Учебное пособие 1955

и корректными. Обычно предусматривается многовариантный анализ данных.

−Диагностика: обнаружение неисправности (отклонений от нормы) в некоторой системе.

−Мониторинг: непрерывная интерпретация данных в реальном масштабе времени и сигнализация о выходе тех или иных параметров за допустимые пределы.

−Проектирование: состоит в подготовке всего набора необходимых документов (чертеж, пояснительная записка и т.д.) на создание «объектов» с заранее определенными свойствами.

−Прогнозирование. Прогнозирующие системы логически выводят вероятные следствия из заданных ситуаций.

−Планирование: нахождение планов действий, относящихся к объектам, способным выполнять некоторые функции.

−Обучение. Системы обучения аккумулируют знания о гипотетическом «ученике» и его характерных ошибках, затем

вработе способны диагностировать слабости в знаниях обучаемых и находить соответствующие средства для их ликвидации. Кроме того, они планируют акт общения с учеником в зависимости от успехов ученика с целью передачи знаний.

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).

Характеристики экспертных систем

Исходя из категорий решаемых задач, можно выделить ряд основных характеристик экспертных систем:

−ограничена определенной сферой экспертизы;

−способна рассуждать при сомнительных данных;

−способна объяснить ход своих рассуждений;

260

−знания выражены явно, а не воплощены в способе поиска решения;

−строится так, чтобы имелась возможность постепенного ее наращивания по мере развития знаний о предмете экспертизы;

−чаще всего знания экспертной системы представляются в виде множества правил, называемых также продукциями

−в качестве решения экспертная система выдает не таблицы из цифр, не графики, не картинки на экране, а обоснованный совет относительно решения поставленного вопроса;

−требование к работе экспертной системы - экономическая выгода.

Свойства экспертных систем

К экспертным системам предъявляются особые требования. В отличие от обычных программ ЭС должна обладать набором следующих свойств: компетентность, символьное рассуждение, глубина, самосознание.

Компетентность означает, что ЭС должна достигать экспертного уровня решений - быть умелой, т. е. рассуждать, исходя из фундаментальных принципов для нахождения правильного решения даже в случае некоторых некорректных данных. Последнее свойство называют также робастностью, т.е. правильное логическое заключение может быть получено на основе знания фундаментальных принципов при нехватке или некорректности некоторых фактов.

Символьные рассуждения. Это требование означает, что эксперты обходятся без решения систем уравнений или сложных математических формулировок, используя знания, выраженные обычными символами. Результат экспертизы всегда выражен обычными предложениями в терминологии профессиональной области знания.

Требование глубины означает, что ЭС должна работать в предметной области, содержащей трудные задачи, а также использовать сложные правила. ЭС, не обладающая глубиной вырождается в искусственную задачу.

261

Наличие самосознания означает, что ЭС должна быть способна объяснять свои выводы и действия.

Структура экспертной системы

Типичная экспертная система состоит из следующих компонент:

Рис. 4.14. Структура экспертной системы

База знаний предназначена для хранения экспертных знаний о предметной области, используемых при решении задач экспертной системой. База знаний состоит из набора фреймов и правил-продукций.

Фрейм – это структура данных. Используется в базе знаний для описания объектов, событий, ситуаций, прочих понятий и взаимосвязей между ними.

Правила используются в базе знаний для описания отношений между объектами, событиями, ситуациями и прочими понятиями. На основе отношений, задаваемых в правилах, выполняется логический вывод. В условиях и заключениях правил присутствуют ссылки на фреймы и их слоты.

262

Вотличие от всех остальных компонент ЭС, база знаний

-«переменная» часть системы, которая может пополняться и модифицироваться инженерами знаний.

База данных предназначена для временного хранения фактов или гипотез, являющихся промежуточными решениями или результатом общения системы с внешней средой, в качестве которой обычно выступает человек, ведущий диалог с экспертной системой.

