Информационная технология экспертных систем

Экспертные системы дают возможность менеджеру получать необходимую информацию для принятия решений по любым проблемам при наличии необходимой базы знаний.

Экспертная система (ЭС) – это ИИС, предназначенная для решения слабоформализуемых задач на основе накапливаемого в базе знаний опыта работы экспертов в проблемной области. Она включает базу знаний с набором правил и механизмом вывода и позволяет на основании предоставляемых пользователем фактов распознать ситуацию, поставить диагноз, сформулировать решение или дать рекомендацию для выбора действия.

Экспертные системы имеют непосредственное отношение к области «искусственного интеллекта». Но сюда относится также и создание роботов, систем, моделирующих интеллектуальные способности человека.

Главным достоинством ЭС является возможность накопления знаний и их долгосрочное сохранение. В отличие от человека к любой информации экспертные системы подходят объективно, что улучшает качество проводимой экспертизы. При решении задач, требующих обработки большого объема знаний, возможность возникновения ошибки при переборе очень мала.

Основным отличием ЭС от других программных продуктов является использование не только данных, но и знаний, а также специального механизма вывода решений и новых знаний на основе имеющихся. Знания в ЭС представляются в такой форме, которая может быть легко обработана на ЭВМ. В ЭС известен алгоритм обработки знаний, а не решения задачи. Поэтому при решении конкретной задачи применение алгоритма обработки знаний может привести к получению такого результата, который не был предусмотрен.

Более того, алгоритм обработки знаний заранее неизвестен и строится по ходу решения задачи на основании эвристических правил. Решение задачи в ЭС сопровождается понятными пользователю объяснениями, качество получаемых решений обычно не хуже, а иногда и лучше достигаемого специалистами. В системах, основанных на знаниях, правила, по которым решаются проблемы в конкретной предметной области, хранятся в базе знаний. Проблемы ставятся перед системой в виде совокупности фактов.

Качество ЭС определяется размером и качеством базы знаний (правил или эвристик). Система функционирует в следующем циклическом режиме: выбор (запрос) данных или результатов анализов, наблюдения, интерпретация результатов, усвоение новой информации, выдвижение с помощью правил временных гипотез и затем выбор следующей порции данных или результатов анализов. Процесс продолжается до тех пор, пока не поступит информация, достаточная для окончательного заключения.

В любой момент времени в системе существует три типа знаний:

1) структурированные - статистические знания о предметной области. После того как эти знания выявлены, они уже не изменяются;

2) структурированные динамические - изменяемые знания о предметной области. Они обновляются по мере выявления новой информации;

3) рабочие - знания, применяемые для решения конкретной задачи или проведения консультации.

Эти знания хранятся в базе знаний. Для ее построения требуется провести опрос специалистов, являющихся экспертами в конкретной предметной области, а затем систематизировать, организовать и снабдить эти знания указателями, чтобы впоследствии их можно было легко извлечь из базы знаний.

Системы, основанные на знаниях, строятся по модульному принципу, что позволяет постепенно наращивать их базы знаний.

Компьютерные системы, которые могут лишь повторить логический вывод эксперта, принято относить к ЭС первого поколения. Однако специалисту, решающему интеллектуально сложную задачу, явно недостаточно возможностей системы, которая лишь имитирует деятельность человека. Ему нужно, чтобы ЭС выполняла функции полноценного помощника и советчика, способного проводить анализ нечисловых данных, выдвигать и отбрасывать гипотезы, оценивать достоверность фактов, самостоятельно пополнять свои знания, контролировать их непротиворечивость, делать заключения на основе прецедентов и, может быть, даже порождать решение новых, ранее не рассматриваемых задач. Наличие таких возможностей характерно для ЭС второго поколения, концепцию которых начали разрабатывать 9-10 лет назад. Экспертные системы, относящиеся ко второму поколению, называют партнерскими, или усилителями интеллектуальных способностей человека. Их общими отличительными чертами является умение обучаться и развиваться, т.е. эволюционировать.

В экспертных системах первого поколения знания представленыследующимобразом:

1) знаниями системы являются только знания эксперта, опыт накопления знаний не предусматривается;

2) методы представления знаний позволяют описывать лишь статические предметные области;

3) модели представления знаний ориентированы на простые области.

Представление знаний в экспертных системах второго поколения следующее:

1) используются не поверхностные знания, а более глубинные, возможно дополнение предметной области;

2) ЭС может решать задачи динамической базы данных предметной области.

Рис. 4.12. Основные компоненты информационной технологии экспертных систем

Основными компонентамиинформационной технологии, используемой в экспертной системе, являются (рис.4.12):

ü интерфейс пользователя;

ü база знаний;

ü интерпретатор;

ü модуль создания системы.

Интерфейс пользователя. Менеджер (специалист) использует интерфейс для ввода информации и команд в экспертную систему и получения выходной информации из нее. Команды включают в себя параметры, направляющие процесс обработки знаний. Информация обычно выдается в форме значений, присваиваемых определенным переменным. Менеджер может использовать четыре метода ввода информации:

ü меню;

ü команды;

ü естественный язык;

ü собственный интерфейс.

Технология экспертных систем предусматривает возможность получать в качестве выходной информациине только решение, но и необходимые объяснения. Различают два вида объяснений:

ü объяснения, выдаваемые по запросам. Пользователь в любой момент может потребовать от экспертной системы объяснения своих действий;

ü объяснения полученного решения проблемы. После получения решения пользователь может потребовать объяснений того, как оно было получено. Система должна пояснить каждый шаг своих рассуждений, ведущих к решению задачи. Хотя технология работы с экспертной системой не является простой, пользовательский интерфейс этих систем является дружественным и обычно не вызывает трудностей при ведении диалога.

База экспертных знаний содержит факты, описывающие проблемную область, а также логическую взаимосвязь этих фактов.

Экспертная система состоит из базы знаний (части системы, в которой содержатся факты), подсистемы вывода (множества правил, по которым осуществляется решение задачи), подсистемы объяснения подсистемы приобретения знаний и диалогового процессора.

База знаний - это совокупность моделей, правил и факторов, данных, порождающих анализ и выводы для нахождения решений сложных задач в некоторой предметной области.

Сегодня создается целый спектр баз знаний - от небольших по объему до мощных, предназначенных для профессионалов, эксплуатирующих сложные, технически оснащенные ЭВМ. Совершенствование создаваемых баз знаний делает их доступными для массового пользователя с превращением их в коммерческий продукт.

Центральное место в базе знаний принадлежит правилам. Правило определяет, что следует делать в данной конкретной ситуации, и состоит из двух частей:

ü условия, которое может выполняться или не выполняться;

ü действия, которое следует произвести, если условие выполняется.

Все используемые в экспертной системе правила образуют систему правил, которая даже для сравнительно простой системы может содержать несколько тысяч правил.

Все виды экспертных знаний, в зависимости от специфики предметной области и квалификации проектировщика (инженера по знаниям), могут быть представлены с помощью одной либо нескольких семантических моделей.

К наиболее распространенным моделям представления знаний относятся:

ü Логические - основная идея подхода при построении логических моделей представления знаний - вся информация, необходимая для решения прикладных задач, рассматривается как совокупность фактов и утверждений, которые представляются как формулы в некоторой логике. Знания отображаются совокупностью таких формул, а получение новых знаний сводится к реализации процедур логического вывода.

В основе логических моделей представления знаний лежит понятие формальной теории, задаваемое кортежем:

S = < B,F,A,R > , где:

B - счетное множество базовых символов (алфавит);

F - множество, называемое формулами;

A - выделенное подмножество априори истинных формул (аксиом);

R - конечное множество отношений между формулами, называемое правилами вывода.

ü Продукционные- модель основанная на правилах, позволяет представить знание в виде предложений типа «Если (условие), то (действие)». Продукционная модель - фрагменты Семантической сети, основанные на временных отношениях между состояниями объектов.

Продукционная модель обладает тем недостатком, что при накоплении достаточно большого числа (порядка нескольких сотен) продукций они начинают противоречить друг другу.

В общем случае продукционную модель можно представить в следующем виде:

где:

S - описание класса ситуаций;

L - условие, при котором продукция активизируется;

- ядро продукции;

Q - постусловие продукционного правила.

ü Фреймовые. Фрейм - (англ. frame - «каркас» или «рамка») - способ представления знаний в искусственном интеллекте, представляющий собой схему действий в реальной ситуации. Первоначально термин «фрейм» ввёл Марвин Минский в 70-е годы XX века для обозначения структуры знаний для восприятия пространственных сцен. Фрейм - это модель абстрактного образа, минимально возможное описание сущности какого-либо объекта, явления, события, ситуации, процесса.

ü Семантические сети - информационная модель предметной области, имеющая вид ориентированного графа, вершины которого соответствуют объектам предметной области, а дуги (рёбра) задают отношения между ними. Объектами могут быть понятия, события, свойства, процессы (рис.4.13).

Для представления базы знаний специально разработаны языки Лисп и Пролог, хотя можно использовать и любой известный алгоритмический язык.

Язык программирования Prolog является языком искусственного интеллекта, представителем семейства языков логического программирования. Особенности:

– программа на языке Prolog не является алгоритмом, а представляет собой запись условия задачи на языке формальной логики;

– язык Prolog предназначен для решения логических задач, моделирования процесса логического умозаключения человека, а не для решения вычислительных или графических задач. Вычисления и графические построения выполняются как побочный продукт логического вывода;

– язык Prolog требует особого стиля мышления программиста.

Рис.4.13. Пример семантической сети

Интерпретатор - это часть экспертной системы, производящая в определенном порядке обработку знаний (мышление), находящихся в базе знаний. Технология работы интерпретатора сводится к последовательному рассмотрению совокупности правил (правило за правилом). Если условие, содержащееся в правиле, соблюдается, выполняется определенное действие, и пользователю предоставляется вариант решения его проблемы.

Кроме того, во многих экспертных системах вводятся дополнительные блоки:

ü блок расчета;

ü блок ввода и корректировки данных.

Блок расчета необходим в ситуациях, связанных с принятием управленческих решений. При этом важную роль играет база данных, где содержатся плановые, физические, расчетные, отчетные и другие постоянные или оперативные показатели. Блок ввода и корректировки данных используется для оперативного и своевременного отражения текущих изменений в базе данных.

Модуль создания системыслужит для создания набора (иерархии) правил. Существуют два подхода, которые могут быть положены в основу модуля создания системы:

ü использование алгоритмических языков программирования;

ü использование оболочек экспертных систем.

Оболочка экспертных систем представляет собой готовую программную среду, которая может быть приспособлена к решению определенной проблемы путем создания соответствующей базы знаний. В большинстве случаев использование оболочек позволяет создавать экспертные системы быстрее и легче в сравнении с программированием.

Таким образом, области применения систем, основанных на знаниях, могут быть сгруппированы в несколько основных классов: прогнозирование, планирование, контроль и управление, обучение, диагностика неисправностей в механических и электрических устройствах, медицинская диагностика.

Прогнозирующие системы предсказывают возможные результаты или события на основе данных о текущем состоянии объекта. Программная система «Завоевание Уолл-стрит» может проанализировать конъюнктуру рынка и с помощью статистических методов алгоритмов разработать план капиталовложений на перспективу.

Прогнозирующие системы уже сегодня могут предсказывать погоду, урожайность и поток пассажиров.

Планирующие системы предназначены для достижения конкретных целей при решении задач с большим числом переменных. Дамасская фирма Informat впервые в торговой практике предоставляет в распоряжение покупателей 13 рабочих станций, установленных холле своего офиса, на которых проводятся бесплатные 15-минутные консультации, с целью помочь покупателям выбрать компьютер, в наибольшей степени отвечающий их потребностям и бюджету.

Системы, основанные на знаниях, могут применяться в качестве интеллектуальных систем контроля и принимать решения, анализируя данные, поступающие от нескольких источников. Такие системы уже работают на автономных электростанциях, управляют движением воздушных судов и осуществляют медицинский контроль. Они могут быть также полезны при регулировании финансовой деятельности предприятия и оказывать помощь при выработке решений в критических ситуациях.

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. Примером этого обучения может служить компьютерная игра, сложность которой увеличивается по мере возрастания квалификации играющего.

Большинство ЭС включают знания, по содержанию которых их можно отнести одновременно к нескольким типам. Например, обучающая система может также обладать знаниями, позволяющими выполнять диагностику и планирование. Она определяет способности обучаемого по основным направлениям курса, а затем с учетом полученных данных составляет учебный план. Управляющая система может применяться для целей контроля, диагностики, прогнозирования и планирования.

Существует ряд прикладных задач, которые решаются с помощью систем, основанных на знаниях, более успешно, чем любыми другими средствами. При определении целесообразности применения таких систем нужно руководствоваться следующими критериями.

1. Данные и знания надежны и не меняются со временем.

2. Пространство возможных решений относительно невелико.

3. В процессе решения задачи должны использоваться формальные рассуждения. Существуют системы, основанные на знаниях, пока еще не пригодные для решения задач методами проведения аналогий или абстрагирования (человеческий мозг справляется с этим лучше). Традиционные компьютерные программы оказываются эффективнее систем, основанных на знаниях, в тех случаях, когда решение задачи связано с применением процедурного анализа. Системы, основанные на знаниях, более подходят для решения задач, где требуются формальные рассуждения.

4. Должен быть по крайней мере один эксперт, который способен явно формулировать свои знания и объяснять методы применения этих знаний для решения задач.

В целом ЭС не рекомендуется применять для решения следующих типов задач:

• математических, решаемых обычным путем формальных преобразований и процедурного анализа;

• задач распознавания, поскольку в общем случае они решаются численными методами;

• задач, знания о методах решения которых отсутствуют (невозможно построить базу знаний).