникает при “передаче” знаний, которыми обладают эксперты-люди, ЭС. Разумеется для того, чтобы “обучить” им компьютерную систему, прежде всего требуется сформулировать, систематизировать и формализовать эти знания “на бумаге”. Это может показаться парадоксальным, но большинство экспертов (за исключением, может быть, математиков), успешно используя в повседневной деятельности свои обширные знания, испытывают большие затруднения при попытке сформулировать и представить в системном виде хотя бы основную часть этих знаний: иерархию используемых понятий, эвристики, алгоритмы, связи между ними. Оказывается, что для подобной формализации знаний необходим определенный систематический стиль мышления, более близкий математикам и программистам, чем, например, юристам и медикам. Кроме того, необходимы, с одной стороны, знания в области математической логики и методов представления знаний, с другой — знания возможности ЭВМ, из программного обеспечения, в частности, языков и систем программирования.

Таким образом, выясняется, что для разработки ЭС необходимо участие в ней особого рода специалистов, обладающих указанной совокупностью знаний и выполняющих функции “посредников” между экспертами в предметной области и компьютерными (экспертными) системами. Они получили название инженеры знаний (в оригинале — knowledge engineers), а сам процесс разработки ЭС и других интеллектуальных программ, основанных на представлении и обработке знаний — инженерией знаний (knowledge engineering). В развитых зарубежных странах специальность “инженер знаний” введена во многих вузах, в нашей стране основы инженерии знаний изучаются пока в рамках специализаций по системному программированию. Функции эксперта и инженера знаний редко совмещаются в одном лице. Чаще функции инженера знаний выполняет разработчик ЭС. Как показал опыт многих разработок, для первоначального приобретения знаний, в которых участвуют эксперты, инженеры знаний и разработчики ЭС, требуется активная работа всех трех категорий специалистов. Она может длиться от нескольких недель до нескольких месяцев.

На этапе приобретения знаний могут возникнуть трудности и психологического порядка: эксперт может препятствовать передаче своих знаний ЭС, полагая, что это снизит его престиж как специалиста и создаст предпосылки для замены его “машиной”. Однако эти опасения лишены оснований: ЭС “уверенно” работает лишь в типовых ситуациях, а также удобна в случаях, когда человек находится в состоянии стресса, в наиболее сложных ситуациях, требующих нестандартных рассуждений и оценок, эксперт- человек незаменим.

Третья серьезная трудность- в очень большой трудоемкости создания ЭС : требуется разработать средства управления базой знаний, логического вывода, диалогового взаимодействия с пользователем и т.д. Объем пограммирования столь велик, а программы столь сложны и нетрадиционны, что имеет смысл, как это принято сейчас при разработке больших программ, на первом этапе создать демонстрационный прототип системы — предварительный вариант, в котором в упрощенном виде реализованы лишь ее основные планируемые возможности и которая будет служить для заказчика подтверждниением того, что разработка ЭС для решения данной задачи принципиально возможна, а для разработчиков- основой для последующего улучшения и развития системы.

Одной из причин неудач в создании ЭС стала недооценка авторами ЭС объемов и роли неявных знаний. Системы, базы знаний которых создавались на основе справочников, в лучшем случае так справочниками и остались. Большинство же таких систем оказывались даже хуже справочников, так как сковывали исследовательскую мысль пользователя. Вторым “узким местом” ЭС оказалась модель, на которой были основаны их первые экземпляры, и лишь модель знаний, принимающая вид пороговой направленной иерархической сети с возможностью выбора в конечном из логических узлов (где каждая отдельная ситуация похожа на дерево с листьями), может стать базой для построения ЭС.

Когда стала очевидной полная непригодность этих систем и созданного для них специаллизированного аппаратного оборудования, многие обозреватели пришли к выводу, что существующая технология создания ЭС была тупиковым направлением в развитии информационных технологий. В последнее десятилетие ЭС возродились в виде систем с базой знаний, которые тесно переплетались с существующими деловыми системами. Их используют в здравоохранении, страховании, банковском деле и других областях, чтобы с помощью правил и объектовнакапливать опыт,повысить качество принимаемых решений. Базы знаний встроенысегодня в наиболее современные крупные системы. Они находятся в самой сердцевине программ- агентов, осуществляющих поиск в сети Internet, и помогают коллективам пользователей справиться с поитоками информации.

