Назначение экспертных систем

Назначение экспертных систем 

В начале восьмидесятых  годов в исследованиях по искусственному интеллекту сформировалось самостоятельное  направление, получившее название "экспертные системы" (ЭС). Цель исследований по ЭС состоит в разработке программ, которые при решении задач, трудных  для эксперта-человека, получают результаты, не уступающие по качеству и эффективности  решениям, получаемым экспертом. Исследователи  в области ЭС для названия своей  дисциплины часто используют также  термин "инженерия знаний", введенный  Е.Фейгенбаумом как "привнесение принципов и инструментария исследований из области искусственного интеллекта в решение трудных прикладных проблем, требующих знаний экспертов". 

Программные средства (ПС), базирующиеся на технологии экспертных систем, или инженерии знаний (в  дальнейшем будем использовать их как  синонимы), получили значительное распространение  в мире. Важность экспертных систем состоит в следующем: 

 технология  экспертных систем существенно  расширяет круг практически значимых  задач, решаемых на компьютерах,  решение которых приносит значительный  экономический эффект; 

 технология  ЭС является важнейшим средством  в решении глобальных проблем  традиционного программирования: длительность  и, следовательно, высокая стоимость  разработки сложных приложений; 

высокая стоимость  сопровождения сложных систем, которая  часто в несколько раз превосходит  стоимость их разработки; низкий уровень  повторной используемости программ и т.п.; 

 объединение технологии ЭС с технологией традиционного программирования добавляет новые качества к программным продуктам за счет: обеспечения динамичной модификации приложений пользователем, а не программистом; большей "прозрачности" приложения (например, знания хранятся на ограниченном ЕЯ, что не требует комментариев к знаниям, упрощает обучение и сопровождение); лучшей графики; интерфейса и взаимодействия. 

По мнению ведущих  специалистов , в недалекой перспективе ЭС найдут следующее применение: 

 ЭС будут  играть ведущую роль во всех  фазах проектирования, разработки, производства, распределения, продажи,  поддержки и оказания услуг; 

 технология  ЭС, получившая коммерческое распространение,  обеспечит революционный прорыв  в интеграции приложений из  готовых интеллектуально-взаимодействующих  модулей. 

ЭС предназначены для так называемых неформализованных задач, т.е. ЭС не отвергают и не заменяют традиционного подхода к разработке программ, ориентированного на решение формализованных задач.  

Неформализованные задачи обычно обладают следующими особенностями: 

 ошибочностью, неоднозначностью, неполнотой и  противоречивостью исходных данных; 

 ошибочностью, неоднозначностью, неполнотой и  противоречивостью знаний о проблемной  области и решаемой задаче; 

 большой размерностью  пространства решения, т.е. перебор  при поиске решения весьма  велик; 

 динамически  изменяющимися данными и знаниями. 

Следует подчеркнуть, что неформализованные задачи представляют большой и очень важный класс  задач. Многие специалисты считают, что эти задачи являются наиболее массовым классом задач, решаемых ЭВМ. 

Экспертные системы  и системы искусственного интеллекта отличаются от систем обработки данных тем, что в них в основном используются символьный (а не числовой) способ представления, символьный вывод и эвристический  поиск решения (а не исполнение известного алгоритма). 

Экспертные системы  применяются для решения только трудных практических (не игрушечных) задач. По качеству и эффективности  решения экспертные системы не уступают решениям эксперта-человека. Решения  экспертных систем обладают "прозрачностью", т.е. могут быть объяснены пользователю на качественном уровне. Это качество экспертных систем обеспечивается их способностью рассуждать о своих  знаниях и умозаключениях. Экспертные системы способны пополнять свои знания в ходе взаимодействия с экспертом. Необходимо отметить, что в настоящее  время технология экспертных систем используется для решения различных  типов задач (интерпретация, предсказание, диагностика, планирование, конструирование, контроль, отладка, инструктаж, управление ) в самых разнообразных проблемных областях, таких, как финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, металлургия, горное дело, химия, образование, целлюлозно-бумажная промышленность, телекоммуникации и связь и др. 

Коммерческие  успехи к фирмам-разработчикам систем искусственного интеллекта (СИИ) пришли не сразу. На протяжении 1960 - 1985 гг. успехи ИИ касались в основном исследовательских  разработок, которые демонстрировали  пригодность СИИ для практического  использования. Начиная примерно с 1985 г. (в массовом масштабе с 1988 - 1990 гг.), в первую очередь ЭС, а в последние  годы системы, воспринимающие естественный язык (ЕЯ-системы), и нейронные сети (НС) стали активно использоваться в коммерческих приложениях. 

Следует обратить внимание на то, что некоторые специалисты (как правило, специалисты в программировании, а не в ИИ) продолжают утверждать, что ЭС и СИИ не оправдали возлагавшихся  на них ожиданий и умерли. Причины  таких заблуждений состоят в  том, что эти авторы рассматривали  ЭС как альтернативу традиционному  программированию, т.е. они исходили из того, что ЭС в одиночестве (в  изоляции от других программных средств) полностью решают задачи, стоящие  перед заказчиком. Надо отметить, что  на заре появления ЭС специфика используемых в них языков, технологии разработки приложений и используемого оборудования (например, Lisp-машины) давала основания  предполагать, что интеграция ЭС с  традиционными, программными системами  является сложной и, возможно, невыполнимой задачей при ограничениях, накладываемых  реальными приложениями. Однако в настоящее время коммерческие инструментальные средства (ИС) для создания ЭС разрабатываются в полном соответствии с современными технологическими тенденциями традиционного программирования, что снимает проблемы, возникающие при создании интегрированных приложений.  

