Функции экспертных систем

В самом общем случае, для того чтобы построить ЭС, необходимо разработать механизмы выполнения следующих функций:

1) приобретение знаний в конкретной предметной области;

2) представление знаний;

3) решение задач с использованием знаний о конкретной предметной области (управление процессом решения);

4) объяснение намерений и решений системы во время и после окончания процесса решения задачи (разъяснение принятого решения).

Каждая из этих функций может оказаться очень сложной и зависит от прикладной области, а также от различных практических требований. В процессе разработки и реализации могут возникать разнообразные проблемы.

Приобретение знаний

Приобретение знаний — это передача потенциального опыта решения проблемы от некоторого источника знаний и преобразование его в вид, позволяющий 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 четко сформулировать имеющийся у него опыт. Многие исследователи рассматривают функцию приобретения знаний в качестве одного из главных «узких мест» технологии экспертных систем. Проблемы могут возникнуть самые разнообразные. Специалисты в узкой области, как правило, пользуются собственным профессиональным жаргоном, который трудно перевести на обычный язык. Но смысл жаргонных слов (профессионализмов) совсем не очевиден, а потому требуется много дополнительных вопросов для уточнения их логического значения.

Неудовлетворительные результаты собеседований эксперта и инженера по знаниям ввиду использования первым профессионализмов пробудили у некоторых исследователей интерес к автоматизации процесса передачи знаний специалистом машине. Одно из направлений исследований в этой области — автоматизированное извлечение знаний — появилось как побочный продукт в развитии систем человеко-машинного диалога. Другое направление — машинное обучение. Идея состоит в том, чтобы машина училась решать проблемы примерно так же, как учится человек.

Проблемой является еще и то, что факты и принципы, лежащие в основе многих специфических областей знания эксперта, не могут быть четко сформулированы в терминах математической теории или детерминированной модели, свойства которой хорошо понятны. Так, эксперту может быть известно, что определенное событие может наступить, но он ничего не сможет сказать о механизмах, которые приводят к наступлению этого события. Для того чтобы решить проблему в определенной области, эксперту недостаточно просто обладать суммой знаний о фактах и принципах в этой области. Например, опытный специалист знает, какого рода информацией нужно располагать для формулировки того или иного суждения, насколько надежны различные источники информации и как можно расчленить сложную проблему на несколько простых, которые можно решать более или менее независимо.

Выявить в процессе собеседования такого рода знания, основанные на личном опыте и плохо поддающиеся формализации, значительно сложнее, чем получить простой перечень каких-то фактов или общих принципов.

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 являющиеся.