Рассмотрим факторы, стимулировавшие развитие систем с базами знаний:

— компании, добившиеся значительной экономии денежных средств благодаря технологии баз знаний, развивают и выстраивают ее в специальные бизнес- процессы, которые были бы просто невозможны без компьютерной экспертизы;

— разработаны новые технологии создания баз знаний, является необходимым средством, которое может изменить бизнес- поцесс;

— современные системы реализованы не наспециализирован-ном, а на стандартном оборудовании.

Объединение всех видов программных продуктов и их отдельных компонентов в единую ЭС признано экономически выгодным, так как прменение ЭС позволяет существенно сократить расходы на подготовку квалифицированного персонала, дальнейшую проверку работоспособности и надежности разрабатываемых и исследовательских систем, а также уменьшить время проектирования и(или) исследования.

Объектная технология, на основе которой могут создаваться и развиваться современные ЭС,- значительный шаг вперед по сравнению с CASE- средствами, т.к. она похожа на наше восприятие окружающей действительности. Наше представ- ление о моделировании меняется, то же самое происходит и с объектами, поэтому сопровождение программируемых объектов может выполнятся аналогично приспособлению наших умозрительных образов к изменению окружающих условий. Данная технология прекрасно подходит аналитикам и программистам. т.к. очень напоминает стратегию решения проблем и соответствует мыслительным процессам людей, считающихся экспертами в своей области.

Чтобы стать экспертом, специалисту нужен инструментарий, имитирующий мышление эксперта. Разработка парадигмы превращается из задачи, чуждой мышлению человека, в знакомое, привычное и легко выполняемое задание.

Как работают эксперты? Следуя принципам, заложенным в объектно- ориентированные технологии, они подразумевают проблемы на объекты или классы объектов. По мере накопления знаний в определенной области они делают обобщения, ориентируясь на выделенные объекты или классы объектов. Некоторые обобщения имеют иерархическую структуру, где свойства высших объектов наследуются объекта-

ми низшего уровня. Сущность может соответствовать нескольким классам объектов и взаимодействовать с различными объектами или классами. По мере того как знания эксперта углубляются, на их основе формируются новые ассоциации, а отдельные уровни иерархии пропадают или расширяются.

Методика объектно- ориентированного программирования основана на модели, напоминающей образы, возникающие в мозгу аналитика, которая представляет предметы и процессы в виде объектов и связей между ними. Наблюдая событие, эксперт легко выделяет знакомые образы. Для решения проблем он испытывает конкретные правила, рассматривая при этом исследуемую проблему под определенным ракурсом.

При разработке систем автоматизированного проектирования (САПР) уже нельзя обойтись без ЭС; их использование признано экономически выгодным.

С середины 80-х годов наиболее популярные системы с базами знаний создавались с ориентацией на стандартное оборудование. В этом ключ к пониманию причин успеха современной технологии баз знаний. Опыт показывает, что системы с базами знаний необходимо встраивать в самые важные бизнесс- процессы и организовывать работу персонала так, чтобы он мог максимально использовать их преимущества для достижения наилучших результатов.

Глава 2. Структура систем, основанных на знаниях

Глава 7 Теория экспертных систем

Предназначение экспертных систем

Системы искусственного интеллекта начали развиваться с развитием ЭВМ, но в силу недостаточности аппаратного обеспечения не получили распространения. Экспертные системы (ЭС) возникли на основе систем искусственного интеллек­та (СИИ). ЭС появились как самостоятельное направление исследований в рамках СИИ. Цель создания ЭС состоит в разработке компьютерных про­грамм, которые при решении трудных задач получают некоторые результаты, по своей эффективности превосходящие ре­шения, полученные с помощью человека — эксперта. Специалисты в области ЭС стали называть эту область инженерия знаний.

ЭС предназначены для решения сложных неформализованных задач.

Особенности неформализуемых задач:

1) невозможность задания условий в цифровом виде;

2) нет целевой функции;

3) не существует алгоритмического решения задачи;

4) существует алгоритмическое решение задачи, но невозможно его использовать (не хватает ОЗУ, времени и т.д.);

5) характерно для неформализованных задач ошибочность, неоднозначность, противоречивость исходных данных;

6) огромная размерность задач (перебор альтернатив очень велик);

7) данные задачи изменяются в динамике.

Таким образом, ЭС и СИИ при решении задач отличаются от обычных систем следующим:

— в них используется символьный способ представления данных, в отличие от цифрового способа;

— используется эвристический и символьный способы решения задач, в отличие от алгоритмического.

Основные преимущества ЭС:

1) Технология ЭС значительно расширяет круг практически значи­мых задач, которые можно решить на ЭВМ и решение которых приносит значительный экономический эффект.

2) Технология ЭС является единственным средством в решении проблем традиционного программирования:

— высокая стоимость разработки сложных приложений;

— высокая стоимость сопровождения сложных систем.

3) Объединение технологии ЭС с технологией традиционного программирования позволяет резко повысить качество программных продуктов (программные продукты могут выполняться пользователями).

4) ЭС могут играть основную роль на стадиях проектирование ИС, производства, распространения, продажи, оказание услуг в любых областях;


5) Технология ЭС может обеспечить революционный прорыв в интеграции приложений при решении любых сложных и неформализуемых задач.

Хотя ЭС предназначены для решения неформализуемых задач, в то же время они не отвергают традиционного подхода к проектированию компьютерных программ.

Специфика ЭС по отношению к другим СИИ состоит в том, что ЭС используется для решения очень сложных задач, однако по качеству и эффектив­ности их решения не уступают решени­ям, полученным с помощью экспертов людей. При этом ЭС способны пополнять свои знания в ходе взаимодействия с экспер­том человеком.

Архитектура ЭС

Экспертные системы подразделяются на статические и динамические. Типовая структура статической ЭС приведена на рис. 7.1.

Рабочая память (база данных) предназначена для хранения исход­ных и промежуточных данных в текущий момент решения задачи. База знаний предназначена для хранения долгосрочных данных, которые используются для решения задачи, для хранения правил, описывающих преобразование данных, которые имеются в базе знаний.

Решатель (интерпретатор) формирует последовательность правил, которые приводят к решению задач, использует данные из базы данных и базы знаний.

Компонент приобретения знаний предназначен для автоматиза­ции приобретения знаний.

Объясняющий компонент объясняет каким образом система полу­чила данное решение или объясняет почему ЭС не получила реше­ние задачи. Объясняет, какие знания ЭС использовала для получе­ния решения задачи.

Диалоговый компонент ориентирован для организации дружест­венного общения ЭС с пользователем в ходе решения задач, в процессе приобретения знаний и в процессе объяснения результа­тов решения задач.

Особенностью статических ЭС является то, что эти системы предназначены для решения задач без учета изменений, происходящих в окружающей среде во время решения задачи.

Динамические ЭС учитывают изменения, происходящие в окру­жающей среде в течение времени решения задачи.

Структура динамической ЭС приведена на рис. 7.2.

В создании и использовании ЭС участвуют следующие специалисты:

1) Эксперт в проблемной области задач, которые будут ставиться и решаться экспертной системой; руководитель, для которого созда­ется ЭС. Основные функции эксперта: определение объема знаний (правил и данных), характеризующих проблемную область, полноты и правиль­ности знаний, получаемых ЭС.

2) Инженер по знаниям — специалист по разработке ЭС (использует­ся технология инженерии знаний). Инженер по знаниям осуществляет помощь для выявления и структуризации знаний, необходимых ЭС.

3) Программист — специалист по разработке инструментальных средств, программ поддержки и ускорения создания ЭС (замена инженера по знаниям — программистом).

