Экспертные системы как прикладная область искусственного интеллекта

Экспертные  системы как прикладная область  искусственного интеллекта 

     Оглавление 

Введение

1. Экспертные  системы, их особенности

1.1. Определение  экспертных систем, достоинство  и назначение

1.2. Классификация  экспертных систем

1.3. Отличие экспертных  систем от традиционных программ

1.4. Области применения  экспертных систем

2. Структура,  этапы разработки экспертных  систем

2.1.Основные компоненты  экспертных систем

2.2. Классификация  инструментальных средств экспертных  систем

2.3. Организация  знаний в экспертных системах

2.4. Технология  разработки экспертных систем

Заключение

Литература

 

      Введение 

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

     Область искусственного интеллекта 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, распознавание изображений и анализ сцен, планирование действий роботов, алгоритмы и стратегии игр.

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

     Главным достоинством экспертных систем является возможность накопления знаний и  сохранение их длительное время. В отличие  от человека к любой информации экспертные системы подходят объективно, что  улучшает качество проводимой экспертизы.

     При создании экспертных систем возникает  ряд затруднений. Это, прежде всего, связано с тем, что заказчик не всегда может точно сформулировать свои требования к разрабатываемой системе. Также возможно возникновение 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, так как экспертные системы не способны обучаться, они не обладают здравым смыслом, интуицией. Но в настоящее время ведутся разработки экспертных систем, реализующих идею самообучения. Также экспертные системы неприменимы в больших предметных областях и в тех областях, где отсутствуют эксперты.

     Причиной  повышенного интереса, который экспертные системы вызывают к себе на протяжении всего своего существования, является возможность их применения к решению задач из самых различных областей человеческой деятельности.

     Поэтому, для того чтобы более подробно познакомиться с экспертными  системами, темой курсовой работы была выбрана – «Экспертные системы как прикладная область искусственного интеллекта». В курсовой работе будут рассмотрены основные понятия и компоненты экспертных систем, их достоинства и недостатки, различные классификации, отличия экспертных систем от других программ, этапы разработки и области применения.

 

      1. Экспертные системы,  их особенности 

     1.1. Определение экспертных  систем, достоинство  и назначение

     Экспертные  системы - это яркое и быстро прогрессирующее  направление в области искусственного интеллекта.

     Искусственный интеллект – самое молодое  научное направление. Появление  его было подготовлено развитием  мощности вычислительных машин.

     Искусственный интеллект занимает исключительное положение. Это связано со следующим:

     часть функций программирования в настоящее время оказалось возможным передать машине. При этом общение с машиной происходит на языке, близком к разговорному. Для этого в ЭВМ закладывают огромную базу знаний, способы решения, процедуры синтеза, программы, а также средства общения, позволяющие пользователю легко общаться с ЭВМ.

• в связи с внедрением ЭВМ во все сферы человеческой жизни становится возможным переход к безбумажной технологии обработки информации.
• если раньше производство ориентировалось на обязательное участие человека, то в настоящее время находят применение безлюдные технологии, основанные на роботизации и автоматизации системы управления.
• интеллектуальные системы в настоящее время начинают занимать ведущее положение в проектировании образцов изделий. Часть изделий невозможно спроектировать без их участия.

     Системы, относящиеся к системам искусственного интеллекта в настоящее время:

• экспертные системы. Первые системы, которые нашли широкое применение. Их элементы используются в системах проектирования, диагностики, управления и играх. Основаны на вводе знаний высококвалифицированных специалистов (экспертов) в ЭВМ и разработке специальной системы по их использованию.
• системы естественно-языкового общения (подразумевается письменная речь). Данные системы позволяют производить обработку связанных текстов по какой-либо тематике на естественном языке.
• системы речевого общения.
• системы обработки визуальной информации. Находят применение в обработке аэрокосмических снимков, данных, поступающих с датчиков.
• системы машинного перевода. Подразумеваются естественные языки человеческого общения.

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

     Экспертные  системы 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, экспертные системы 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 путём привлечения эвристик, то есть правил, взятых «с потолка», что может быть полезным в тех системах, когда недостаток необходимых знаний или времени исключает возможность проведения полного анализа.

     Главное достоинство экспертных систем - 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 экспертных системах, позволяющих повысить качество и сохранить время принятия решений, а также способствующих росту эффективности работы и повышению квалификации специалистов. 

     1.2. Классификация экспертных  систем 

     Схема классификации

     Класс «экспертные системы» сегодня объединяет несколько тысяч различных программных комплексов, которые можно классифицировать по различным критериям.

     Классификация по решаемой задаче

     Интерпретация данных. Это одна из традиционных задач для экспертных систем. Под интерпретацией понимается определение смысла данных, результаты которого должны быть согласованными и корректными. Обычно предусматривается многовариантный анализ данных.

     Пример:

• обнаружение и идентификация различных типов океанских судов - SIAP;
• определение основных свойств личности по результатам психодиагностического тестирования в системах АВТАН-

     ТЕСТ  и МИКРОЛЮШЕР и других.

     Диагностика. Под диагностикой понимается обнаружение неисправности в некоторой системе. Неисправность - это отклонение от нормы. Такая трактовка позволяет с единых теоретических позиций рассматривать и неисправность оборудования в технических системах, и заболевания живых организмов, и всевозможные природные аномалии. Важной спецификой является необходимость понимания функциональной структуры («анатомии») диагностирующей системы.

     Пример:

• диагностика и терапия сужения коронарных сосудов - ANGY;
• диагностика ошибок в аппаратуре и математическом обеспечении ЭВМ - система СRIB и другие.

     Мониторинг. Основная задача мониторинга - непрерывная интерпретация данных в I реальном масштабе времени и сигнализация о выходе тех или иных параметров за допустимые пределы. Главные проблемы – «пропуск» тревожной ситуации и инверсная задача «ложного» срабатывания. Сложность этих проблем в размытости симптомов тревожных ситуаций и необходимость учёта временного контекста.

     

Пример:

• контроль за работой электростанций СПРИНТ, помощь

     диспетчерам атомного реактора - REACTOR;

• контроль аварийных датчиков на химическом заводе - FALCON и другие.

     Проектирование. Проектирование состоит в подготовке спецификаций на создание «объектов» с заранее определёнными свойствами. Под спецификацией понимается весь набор необходимых документов - чертёж, пояснительная записка и так далее. Основные проблемы здесь - получение чёткого структурного описания знаний об объекте и проблема «следа». Для организации эффективного проектирования и, в ещё большей степени, перепроектирования необходимо формировать не только сами проектные решения, но и мотивы их принятия. Таким образом, в задачах проектирования тесно связываются два основных процесса, выполняемых в рамках соответствующей экспертной системы: процесс вывода и процесс объяснения.

     Пример:

• проектирование конфигураций ЭВМ VАХ - 11/780 в системе ХСОN (или R1), проектирование БИС - САDHELР;
• синтез электрических цепей - SYN и другие.

     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.

     Пример:

• предсказание погоды - система WILLARD;
• оценки будущего урожая - РLANT;
• прогнозы в экономике - ЕСОN и другие.

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

     Пример:

• планирование поведения робота - STRIPS;
• планирование промышленных заказов - ISIS;
• планирование эксперимента - МОLGЕN и другие.

     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.

     Пример:

• обучение языку программирования Лисп в системе «Учитель Лиспа»;
• система РROUSТ - обучение языку Паскаль и другие.

     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 или подпроблем. Задача анализа - это интерпретация данных, диагностика; к задачам синтеза относятся проектирование, планирование. Комбинированные задачи: обучение, мониторинг, прогнозирование.