10545

09.04.01-УММ-М.1.2.5-ПИС-ЛК04-Инструмент Microsoft Analysis Services в процессе анализа данных

интеллектуальных систем, математический аппарат представления знаний, возможности и пути использования искусственного интеллекта при проектировании

информационных систем. Изложены новые аспекты представления знаний на основе

искусственных нейронных сетей, расчетно-логических систем, генетических

алгоритмов, мультиагентных систем. Приведены примеры практической реализации

представления знаний на базе декларативного языка Пролог. Для студентов

учреждений высшего профессионального образования. Может быть полезен разработчикам и пользователям информационных систем; преподавателям и научным

сотрудникам, сферой интересов которых является интеллектуализация различных

предметных областей; менеджерам и руководителям различного ранга, желающим

самостоятельно ознакомиться с современным состоянием информационных

технологий.

Подробнее: https://lavkababuin.com/predstavlenie-znaniy-v-informacionnyh-sistemah-2-e- izd-ster-650564/

[4] Остроух, А. В. Интеллектуальные информационные системы и технологии

[Электронный ресурс] : монография / А. В. Остроух, А. Б. Николаев. Санкт-Петербург:

Лань, 2019. - 308 с.

В монографии изложены концептуальные основы и методы представления знаний в интеллектуальных системах. Рассмотрены различные подходы, применяемые при

проектировании и разработке интеллектуальных систем и технологий в

транспортном комплексе, а также рассмотрены тенденции развития систем

искусственного интеллекта.

Монография может быть использована для формирования профессиональной

компетентности студентов высших учебных заведений, аспирантов и научных сотрудников обучающихся и ведущих научные исследования в области разработки и

практического применения систем искусственного интеллекта по укрупнённой

группе направлений подготовки "Информатика и вычислительная техника".

Подробнее: https://www.labirint.ru/books/692861/

Ссылки на открытые ресурсы (он-лайн-курсы, видеоуроки и т.д.)

[5]

iСписок рекомендуемой литературы может быть более широким по сравнению со списком литературы, указанным в рабочей программе

09.04.01-УММ-М.1.2.5-ПИС-ЛК05-Экспертные системы. Классификация экспертных систем. Архитектура экспертных систем.

Применение экспертных систем в профессиональной деятельности

Прикладные интеллектуальные системы

Конспект лекции 5. Экспертные системы. Классификация экспертных

систем. Архитектура экспертных систем. Применение экспертных систем в

профессиональной деятельности

Аннотация: В лекции рассказывается о понятии экспертных систем, их

классификации и архитектуре, приводятся примеры применения экспертных систем в профессиональной деятельности.

План лекции:

1.Экспертные системы.

2.Классификация экспертных систем.

3.Архитектура экспертных систем.

4.Применение экспертных систем в профессиональной деятельности.

5.Задания для самостоятельной работы.

Ключевые слова: экспертная система, классификация экспертных систем. Архитектура экспертных систем.

09.04.01-УММ-М.1.2.5-ПИС-ЛК05-Экспертные системы. Классификация экспертных систем. Архитектура экспертных систем.

Применение экспертных систем в профессиональной деятельности

СОДЕРЖАНИЕ ЛЕКЦИИ:

1.Экспертные системы

Воснове экспертной системы находится обширный запас знаний о конкретной проблемной области. В большинстве случаев их ограничивают правила, которые

позволяют делать заключения на основе исходных данных или предположений. Такой подход к конструированию систем, опирающийся на использование знаний заменяет традиционное соотношение

Данные+Алгоритм=Программа

на новую архитектуру, основу которой составляют база знаний и машина

логического вывода, так что мы имеем Знания+Вывод = Система.

Экспертная система рассматривается как результат создания в компьютере

основанной на знаниях компоненты, соответствующей навыку эксперта, в такой форме, которая позволит системе дать разумный совет или принять разумное

решение о функции обработки данных. Желательной дополнительной характеристикой

является способность системы по требованию объяснить свою линию рассуждений в

виде, непосредственно понятном тому, кто задал вопрос. Достижение таких свойств

обеспечивается методом программирования и использованием правил.

Основные характеристики экспертных систем:

экспертная система ограничена определенной сферой экспертизы

она способна рассуждать при сомнительных данных

она способна объяснять цепочку рассуждений понятным способом

факты и механизмы вывода четко отделены друг от друга

она строится так, чтобы имелась возможность постепенно наращивать систему

чаще всего она основана на использовании правил

на выходе она дает совет

она экономически выгодна.

Экспертная система содержит базу знаний, машину вывода, модуль извлечения

знаний, систему объяснения (интерфейс).

09.-М.1.2.5-ПИС-ЛК05-Экспертные системы. Классификация экспертных систем. Архитектура экспертных систем.

Применение экспертных систем в профессиональной деятельности

Модуль усво

Áàçà çíàí

Машина логиче

Интер

Пользо

Рисунок 1 – Состав ЭС

База знаний содержит факты и правила. Факты представляют собой краткосрочную

информацию в том плане, что они могут изменяться, например, в ходе консультации.

Правила представляют собой долговечную информацию о том, как порождать новые

факты или гипотезы из того, что известно. Такой подход отличается от обычной

методики использования базы данных тем, что факты в базе данных обычно пассивны:

они либо есть, либо их нет. База знаний активно пытается восполнить недостающую

информацию.

Правила продукций являются предпочтительным средством отображения

неформальных знаний. Такие знания имеют формат ЕСЛИ-ТО, но эти знания не

воплощены в какую-то программу, а представляют собой данные для высокоуровневого интерпретатора, а именно машины ввода. Правила продукций не

единственный способ представления знаний. Для этой цели использовались

семантические сети, исчисление предикатов.

Большинство экспертных систем «стремится», как правило, использовать

личностные знания эксперта и чаще всего формализуют их (без усиления логических

возможностей современных информационных систем) в выбранной системе правил,

образующих некоторую эвристику. Поэтому основной трудностью создания

экспертных систем становится получение знаний от эксперта, так как этот процесс

зависит от многих существенных факторов: предметной области, методики получения знаний, квалификации эксперта и его способности выделять собственные знания. Экспертные системы применяются в случаях, когда тип решаемой задачи обладает

хотя бы одним из следующих аспектов:

диагностика

нет установившейся теории

мало специалистов

09.04.01-УММ-М.1.2.5-ПИС-ЛК05-Экспертные системы. Классификация экспертных систем. Архитектура экспертных систем.

Применение экспертных систем в профессиональной деятельности

данные «зашумлены».

Диагностическая задача связана с областью, в которой имеется множество

возможных ответов, и трудность состоит в том, что необходимо выбрать из них один

верный, или, по крайней мере, отбросить заведомо неверные.

Область, где нет твердо установившейся теории, содержит слишком много

переменных величин, затрудняющих создание полной и цельной теории, где искусные

практики опираются на свои познания и интуицию.

Область с малым числом специалистов, связана с тем, что экономически выгодно автоматизировать навыки на которые высок спрос.

2. Классификация экспертных систем.

Рассмотрим различные способы классификации ЭС. По назначению ЭС делятся на:

ЭС общего назначения.

Специализированные ЭС:

oпроблемно-ориентированные для задач диагностики, проектирования,

прогнозирования

oпредметно-ориентированные для специфических задач, например,

контроля ситуаций на атомных электростанциях.

По степени зависимости от внешней среды выделяют:

Статические ЭС, не зависящие от внешней среды.

Динамические, учитывающие динамику внешней среды и предназначенные для

решения задач в реальном времени. Время реакции в таких системах может

задаваться в миллисекундах, и эти системы реализуются, как правило, на

языке С++.

По типу использования различают:

Изолированные ЭС.

ЭС на входе/выходе других систем.

Гибридные ЭС или, иначе говоря, ЭС интегрированные с базами данных и

другими программными продуктами (приложениями).

По сложности решаемых задач различают:

Простые ЭС - до 1000 простых правил.

Средние ЭС - от 1000 до 10000 структурированных правил.

Сложные ЭС - более 10000 структурированных правил. По стадии создания выделяют:

Исследовательский образец ЭС, разработанный за 1-2 месяца с минимальной БЗ.

Демонстрационный образец ЭС, разработанный за 2-4 месяца, например, на

языке типа LISP, PROLOG, CLIPS

Промышленный образец ЭС, разработанный за 4-8 месяцев, например, на языке

типа CLIPS с полной БЗ.

09.04.01-УММ-М.1.2.5-ПИС-ЛК05-Экспертные системы. Классификация экспертных систем. Архитектура экспертных систем.

Применение экспертных систем в профессиональной деятельности

Коммерческий образец ЭС, разработанный за 1,5-2 года, например, на языке

типа С++, Java с полной БЗ.

Общепринятая классификация экспертных систем отсутствует, однако наиболее

часто экспертные системы различают по назначению, предметной области, методам

представления знаний, динамичности и сложности.

По назначению классификацию экспертных систем можно провести следующим

образом:

диагностика состояния систем, в том числе мониторинг (непрерывное отслеживание

текущего состояния);

прогнозирование развития систем на основе моделирования прошлого и настоящего; планирование и разработка мероприятий в организационном и технологическом

управлении;

проектирование или выработка четких предписаний по построению объектов,

удовлетворяющих поставленным требованиям;

автоматическое управление (регулирование); обучение пользователей и др.

По предметной области наибольшее количество экспертных систем используется в

военном деле, геологии, инженерном деле, информатике, космической технике, математике, медицине, метеорологии, промышленности, сельском хозяйстве,

09.04.01-УММ-М.1.2.5-ПИС-ЛК05-Экспертные системы. Классификация экспертных систем. Архитектура экспертных систем.

Применение экспертных систем в профессиональной деятельности

управлении процессами, физике, филологии, химии, электронике, юриспруденции.

Классификация экспертных систем по методам представления знаний делит их на

традиционные и гибридные. Традиционные экспертные системы используют, в основном, эмпирические модели представления знаний и исчисление предикатов первого порядка. Гибридные экспертные системы используют все доступные методы, в том числе оптимизационные алгоритмы и концепции баз данных.

По степени сложности экспертные системы делят на поверхностные и глубинные.

Поверхностные экспертные системы представляют знания в виде правил «ЕСЛИ-ТО». Условием выводимости решения является безобрывность цепочки правил. Глубинные экспертные системы обладают способностью при обрыве цепочки правил определять

(на основе метазнаний) какие действия следует предпринять для продолжения

решения задачи. Кроме того, к сложным относятся предметные области в которых

текст записи одного правила на естественном языке занимает более 1/3 страницы.

Классификация экспертных систем по динамичности делит экспертные системы на

статические и динамические. Предметная область называется статической, если

описывающие ее исходные данные не изменяются во времени. Статичность области означает неизменность описывающих ее исходных данных. При этом производные данные (выводимые из исходных) могут и появляться заново, и изменяться (не изменяя, однако, исходных данных).

Если исходные данные, описывающие предметную область, изменяются за время

решения задачи, то предметную область называют динамической. В архитектуру

динамической экспертной системы, по сравнению со статической, вводятся два

компонента:

подсистема моделирования внешнего мира; подсистема связи с внешним окружением.

Последняя осуществляет связи с внешним миром через систему датчиков и контроллеров. Кроме того, традиционные компоненты статической экспертной системы (база знаний и механизм логического вывода) претерпевают существенные

изменения, чтобы отразить временную логику происходящих в реальном мире событий.

3. Архитектура экспертных систем.

Если компьютерной программе предстоит выполнить задачу эксперта, то она

нуждается в большом объеме знаний, позволяющих решать сложные проблемы, подобно

тому, как это делает человек. Система должна быть тщательно организована. В общем

случае знания разделяются на три типа:

09.04.01-УММ-М.1.2.5-ПИС-ЛК05-Экспертные системы. Классификация экспертных систем. Архитектура экспертных систем.

Применение экспертных систем в профессиональной деятельности

Фактические (декларативные) знания. Этот вид знаний представляет собой

информацию о конкретном случае, обычно собираемую посредством диалога с

пользователем, который указывает какие факты следует считать справедливыми в настоящее время. Важно то, как представлена эта информация, поскольку сама

структура представления также информативна. Структуру представления следует

выбирать в зависимости от содержания знаний.

Процедурные знания. Эти знания обычно собираются заранее путём опроса

специалиста в данной предметной области и составляют ядро базы знаний. Они

используются также в блоке рассуждения системы, позволяя потом выводить

следствия. Процедурные знания дают возможность при необходимости

генерировать и факты. Таким образом, фактические и процедурные знания тесно

переплетаются. Кроме того, в ходе работы системы приходится принимать решения,

какие из тех правил следует использовать.

Управляющие знания. Системе должен быть предусмотрен некоторый набор

стратегий, чтобы можно было рассматривать альтернативные возможности в ходе работы, переход при неудаче от одной стратегии к другой.

Системы продукций представляют собой конкретный метод организации программ в

виде совокупностей трех групп, указанных выше. Каждая группа рассматривается

отдельно, поэтому такую систему легко понять и с ней легко работать.

1)База данных (БД)

2)Список порождающих правил (ПП)

3)Метод выбора, какое порождающее правило следует применить при данном

состоянии базы данных

Каждое порождающее правило (продукция) имеет форму ЕСЛИ (условие), ТО (действие)

или, возможно, форму ЕСЛИ (условие), ТО (действие 1), В ПРОТИВНОМ СЛУЧАЕ

(действие2). При этом процедуры сопоставления с образцом определяет, является ли

данное правило применимым вообще.

Условная часть продукции сопоставляется с имеющейся базой данных. Если процесс

сопоставления заканчивается успешно, то всем переменным, входящим в образец, то есть переменным из условной части некоторого порождающего правила, придаются определенные значения из БД, которые обеспечивают сопоставимость. В дальнейшем

эти значения будут использоваться в части, соответствующей действию того же

самого порождающего правила. Эта часть может быть произвольной процедурой,

которая запускается только при условии успешного сопоставления и если данная

продукция была выбрана управляющим механизмом. Все изменения могут быть

осуществлены посредством двух элементарных функций - добавления и удаления. В

начале работы системы запускается некоторое простое правило, которое

обеспечивает сбор информации о рассматриваемом случае и вносит ее в базу данных.

В дальнейшем система действует по простому принципу: «выбери продукцию - примени

соответствующие действия». Централизованная база данных является сосредоточием активности системы, причем программист должен внести в систему потенциально весьма сложные стратегии управления, которые позволят избежать

09.04.01-УММ-М.1.2.5-ПИС-ЛК05-Экспертные системы. Классификация экспертных систем. Архитектура экспертных систем.

Применение экспертных систем в профессиональной деятельности

столь естественной неупорядоченности в работе системы, поведут ее по верному

пути к успешному решению поставленной задачи. Самый распространенный способ как

«запуска» системы продукций, так и «управления» ею состоит в использовании

механизмов, названных «демонами».

Существует три возможные разновидности демонов, а именно «если-добавлено», «если-удалено» и «если необходимо». Демоны запускаются в работу путем добавления их в базу данных. Как правило, демоны вида «если-добавлено» будут

использоваться для проведения прямых логических дедукций, осуществляемых

автоматически, если стали известны некоторые дополнительные факты. Демоны вида «если-удалено» запускаются функцией удаления. Эти демоны представляют по смыслу полную противоположность демонам «если-добавлено», но работают в значительной степени точно таким же образом. Как правило, демоны «если-удалено» используются для удаления из БД тех явных дедукций, которые были сделаны демонами «еслидобавлено», как только те вещи, которые вызывали эти дедукции, были удалены из БД

(что необходимо для поддержания согласования БД). Демоны «если-необхолдимо»

используются для проведения дедукции в обратном направлении.

Большую часть БД составляют правила, которые запускаются путем сопоставления с

соответствующими признаками, характеризующими данную задачу, и которые могут

добавляться, модифицироваться или изыматься пользователем. Базу данных такого

специального типа обычно называют базой знаний.

Для взаимодействия пользователя с экспертной системой существует три режима, в отличие от единственного режима взаимодействия (получение ответов на поставленные задачи), типичного для более привычных вычислительных систем:

получение решений поставленных задач - пользователь как потребитель

усовершенствование или наращивание знаний системы - пользователь как учитель

извлечение пользы для человека из базы знаний - пользователь как ученик Архитектура экспертной системы включает в себя следующие блоки:

рабочую память;

блок логического вывода, осуществляющий сопоставление данных и

знаний, которые требуются лишь на заданном промежутке времени;

базу знаний, содержащую правила логического вывода, не

меняющиеся на заданном промежутке времени и представленные в

установленных для системы формализмах (фреймах, семантических

сетях, предикатах первого порядка и др.);

базу данных, содержащую постоянные, не меняющиеся на заданном промежутке времени данные, необходимые для работы БЗ;

блок приобретения знаний, предназначенный для работы с

экспертом и когнитологом;

блок рекомендаций и комментариев;

интерфейс пользователя, предназначенный для взаимодействия с

пользователем и отображающий состояние рабочей памяти на

основе рекомендаций и комментариев;