Информационные технологии экспертных систем

      Прогнозирование. Прогнозирующие системы логически выводят вероятные следствия из заданных ситуаций. В прогнозирующей системе обычно используется параметрическая динамическая модель, в которой значения параметров «подгоняются» под заданную ситуацию. Выводимые из этой модели следствия составляют основу для прогнозов с вероятностными оценками.

      Планирование. Под планированием понимается нахождение планов действий, относящихся к объектам, способным выполнять некоторые функции, В таких ЭС используются модели поведения реальных объектов с тем, чтобы логически вывести последствия планируемой деятельности.

      Обучение. Системы обучения диагностируют ошибки при изучении какой-либо дисциплины с помощью ЭВМ и подсказывают правильные решения. Они аккумулируют знания о гипотетическом «ученике» и его характерных ошибках, затем в работе способны диагностировать слабости в знаниях обучаемых и находить соответствующие средства для их ликвидации. Кроме того, они планируют акт общения с учеником в зависимости от успехов ученика с целью передачи знаний.

      В общем случае все системы, основанные на знаниях, можно подразделить на системы, решающие задачи анализа и на системы, решающие задачи синтеза.

Основное  отличие задач анализа от задач  синтеза заключается в следующем: если в задачах анализа множество  решений может быть перечислено  и включено в систему, то в задачах  синтеза множество решений потенциально строится из решений компонентов и подпроблем. Задача анализа – это интерпретация данных, диагностика; к задачам синтеза относятся проектирование, планирование. Комбинированные задачи: обучение, мониторинг, прогнозирование. 

      Классификация по связи с реальным временем.

      Статистические  ЭС разрабатываются в предметных областях, в которых база данных и интерпретируемые данные не меняются во времени. Они стабильны (например, диагностика неисправностей в автомобиле).

      Квазидинамические ЭС интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени (например, микробиологические ЭС, в которых снимаются лабораторные изменения с технологического процесса один раз в 4-5 ч и анализируется динамика полученных показателей по отношению к предыдущему измерению).

      Динамические  ЭС работают в сопряжении с датчиками объектов в режиме реального времени с непрерывной интерпретацией поступаемых данных (например, управление гибкими производственными комплексами, мониторинг в реанимационных палатах и т.д.). 

            Классификация по типу ЭВМ

На сегодняшний  день существуют:

• ЭС для уникальных стратегических важных задач на суперЭВМ;
• ЭС на ЭВМ средней производительности;
• ЭС на символьных процессорах и рабочих станциях;
• ЭС на мини- и супермини-ЭВМ;
• ЭС на персональных компьютерах.

 

Классификация по степени интеграции с другими программами

      Автономные  ЭС работают непосредственно в режиме консультаций с пользователем для специфически «экспертных» задач, для решения которых не требуется привлекать традиционные методы обработки данных (расчеты, моделирование и т.д.).

      Гибридные ЭС представляют программный комплекс, агрегирующий стандартные пакеты прикладных программ (например, математическую статистику, линейное программирование или системы управления базами данных) и средства манипулирования знаниями.

      Несмотря  на внешнюю привлекательность гибридного подхода, следует отметить, что разработка таких систем являет собой задачу, на порядок более сложную, чем  разработка автономной ЭС. Стыковка не просто разных пакетов, а разных методологий (что происходит в гибридных системах) порождает целый комплекс теоретических и практических трудностей. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

4.Характеристика структурных элементов ЭС. 

  Система, основанная на знаниях, представляет собой  программную систему, состоящую из трех элементов: базы знаний, механизма (машины) логического вывода и рабочей памяти.

 База  данных — часть ЭС (системы, основанной на знаниях), предназначенная для генерации и поддержания динамической модели знаний о предметной области.

  Механизм (машина) логического  вывода — часть ЭС (системы, основанной на знаниях), реализующая анализ поступающей в ЭС и имеющейся в ней информации и формирование на ее основе новых заключений ответ на запрос к системе.

  Рабочая память — часть ЭС (системы, основанной на знаниях), предназначенная для информационного обеспечения работы механизма логического вывода, прежде всего в части хранения и обработки поступивших (новых) фактов и промежуточных результатов логического вывода.

  Лингвистический процессор предназначен для обеспечения комфортного интерфейса между конечным пользователем и ЭС. В нем реализуются процедуры морфологического, синтаксического и семантического контроля поступающих в систему запросов и приведение их к виду, «понятному» ЭВМ. При выдаче ответной информации осуществляется обратная операция — заключение «переводится» на ограниченный естественный язык, понятный конечному пользователю. Отметим, что в первых ЭС лингвистический процессор отсутствовал, так как общение с машиной осуществлялось на формальном языке. В дальнейшем (особенно при переходе к ЭВМ пятого поколения) значимость лингвистического процессора в составе ЭС будет возрастать.

  Компонент приобретения знаний предназначен для обеспечения работы инженера знаний по поддержанию модели знаний, адекватной реальной предметной области (генерации базы знаний, ее тестирования, пополнения новыми знаниями, исключения неверных знаний и т.п.).

  Наличие компонента объяснений, обеспечивающего по запросу пользователя выдачу информации о ходе и исходе логического вывода, принципиально отличает ЭС от всех других программных систем. Дело в том, что в большинстве случаев конечному пользователю недостаточно сообщить лишь конечное заключение ЭС, которое он должен (может) использовать в своей профессиональной деятельности. Гораздо большее доверие вызывает у него конечный вывод, подтвержденный понятными промежуточными рассуждениями. Кроме того, с помощью компонента объяснений можно организовать процесс обучения конечных пользователей работе с ЭС. В обучающих ЭС компонент объяснений играет еще более важную роль.

  Важным  классом систем, основанных на знаниях, является класс ИППП (интеллектуальный пакет прикладных программ).

  ИППП  дают возможность конечному пользователю решать прикладные задачи по их описаниям  и исходным данным без программирования — генерация («сборка») программы «под задачу» осуществляется автоматически механизмом логического вывода. База знаний в ИППП может строиться по любому из известных эвристических методы, лишь бы настраиваемая машиной логического вывода программа была эффективна для решения поставленной задачи. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

5.Этапы и средства разработки

экспертных  систем 

  Масштабы  разработки экспертных систем предопределили создание специальных инструментальных (аппаратных и программных) средств, систематизированное представление которых составляет содержание рис. 2. 
 
 

  

  

  

  

    

  

  

    

  

  

  

  

    
 
 
 

  

    
 

  Рис. 2 Инструментальные средства разработки экспертных систем

    

  Следует отметить, что первоначально разработка экспертных систем осуществлялась на традиционных алгоритмических языках программирования с реализацией на универсальных ЭВМ. В дальнейшем были созданы как специализированные аппаратные и программные средства, так и средства автоматизации программирования. Появились и оболочки экспертных систем, которые по задумке авторов должны были существенно упростить (и удешевить) разработку систем. Однако в полной мере эти надежды не оправдались (как показало дальнейшее развитие прикладных программных средств не только в области ИИ, и не могли оправдаться). Это связано с принципиальной сложностью использования конкретной экспертной системы для решения совершенно других задач, а именно таким путем создавались первые оболочки экспертных систем. Еще более проблематичной представляются попытки создания так называемых универсальных оболочек, пригодных для применения «во всех» предметных областях.

  При создании экспертных систем наибольшую трудность представляет разработка совершенной базы знаний, т. е. моделирование знаний экспертов о некоторой предметной области. Разработка любой модели—в том числе и модели знаний — представляет собой полностью неформализуемый процесс, содержащий элементы творчества и строго формальных действий.                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                         

  Очевидно, что разработка ЭС является коллективным трудом, в котором принимают участие различные специалисты. Центральное место в схеме взаимодействия участников создания ЭС занимает инженер знаний. Именно он организует, все важнейшие работы и осуществляет их координацию. Ему принадлежит право выбора типовых или — при необходимости и наличии соответствующих ресурсов – заказа новых инструментальных средств разработки ЭС. Он работает с предметными экспертами, генерирует, тестирует и пополняет базу знаний и т.д.

        Разработка ЭС возможна при совместном выполнении следующих основных условий:

• задача не требует общедоступных знаний;
• решение задачи требует только интеллектуальных действий;
• существуют подлинные (компетентные) эксперты;
• эксперты способны описать свои методы (приемы, уловки и т.п.) решения задачи;
• эксперты единодушны в своих решениях;
• задача понятна и «не слишком» трудна.

  Разработка  ЭС оправдана, если выполняется хотя бы одно из следующих основных условий:

• получение решения задачи высокорентабельно;
• человеческий опыт решения задачи по различным причинам утрачивается;
• число экспертов в рассматриваемой предметной области мало;
• опыт решения задачи востребован во многих местах;

• опыт нужно применять во враждебных человеку условиях. 
Наконец, разработка ЭС разумна, если совместно выполняются следующие основные условия:

• задача требует эвристических решений;
• задача требует оперирования символами;
• задача «не слишком» проста;
• задача представляет практический интерес;
• задача имеет размерность, допускающую реализацию.

  При всей условности и субъективности проверки наличия, перечисленных обстоятельств можно по-новому взглянуть на причины столь широкой представительности перечня областей применения ЭС.

  В заключение напомним о принципиальной важности совершенства базы знаний для эффективности ЭС. Другим важнейшим составным элементом любой системы, основанной на знаниях, в том числе и ЭС, является механизм логического вывода.