Определение, решаемые задачи, виды систем искусственного интеллекта

3. Проектирование. Проектирование заключается в подготовке спецификаций на создание «объектов» с заранее определенными свойствами. Под спецификацией понимается весь набор необходимых документов – чертежи, пояснительная записка и т.д. Основные возникающие здесь проблемы – получение четкого структурного 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. Поэтому в задачах проектирования тесно связываются два основных процесса, выполняемых соответствующей ЭС: процесс вывода решения и процесс объяснения. К системам этого класса относится ЭС XCON, созданная фирмой DEC, и служащая для определения или изменения конфигурации компьютерных систем типа VAX в соответствии с требованиями покупателя. Другой проект фирмы DEC – более мощная система XSEL, включающая базу знаний системы XCON, но в отличие от XCON являющаяся интерактивной. Компания  Боинг (Boeing) применяет ЭС для проектирования космических станций, а также для выявления причин отказов самолетных двигателей и ремонта вертолетов. К ЭС, используемым в проектировании, также относятся: система CADHELP (для проектирования больших интегральных схем – БИС); система SYN (синтез электрических цепей) и др.

4. Прогнозирование. Прогнозирующие системы предсказывают возможные последствия некоторых событий или явлений на основе анализа имеющихся данных. Например, система «Завоевание Уолл-Стрит» может проанализировать конъюнктуру рынка и с помощью статистических методов и алгоритмов разработать план капиталовложений на перспективу. Правда, поскольку эта система использует процедуры и алгоритмы традиционного программирования, ее, строго говоря, нельзя отнести к классу ЭС. В современных прогнозирующих системах обычно используется параметрическая динамическая модель, в которой значения параметров подбираются в соответствии с заданной ситуацией. Выводимые из этой модели следствия составляют основу для прогнозов с вероятностными оценками. Сегодня прогнозирующие системы чаще всего используются для предсказания погоды, урожайности и потока пассажиров, но перспективным представляется их применение и в экономических системах. Другие примеры подобных систем: WILLARD (система предсказания погоды), PLANT (система для оценки будущего урожая), ECON (система, позволяющая строить экономические прогнозы).

5. Планирование. Под планированием понимается нахождение планов действий, относящихся к объектам, способным выполнять некоторые функции. Планирующие системы предназначены для достижения конкретных целей при решении задач с большим числом переменных. В таких системах используются модели поведения реальных объектов с тем, чтобы логически вывести последствия планируемой деятельности. Примером успешного применения систем этого класса служит опыт дамасской фирмы Информат (Informat), впервые в торговой практике предоставившей в распоряжение своих клиентов 13 компьютеров, установленных в холле офиса фирмы, на которых проводятся бесплатные 15-минутные консультации с целью помочь покупателям выбрать компьютер, в наибольшей степени отвечающий их потребностям и бюджету. Вот еще несколько примеров таких систем: STRIPS (система планирования поведения робота), ISIS (система планирования промышленных заказов), MOLGEN (система планирования эксперимента).

6. Контроль и управление. Системы, основанные на знаниях, могут применяться в качестве интеллектуальных систем контроля и принимать решения, анализируя данные, поступающие от нескольких источников. Такие системы работают на атомных электростанциях, управляют воздушным движением и осуществляют медицинский контроль. Они могут быть также полезны при регулировании финансовой  деятельности предприятия, а также оказывать помощь при выработке решений в критических ситуациях. Примеры систем этого класса: СПРИНТ (система контроля работы электростанции), REACTOR (система, оказывающая помощь диспетчерам атомного реактора), FALCON (система контроля аварийных датчиков на химическом заводе); GAS (помощь в управлении газовой котельной), Project Assistant (управление календарным планированием производства).

7. Обучение. Системы, основанные на знаниях, могут входить составной частью в компьютерные системы обучения. Система получает информацию о деятельности некоторого объекта (например, студента) и анализирует его поведение. База знаний изменяется в соответствии с поведением объекта. Таким образом, системы обучения диагностируют ошибки при изучении какой-либо дисциплины и подсказывают правильные решения. Накапливая знания о гипотетическом «ученике» и его характерных ошибках, эти системы способны диагностировать слабости в познаниях обучаемых и находить соответствующие средства для их ликвидации. Кроме того, они планируют процедуру общения преподавателя с учеником в зависимости от его успехов. Примером этого обучения может служить компьютерная игра, сложность которой увеличивается по мере возрастания степени квалификации играющего.

8. Поддержка принятия решений. Поддержка принятия решений – это совокупность процедур, обеспечивающих лицо, принимающее решения (ЛПР), необходимой информацией и рекомендациями, облегчающими процесс принятия решения. Эти ЭС помогают специалистам выбрать и сформулировать нужную альтернативу среди множества выборов при принятии ответственных решений. Например, системы CRYSIS (помощь в выборе стратегии выхода фирмы из кризисной ситуации),  CHOICE (помощь в выборе страховой компании) и др.

2.2 Классификация и виды экспертных систем

Для классификации экспертных систем используют следующие признаки:

• Способ формирования решения;
• Способ учета временного признака;
• Вид используемых данных;
• Число используемых источников решения знаний;

По способу формирования решения экспертных систем можно разделить на анализирующие и синтезирующие. В системах первого типа осуществляется выбор решения из множества известных решений на основе анализа знаний, в системах второго типа решение синтезируется из отдельных фрагментов знаний. В зависимости от способа учета временного признака экспертные системы делят на статические и динамические. Статические экспертные системы предназначены для решения задач с неизменяемыми в процессе решения данными и знаниями, а динамические экспертные системы допускают такие изменения. По видам используемых данных и знаний различают экспертные системы с детерминированными и неопределенными знаниями. Под неопределенностью знаний и данных понимаются их неполнота, ненадежность, нечеткость. Экспертные системы могут создаваться с использованием одного или нескольких источников знаний.

Заключение

Экспертные системы наиболее распространённым и известным видом интеллектуальных систем. Как и любые другие системы они имеют ряд индивидуальных особенностей:

• Экспертные системы ориентированы на решение широкого круга задач в неформализованных областях, на приложения, которые до недавнего времени считались малодоступными для вычислительной техники.
• С помощью экспертных систем специалисты, не знающие программирования, могут самостоятельно разрабатывать интересующие их приложения, что позволяет резко расширить сферу использования вычислительной техники
• При решении практических задач экспертные системы достигают результатов, не уступающих, а иногда и превосходящих возможности людей-экспертов не оснащенных ЭВМ.

Особенно широкое применение экспертные системы получили в медицине, математике, машиностроении, химии, геологии, вычислительной технике, бизнесе, законодательстве, обороне.

Экспертные системы строятся для решения широкого круга проблем  в таких областях, как:

• Прогнозирование
• Диагностика
• Проектирование
• Планирование
• Мониторинг
• Инструктирование
• Управление

Таким образом, проблема разработки и использование экспертных систем является весьма актуальной в современном обществе.

В заключение стоит отметить, что не смотря на все ограничения  и недостатки, экспертные системы  уже доказали всю свою ценность и  значимость во многих важных приложениях.