Основные данные о работе

 

     Содержание

     Основная  часть

     1 Основные понятия и определения

 

     Экспертные  системы (ЭС) – это сложные программные  комплексы, аккумулирующие знания специалистов в конкретных предметных областях и тиражирующие этот эмпирический опыт для консультаций менее квалифицированных пользователей.

     В нашей стране современное состояние  разработок в области экспертных систем можно охарактеризовать как  стадию всевозрастающего интереса среди широких слоев экономистов, финансистов, преподавателей, инженеров, медиков, психологов, программистов, лингвистов. К сожалению, этот интерес имеет пока достаточно слабое материальное подкрепление – явная нехватка учебников и специальной литературы, отсутствие символьных процессоров и рабочих станций искусственного интеллекта, ограниченное финансирование исследований в этой области, слабый отечественный рынок программных продуктов для разработки экспертных систем.

     Поэтому распространяются “подделки” под экспертные системы в виде многочисленных диалоговых систем и интерактивных пакетов прикладных программ, которые дискредитируют в глазах пользователей это чрезвычайно перспективное направление. Процесс создания экспертной системы требует участия высококвалифицированных специалистов в области искусственного интеллекта, которых пока выпускает небольшое количество высших учебных заведений страны.

     Современные экспертные системы широко используются для тиражирования опыта и  знаний ведущих специалистов практически во всех сферах экономики. Традиционно знания существует в двух видах:

     Коллективный  опыт;

     Личный  опыт;

     Если  большая часть знаний в предметной области представлена в виде коллективного  опыта (например, высшая математика), эта предметная область не нуждается в экспертных системах.

     Если  в предметной области большая  часть знаний является личным опытом специалистов высокого уровня, если эти  знания по каким-либо причинам слабо  структурированы, такая предметная область, скорее всего, нуждается в экспертной системе.

     По  назначению классификацию экспертных систем можно провести следующим  образом:

     диагностика состояния систем, в том числе  мониторинг (непрерывное отслеживание текущего состояния);

     прогнозирование развития систем на основе моделирования прошлого и настоящего;

     планирование  и разработка мероприятий в организационном  и технологическом управлении;

     проектирование  или выработка четких предписаний  по построению объектов, удовлетворяющих  поставленным требованиям;

     автоматическое  управление (регулирование);

     обучение  пользователей и др.

     По  предметной области наибольшее количество экспертных систем используется в военном  деле, геологии, инженерном деле, информатике, космической технике, математике, медицине, метеорологии, промышленности, сельском хозяйстве, управлении процессами, физике, филологии, химии, электронике, юриспруденции.

     Классификация экспертных систем по методам представления  знаний делит их на традиционные и  гибридные. Традиционные экспертные системы  используют, в основном, эмпирические модели представления знаний и исчисление предикатов первого порядка. Гибридные экспертные системы используют все доступные методы, в том числе оптимизационные алгоритмы и концепции баз данных.

     По  степени сложности экспертные системы  делят на поверхностные и глубинные. Поверхностные экспертные системы представляют знания в виде правил «ЕСЛИ-ТО». Условием выводимости решения является безобрывность цепочки правил. Глубинные экспертные системы обладают способностью при обрыве цепочки правил определять (на основе метазнаний) какие действия следует предпринять для продолжения решения задачи. Кроме того, к сложным относятся предметные области в которых текст записи одного правила на естественном языке занимает более 1/3 страницы.

     Классификация экспертных систем по динамичности делит экспертные системы на статические и динамические. Предметная область называется статической, если описывающие ее исходные данные не изменяются во времени. Статичность области означает неизменность описывающих ее исходных данных. При этом производные данные (выводимые из исходных) могут и появляться заново, и изменяться (не изменяя, однако, исходных данных).

     Если  исходные данные, описывающие предметную область, изменяются за время решения задачи, то предметную область называют динамической. В архитектуру динамической экспертной системы, по сравнению со статической, вводятся два компонента:

     подсистема  моделирования внешнего мира;

     подсистема  связи с внешним окружением.

     Последняя осуществляет связи с внешним миром через систему датчиков и контроллеров. Кроме того, традиционные компоненты статической экспертной системы (база знаний и механизм логического вывода) претерпевают существенные изменения, чтобы отразить временную логику происходящих в реальном мире событий.

     Диагностика экспертных систем

     Диагностика – процесс соотнесения объекта  с некоторым классом объектов и/или 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 здесь необходимость понимание функциональной структуры («анатомии») диагностируемой системы.

     Примеры:

     Диагностика и терапия сужения коронарных сосудов – ANGY.

     Диагностика ошибок в аппаратуре и математическом обеспечении ЭВМ – CRIB.

     Мониторинг  экспертных систем

     Основная  задача мониторинга – непрерывная  интерпретация данных в 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 учета временного контекста.

     Примеры:

     Контроль  работы электростанций  СПРИНТ, помощь диспетчерам атомного реактора – REACTOR.

     Контроль  аварийных датчиков на химическом заводе – FALCON.

     Проектирование  экспертных систем

     Проектирование  состоит в подготовке спецификаций на создание «объектов» с заранее определенными свойствами. Под спецификацией понимается весь набор необходимых документов – чертеж, пояснительная записка и т.д. Основные проблемы – получение четко структурированного описания знаний об объекте и проблема «следа». Для организации эффективного проектирования и в еще 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 решения и процесс объяснения.

     Примеры:

     Проектирование  конфигураций ЭВМ VAX-11/780 в системе XCON, проектирование БИС – CADHELP.

     Синтез  электрических цепей – SYN.

     Прогнозирование экспертных систем

     Прогнозирование позволяет предсказать последствия  некоторых событий или явлений  на основании анализа имеющихся  данных. 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.

     Примеры:

     Предсказание  погоды – WIILARD.

     Оценки  будущего урожая – PLANT.

     Прогнозы  в экономике – ECON.

     Планирование  экспертных систем

     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. Примеры:

     Планирование  поведения робота – STRIPS.

     Планирование  промышленных заказов – ISIS.

     Планирование  эксперимента – MOLGEN.

     Обучение  экспертным системам

     Под обучением понимается использование  компьютера для обучения какой-то дисциплине или предмету. Системы обучения диагностируют  ошибки при изучении какой-либо дисциплины с помощью компьютера и подсказывают правильные решения. Они содержат знания о гипотетическом «ученике» и его характерных ошибках, затем в работе они способны диагностировать слабые места в познаниях 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.

     Примеры:

     Обучение  языку программирования LISP в системе  «учитель ЛИСПа».

     Обучение  языку Паскаль – система PROUST.