ЭС работают в двух основных режимах:

1) Режим приобретения знаний. Общение с ЭС осуществляет человек-эксперт с помощью инженера по знаниям. Эксперт, используя «компонент приобретения знаний» пополняет ЭС знаниями. Эти знания позволяют ЭС в дальнейшем решать задачи без участия эксперта. Экс­перт описывает проблемную область в виде совокупности правил и данных. Правила описывают способы взаимодействия с данны­ми, характерными для данной области. Режиму приобретения знаний в традиционной системе соответствуют эта­пы: алгоритмизация, разработка программ, отладка программ. В отличие от обычной компьютерной системы в случае экспертных систем разработка программ осуществляется экспертом, который не владеет знаниями в области программирования.

2) Режим решения задачи (режим консультации). Общение с ЭС осу­ществляет конечный пользователь, которого интересует результат и способ получения результата.

Конечный пользователь может быть не специалистом в данной об­ласти. В таком случае он обращается к ЭС за результатом, поскольку не может получить его сам. Если конечный пользователь — специалист в данной области, он обращает­ся к ЭС для того, чтобы ускорить получение результата, либо возло­жить на ЭС рутинную работу.

В режиме консультации данные о задаче после обработки их в диа­логовом компоненте поступают в рабочую память. После этого решатель формирует решение задачи на основе входных данных из базы данных и общих данных по проблемной области и правил из базы знаний.

Если реакция ЭС непонятна пользователю, то он вправе по­требовать от ЭС объяснения, почему система задает тот или иной во­прос, или каким образом получен системой тот или иной результат.

7.3 Особенности разработки экспертных систем

Разработка ЭС имеет существенные отличия от разработки обычного программного продукта. Опыт разработки ЭС показал, что использование методологии традиционного создания программ не подходит в данном случае по двум причинам:

1) чрезмерно затягивается процесс создания ЭС;

2) использование традиционной методологии создания программ приводит к отрицательному результату.

Особенность создания ЭС в первую очередь заключается в неформа­лизованности задач, решаемых ЭС и в отсутствии теории создания ЭС. Эти две особенности приводят к необходимости постоянно совершенствовать принципы и способы построения ЭС в ходе процесса разработки в соответ­ствии с увеличением объема знаний.

Таким образом, прежде чем присту­пить к созданию экспертных систем, инженер по знаниям обязан убедиться — следует ли разрабатывать ЭС для данной проблемной области. Разработ­ка ЭС необходима тогда, когда мы можем эффективно использовать ЭС и когда при разработке ЭС мы можем использовать методы инженерии зна­ний.

Чтобы реализовать эти условия необходимо выполнение следующих требований:

1) В данной проблемной области существуют эксперты, которые ре­шают задачи значительно лучше, чем средние специалисты.

2) Эти эксперты сходятся в оценке качества предлагаемого решения, или эксперты сходятся в оценке качества предполагаемой ЭС.

3) Эксперты способны выразить на естественном языке и объяснить используемые ими способы и методы таким образом, чтобы мож­но было их вложить в ЭВМ.

4) Решение задач в ЭС требует рассуждений, но не действий.

5) Обычная задача, решаемая ЭС не должна быть слишком трудной для эксперта человека, то есть решение должно занимать у экс­перта несколько часов или дней.

6) Задача, которая решается ЭС, хотя и не формализована, должна быть структурирована, понятна для пользователя (должна выдавать основные понятия, отношения и известные экс­перту способы решения).

7) Решение задачи в ЭС не должно в значительной мере использо­вать здравый смысл, потому, что рассуждения здравого смысла не удается вложить в СИИ.

Создание ЭС оправдано тогда, когда мы можем получить следую­щие выгоды:

1) Создание ЭС оправдано, если ее создание приносит значительный эффект, в том числе экономический.

2) Использование человека эксперта невозможно из-за недостаточ­ного количества экспертов или из-за необходимости выполнять экспертизы одновременно в нескольких местах.

3) При передаче информации эксперту происходит значительная по­теря объема и качества информации.

4) Есть необходимость решения задачи во враждебной окружающей среде.

Особенности задач решаемых ЭС:

1) Задача ставится и решается естественным образом с помощью ма­нипуляции символами, а не с числами, что принято при традици­онном создании программ.

2) Задача в ЭС имеет эвристическую природу, в отличие от алгоритмической. Если задача решается с помощью некоторых формаль­ных процедур, то она не подходит для СИИ.

3) Задача должна быть достаточно сложной, чтобы оправдать зна­чительные расходы на созданиеЭС.

Этапы разработки ЭС

Технология разработки экспертных систем включает в себя шесть ос­новных этапов (рис. 7.3):

5) Опытная эксплуатация.

1. На первом этапе определяются основные задачи, подлежащие разра­ботке и решению, выявляются основные цели разработки ЭС, оп­ределяются основные эксперты, пользователи для которых созда­ется ЭС. Идентификация – математическое описание.

2. На этапе концептуализации производится содержательное описание про­блемной области. Если на этапе идентификации выделяются тре­бования, то на этом этапе формируются понятия и их взаимосвязи. Определяются методы решения задач в ЭС.

3. Это начальный этап формализации. При создании ЭС:

— производится выбор инструментальных средств;

— производится выбор способов представления всех видов знаний;

— формализуются основные понятия;

— определяются способы интерпретации данных — модифика­ции данных с целью вложения их в ЭВМ;

— моделирование работы системы в целом;

— оценка адекватности системы с моделью.

4. Наполнение экспертом базы знаний ЭС. В связи с тем, что осно­вой ЭС являются знания, этот этап является наиболее трудоемким и наиболее важным:

— извлечение знаний из эксперта;

— представление знаний в виде понятном для ЭС.

Все это осуществляет инженер по знаниям вместе с экспертом и вводит эти знания в ЭС.

5. На этапе опытной эксплуатации исследуется пригодность ЭС для работы с пользователями. В ре­зультате этого этапа обычно появляется необходимость доработ­ки ЭС.

6. Эксперт и инженер по знаниям оценивают компетентность ЭС – проводят тестирование. Обычно этот этап длится до тех пор, пока эксперт не придет к за­ключению, что ЭС достигла достаточного уровня компетентно­сти.

Создание ЭС не сводится к строгой последовательности перечислен­ных этапов (рис. 7.3). Обычно разработчики ЭС требуют неоднократного возвращения к промежуточным и начальным этапам создания ЭС и пересмотра принимаемых на этих этапах решений.

Вопросы для самоконтроля к главе 7

1. Перечислите особенности неформализуемых задач

2. Отличие ЭС и СИИ при решении задач от обычных систем

3. Преимущества технологии ЭС

4.Отличие статической ЭС от динамической

5. Предназначение компонента приобретения знаний

6. Перечислите специалистов участвующих в создании и использовании ЭС

7. Опишите режимы работы ЭС

8. Какие требования являются условиями для разработки ЭС?

9. Особенности задач решаемых ЭС

10. Перечислите этапы разработки ЭС

11. В чем заключается этап наполнения

12. Почему необходимы возвращения к промежуточным и начальным этапам разработки ЭС?

Терминологический словарь

Адрес связи атрибут, в котором хранится на­чальный адрес или номер записи, обрабатываемой после этой записи. Обычная последовательность обработки записей в списке определяется возрастанием значений ключа в записях.

Атрибут –единица информации,информационное отображение от­дельного свойства некоторого объекта, процесса или явления.

Атрибут-основание — отображение количественного свойства некоторого объекта, предмета, процесса.

Атрибут-признак — информационное отображение качественного свойства некоторого объекта, предмета, процесса.

Ацикличность – процедура позволяющая улучшить характеристики БД, чтобы при корректировке или перестройке отношений не было двусмысленности или потери информации.

База данных (БД) — это набор форматированных сообщений,

Бинарное дерево древовидная организация данных,когда значение ключевого атри­бута каждой записи больше, чем значение ключа у любой записи на ее левой ветви, и не меньше, чем ключ любой записи на ее правой ветви.

Веерное отношение — называется пара отношений, состоящая из одного основного, одного зависимого отноше­ния и связи между ними при условии, что каждое значение зависимого отношения связано с единственным значением ос­новного отношения.

Вероятный ключотношения — такое множество атрибутов, что каждое сочетание их значений встречается только в одной строке отношения, и никакое подмножество атрибутов этим свойством не обладает. Вероятных ключей в отношении может быть несколько.

Взаимодействие объек­тов — факт участия нескольких объектов в каком-либо процессе, который протекает и во времени, и в пространстве.

Внутреннее описание — определяет организацию дан­ных в памяти ЭВМ и методы доступа к данным.


Время поиска данных — нахождение значения ключевого атрибута равного заранее известной величине.

Время корректировки данных — т.е. включение или исклю­чение одной записи.

ВС – вычислительная система.

Выборка операция выделения подмножества значений СЕИ (строк), которые удовлетворяют заранее поставленным услови­ям выборки.

Дескриптор доминанта в классе условной экви­валентности, то есть такой термин, который может заменить любое слово клас­са.

Документ материальный носитель информации, содержащий оформленное в установленном порядке сообщение и имеющий юридическую силу.

Домен – множество всех допустимых значений атрибута

Древовидная организация данных (дерево) – метод организации данных, множество записей расположены определенным образом по уровням:

— на 1-м уровне расположена только одна запись (корень дерева),

— к любой записи i-го уровня ведет адрес связи только от одной записи уровня i-1.

Единицы информации —набор символов, которо­му придается определенный смысл (атрибуты и составные единицы информации).

Идентифицирующие свойства — свойства, по значению которых можно однозначно отличить данный экземпляр объекта от любого другого (в том числе и в пределах класса объектов, содержащего этот экземпляр).

Иерархическая база данных — множество отношений и веерных отношений, для которых соблюдаются два ограничения:

1) существует единственное отношение, называемое корневым, которое не является зависимым ни в одном веерном отношении.

2) все остальные отношения (за исключением корневого) яв­ляются зависимыми отношениями только в одном веерном отно­шении.

Иерархическая модель данных – модель данных, допустимыми информационными конст­рукциями которой являются отношение, веерное отношение и иерархическая база данных.

Индексирование выражение тем на языке, принятом в информацион­но-поисковой системе, и записи в виде поисковых обра­зов, которые связываются с документом.

Информация – ресурсы; новые сведения, позволяющие улучшить про­цессы, связанные с преобразованием вещества, энергии и самой информации, принятые, понятые и оценен­ные конечным потребителем как полезные

Концептуальная схема — описание структуры всех единиц информации, хранящихся в БД.

Концептуальное представление — инфор­мационное содержание базы данных в абстрактной фор­ме. Цель концептуального уровня — создать такое формальное представление о базе данных, чтобы любое внешнее представ­ление являлось его подмножеством.

Корректировка — включение и исключение записей

КУЭ -классы условной эквива­лентности.

Коэффи­циент мультипрограммирования число одновременно выполняемых заданий в ВС.

Неполная функциональная зависимость — это две зависимости:

— вероятный ключ отношения функционально определяет некоторый неключевой атрибут,

— часть вероятного ключа функционально определяет этот же неключевой атрибут.

Нормализация это операция перехода от СЕИ с произ­вольной структурой к СЕИ с двухуровневой структурой, позволяющая улучшить характеристики БД по минимальность избыточности представления информации.

Объект любой элемент некоторой системы. В экономических приложениях это любой предмет, занимающий место в пространстве.

Омонимия совпадение в звучании и написании раз­ных слов. Например: лук (растение) и лук (оружие).

Организация значений данных — относительно устойчивый порядок расположения записей данных в памяти ЭВМ и способ обеспечения взаимосвязи между данными.

Отношение – таблица, с двухуровневой структурой.

Отношение в первой нормальной форме (1 НФ) — это обычное отношение с двухуровневой структурой. Недопустимость в структуре отношения третьего и последующих уровней является ограничением, определяющим 1НФ отношения.

Отношение во второй нормальной форме (2НФ) — если оно соответствует 1НФ и не содержит неполных функциональных зависимостей.

Отношение в третьей нормальной форме (3НФ)— если оно соответствует 2НФ и среди его атрибутов отсутствуют транзитивные функциональные зависимости (ФЗ).

Пакетный режим обработки — данные в системе накапли­ваются до тех пор, пока не наступит заданный момент времени, или объем данных не превысит некоторый предел. Затем имею­щаяся информация обрабатывается несколькими последователь­но запускаемыми программами.

Первичный ключ отношения такой вероятный ключ, по значениям которого производится контроль достоверности информации в отношении.

Поиск — процедура выделения из некоторого множества записей определенного подмножества, записи ко­торого удовлетворяют некоторому заранее поставленному условию.

Показатель представляет собой полное описание количе­ственного параметра, характеризующего некоторый объект или процесс.

Полисемия перенос названия одного предмета на дру­гие предметы. Например: звезда (геометричес­кая фигура) и звезда (небесное тело).

Порядковая система коди­рования – нумерация, применяемая, если классификация объектов вообще не требуется.

Последовательная организа­ция данных – метод организации данных, когда записи располагаются в памяти строго одна за дру­гой, без промежутков.

Предметная область — элементы материальной системы (объект, свойства объектов, взаимодействие объектов, свойства взаимодействия объектов), информация о которых хранится и обрабатывается в ЭИС.

Проекция операция переноса в резуль­тирующее отношение тех столбцов исходного отношения, кото­рые указаны в условии операции.

Простейшие СЕИ — таблицы, позволяющие создавать произвольные ком­бинации из атрибутов.

Процесс управления в ЭИС процесс изменения состояния объекта, которое приводит к достижению поставленной цели. Объектом управления является экономическая система, обладающая сложной, многоуровневой иерархической структурой.

Разработка (проектирование) ЭИС процесс составления описания еще не существующей системы на разных языках и с различной степенью детализа­ции, в ходе которого осуществляется оптимизация проектных решений.

Реляционная база данных — модель данных, характеризующаяся следующими компонентами:

— информационной конструкцией — отношением с двух­уровневой структурой,

— допустимыми операциями — проекцией, выборкой, соеди­нением и другими

— ограничениями — функциональными зависимостями меж­ду атрибутами отношения.

Разрядная система кодирования – классификация объектов по нескольким призна­кам и их взаимная подчиненность соответствует выделению классов объектов, подклассов внутри каждого класса и т.д.

Свертка операция преобразования СЕИ с двухуровне­вой структурой в СЕИ с произвольной многоуровневой струк­турой.

Свойство объекта — некоторая величина, кото­рая характеризует состояние объекта в любой момент време­ни. Отдельный экземпляр объекта можно точно описать, если указать достаточное количество значений его свойств.

Свойство взаимодействия — характеризует совместное поведение объектов, но не от­носится ни к одному объекту в отдельности.

Семантические модели — средство представления структуры предметной области.

Семантические сети модель знаний, состоящая в единстве базы знаний и механизма вывода новых фактов. На основании вопроса к базе знаний строится семантическая сеть, отображающая структуру вопроса, и ответ получается в результате сопоставления общей сети для базы знаний в це­лом и сети для вопроса.

Серийная система кодирования – классификация объектов по одно­му признаку. Коды объектов разделяются на несколько частей (серий) по количеству значений этого при­знака и в пределах каждой серии использовать последователь­ные номера.

Сетевая база данных – модель данных, состоящая из множества отношений и ве­ерных отношений. Отношения разделяются на основные и за­висимые.

Синонимия— одному «означаемому» (предмету, явлению) соответ­ствует одно и более «означающих» (слов, словосочетаний).

Система –любой объект, который, с одной сто­роны, рассматривается как единое целое, а с другой — как мно­жество связанных между собой или взаимодействующих со­ставных частей.

Слот фрейма — элемент данных, предназначенный для фиксации зна­ний об объекте, которому отведен данный фрейм.

Составная единица информации (СЕИ) — набор из атрибутов и, возможно, других СЕИ. Простейшая СЕИ – таблица.

Система управления базой данных (СУБД) — комплекс программ, обеспечивающий централизованное хранение, накопление, модификацию и выдачу данных, входящих в БД.

Структура СЕИ — вхождение од­них единиц информации в состав других единиц информации

Тезаурус —словарь-справочник, в котором перечисле­ны все лексические единицы ИМЯ с синонимичными им сло­вами, а также выражены все важнейшие смысловые (парадигматические) отноше­ния между лексическими единицами.

