Экспертные системы1. Перечень типовых задач, решаемых экспертными системами, состоит из
 Скачать 23.52 Kb.
|
|
Экспертная система может полностью взять на себя функции, выполнение которых обычно требует привлечения опыта человека-специалиста, иными словами, система (техническая или социальная), требующая принятия решения, может получить его непосредственно от программы или через промежуточное звено -- человека, который общается с программой. Тот, кто принимает решение, может быть экспертом со своими собственными правами, и в этом случае программа может "оправдать" свое существование, повышая эффективность его работы. В другом случае человек, работающий в сотрудничестве с такой программой, может добиться с ее помощью результатов более высокого качества. Правильное распределение функций между человеком и машиной является одним из ключевых условий высокой эффективности внедрения экспертных систем. Перечень типовых задач, решаемых экспертными системами, состоит из: извлечение информации из первичных данных (таких как сигналы, поступающие от гидролокатора); диагностика неисправностей (как в технических системах, так и в человеческом организме); структурный анализ сложных объектов (например, химических соединений); выбор конфигурации сложных многокомпонентных систем (например, распределенных компьютерных систем); планирование последовательности выполнения операций, приводящих к заданной цели (например, выполняемых промышленными роботами). Принципы работы экспертной системы, основанной на знаниях, иллюстрируются на рис. 1. Пользователь передает в экспертную систему факты или другую информацию и получает в качестве результата экспертный совет или экспертные знания. По своей структуре экспертная система подразделяется на два основных компонента - базу знаний и машину логического вывода. База знаний содержит знания, на основании которых машина логического вывода формирует заключения. Эти заключения представляют собой ответы экспертной системы на запросы пользователя, желающего получить экспертные знания. Кроме того, разработаны полезные системы, основанные на знаниях, которые предназначены для использования в качестве интеллектуального помощника для эксперта-человека. Эти интеллектуальные помощники проектируются на основе технологии экспертных систем, поскольку такая технология обеспечивает значительные преимущества при разработке. Чем больше знаний будет введено в базу знаний интеллектуального помощника, тем в большей степени его действия будут напоминать действия эксперта. Разработка интеллектуального помощника может стать полезным промежуточным шагом перед созданием полноценной экспертной системы. К тому же интеллектуальный помощник позволяет освободить для эксперта больше полезного времени, поскольку его применение способствует ускоренному решению задач. Еще одним приложением искусственного интеллекта являются интеллектуальные обучающие программы. В отличие от старых систем компьютеризированного обучения, интеллектуальные обучающие программы способны предоставлять учащемуся инструкции, зависящие от контекста. Знания эксперта относятся только к одной предметной области, и в этом состоит отличие методов, основанных на использовании экспертных систем, от общих методов решения задач. Предметная область- это специальная проблемная область, такая как медицина, финансы, наука и техника, в которой может очень хорошо решать задачи лишь определенный эксперт. Экспертные системы, как и эксперты-люди, в целом предназначены для использования в качестве экспертов в одной предметной области. Экспертные знания в одной предметной области не переносятся автоматически на другую область. Знания эксперта, касающиеся решения конкретных задач, называются областью знаний эксперта. Связь между предметной областью и областью знаний показана на рис. 2. На данном рисунке область знаний полностью включена в предметную область. Часть, выходящая за пределы области знаний, символизирует область, в которой отсутствуют знания о какой-либо из задач, относящихся к данной предметной области. В области знаний, сведениями из которой располагает экспертная система, эта экспертная система проводит рассуждения или делает логические выводы по такому же принципу, как рассуждал бы эксперт-человек. Это означает, что на основании определенных фактов путем рассуждений формируется логичное, оправданное заключение, которое следует из этих фактов. Преимущества ЭС Экспертные системы обладают рядом положительных достоинств: Повышенная доступность. Экспертная система -- это средство массового производства экспертных знаний. Уменьшенные издержки. Стоимость предоставления экспертных знаний в расчете на отдельного пользователя существенно ниже. Уменьшенная опасность. Экспертные системы могут использоваться в та-ких вариантах среды, которые могут оказаться опасными для человека. Постоянство. Экспертные знания никуда не исчезают. В отличие от экспер-тов-людей, которые могут уйти на пенсию, уволиться с работы или умереть, знания экспертной системы сохраняются в течение неопределенно долгого времени. Возможность получения экспертных знаний из многих источников. С помощью экспертных систем могут быть собраны знания многих экспертов и привлечены к работе над задачей, выполняемой одновременно и непрерывно, в любое время дня и ночи. Повышенная надежность. Применение экспертных систем позволяет по-высить степень доверия к тому, что принято правильное решение, путем предоставления еще одного обоснованною мнения эксперту-человеку. Решение экспертной системы должно всегда совпадать с решением эксперта; несовпадение может быть вызвано только ошибкой, допущенной экспертом, что может произойти, только если эксперт-человек устал или находится в состоянии стресса. Объяснение. Экспертная система способна подробно объяснить свои рассуждения, которые привели к определенному заключению. А человек может оказаться слишком усталым, не склонным к объяснениям или неспособным делать это постоянно. [1] Основные этапы разработки ЭС Разработка экспертной системы имеет существенные отличия от разработки обычного программного продукта. Использовать экспертную систему следует только тогда, когда ее разработка возможна, оправдана и методы инженерии знаний соответствуют решаемой задаче. Инженерия знаний - это область наук об искусственном интеллекте, связанная с разработкой экспертных систем и баз знаний. То есть, это получение знаний от эксперта-человека и представление знаний в экспертной системе. Этапы: Идентификация; Концептуализация; Формализация; Выполнение; Тестирование; Опытная эксплуатация. На этапе идентификации определяются задачи, которые подлежат решению, выявляются цели разработки, определяются эксперты и типы пользователей. На этапе концептуализации проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач. На этапе формализации выбираются ИС и определяются способы представления всех видов знаний формализуются основные понятия, определяются способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решений, средств представления и манипулирования знаниями. На этапе выполнения осуществляется наполнение экспертом базы знаний. В связи с тем, что основой экспертной системы являются знания, данный этап является наиболее важным и наиболее трудоемким этапом разработки экспертной системы. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, понятном экспертной системе. Процесс приобретения знаний осуществляется инженером по знаниям на основе анализа деятельности эксперта по решению реальных задач. На этапе тестирования производится оценка выбранного способа представления знаний в экспертной системе в целом. Для этого инженер по знаниям подбирает примеры, обеспечивающие проверку всех возможностей разработанной экспертной системы. На этапе опытной эксплуатации проверяется пригодность экспертной системы для конечного пользователя. Ее пригодность для пользователя определяется в основном удобством работы с ней и ее полезностью. Под полезностью экспертной системы понимается ее способность в ходе диалога определять потребности пользователя, выявлять и устранять причины неудач в работе, а также удовлетворять указанные потребности пользователя (решать поставленные задачи). В свою очередь, удобство работы с экспертной системой подразумевает естественность взаимодействия с ней (общение в привычном, не утомляющем пользователя виде), гибкость (способность системы настраиваться на различных пользователей, а также учитывать изменения в квалификации одного и того же пользователя) и устойчивость системы к ошибкам (способность не выходить из строя при ошибочных действиях неопытного пользователях). Экспертные системы показали свою способность успешно решать практические задачи, которые невозможно было решить с помощью обычных методологий программирования, особенно в тех условиях, когда приходится пользоваться неопределенной или неполной информацией. Очень важно знать преимущества и недостатки любой технологии, чтобы использовать ее должным образом. Базовые функции ЭС Приобретение знаний Приобретение знаний - это передача потенциального опыта решения проблемы от некоторого источника знаний (эксперта-человека) и преобразование его в вид, который позволяет использовать эти знания в программе. Передача знаний выполняется в процессе достаточно длительных собеседований между специалистом по проектированию экспертной системы (инженером по знаниям) и экспертом в определенной предметной области, способным достаточно четко сформулировать имеющийся у него опыт. По существующим оценкам, таким методом можно сформировать от двух до пяти "элементов знания" (например, правил) в день. Конечно, это очень низкая скорость, именно поэтому многие исследователи рассматривают функцию приобретения знаний в качестве одного из главных недостатков технологии экспертных систем. Причины низкой производительности: Специалисты узкой предметной области пользуются узкоспециализированными терминами; Для того чтобы решить проблему в определенной области, эксперту недостаточно просто обладать суммой знаний о фактах и принципах в этой области; Экспертный анализ даже в очень узкой области, выполняемый человеком, очень часто нужно поместить в довольно обширный контекст, который включает и многие вещи, кажущиеся эксперту само собой разумеющимися, но для постороннего отнюдь таковыми не являющимися. Представление знаний Представление знаний - это главная задача искусственного интеллекта. Ее цель научиться хранить знания таким образом, чтобы программы могли осмысленно обрабатывать их и достигнуть тем подобия человеческого интеллекта. В качестве вопросов, решаемых при представлении знаний, включены следующие вопросы: определение состава представляемых знаний; организацию знаний; представление знаний, т.е. определение модели представления. Состав знаний ЭС определяется следующими факторами: проблемной средой; архитектурой экспертной системы; потребностями и целями пользователей; языком общения. В соответствии с общей схемой статической экспертной системы для ее функционирования требуются следующие знания: знания о процессе решения задачи (т.е. управляющие знания), используемые интерпретатором (решателем); знания о языке общения и способах организации диалога, используемые лингвистическим процессором (диалоговым компонентом); знания о способах представления и модификации знаний, используемые компонентом приобретения знаний; поддерживающие структурные и управляющие знания, используемые объяснительным компонентом. Зависимость состава знаний от требований пользователя проявляется в следующем: какие задачи (из общего набора задач) и с какими данными хочет решать пользователь; каковы предпочтительные способы и методы решения; при каких ограничениях на количество результатов и способы их получения должна быть решена задача; каковы требования к языку общения и организации диалога; какова степень общности (конкретности) знаний о проблемной области, доступная пользователю; каковы цели пользователей. Состав знаний о языке общения зависит как от языка общения, так и от требуемого уровня понимания. В области экспертных систем представление знаний интересует в основном, как средство отыскания методов формального описания больших массивов полезной информации, с целью их последующей обработки с помощью символических вычислений. Формальное описание означает упорядочение в рамках какого-либо языка, обладающего достаточно четко формализованным синтаксисом построения выражений и такого же уровня семантикой, увязывающей смысл выражения с его формой. Символические вычисления означают выполнение нечисловых операций, в которых могут быть сконструированы символы и символьные структуры для представления различных концептов и отношений между ними. В области искусственного интеллекта ведется интенсивная работа по созданию языков представления (representation languages). Под этим термином понимаются компьютерные языки, ориентированные на организацию описаний объектов и идей, в противовес статическим последовательностям инструкций или хранению простых элементов данных. Основными критериями доступа к представлению знаний являются логическая адекватность, эвристическая мощность и естественность, органичность нотации. Логическая адекватность означает, что представление, должно обладать способностью распознавать все отличия, которые вы закладываете в исходную сущность. Например, каждое лекарство обладает нежелательным побочным эффектом, специфическим для этого препарата Эвристическая мощность означает, что наряду с наличием выразительного языка представления должно существовать некоторое средство использования представлений, сконструированных и интерпретируемых таким образом, чтобы с их помощью можно было решить проблему. Естественность нотации следует рассматривать как положительную черту системы, поскольку большинство приложений, построенных на базе экспертных систем, нуждается в накоплении большого объема знаний, а решить такую задачу довольно трудно, если соглашения в языке представления слишком сложны. Выражения, которыми формально описываются знания, должны быть по возможности простыми для написания, а их смысл должен быть понятен даже тому, кто не знает, как же компьютер интерпретирует эти выражения. Управление процессом поиска решения При проектировании экспертной системы серьезное внимание должно быть уделено и тому, как осуществляется доступ к знаниям и как они используются при поиске решения. Знание о том, какие знания нужны в той или иной конкретной ситуации, и умение ими распорядиться -- важная часть процесса функционирования экспертной системы. Такие знания получили название метазнаний -- т.е. знаний о знаниях. Решение не лишенных новизны проблем требует и определенного уровня планирования и управления при выборе, какой вопрос нужно задать, какой тест выполнить, и т.д. Использование разных стратегий перебора имеющихся знаний, как правило, оказывает довольно существенное влияние на характеристики эффективности программы. Эти стратегии определяют, каким способом программа отыскивает решение проблемы в некотором пространстве альтернатив. Как правило, не бывает так, чтобы данные, которыми располагает программа работы с базой знаний, позволяли точно "выйти" на ту область в этом пространстве, где имеет смысл искать ответ. Большинство формализмов представления знаний может быть использовано в разных режимах управления и разработчики экспертных систем продолжают экспериментировать в этой области. Разъяснение принятого решения Вопрос о том, как помочь пользователю понять структуру и функции некоторого сложного компонента программы, связан со сравнительно новой областью взаимодействия человека и машины, которая появилась на пересечении таких областей, как искусственный интеллект, промышленная технология, физиология и эргономика. На сегодня вклад в эту область исследователей, занимающихся экспертными системами, состоит в разработке методов представления информации о поведении программы в процессе формирования цепочки логических заключений при поиске решения. Представление информации о поведении экспертной системы важно по многим причинам. Пользователи, работающие с системой, нуждаются в подтверждении того, что в каждом конкретном случае заключение, к которому пришла программа, в основном корректно; Инженеры, имеющие дело с формированием базы знаний, должны убедиться, что сформулированные ими знания применены правильно, в том числе и в случае, когда существует прототип; Экспертам в предметной области желательно проследить ход рассуждений и способ использования тех сведений, которые с их слов были введены в базу знаний. Это позволит судить, насколько корректно они применяются в данной ситуации; Программистам, которые сопровождают, отлаживают и модернизируют систему, нужно иметь в своем распоряжении инструмент, позволяющий заглянуть внутрь на уровне более высоком, чем вызов отдельных языковых процедур; Менеджер системы, использующей экспертную технологию, который несет ответственность за последствия решения, принятого программой, также нуждается в подтверждении, что эти решения достаточно обоснованы. Способность системы объяснить методику принятия решения иногда называют прозрачностью системы. Под этим понимается, насколько просто персоналу выяснить, что делает программа и почему. Отсутствие достаточной прозрачности поведения системы не позволит эксперту повлиять на ее производительность или дать совет, как можно ее повысить. Прослеживание и оценка поведения системы -- задача довольно сложная и для ее решения необходимы совместные усилия эксперта и специалиста по информатике. [2] Заключение Огромный интерес к экспертным системам вызван следующими основными причинами. Во-первых, они ориентированы на решение широкого круга задач в неформализованных областях, т.е. на приложения, которые до недавнего времени считались малодоступными для вычислительной техники. Во-вторых, экспертные системы позволяют специалистам, не имеющим навыков программирования, создавать практически значимые приложения, что резко расширяет сферу использования вычислительной техники. В-третьих, экспертные системы при решении практических задач позволяют получать результаты, сравнимые, а иногда и превосходящие те, которые может получить эксперт-человек. В-четвертых, современные экспертные системы легко объединяются с традиционными программными системами (системами управления базами данных, пакетами прикладных программ и т.д.) в интегрированные приложения. В настоящее время в продаже уже имеется довольно много экспертных систем различных фирм, в том числе для персональных компьютеров. Стоимость выпускаемых экспертных систем пока довольно велика. Работы в области создания экспертных систем активно продолжаются. Список используемой литературы 1. Джарратано, Д. Экспертные системы: прниципы разработки и программирование [Текст]: Д. Джарратано, Г. Райли. - 4-е издание. - М.: ООО "И.Д. Вильямс", 2007. - 1152 с., ил. 2. Джексон, П. Введение в экспертные системы [Текст]: П. Джексон - М.: ООО "И.Д. Вильямс", 2001. - 624 с, ил. 3. Экспертная система - Википедия // Режим доступа: http://ru.wikipedia.org/wiki/Экспертные_системы |