Операции с нечеткими знаниями

Для операций с нечеткими знаниями, выраженными при помощи лингвистических переменных, существует много различных способов. Эти способы являются в основном эвристиками.

Мы не будем останавливаться на этом вопросе подробно, укажем лишь для примера определение нескольких операций. Например, операция "ИЛИ" часто задается так:

(так называемая логика Заде) или так:

(вероятностный подход).

Усиление или ослабление лингвистических понятий достигается введением специальных квантификаторов. Например, если понятие "старческий возраст" определяется как

то понятие "очень старческий возраст" распознается как

т. е. очень старческий возраст определится так:

Для вывода на нечетких множествах используются специальные отношения и операции над ними.

Одним из первых применений теории НМ стало использование коэффициентов уверенности для вывода рекомендаций медицинской системы MYCIN. Этот метод использует несколько эвристических приемов. Он стал примером обработки нечетких знаний, повлиявших на последующие системы.

В настоящее время в большинство инструментальных средств разработки систем, основанных на знаниях, включены элементы работы с НМ, кроме того, разработаны специальные программные средства реализации так называемого нечеткого вывода, например "оболочка" FuzzyCLIPS.

1. Понятие ЭС. Назначение и основные свойства экспертных систем, основные области применения и примеры экспертных систем.

Центральная парадигма интеллектуальных технологий сегодня — это обработка знаний. Системы, ядром которых является база знаний или модель предметной области, описанная на языке сверхвысокого уровня, приближенном к естественному, называют интеллектуальными.

Чаще всего интеллектуальные системы (ИС) применяются для решения сложных задач, где основная сложность решения связана с использованием слабоформализованных знаний специалистов-практиков и где логическая (или смысловая) обработка информации превалирует над вычислительной. Например, понимание естественного языка, поддержка принятия решения в сложных ситуациях, постановка диагноза и рекомендации по методам лечения, анализ визуальной информации, управление диспетчерскими пультами и др.

Фактически сейчас прикладные интеллектуальные системы используются в десятках тысяч приложений. А годовой доход от продаж программных и аппаратных средств искусственного интеллекта еще в 1989 г. в США составлял 870 млн. долларов, а в 1990 г. — 1,1 млрд. долларов. В дальнейшем почти тридцатипроцентный прирост дохода сменился более плавным наращиванием темпов.

Наиболее распространенным видом ИС являются экспертные системы.

Экспертные системы (ЭС) — это наиболее распространенный
класс ИС, ориентированный на тиражирование опыта высококвалифицированных специалистов в областях, где качество принятия решений традиционно зависит от уровня экспертизы, например таких, как медицина, юриспруденция, геология, экономика, военное дело и др.

ЭС эффективны лишь в специфических "экспертных" областях, где важен эмпирический опыт специалистов.

Только в США ежегодный доход от продаж инструментальных средств разработки ЭС составлял в начале 90-х годов 300—400 млн. долларов, а от применения ЭС — 80—90 млн. долларов. Ежегодно крупные фирмы разрабатывают десятки ЭС типа "in-house" для внутреннего пользования. Эти системы интегрируют опыт специалистов компании по ключевым и стратегически важным технологиям. В начале 90-х гг. появилась новая наука — "управление знаниями" (knowledge management), ориентированная на методы обработки и управления корпоративными знаниями (Borghoff, 1998; Гаврилова, Хорошевский, 2001).

Приведем некоторые примеры успешного применения технологии ЭС:

• фирма DEC (США) ежегодно экономит 70 млн. дол. в год благодаря ЭС XCON/XSEL, которая по заказу покупателя составляет конфигурацию вычислительной системы VAX. Использование ЭС сократило количество ошибок от 30% (допускал человек) до 1% (допускает ЭС);

• фирма Siga (США) сократила затраты на строительство трубопровода в Австралии на 40 млн. дол. за счет ЭС, управляющей трубопроводом. ЭС реализована на базе описываемого ниже ИС 02 (фирма Gensym);

• фирма Monsato (США) ежегодно экономит от 250 до 500 тыс. дол. благодаря ЭС выявления и блокирования неисправностей в нефтехимической промышленности. ЭС реализована на базе ИС 02 (фирма Оепзут);

• фирма Aetha Insurance (США) уже сэкономила более 5 млн. дол., а общий планируемый эффект составит около 15-20 млн. дол. благодаря ЭС, используемой для моделирования страховых исков, обрабатываемых компанией. ЭС, реализованная на базе ИС G2, позволяет находить в деятельности компании неэффективные процессы и рабочие потоки и производить оперативные изменения для увеличения продуктивности работы.

Современные ЭС — это сложные программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и распространяющие этот эмпирический опыт для консультирования менее квалифицированных пользователей. Разработка экспертных систем, как активно развивающаяся ветвь информатики, направлена на использование ЭВМ для обработки информации в тех областях науки и техники, где традиционные математические методы моделирования малопригодны. В этих областях важна смысловая и логическая обработка информации, важен опыт экспертов.

Основные факторы, влияющие на целесообразность и эффективность разработки ЭС:

r нехватка специалистов, затрачивающих значительное время для оказания помощи другим;

r выполнение небольшой задачи требует многочисленного коллектива специалистов, поскольку ни один из них не обладает достаточным знанием;

r сниженная производительность, поскольку задача требует полного анализа сложного набора условий, а обычный специалист не в состоянии просмотреть (за отведенное время) все эти условия;

r большое расхождение между решениями самых хороших и самых плохих исполнителей;

r наличие экспертов, готовых поделиться своим опытом. Подходящие задачи имеют следующие характеристики:

r не могут быть решены средствами традиционного математического моделирования;

r имеется "шум" в данных — некорректность определений, неточность, неполнота, противоречивость информации;

r являются сложной для новичка — много объектов, их свойств, связей, условий, ограничений;

r являются узкоспециализированными;

r не зависят в значительной степени от общечеловеческих знаний или соображений здравого смысла;

r не являются для эксперта ни слишком легкими, ни слишком сложными. (Время, необходимое эксперту для решения проблемы, может составлять от трех часов до трех недель.)

Хотя экспертные системы достаточно молоды — первые системы такого рода MYCIN появились в США в середине 70-х годов. В настоящее время в мире насчитывается несколько тысяч промышленных ЭС, которые дают советы:

r при управлении сложными диспетчерскими пультами, например, сети распределения электроэнергии;

r при постановке медицинских диагнозов;

r при поиске неисправностей в электронных приборах, диагностика отказов контрольно-измерительного оборудования;

r по проектированию интегральных схем;

r по управлению перевозками;

r по прогнозу военных действий;

r по формированию портфеля инвестиций, оценке финансовых рисков, налогообложению и т. д.

В настоящее время технология ЭС используется для решения следующих типов задач (интерпретация, предсказание, диагностика, планирование, конструирование, контроль отладка, инструктаж, управление).