Машина логического вывода - механизм рассуждений,

оперирующий знаниями и данными с целью получения новых данных из знаний и других данных, имеющихся в рабочей памяти. Для этого обычно используется программно реализованный механизм дедуктивного логического вывода (какая-либо его разновидность) или механизм поиска решения в сети фреймов или семантической сети.

Машина логического вывода может реализовывать рассуждения в виде:

− дедуктивного вывода (прямого, обратного, смешанно-

го);

−нечеткого вывода;

−вероятностного вывода;

−унификации (подобно тому, как это реализовано в Прологе);

−поиска решения с разбиением на последовательность подзадач;

−поиска решения с использованием стратегии разбиения пространства поиска с учетом уровней абстрагирования решения или понятий, с ними связанных;

−монотонного или немонотонного рассуждения,

−рассуждений с использованием механизма аргумента-

ции;

−ассоциативного поиска с использованием нейронных

сетей;

−вывода с использованием механизма лингвистической переменной.

263

Подсистема общения служит для ведения диалога с пользователем, в ходе которого ЭС запрашивает у пользователя необходимые факты для процесса рассуждения, а также, дающая возможность пользователю в какой-то степени контролировать и корректировать ход рассуждений экспертной системы.

Подсистема объяснений необходима для того, чтобы дать возможность пользователю контролировать ход рассуждений и, может быть, учиться у экспертной системы.

Подсистема приобретения знаний служит для корректи-

ровки и пополнения базы знаний. В простейшем случае это - интеллектуальный редактор базы знаний, в более сложных экспертных системах - средства для извлечения знаний из баз данных, неструктурированного текста, графической информации и т.д.

Пользователи экспертных систем

Экспертные системы имеют две категории пользователей и два отдельных «входа», соответствующих различным целям взаимодействия пользователей с ЭС:

1)обычный пользователь (эксперт), которому требуется консультация ЭС - диалоговый сеанс работы с ней, в процессе которой она решает некоторую экспертную задачу. Диалог с ЭС осуществляется через диалоговый процессор - специальную компоненту ЭС. Существуют две основные формы диалога с ЭС - диалог на ограниченном подмножестве естественного языка (с использованием словаря-меню (при котором на каждом шаге диалога система предлагает выбор профессионального лексикона экспертов) и диалог на основе из нескольких возможных действий);

2)экспертная группа инженерии знаний, состоящая из экспертов в предметной области и инженеров знаний. В функции этой группы входит заполнение базы знаний, осуществляемое с помощью специализированной диалоговой компоненты ЭС - подсистемы приобретения знаний, которая позволяет частично автоматизировать этот процесс.

264

Инженер знаний (когнитолог, инженер-интерпретатор, аналитик) - специалист по искусственному интеллекту, выступающий в роли промежуточного буфера между экспертом и базой знаний.

Классификация экспертных систем

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 выступала в роли 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 рассматривавшихся задач. Наличие таких возможностей является характерным для ЭС второго поколения. 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 представлены следующим образом:

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

2)методы представления знаний позволяли 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.

265

Рассмотрим другие используемые классификации экспертных систем.

Классификация по назначению ЭС:

−ЭС общего назначения;

−специализированные ЭС:

1)проблемно-ориентированные для задач диагностики, проектирования, прогнозирования;

2)предметно-ориентированные для специфических задач, например, контроля ситуаций на атомных

электростанциях.

Классификация по степени зависимости от внешней сре-

ды:

−статические ЭС, не зависящие от внешней среды.

−динамические, учитывающие динамику внешней среды и предназначенные для решения задач в реальном времени.

Классификация по типу использования:

−изолированные ЭС;

−ЭС на входе/выходе других систем;

−гибридные ЭС или, иначе говоря, ЭС интегрированные с базами данных и другими программными продуктами (приложениями).

Классификация по сложности решаемых задач:

−простые ЭС - до 1000 простых правил;

−средние ЭС - от 1000 до 10000 структурированных

правил;

−сложные ЭС - более 10000 структурированных правил. Классификация по стадии создания:

−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;

−коммерческий образец ЭС, разработанный за 1,5-2 года, например, на языке типа С++, Java с полной БЗ.

266

Классификация по связи с реальным временем:

−статические ЭС - разрабатываются в предметных областях, в которых база знаний и интерпретируемые данные не меняются во времени. Они стабильны;

−квазидинамические ЭС - интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени;

−динамические ЭС - работают в сопряжении с датчиками объектов в режиме реального времени с непрерывной интерпретацией поступаемых данных.

Методика построения экспертных систем

В настоящее время сложилась определенная технология разработки ЭС, которая включает следующие шесть этапов: идентификация, концептуализация, формализация, выполнение, тестирование и опытная эксплуатация (рис. 4.15).

Понятие

Переконструирование

Рис. 4.15. Методика разработки экспертной системы

Этап идентификации задачи заключается в составлении неформального (вербального) описания, в котором указывают-

267

ся: общие характеристики задачи; подзадачи, выделяемые внутри данной задачи; ключевые понятия (объекты), их входные (выходные) данные; предположительный вид решения, а также знания, относящиеся к решаемой задаче.

В процессе идентификации задачи инженер по знаниям и эксперт работают в тесном контакте. Начальное неформальное описание задачи экспертом используется инженером по знаниям для уточнения терминов и ключевых понятий. Эксперт корректирует описание задачи, объясняет, как решать ее и какие рассуждения лежат в основе того или иного решения. После нескольких циклов, уточняющих описание, эксперт и инженер по знаниям получают окончательное неформальное описание задачи.

Этап концептуализации. На данном этапе проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач. Этот этап завершается созданием модели предметной области (ПО), включающей основные концепты и отношения. На этапе концептуализации определяются следующие особенности задачи: типы доступных данных; исходные и выводимые данные, подзадачи общей задачи; используемые стратегии и гипотезы; виды взаимосвязей между объектами ПО, типы используемых отношений (иерархия, причина — следствие, часть — целое и т.п.); процессы, используемые в ходе решения; состав знаний, используемых при решении задачи; типы ограничений, накладываемых на процессы, используемые в ходе решения; состав знаний, используемых для обоснования решений.

Этап формализации. Теперь все ключевые понятия и отношения выражаются на некотором формальном языке, который либо выбирается из числа уже существующих, либо создается заново. Другими словами, на данном этапе определяются состав средств и способы представления декларативных и процедурных знаний, осуществляется это представление и в итоге формируется описание решения задачи ЭС на предложенном (инженером по знаниям) формальном языке.

268

Выходом этапа формализации является описание того, как рассматриваемая задача может быть представлена в выбранном или разработанном формализме. Сюда относится указание способов представления знаний (фреймы, сценарии, семантические сети и т.д.) и определение способов манипулирования этими знаниями (логический вывод, аналитическая модель, статистическая модель и др.) и интерпретации знаний.

Этап выполнения. Цель этого этапа — создание одного или нескольких прототипов ЭС, решающих требуемые задачи. Затем на данном этапе по результатам тестирования и опытной эксплуатации создается конечный продукт, пригодный для промышленного использования. Разработка прототипа состоит в программировании его компонентов или выборе их из известных инструментальных средств и наполнении базы знаний.

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.

Различают следующие источники неудач в работе системы: тестовые примеры (например, множество тестовых примеров оказывается слишком однородным и не охватывает всю предметную область), ввод-вывод (например, вопросы системы могут быть трудными для понимания, многозначными и не соответствующими знаниям пользователя), правила вывода (заключения системы могут оказаться непонятны пользователю по различным причинам), управляющие стратегии.

Этап опытной эксплуатации. На этом этапе проверяется пригодность ЭС для конечного пользователя. Пригодность ЭС для пользователя определяется в основном удобством работы с ней и ее полезностью. Под полезностью ЭС 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 ЭС подразумевает естественность взаимодействия с ней (общение

269