Экспертные системы

Наибольший прогресс среди компьютерных информационных систем отмечен в области разработки экспертных систем (ЭС), основанных на использовании элементов искусственного интеллекта. Экспертные системы дают возможность менеджеру или специалисту получать консультации экспертов по любым проблемам, на основе которых этими системами накоплены знания.

Под искусственным интеллектом (ИИ) обычно понимают способности компьютерных систем к таким действиям, которые назывались бы интеллектуальными, если бы исходили от человека. Чаще всего здесь имеются в виду способности, связанные с человеческим мышлением. Работы в области искусственного интеллекта не ограничиваются экспертными системами. Они также включают в себя создание роботов, систем, моделирующих нервную систему человека, его слух, зрение, обоняние, способность к обучению.

Решение специальных задач требует специальных знаний. Главная идея использования технологии экспертных систем заключается в том, чтобы получить от эксперта его знания и, загрузив их в память компьютера, использовать всякий раз, когда в этом возникнет необходимость. Являясь одним из основных приложений искусственного интеллекта, экспертные системы представляют собой компьютерные программы, трансформирующие опыт экспертов в какой-либо области знаний в форму эвристических правил. На практике ЭС используются прежде всего как системы-советчики в тех ситуациях, где специалист сомневается в выборе правильного решения. Экспертные знания, хранящиеся в памяти системы, более глубокие и полные, чем соответствующие знания пользователя.

ЭС находят распространение при решении задач с принятием решений в условиях неопределенности (неполноты) для распознавания образов, в прогнозировании, диагностике, планировании, управлении, конструировании и т.д.

Типичная экспертная система состоит из решателя (интерпретатора), БД (базы данных), БЗ (базы знаний), компонентов приобретения знаний, объяснительного и диалогового компонентов.

БД предназначена для хранения исходных и промежуточных данных, используемых для решения задач, фактографических данных.

Решатель, используя исходные данные из БД и знания из Б3, обеспечивает решение задач для конкретных ситуаций.

Компонент приобретения знаний автоматизирует процесс наполнения Б3.

Объяснительный компонент объясняет, как система получила решение задачи (или почему не получила) и какие знания она при этом использовала. Диалоговый компонент обеспечивает диалог между экспертной системой и пользователем в процессе решения задачи и приобретения знаний.

Экспертные системы создаются для решения разного рода задач профессиональной деятельности человека, и в зависимости от этого выполняют разные функции.

Ø 2.7.1. Типы экспертных систем

Можно назвать несколько типов современных экспертных систем.

1) Экспертные системы первого поколения. Предназначены для решения хорошо структурированных задач, требующих небольшого объема эмпирических знаний. Сюда относятся классификационные задачи и задачи выбора из имеющегося набора вариантов.

Оболочки ЭС. Имеют механизм ввода-вывода, но БЗ пустая. Требуется настройка на конкретную предметную область. Знания приобретаются в процессе функционирования ЭС, способной к самообучению.

2) Гибридные ЭС. Предназначены для решения различных задач с использованием Б3. Это задачи с использованием методов системного анализа, исследования операций, математической статистики, обработки информации. Пользователь имеет доступ к объективизированным знаниям, содержащимся в Б3 и пакетах прикладных программ.

3) Сетевые ЭС. Между собой связаны несколько экспертных систем. Результаты решения одной из них являются исходными данными для другой системы. Эффективны при распределенной обработке информации.

При разработке экспертных систем должны участвовать: эксперт той предметной области, задачи которой будет решать система; инженер по знаниям – специалист по разработкам систем; программист – специалист по разработке инструментальных средств. Эксперт определяет знания, то есть описывает предметную область в виде совокупности данных и правил, обеспечивает полноту и правильность введенных в экспертную систему знаний. Данные определяют объекты, их характеристики и значения. Правила указывают на способы манипулирования данными.

Инженер по знаниям помогает эксперту: выявить и структурировать знания, необходимые для функционирования экспертной системы; осуществить выбор инструментальных средств, которые наиболее эффективны для решения задач в данной предметной области; указать способы представления знаний. Программист разрабатывает инструментальную среду, включающую все компоненты экспертной системы, производит ее сопряжение с другими существующими системами.

Ø 2.7.2. Виды знаний

1) Понятийные знания. Это набор понятий, которыми пользуется лицо, принимающее решение (ЛПР), работающий в некоторой области интеллектуальной, управляющей деятельности, а также свойства и взаимосвязи этих понятий. Эта категория знаний в основном вырабатывается в сфере фундаментальных наук.

2) Конструктивные знания (близкие к понятийным знаниям). Это знания о структуре и взаимодействии частей различных объектов. Они в основном составляют содержание технических, прикладных наук. К примеру, если взять программирование, то понятийное знание – знание о структуре операторов, данных, языка программирования. Конструктивное знание – это знание об устройстве конкретных программ, о типичных алгоритмах.

3) Процедурные знания. К ним относятся методические правила решения различных задач, с которыми ЛПР уже сталкивался и их решать. В производственной сфере аналогом процедурных знаний являются технологические знания различных производственных процессов. Процедурные знания – это опыт интеллектуальной, управляющей деятельности ЛПР в определенной предметной области.

4) Фактографические знания. Они включают в себя количественные и качественные характеристики конкретных объектов, явлений и их элементов. Их накопление ведется в виде таблиц, справочников, файлов, БД.

Ø 2.7.3. Способы формализованного представления знаний в БЗ

Формализованное представление знаний в информационных технологиях управления в виде интеллектуальных систем является первичным. Рассмотрим распространенные способы их формализованного представления.

1) Представление знаний продукционными правилами. Продукционные правила представляют знания в форме ЕСЛИ – ТО. Системы, использующие представления знаний продукционными правилами, называются продукционными. Это самый наглядный и простой способ. В таких системах представления знаний имеются средства, позволяющие использовать в данных и правилах нечеткую информацию с определенной вероятностью, называемой фактором уверенности.

2) Логика предикатов (раздел математической логики). Константы и переменные определяют отдельные объекты и обозначаются буквами или набором букв (U, V, W, X, Y). Последовательность из n констант или переменных (n – конечно, n > 1) называется функцией. Атомарным предикатом называется последовательность из n сущностей и понятий, описанных константами, переменными или функциями.

Предикат принимает одно из двух значений: истина или ложь. Предикат, в котором все переменные, константы и функции связаны между собой, называется предложением. Предложения используются для представления знаний. Логика предикатов обеспечивает высокий уровень модульности знаний (представляет их как единое целое в определенной предметной области) и позволяет выяснить, имеются или отсутствуют противоречия между новыми и уже существующими знаниями. Но чрезмерный уровень формализации представления знаний, трудность их прочтения снижают эффективность обработки. Кроме этого, в логике предикатов все отношения описываются предикатами, что не позволяет при компьютерной обработке полностью отразить свойства структуры данных. Для программирования используется язык логического типа ПРОЛОГ.

3) Модель доски объявлений. Модель представляется как совокупность отдельных проблем, каждая из которых составляет отдельное множество знаний. Все множества модели используются согласованно как единое целое и управляются через общую рабочую область памяти, называемую доской объявлений. Отдельное множество знаний называется источником знаний (ИЗ), и каждый ИЗ строится как продукционная система.

4) Семантические сети. Знания можно рассматривать как отношения между понятиями и сущностями, являющимися конкретными объектами реального мира. Понятия и отношения можно представить в виде семантической сети, состоящей из вершин и дуг. В вершинах располагаются понятия, а направленные связи между вершинами соответствуют различного рода отношениям между этими понятиями. Семантические сети могут быть выполнены обучаемыми и растущими, что означает возможность автоматического добавления в сеть новых узлов по мере появления в опыте ее использования новых понятий, а также увеличение весовых коэффициентов, соответствующих дугам. В процессе ее обучения между существующими узлами также могут устанавливаться дополнительные связи.

5) Фреймовые системы. Фреймы рассматриваются как структура описания отдельной сущности или понятия. Они могут быть в виде их совокупностей, представляемых как отдельное множество знаний, относящихся к одному объекту. Каждый фрейм состоит из множества элементов, называемых слотами, которые в свою очередь представляются определенной структурой данных. Каждый фрейм и слот имеют имя, единственное во всей фреймовой системе. В значение слота содержит конкретную информацию.

Фреймы не связаны в сеть. Управление большим числом источников знаний выполняется самим пользователем путем вызова нужных процедур (в других способах это выполняет сама система). Для поиска нужного объекта задаются значения слотов. Если данные удовлетворяют условиям всех слотов, то объект считается найденным.

Ø 2.7.4. Области применения ЭС

ЭС в задачах интерпретации, как правило, используют информацию от датчиков для описания ситуации. В качестве примера приведем интерпретацию показаний измерительных приборов на химическом заводе для определения состояния процесса. Интерпретирующие системы имеют дело не с четкими символьными представлениями проблемной ситуации, а непосредственно с реальными данными. Они сталкиваются с затруднениями, которых нет у систем других типов, потому что им приходится обрабатывать информацию зашумленную, недостаточную, неполную, ненадежную или ошибочную. Им необходимы специальные методы регистрации характеристик непрерывных потоков данных, сигналов или изображений и методы их символьного представления.

Интерпретирующие ЭС могут обработать разнообразные виды данных. Например, системы анализа сцен и распознавания речи, используя естественную информацию, – в одном случае визуальные образы, в другом – звуковые сигналы, – анализируют их характеристики и понимают их смысл. Интерпретация в области химии использует данные дифракции рентгеновских лучей, спектрального анализа или ядерно-магнитного резонанса для вывода химической структуры веществ. Интерпретирующая система в геологии использует каротажное зондирование – измерение проводимости горных пород в буровых скважинах и вокруг них, – чтобы определить подповерхностные геологические структуры. Медицинские интерпретирующие системы используют показания следящих систем (например, значения пульса, кровяного давления), чтобы установить диагноз или тяжесть заболевания. Наконец, в военном деле интерпретирующие системы используют данные от радаров, радиосвязи и сонарных[3] устройств, чтобы оценить ситуацию и идентифицировать цели.

ЭС в задачах прогнозирования определяют вероятные последствия заданных ситуаций. Примерами служат прогноз ущерба урожаю от некоторого вида вредных насекомых, оценивание спроса на нефть на мировом рынке в зависимости от складывающейся геополитической ситуации и прогнозирование места возникновения следующего вооруженного конфликта на основании данных разведки. Системы прогнозирования иногда используют имитационное моделирование, т.е. программы, которые отражают причинно-следственные взаимосвязи в реальном мире, чтобы сгенерировать ситуации или сценарии, которые могут возникнуть при тех или иных входных данных. Эти возможные ситуации вместе со знаниями о процессах, порождающих эти ситуации, образуют предпосылки для прогноза.

ЭС в задачах диагностики используют описания ситуаций, характеристики поведения или знания о конструкции компонент, чтобы установить вероятные причины неправильного функционирования диагностируемой системы. Примерами служат: определение причин заболевания по симптомам, наблюдаемым у пациентов; локализация неисправностей в электронных схемах и определение неисправных компонент в системе охлаждения ядерных реакторов. Диагностические системы часто являются консультантами, которые не только ставят диагноз, но также помогают в отладке. Они могут взаимодействовать с пользо вателем, чтобы оказать помощь при поиске неисправностей, а затем предложить порядок действий по их устранению. Медицина представляется вполне естественной областью для диагностирования, и действительно, в медицинской области было разработано больше диагностических систем, чем в любой другой отдельно взятой предметной области.

ЭС, применяемые в области проектирования, разрабатывают конфигурации объектов с учетом набора ограничений, присущих проблеме. Учитывая то, что проектирование столь тесно связано с планированием, многие проектирующие системы содержат механизмы разработки и уточнения планов для достижения желаемого проекта. Наиболее часто встречающиеся области применения планирующих ЭС – химия, электроника и военное дело.

ЭС, которые используются для решения задач наблюдения, сравнивают действительное поведение с ожидаемым поведением системы. Примерами могут служить слежение за показаниями измерительных приборов в ядерных реакторах с целью обнаружения аварийных ситуаций или оценку данных мониторинга больных, помещенных в блоки интенсивной терапии. Наблюдающие ЭС подыскивают наблюдаемое поведение, которое подтверждает их ожидания относительно нормального поведения или их предположения о возможных отклонениях. Наблюдающие ЭС по самой своей природе должны работать в режиме реального времени.

ЭС в задачах отладки находят рецепты для исправления непра­вильного поведения устройств. Примерами могут служить настройка компьютерной системы с целью преодолеть некоторый вид затруднений в ее работе; выбор типа обслуживания, необходимого для устранения неисправностей в телефонном кабеле; выбор ремонтной операции для исправления известной неисправности в насосе.

ЭС в задачах ремонта аппаратуры следуют плану, который предписывает некоторые рецепты восстановления. Примером является настройка масс-спектрометра, т.е. установка ручек регулировки прибора в положение, обеспечивающее достижение оптимальной чувствительности, совместимой с правильным отношением величин пиков и их формы. Пока что было разработано очень мало ремонтных ЭС отчасти потому, что необходимость фактического выполнения ремонтных процедур на объектах реального мира дополнительно усложняет задачу. Ремонтным системам также необходимы диагностирующие, отлаживающие и планирующие процедуры для производства ремонта.

ЭС в области обучения подвергают диагностике, "отладке" и исправлению ("ремонту") поведение обучаемого. В качестве примеров приведем обучение студентов отысканию неисправностей в электрических цепях, обучение военных моряков обращению с двигателем на корабле и обучение студентов-медиков выбору антимикробной терапии. Обучающие системы создают модель того, что обучающийся знает и как он эти знания применяет к решению проблемы. Системы диагностируют и указывают обучающемуся его ошибки, анализируя модель и строя планы исправлений указанных ошибок. Они исправляют поведение обучающихся, выполняя эти планы с помощью непосредственных указаний обучающимся.

ЭС в задачах управления адаптивно руководят поведением системы в целом. Примерами служат управление производством и распределением компьютерных систем или контроль за состоянием больных при интенсивной терапии. Управляющие ЭС должны включать наблюдающие компоненты, чтобы отслеживать поведение объекта на протяжении времени, но они могут нуждаться также и в других компонентах для выполнения любых или всех из уже рассмотренных типов задач: интерпретации, прогнозирования, диагностики, проектирования, планирования, отладки, ремонта и обучения. Типичная комбинация задач состоит из наблюдения, диагностики, отладки, планирования и прогноза.

Поиск по сайту: