1.5. Автоматизовані експертні системи (аес)

Автоматизовані експертні системи (АЕС) — одне з найзначніших практичних досягнень у справі створення штучного інтелекту. Зростаюча актуальність АЕС пов'язана з тим, що ефективне використання ЕОМ стало можливим у тих галузях знань і сферах діяльності, які дуже мало піддаються математичній формалізації або й зовсім не можуть бути формалізовані. Оскільки при використанні ЕОМ не обминути традиційного ланцюжка МОДЕЛЬ—АЛГОРИТМ—ПРОГРАМА, то успіх автоматизованих експертних систем (як і їх виникнення наприкінці 70-х років) зумовлювався розробкою спеціальних формалізмів для подання знань: семантичних мереж, фреймів, продукційних систем.

Зацікавленість в автоматизованих експертних системах пояснюється трьома причинами:

* автоматизовані експертні системи зорієнтовані на розв'язування широкого кола задач у раніше не формалізованих галузях, які вважалися малопридатними для використання ЕОМ;

* автоматизовані експертні системи призначені для розв'язування задач у діалоговому режимі з кінцевими користувачами (спеціалістами), від яких не вимагається знань з програмування — це розширює сферу використання обчислювальної техніки, яка в режимі АЕС перетворюється на інструмент підкріплення пам'яті спеціаліста і посилення його здібностей до логічних умовиводів;

* спеціаліст, який використовує АЕС при розв'язуванні своїх задач, може дорівнятися, а іноді й перевершити за результатами експертів у даній галузі знань (отже, кваліфікація рядових спеціалістів відчутно підвищується завдяки акумуляції знань у АЕС).

Ідея автоматизованих експертних систем ґрунтується на розчленуванні знань експертів у окремій — відносно вузькій —предметній області, обробці їх безпосередньо в комп'ютері та подальшому використанні у процесі формування висновків під час розв'язування проблем у даній області.

Особливу увагу слід звернути на дві основні характеристики АЕС:

* людський фактор, тобто АЕС як комп'ютерні системи, що містять знання експерта і підказують спосіб дій під час вирішен­ня складних проблем (експертиза);

* технологічний аспект, тобто АЕС як продукт інформатики, реалізований у технології переробки знань.

Таке розуміння АЕС пов'язане з підходом, який застосовується під час аналізу комп'ютерних систем у сфері управління. Кожна комп'ютерна система розглядається окремо з таких позицій: що вона робить і як виконуються відповідні дії. Від інших інтелектуальних АІС автоматизовані експертні системи відрізняються тим, що в них особлива увага приділяється не загальним, а спеціальним знанням у даній предметній області (праця, виробництво, соціальний захист тощо).

Основні відмінності традиційних систем обробки знань від АЕС такі:

* на виході системи користувач отримує не машинограму чи відеокадр, а інтелектуальну пораду для розв'язування поставленої перед ним проблеми;

* в основу АЕС покладено технологію обробки не цифрових Даних, а перетворення символьної інформації, часто поданої у вигляді правил;

* АЕС при розв'язуванні задачі використовують, як правило, не точні алгоритми, а так звані евристики, тобто методи, які багато в чому спираються на досвід і знання експерта;

* АЕС, на відміну від традиційних систем обробки даних, здатні пояснити порядок своїх дій при розв'язуванні задачі.

Існує безліч визначень поняття «автоматизована експертна система». З функціонального погляду — це обчислювальна система, яка використовує знання фахівців з деякої конкретної вузькоспеціалізованої предметної області і в межах цієї області здатна приймати рішення на рівні експертів -професіоналів.

Для повнішого визначення АЕС наведемо основні характеристики таких комп'ютерних систем. Вони:

* визначаються областю експертизи;

* імітують діяльність експерта в даній області;

* містять відповідні об'єктивні та суб'єктивні знання;

* мають здатність розмірковувати, спираючись на достатньо вірогідні дані;

* вміють пояснити процес формування висновків та обґрунтувати свої висновки у формі, яку розуміє користувач;

* констатація фактів і механізми формування висновків є незалежними модулями (знання не подаються у вигляді дедуктивних процедур);

* сконструйовані так, щоб була можливість постійно модифікувати й розширювати знання системи;

* спираються на технологію перетворення символьної інформації, яка найчастіше подається у вигляді правил;

* результат дій набирає форми інтелектуальної поради, а не таблиці цифр, які видаються до друку чи на екран дисплея;

* розв'язують задачі, використовуючи не точні алгоритми, а так звані евристики, тобто методи розв'язування задачі, в деяко­му розумінні не повні, не обов'язково правильні й успішні;

* спираються на особистий досвід експерта в розв'язуванні даного класу проблем, що випливають зі знання про об'єкт досліджуваної предметної області.

Отже, АЕС має характеризуватися такими основними властивостями: компетентністю, тобто прийняті нею рішення (зроблені висновки) мають бути такого самого високого рівня, як і ті, що належать експертам-професіоналам; здатністю до розмірковувань на підставі символьних перетворень; умінням використовувати як загальні, так і частинні схеми міркувань; здатністю розв'язувати задачі зі складних реальних предметних областей; умінням переформовувати запити і задачі; здатністю до метарозмірковувань, тобто розмірковувань про власну роботу і структуру.

Ці властивості, по суті, характеризують АЕС як деякий клас систем штучного інтелекту, до складу яких обов'язково належать база знань і деяка схема розмірковувань, яка називається схемою логічного виводу.

Реалізація розглянутих характеристик і властивостей потребує застосування специфічної архітектури для даного класу комп'ютерних систем. Основа успішної роботи АЕС — об'єднані в систему знання про конкретну предметну область, які дають можливість робити висновки на підставі деяких даних або припущень. Перехід до конструювання комп'ютерних систем, спрямованих на використання знань, замінює класичну конструкцію архітектури системи

ДАНІ + АЛГОРИТМ = ПРОГРАМА (СИСТЕМА)

на нову (її утворюють база знань і «машина логічних висновків»):

ЗНАННЯ + ВИСНОВОК = СИСТЕМА.

Автоматизована експертна система містить у собі базу знань, блок вирішення, модуль спілкування, модуль пояснень і модуль нагромадження знань.

Через модуль спілкування з АЕС пов'язані кінцевий користувач — спеціаліст, який не має навиків з програмування; експерт — кваліфікований фахівець, досвід і знання якого відчутно перевищують знання і досвід пересічного кінцевого користувача; інженер зі знань, який володіє мовами описання знань.

Структура кожної конкретної АЕС, що функціонує на практиці, дещо відрізняється, але в будь-якому разі містить елементи описаної архітектури. Складність системи природним чином визначена галуззю знань, в якій вона діє, а також ступенем зрілості системи, що розвивається.

Знання в АЕС фіксуються в базі знань, в якій можна умовно вирізнити дві частини — інтенсивну та екстенсивну.

В автоматизованих експертних системах використовуються кілька типів моделей подання знань, а саме: семантичні мережі, логічні моделі (предикати), фреймові моделі та моделі, що ґрунтуються на правилах продукції. Найчастіше при побудові АЕС за модель беруться подання знань у вигляді правил.

Для функціонування АЕС має бути заповнена знаннями. У цьому процесі беруть участь експерт та інженер зі знань. Знання поділяються на знання 1-го та 2-го роду. Знання 1-го роду — це загальнозначущі факти, явища, закономірності, визнані в да­ній предметній області та опубліковані. Знання 2-го роду — це набір емпіричних правил, інтуїтивних міркувань і висновків, якими користується спеціаліст, приймаючи рішення в умовах неповної або суперечливої інформації. Ці знання, як правило, не опубліковані. В АЕС мають переважати знання 1-го роду, у противному разі йдеться про невдало вибраного експерта: він або не вміє чітко формулювати правила прийняття рішень, або має намір утаємничити свої знання, аби зберегти за собою статус уні­кального спеціаліста.

Якщо в даній предметній області важко знайти експерта, то може бути використано блок нагромадження знань. Функція цього блока полягає у формуванні емпіричних залежностей із неповних знань, тобто в здобуванні знань 1-го роду з допомогою знань 2-го роду. Проте не всі автоматизовані експертні системи мають такий блок.

Функція інженера зі знань полягає в описанні знань, поданих експертом, з урахуванням вимог моделі, покладеної в основу бази даних. База знань має містити знання про предметну область, для якої створюється автоматизована експертна система.

Знання, що їх має АЕС, можуть стосуватися процесів розв'язання проблеми (управляючі знання, які використовуються інтерпретатором); мов спілкування з користувачем і способів організації діалогу (використовуються лінгвістичним процесором); способів інтерпретації та модифікації знань (використовуються модулем пошуку знань), а також бути допоміжними чи управляючими і використовуватися модулем пояснення. Кожний із названих класів знань відповідає одному з компонентів автоматизованої експертної системи, що спеціалізується на переробці такого виду знань.

Щоб повністю виокремити базу знань і зробити процедуру формування висновків незалежною від інформації, пов'язаної з відповідною предметною областю, введено поняття «правило продукції»- це поняття ґрунтується на тому, що висновок силогізму є не твердженням, а лише описом деякої дії, яка має бути виконана програмою. Таке правило називається правилом продукції та інтерпретується як спосіб (розпорядження) запропонованої діяльності. Завдяки цьому значно розширюються можливості подання знань у вигляді правил. Наприклад, можна записати стратегію процесу формування висновків в ідентичному вигляді як знання про предметну область, тобто у вигляді правил.

До баз знань можуть належати знання двох типів: декларативні та процедурні. Декларативні (предметні) знання — це факти, тобто класи об'єктів і взаємозв'язки між ними. Декларативні знання утворюють, як правило, сукупність тверджень, які не залежать від того, де вони використовуються. Моделювання пред­метної області в такій формі потребує повного опису всіх можливих її станів. Така модель має синтаксичний характер. Розв'язування задач у такій базі знань ґрунтується на пошуку в просторі станів. Побудова необхідних процедур пошуку пов'язана зі специфікою конкретної предметної області, тобто з обліком її семантики. Отже, у разі декларативного подання знань сукупності семантичних і синтаксичних знань деякою мірою відокремлені одна від одної. Завдяки цьому така форма подання універсальніша й загальніша за інші.

Процедурні знання — це набір деяких процедур (програм, моделей тощо), виконуваних зі знаннями як початковими даними.

У разі процедурного подання знань немає потреби зберігати всілякі стани предметної області, а достатньо мати опис початкового стану і процедур, які описують правила генерації необхідного стану з початкового. За такого подання знань семантика зводиться до опису елементів бази знань, а отже, підвищується ефективність пошуку рішень. Проте ця форма подання знань мас менші можливості щодо нагромадження і коригування знань.

Поділ знань на декларативні та процедурні часто умовний, і межа між ними доволі рухлива. До того ж відомі моделі подання знань, які різною мірою використовують ті чи інші знання. Прикладом таких моделей є фрейми (від лат. far те — рамка) — це структура виду f[ < v1, g1 >, < v2, g2 >, ..., < vk, gk > ].

Знання також поділяються на інтенсіональні та екстенсіональні. Інтенсіональні знання являють собою понятійні, концептуальні знання щодо класів об'єктів предметної області та їх відношень; екстенсіональні знання — це кількісні характеристики інтенсіональної частини, тобто це база даних автоматизованої експертної системи.

Блок, який приймає рішення — одна із головних частин АЕС, призначена для пошуку і формування висновків. Цей блок діє за аналогією до міркувань експерта — людини, яка оцінює пробле­му і пропонує гіпотетичне її розв'язування. Блок виконує функції управління процесом пошуку рішення, тобто визначає спосіб і послідовність застосування різних правил. Правила, записані в базі знань більшості АЕС, становлять множину з великою кількістю елементів (середня за розміром автоматизована експертна система містить понад 500, а велика — понад 1000 елементів). Тому використання їх для перетворення бази даних (колекцій файла тверджень) потребує відповідної стратегії дій. Аби уникнути надмірного зростання файла (колекції сукупності) «змінних» даних, використовують різні способи обмеження чис­ла елементів множини правил, призначених для аналізу. Дії модуля формування висновків можна подати як детектування (виявлення), вибір, дедукцію.

У фазі детектування (виявлення) вирізняються правила, які можуть бути застосовані при подальшому аналізі проблеми. У фазі вибору вибирають правила, які застосовуються при вирішенні певних проблем. У фазі дедукції формуються висновки згідно із системою вибраних правил. Цей процес можна реалізувати згідно з однією з двох «чистих» стратегій:

* стратегії прогресивного висновку, тобто сукупності дій, виконуваних для визначення силогізму з відомих передумов за допомогою вибраного правила з подальшим визначенням чергових правил на основі раніше зроблених висновків, що тлумачаться як передумови для наступного правила, і так доти, доки не буде досягнуто мети;

* стратегії регресивного висновку (у протилежному від кінця напрямку), яка полягає у визначенні передумов із запропонованих висновків (тлумачених інколи як гіпотези) за допомогою взятого до уваги правила, а потім у розгляді цих передумов як висновків наступних правил.

Обидві стратегії мають переваги і вади. Тому ведуться пошуки змішаних стратегій, які могли б ефективніше реалізувати процес формування висновків.

Однією з відмітних особливостей АЕС с здатність пояснити свої дії під час проведення експертизи, а також обґрунтувати спосіб здобуття поради, даної користувачеві. Цю функцію виконує модуль пояснень. Наявність цього блока дає змогу спеціалістам використовувати АЕС не лише для розв'язування прикладних задач, а й для навчання та підвищення рівня кваліфікації користувачів.

Проблема пояснень та обґрунтування вірогідності висновку — важлива і складна задача, оскільки попри те, що система містить знання експертів і видає поради, відповідальність за прийняття рішення несе безпосередньо користувач. Оцінка АЕС користувачем значною мірою залежить від того, наскільки співро­бітництво з АЕС схоже на співробітництво з експертом, а отже, істотно залежить від пояснень відповідей на питання, які здаються користувачеві сумнівними. Сукупність запитань, які ставляться для отримання пояснень, можна поділити на такі групи: запитання, пов'язані з процесом вирішення проблеми (як і чому; із чого випливає; з якою метою; з яким результатом?); запитання, що стосуються значення термінів, застосовуваних у діалозі з користувачем; запитання про причини постановки окремого питан­ня під час експертизи; запитання про наслідки, які випливають із даної користувачем відповіді на запитання, поставлене системою (наприклад, «що буде, коли...»); запитання про перелік відповідей, даних користувачем, зміна яких може спричинитися до знач­них змін здобутого висновку.

АЕС пояснює свої дії завдяки можливості перебирати базу знань (або базу даних згідно з ключовими словами), складаючи відповіді з окремих стандартних фрагментів тексту. Щоб АЕС могла швидко й успішно пояснити правильність висновків, а також доцільність поставлених запитань, вона записує в робочу пам'ять послідовність своїх дій або черговість, з якою застосову­вала відповідні правила база знань, висновків, відповідей корис­тувачів тощо.

Пояснюючи свої дії, АЕС створює ілюзію, що система перевіряє правильність правил, записаних у базі знань і висновків. Проте АЕС пояснює свої дії, маючи на меті лише поінформувати про перебіг реалізованого процесу формування висновків. Наприклад, в АЕС, що ґрунтується на правилах, які пояснюють інформацію, можна, скориставшись правилами продукції модифікованого вигляду, у базі знань записати: