Пзис !!

Опишите обязательные компоненты программно-технической системы, в которой представлены знания специалистов в некой конкретной узкоспециализированной предметной области и которая в рамках этой области способна принимать решения на уровне эксперта профессионала.

Структура ЭС интеллектуальных системпредставляет следующую структуру ЭС:

• Интерфейс пользователя – комплекс программ, реализующих диалог пользователя с ЭС.

• Пользователь – специалист предметной области, для которого предназначена система.

• Интеллектуальный редактор БЗ – программа, позволяющая инженеру по знаниям создавать БЗ в диалоговом режиме. Включает систему вложенных меню, шаблонов ЯПЗ, подсказок и других сервисных средств.(блок обучения, интерпретатор запросов и блок объяснений)

• Эксперт – сами знаете.

• Инженер по знаниям (аналитик) – специалист в области ИИ и, в то же время, психолог.База знаний – ядро ЭС, совокупность знаний ПО, записанных в память на языке, понятном эксперту и пользователю. Она содержит факты, описывающие ПО, а также логи­ческую взаимосвязь этих фактов. Центральное место в базе знаний принадлежит системе правил. Правилоопределяет, что следует делать в данной конкретной ситуации, и состоит из двух частей: условия и действия, которое следует про­извести, если условие выполняется.

• База знаний представляет собой совокупность знаний о предметной области, организованных в соответствии с принятой моделью представления знаний.База знаний = База правил + База фактов.

• Решатель – программа, моделирующая ход рассуждений эксперта на основании знаний, имеющихся в БЗ. Синонимы: дедуктивная машина, машина вывода, блок логического вывода.

• Подсистема объяснений – программа, позволяющая пользователю получить ответы на вопрос как система приняла такое решение и почему.

Опишите достоинства и недостатки моделей представления знаний.

Существует несколько классов моделей (языков) представления знаний:

• продукционные модели;

• семантические сети; //Наиболее общей сетевой моделью представления знаний являются семантические сети.

• фреймы;

• формальные логические модели.

Продукционная модель

Основные достоинства систем, основанных на продукционных моделях, связаны с простотой представления знаний и организации логического вывода.

К недостаткам таких систем можно отнести следующее:

• отличие от структур знаний, свойственных человеку;

• неясность взаимных отношений правил;

• сложность оценки целостного образа знаний;

• низкая эффективность обработки знаний.

При разработке небольших систем (десятки правил) проявляются в основном положительные стороны продукционных моделей знаний, однако при увеличении объёма знаний более заметными становятся слабые стороны.При большом числе продукций становится сложной проверка непротиворечивости системы правил. Это заставляет при добавлении новых продукций тратить много времени на проверку непротиворечивости полученной системы. Из-за присущей системе недетерминированности возникают принципиальные трудности при проверке корректности работы системы

Семантические (смысловые) сети

Основным преимуществом является то, что она наиболее соответствует современным представлениям об организации долговременной памяти человека, а описание объектов и событий производится на уровне очень близком к естественному языку. Также достоинством семантических сетей является их универсальность, достигаемая за счет выбора соответствующего применению набора отношений.

Недостаток – сложность организации процедуры поиска вывода на семантической сети. Кроме того, построение сетевой модели зависит от взгляда на проблему самого разработчика. Поэтому разные инженеры по знаниям могут спроектировать разные модели одной предметной области, что может сказываться негативно на реализации процедур обработки знаний. Также в семантических сетях нет специальных средств, позволяющих определить временные зависимости, поэтому временные значения и события трактуются как обычные понятия. Произвольная структура и различные типы вершин и связей усложняют процедуру обработки информации.

Фреймы

Важнейшим свойством теории фреймов является наследование свойств. И во фреймах и в семант. сетях оно происходит по АКО-связям (A-kind-of=это). Слот АКО указывает на фрейм более высокого уровня иерархии, откуда переносятся значения аналогичных слотов.

Основным преимуществом фреймов как модели представления знаний является то, что она отражает концептуальную основу памяти человека, а также ее гибкость и наглядность. Специальные языки представления знаний в сетях фреймов и другиепрограммные средства позволяют эффективно строить промышленные ЭС.

Основной недостаток: отсутствие механизмов управления выводом, который частично устраняется при помощи присоединенных процедур, реализуемый силами пользователя системы. Во фреймовых моделях фиксируется жёсткая структура информационных единиц. Это существенно снижает гибкость такой модели.

Формальные логические модели

Модели ПЗ этого вида хорошо зарекомендовали себя присоздании баз знаний, имеющих характер высоко модульных структур. Такие знания характерны единственностьютеоретического обоснования, наличием системы формально точных определений и выводов. Используемый в логике исчисления предикатов метод резолюций является одним из наиболее эффективных,высоко формализуемых и широко применяемых методов.

Однако достоинства этих моделей и их развитость, если речь идет об исчислении предикатовпервого порядка, обусловливают и присущие им недостатки: трудночитаемость логических описаний иневысокая производительность обработки знаний. Даже простые утверждения не так просто перевести сестественного языка на язык исчисления предикатов. Основнаяобласть их применения формально-логических моделей – теоретические исследования.

Каким образом механизм вывода (решатель) связан с моделью представления знаний? Допускается ли в рамках одной ЭС использовать смешанный тип стратегий вывода?

В основе использования любого механизма вывода лежит процесс нахождения в соответствии с поставленной целью и описанием конкретной ситуации (исходных данных) относящихся к решению единиц знаний (правил, объектов, прецедентов и т.д.) и связыванию их при необходимости в цепочку рассуждений, приводящую к определённому результату. Для представления знаний в форме правил это может быть прямая или обратная цепочка рассуждений.

База знаний = База правил + База фактов.

Т.е. в зависимости от принятой МПЗ (программа решателя может быть спрограммирована по-разному) механизм вывода будет производить решения соответствующим сопособом.

Предложите применительно к экономике классификацию ЭС. Приведите примеры готовых ЭС.

В экономических ИС с помощью ЭС возможно решение следующих задач:

1.   Анализ финансового состояния предприятия.

2.   Оценка кредитоспособности предприятия.

3.   Планирование финансовых ресурсов предприятия.

4.   Формирование портфеля инвестиций.

5.   Страхование коммерческих кредитов.

6.   Выбор стратегии производства.

7.   Оценка конкурентоспособности продукции.

8.   Выбор стратегии ценообразования.

9.   Выбор поставщика продукции.

В настоящее время насчитывается несколько тысяч промышленных ЭС:

• Для управления диспетчерскими пультами – AlarmAnalyzer;

• При постановке медицинских диагнозов – ARAMIS, NEUREX;

• При поиске неисправностей в электронных приборах, диагностике контрольно-измерительного оборудования – IntelligenceWare, PlantDiagnostics, FOREST.

• По тестированию интегральных микросхем – DAA, NASL, QO.

• По управлению перевозками – AIRPLAN,

• По прогнозу военных действий – ANALYST, BATTLE.

• По формированию портфеля инвестиций, налогообложению – RAD, RUNE.

Главное отличие ИС от ЭС – наличие БЗ. Центральная проблема при разработке ЭС – ЯПЗ.

Какая часть ЭС производит редактирование обращения пользователя и формирует на его основе задачу для системы? Какие еще сервисные средства в ней предусмотрены?

Интерфейс пользователя – комплекс программ, реализующих диалог пользователя с ЭС.

Блок “интерпретатор запросов и объяснение результатов” предназначен для функционирования системы в режиме эксплуатации при работе с конечным пользователем. Интерпретатор запросов формирует обращение пользователей к системе, а блок объяснения результатов комментирует весь ход формирования решения в системе. По теории ЭС оба эти блока должны иметь развитые средства общения с пользователем на языке, максимально приближенном к естественному.

Интерпретатор запросов производит редактирование обращения пользователя и формирует на его основе задачу для системы. В интерпретаторе должны быть предусмотрены средства устранения неопределенности запросов, а также производятся синтаксический и семантический анализ запроса.В интерпретаторе запросов предусматривается система уточняющих вопросов к пользователю, а также разрабатывается специальный аппарат, позволяющий на основе анализа контекста запроса назначить недостающие значения показателей по умолчанию.Запроспользователя контролируется как на семантическом, так и на синтаксическом уровне. Интерпретатор преобразовывает запрос в те формализмы, которые используются в модели БЗ. Чем проще пользователю обращаться к системе на естественном языке, тем сложнее интерпретатор запросов.

Каким образом эксперт и инженер знаний производит оценку логики работы решателя ЭС?

Этап тестирования.В ходе данного этапа производится оценка выбранного способа представления знаний в ЭС в целом. Для этого инженер по знаниям подбирает примеры, обеспечивающие проверку всех возможностей разработанной ЭС.

Тестирование исходных данных включает проверку фактографической информации, служащей основой для проведения экспертизы. Очевидно, что наборы данных, используемых при тестировании, должны покрывать область возможных ситуаций, распознаваемых экспертной системой.

Логическое тестирование базы знаний заключается в обнаружении логических ошибок в системе продукций, не зависящих от предметной области, таких, как избыточные, циклические и конфликтные правила; пропущенные и пересекающиеся правила; несогласуемые и терминальные клаузы (несогласуемые условия). Формальный характер этих ошибок позволяет автоматизировать процесс логического тестирования.

Концептуальное тестированиеприкладной системыпроводится для проверки общей структуры системы и учета в ней всех аспектов решаемой задачи. На этом этапе проведение тестирования невозможно без привлечения конечных пользователей прикладной системы.

Исходя из классификации ЭС, разделите их на системы, решающие задачи анализа, на системы, решающие задачи синтеза и комбинированные. Приведите примеры из жизни.

В общем случае все системы, основанные на знаниях, можно подразделить на системы, решающие задачи анализа, и на системы, решающие задачи синтеза.

Основное отличие заключается в том, что если в задачах анализа множество решений может быть перечислено и включено в систему, то в задачах синтеза множество решений потенциально не ограничено и строится из решений компонент или под-проблем.

Анализ: интерпретация данных, диагностика, поддержка принятия решения.

Синтез: проектирование, планирование, управление.

Комбинированные: обучение, мониторинг, прогнозирование.

Пример со стороны: 1) взаданной САУ найти и оценить переходные процессы - это задача анализа САУ; 2) по заданным переходным процессам и основным показателям разработать САУ - это задача синтеза САУ.

Составьте модель семантической сети на примере «Бытовая техника», укажите типы отношений. Что является характерной особенностью семантической сети?

Семантические сетиосновываются на результатах изучения организации долговременной памяти человека. Характерной осо­бенностью для семантических сетей является то, что они для об­разования своей структуры используют два компонента — поня­тия и отношения. Вершинам сети соответствуют понятия (объек­ты, события, процессы, явления), а дугам, их соединяющим, — отношения между понятиями.

Характерной особенностью семантических сетей является обязательное наличие трех типов отношений:

• класс – элемент класса (цветок – роза);

• свойство – значение (цвет – желтый);

• пример элемента класса (роза – чайная).

Виды бытовой техники (+ производители)

Техника 1:N Бытовая, Бытовая 1:N Электроника для развлечения, Электроника для развлечения 1:N Телевизор, Телевизор 1:NLGa1b2c3, LGa1b2c3 1:N серийный номер, серийный номер 1:1SN 1PQ6-H6C7-30AK.

Чем отличается база знаний от базы данных?

Для хранения данных используются базы данных (для них характерны большой объем и относительно небольшая удельная стоимость информации), для хранения знаний – базы знаний (небольшого объема, но исключительно дорогие информационные массивы).

База данных — организованная в соответствии с определёнными правилами и поддерживаемая в памяти компьютера совокупность данных, характеризующая актуальное состояние некоторой предметной области и используемая для удовлетворения информационных потребностей пользователей. Это поименованная совокупность экземпляров групп и групповых отношений.

База знаний – ядро ЭС, совокупность знаний ПО, записанных в память на языке, понятном эксперту и пользователю.Это совокупность базы данных и некоторой модели представления знаний.База знаний – основа любой интеллектуальной системы.

Составьте и охарактеризуйте, с использованием АКО-связей, сеть фреймов: «БРЮКИ», «ТОВАР», «ОДЕЖДА».

БрюкиAKOОдеждаAKOТовар(-ы)

Брюки: Состав – ткань, Носятся – на нижней части тела.

Одежда: Состав – ткань, кожа, мех, Носятся – на теле.

Товар: Состав – любой.

Чем отличаются ЭС, с позиции их принадлежности к классификации по связям с реальным временем, обеспечивающие «Диагностику автомобиля» и «Мониторинг в реанимационных палатах». Приведите примеры других классификаций ЭС.

• Диагностика – процесс соотнесения объекта с некоторым классом объектов и обнаружение отклонения от нормы.Под диагностикой понимается обнаружение неисправности в некоторой системе. Неисправность — это отклонение от нормы. Такая трактовка позволяет с единых теоретических позиций рассматривать и неисправность оборудования в технических системах, и заболевания живых организмов, и всевозможные природные аномалии.

• Мониторинг. Основная задача мониторинга – непрерывная интерпретация данных в реальном масштабе времени и сигнализация о выходе тех или иных параметров за допустимые пределы. Главные проблемы — "пропуск" тревожной ситуации и инверсная задача "ложного" срабатывания. Сложность этих проблем в размытости симптомов тревожных ситуаций и необходимость учета временного контекста.

 2. Классификация по связи с реальным временем:

• Статистические ЭС разрабатываются в предметных областях, в которых база знаний и интерпретируемые данные не меняются во времени. Они стабильны. (Диагностика автомобиля).

• Динамические ЭС работают в сопряжении с датчиками объектов в режиме реального времени с непрерывной интерпретацией поступающих в систему данных. (Управление гибкими производственными комплексами, мониторинг в реанимационных палатах).

Классификация систем, основанных на знаниях

Проанализируйте несколько готовых промышленных ЭС. Обоснуйте главное отличие ИС от ЭС. В чем заключается центральная проблема разработки ЭС?

В настоящее время насчитывается несколько тысяч промышленных ЭС:

• Для управления диспетчерскими пультами – AlarmAnalyzer;

• При постановке медицинских диагнозов – ARAMIS, NEUREX;

• При поиске неисправностей в электронных приборах, диагностике контрольно-измерительного оборудования – IntelligenceWare, PlantDiagnostics, FOREST.

• По тестированию интегральных микросхем – DAA, NASL, QO.

• По управлению перевозками – AIRPLAN,

• По прогнозу военных действий – ANALYST, BATTLE.

• По формированию портфеля инвестиций, налогообложению – RAD, RUNE.

Главное отличие ИС от ЭС – наличие БЗ.

ИС- совокупность технического, программного и организационного обеспечения, а также персонала, предназначенная для того, чтобы своевременно обеспечивать надлежащих людей надлежащей информацией. Основной задачей ИС является удовлетворение конкретных информационных потребностей в рамках конкретной ПО. Современные ИС де-факто немыслимы без использования БД и СУБД, поэтому термин «ИС» на практике сливается по смыслу с термином «система БД».

ЭС– это наиболее распространенный класс ИС, ориентированный на тиражирование опыта высококвалифицированных специалистов в областях, где качество принятия решений традиционно зависит от уровня экспертизы (медицина, юриспруденция, геология, экономика, военное дело). Они эффективны лишь в тех областях, где важен эмпирический опыт специалистов.

Центральная проблема при разработке ЭС – ЯПЗ. Наибольшее распространение получили следующие модели:

• продукции (OPSS, ROSIE);

• семантические сети (SIMER+MIR);

• фреймы (FRL);

• логическое программирование(ПРОЛОГ);

• объектно-ориентированные языки (SMALLTALK).

Через какую компоненту ЭС происходит заполнение базы знаний на этапе проектирования и эксплуатации? Охарактеризуйте ее основные задачи.

ЭС должна обладать механизмом приобретения знаний для ввода знаний в базу и их последующее обновление. В простейшем случае – это интеллектуальный редактор, который позволяет вводить единицы знаний в базу, а также проводить их анализ на непротиворечивость.

Интеллектуальный редактор БЗ – программа, позволяющая инженеру по знаниям создавать БЗ в диалоговом режиме. Включает систему вложенных меню, шаблонов ЯПЗ, подсказок и других сервисных средств. Облегчает работу с БЗ. (блок обучения, интерпретатор запросов и блок объяснений).

Подсистема приобретения знаний - в более сложных случаях - средства для извлечения знаний: из баз данных; из неструктурированного текста; из графической информации и т.д.

Основная задача – формализация знаний, полученных от эксперта, в соответствии с выбранной проектировщиком (инженером знаний) моделью знаний.

Проанализируйте пример (четыре предложения):

1. У Павла есть отец по имени Алексей.

2. Для Павла найдётся отец из множества мужчин.

3. Найдется человек, для которого Алексей — отец.

4. У каждого человека есть отец из множества мужчин.

Определите и прокомментируйте в каждом предложении тип отношений между экземплярами.

Ответ:

1. Один к одному

2. Один ко многим

3. Один к одному

4. Один ко многим

+ (один из)

1: ОтецявляетсяАлексейимеет_сынаПавел

ИЛИ Павел имеет_отца(является_сыном) Алексей;

Павел имеет Отецэто Алексей;

1. ∃павел&∃алексей : отец(алексей, павел);

2: ПавелимеетОтецэтоЧеловек (в т.ч. Павел?);

1:Н, Н:М.

Павел имеет_отца Мужчины;

IIа. ∃павел → ∃ x ∈ мужчины : отец(x, павел);

3: Человек имеетОтецнапример Алексей;

Н:1, М:1. Или Н:Л, М:1 – если отец имеется в виду не биологический.

Человекимеет_отцаАлексей;

IIб. ∃алексей → ∃ y ∈ люди : отец(алексей, y);

4: Человекявляется\включаетМужчинаявляетсяОтец;

Н:М, М:1. Каждый человек: 1:Н, Н:М, М:1.

Человекимеет_отцаМужчина;

III. ∀ y ∈ люди → ∃ x ∈ мужчины : отец(x, y);

Приведите простые примеры вывода целевого утверждения при прямом и обратном порядке рассуждений. От чего зависит эффективность той или иной стратегии вывода?

ЕСЛИ небо покрыто тучами и барометр падает

ТО скоро пойдет дождь. (Правило 1).

ЕСЛИ скоро пойдет дождь

ТО нужно взять с собой зонтик. (Правило 2)

Если система не может вывести некоторый факт, истинность или ложность которого требуется установить, то система спрашивает о нем пользователя. Например: ВЕРНО ЛИ, ЧТО небо покрыто тучами?При получении положительного ответа от пользователя факт «Небо покрыто тучами» включается в рабочем множество.

Прямой порядок вывода - от фактов, которые находятся в рабочем множестве, к заключению. Если такое заключение удается найти, то оно заносится в рабочее множество. Прямой вывод часто называют выводом, управляемым данными.

Целью системы является ответ на вопрос пользователя:

«Нужно взять с собой зонтик?»

При прямом выводе работа системы будет протекать следующим образом:

Небо покрыто тучами и барометр падает? (ответ положителен)(вывод) скоро пойдет дождь (ответ) нужно взять с собой зонтик.

Обратный порядок вывода: заключения просматриваются до тех пор, пока не будет обнаружены в рабочей памяти или получены от пользователя факты, подтверждающие одно из них. В системах с обратным выводом вначале выдвигается некоторая гипотеза, а затем механизм вывода в процессе работы, как бы возвращается назад, переходя от нее к фактам, и пытается найти среди них те, которые подтверждают эту гипотезу. Если она оказалась правильной, то выбирается следующая гипотеза, детализирующая первую являющаяся по отношению к ней подцелью. Далее отыскиваются факты, подтверждающие истинность подчиненной гипотезы. Вывод такого типа называется управляемым целями. Обратный поиск применяется в тех случаях, когда цели известны и их сравнительно немного.

В рассматриваемом примере вывод целевого утверждения “Нужно взять с собой зонтик.”обратной цепочкой рассуждений выполняется следующим образом:

«Нужно взять зонтик (цель)»  см. правило 1, там нет зонтика Скоро пойдет дождь (условие) Небо покрыто тучами и барометр падает.(вывод системы)

Заметим, что для упрощения ситуации мы предположили, что в обоих случаях факты “Небо покрыто тучами” и “Барометр падает” уже известны системе. На самом деле система выясняет истинность или ложность факта, входящего в условие некоторого правила, спрашивая об этом пользователя в тот момент, когда она пытается применить правило.

Интерпретатор правил работает циклически. В каждом цикле он просматривает все правила, чтобы выявить среди них те посылки, которые совпадают с известными на данный момент фактами из рабочего множества. Интерпретатор определяет также порядок применения правил. После выбора правило срабатывает, его заключение заносится в рабочее множество, и затем цикл повторяется сначала.