Причины, приведшие  СИИ к коммерческому успеху, следующие. 

Интегрированность. Разработаны инструментальные средства искусственного интеллекта (ИС ИИ), легко интегрирующиеся с другими информационными технологиями и средствами (с CASE, СУБД, контроллерами, концентраторами данных и т.п.). 

Открытость и  переносимость. ИС ИИ разрабатываются  с соблюдением стандартов, обеспечивающих открытость и переносимость [14]. 

Использование языков традиционного программирования и рабочих станций. Переход от ИС ИИ, реализованных на языках ИИ (Lisp, Prolog и т.п.), к ИС ИИ, реализованным на языках традиционного программирования (С, C++ и т.п.), упростил обеспечение интегриро-ванности, снизил требования приложений ИИ к быстродействию ЭВМ и объемам оперативной памяти. Использование рабочих станций (вместо ПК) резко увеличило круг приложений, которые могут быть выполнены на ЭВМ с использованием ИС ИИ. 

Архитектура клиент-сервер. Разработаны ИС ИИ, поддерживающие распределенные вычисления по архитектуре  клиент-сервер, что позволило:снизить стоимость оборудования, используемого в приложениях, децентрализовать приложения, повысить надежность и общую производительность (так как сокращается количество информации, пересылаемой между ЭВМ, и каждый модуль приложения выполняется на адекватном ему оборудовании). 

Проблемно/предметно-ориентированные  ИС ИИ. Переход от разработок ИС ИИ общего назначения (хотя они не утратили свое значение как средство для создания ориентированных ИС) к проблемно/предметно-ориентированным  ИС ИИ [9] обеспечивает: сокращение сроков разработки приложений; увеличение эффективности  использования ИС; упрощение и  ускорение работы эксперта; повторную  используемость информационного и  программного обеспечения (объекты,классы,правила,процедуры). 
 

Структура экспертных систем 

Типичная статическая ЭС состоит из следующих основных компонентов (рис. 1.):

решателя (интерпретатора);

рабочей памяти (РП), называемой также базой данных (БД);

базы знаний (БЗ);

компонентов приобретения знаний;

объяснительного компонента;

диалогового компонента. 

  

База данных (рабочая память) предназначена для  хранения исходных и промежуточных  данных решаемой в текущий момент задачи. Этот термин совпадает по названию, но не по смыслу с термином, используемым в информационно-поисковых системах (ИПС) и системах управления базами данных (СУБД) для обозначения всех данных (в первую очередь долгосрочных), хранимых в системе. 

База знаний (БЗ) в ЭС предназначена для хранения долгосрочных данных, описывающих рассматриваемую  область (а не текущих данных), и  правил, описывающих целесообразные преобразования данных этой области. 

Решатель, используя  исходные данные из рабочей памяти и знания из БЗ, формирует такую  последовательность правил, которые, будучи примененными к исходным данным, приводят к решению задачи. 

Компонент приобретения знаний автоматизирует процесс наполнения ЭС знаниями, осуществляемый пользователем-экспертом. 

Объяснительный  компонент объясняет, как система  получила решение задачи (или почему она не получила решение) и какие  знания она при этом использовала, что облегчает эксперту тестирование системы и повышает доверие пользователя к полученному результату. 
 
 

Диалоговый компонент  ориентирован на организацию дружественного общения с пользователем как в ходе решения задач, так и в процессе приобретения знаний и объяснения результатов работы. 

В разработке ЭС участвуют представители следующих  специальностей: 

эксперт в проблемной области, задачи которой будет решать ЭС; 

инженер по знаниям - специалист по разработке ЭС (используемые им технологию, методы называют технологией (методами) инженерии знаний); 

программист по разработке инструментальных средств (ИС), предназначенных для ускорения  разработки ЭС. 

Необходимо отметить, что отсутствие среди участников разработки инженеров по знаниям (т. е. их замена программистами) либо приводит к неудаче процесс создания ЭС, либо значительно удлиняет его. 

Эксперт определяет знания (данные и правила), характеризующие  проблемную область, обеспечивает полноту  и правильность введенных в ЭС знаний. 

Инженер по знаниям  помогает эксперту выявить и структурировать  знания, необходимые для работы ЭС; осуществляет выбор того ИС, которое  наиболее подходит для данной проблемной области, и определяет способ представления  знаний в этом ИС; выделяет и программирует (традиционными средствами) стандартные  функции (типичные для данной проблемной области), которые будут использоваться в правилах, вводимых экспертом. 

Программист разрабатывает  ИС (если ИС разрабатывается заново), содержащее в пределе все основные компоненты ЭС, и осуществляет его  сопряжение с той средой, в которой  оно будет использовано. 

Экспертная система  работает в двух режимах: режиме приобретения знаний и в режиме решения задачи (называемом также режимом консультации или режимом использования ЭС). 

В режиме приобретения знаний общение с ЭС осуществляет (через посредничество инженера по знаниям) эксперт. В этом режиме эксперт, используя компонент приобретения знаний, наполняет систему знаниями, которые позволяют ЭС в режиме решения самостоятельно (без эксперта) решать задачи из проблемной области. Эксперт описывает проблемную область  в виде совокупности данных и правил. Данные определяют объекты, их характеристики и значения, существующие в области  экспертизы. Правила определяют способы  манипулирования с данными, характерные  для рассматриваемой области. 

Отметим, что  режиму приобретения знаний в традиционном подходе к разработке программ соответствуют  этапы алгоритмизации, программирования и отладки, выполняемые программистом. Таким образом, в отличие от традиционного  подхода в случае ЭС разработку программ осуществляет не программист, а эксперт (с помощью ЭС), не владеющий программированием.