Транзитивная ФЗ — это две ФЗ:

— вероятный ключ отношения функционально определяет не ключевой атрибут,

— этот атрибут функционально определяет другой не ключевой атрибут.

ФЗ – функциональная зависимость.

Формирование данных — процедура упорядочения записей по ключевому атрибуту.

Продукционная модель– модель знаний, состоящая из набора правил и механизма логического вывода. Все правила содержат условную и заключительную части. В условной части правила находится одиночный факт либо несколько фактов. В заключительной части правила находятся факты, кото­рые необходимо дополнительно сформировать в рабочей па­мяти, если условная часть правила является истинной.

Фреймы модель знаний, структура знаний в памяти ЭВМсопоставимая с рамками, определенными для каждого объекта в сознании человека. С по­мощью фреймов мы пытаемся представить процесс система­тизации знаний в форме, максимально близкой к принципам систематизации знаний человеком.

Цель информационной системы — управление экономическими про­цессами.

Экономичес­кая информация — информация о процессах производ­ства, распределения, обмена и потребления материальных благ.

Экономическая информационная система — система, функционирование которой во времени заклю­чается в сборе, хранении, обработке и выдачи ин­формации о деятельности какого-то экономического объекта реального мира.

Эмерджентность — свойство системы обладать большими свойствами, чем составляющие ее элементы.

Литература

1. Горбенко, А. О. Информационные системы в экономике [Текст] : учебное пособие для вузов / А. О. Горбенко. — М. : БИНОМ : Лаб. знаний, 2010. — 292 с.

2. Григоренко Г.П., Даниленко Т.Я. Системы автоматизированной обработки информации (САОЭИ) [Текст] : учебное пособие. –М.: МЭСИ, 1996.

  1. Димов Э.М. Теория экономических информационных систем [Текст] : учебное пособие / Э. М. Димов. — Самара : ПГАТИ, 1998. — 37 с.

4. Иватилов Ю.П., Лотов А.В. Математические модели в экономике. [Текст]: учебное пособие под ред. академика Моисеева Н.Н.. –М.: Наука, 1979.

  1. Информационные системы в экономике[Текст] : учебник под ред. В.В.Дика. – М.: Финансы и статистика, 1996. –272 с.
  2. Информационные системы в экономике [Текст] : учебное пособие для вузов / под ред. А.Н. Романова, Б.Е. Одинцова. – Изд. 2-е, доп. и перераб.. – М.: Вузовский учебник, 2008. – 411 с.
  3. Кордонская И.Б., Диязитдинова А.Р. Детализированное описание организационной структуры компании [Текст] : методическая разработка для выполнения контрольной работы по ТЭИС. Изд. ПГАТИ, 15 с.

8. Криницкий Н.А. Автоматизированные информационные системы [Текст]: Н.А.Криницкий Н.А., А.Г.Миронов, Д.Г.Фролов под ред. академика Дородницина А.А. –М.: Наука, 1982.

9. Мисарович М. Теория иерархических информационных систем [Текст] : М.Мисарович, Д.Марко, И.Такахара, пер. с англ. –М.: Мир, 1973.

  1. Мишенин А.И. Теория экономических информационных систем[Текст] : учебник. – 4 изд. – М.: Финансы и статистика, 1999. – 240 с.

11. Исаев, Г. Н. Информационные системы в экономике [Текст] : учебное пособие для вузов / Г. Н. Исаев. — М. : Омега-Л, 2006. — 462 с. : ил. — (Высшее экономическое образование)

12. Попов Э.В. Статические и динамические экспертные системы [Текст] : Э.В.Попов, И.Б.Фоминых, Е.Б.Кисель, М.Д.Шапот, учебное пособие, -М.: Финансы и статистика, 1996.

13. Якубайтис Э.Я. Информационные сети и системы [Текст]: справочная книга. М.: Финансы и статистика, 1996.

Илон Маск рекомендует:  Использование rtti в приложениях на базе vcl
Понравилась статья? Поделиться с друзьями:
Кодинг, CSS и SQL