Что не является достоинством экспертных компьютерных систем
Соколов Михаил Дмитриевич 1 , Носов Николай Юрьевич 1
1 Поволжский государственный университет телекоммуникаций и информатики, студент
Аннотация
В данной статье рассматриваются основные понятия, касающиеся экспертных систем в наше время, анализируются достоинства и недостатки внедрения экспертных систем. Эта тема очень актуальна в настоящее время, так как роль экспертных систем в современном обществе растет с каждым днем.
Sokolov Mikhail Dmitrievich 1 , Nosov Nikolay Yurievich 1
1 Povolzhskiy State University of Telecommunications and Informatics, student
Abstract
This article discusses the basic concepts related to expert systems in our time, analyzed the advantages and disadvantages of introduction of expert systems. This theme is very topical today, because the role of expert systems in modern society is growing every day.
Экспертные системы были изобретены, как способ уменьшения потребности в людях-экспертах, которые применяют рассуждения и опыт, чтобы выносить суждения в конкретной области, например медицина или страхование. Следовательно, экспертная система должна включать в себя базу данных фактов и способов рассуждения о них. Экспертные системы также иногда называют «Система, основанная на знаниях».
Экспертная система является передовым компьютерным приложением, применяющимся с целью обеспечения решения сложных проблем, или уточнения неопределенности за счет использования неалгоритмических программ, в которых будет необходим человеческий опыт. Экспертные системы являются наиболее распространенными в сложной проблемной области и рассматриваются в качестве широко используемых альтернатив в поиске решений, которые требует наличия специфического человеческого опыта. Экспертная система также способна оправдать свои предусмотренные решения, основываясь на знаниях и данных от прошлых пользователей.
Разница между экспертной системы с нормальным решением проблем системы является то, что последняя представляет собой систему, где обе программы и структуры данных кодируются, в то время как для экспертной системы только структуры данных жестко закодированы и никакой информации конкретных проблем, не кодируется в структуре программы. Вместо этого, знания человеческого опыта захватываются и кодируются в процессе, известном как инжиниринг знаний. Следовательно, всякий раз, когда конкретная проблема требует помощи определенного человеческого опыта, чтобы обеспечить решение, человеческий опыт, который был закодирован, будет использоваться и обрабатываться для того, чтобы обеспечить рациональное и логическое решение. Это основанная на знаниях, экспертная система позволяет системе открытой для добавления новых знаний и адаптации соответствующим образом, чтобы соответствовать новым требованиям в постоянно меняющейся и непредсказуемой среде.
Особенности экспертных систем
Есть целый ряд особенностей, которые обычно используются в экспертных системах. Эти функции позволяют пользователям в полной мере использовать возможности экспертной системы, в удобной форме и получении наиболее логичных и разумных решений проблемных ситуаций.
- Обратный логический вывод – это метод логического вывода, непрерывно разбивающий цель на более мелкие подцели, которые легче доказать с помощью ЕСЛИ ТОГДА правил.
- Имея дело с неопределенностью – система имеет возможность обрабатывать причину с условиями, являющимися бесспорными и данные, которые не точно известны.
- Прямой логический вывод – это метод логического вывода, который выводит решение задачи из исходных данных с помощью, ЕСЛИ ТОГДА правил.
- Представление данных – метод, где конкретные данные проблемы сохраняются и становятся доступными в системе.
- Пользовательский интерфейс – та часть кода, которая создает простую форму для использования системы;
- Пояснения – способность системы объяснить процесс рассуждения, который она использует получения решения.
Преимущества использования экспертных систем.
Экспертные системы широко используются в деловом мире, чтобы получить тактическое преимущество и прогнозировать состояние рынка. В наш век глобализации, где каждое решение, принятое в деловом мире имеет решающее значение для успеха, помощь, предоставляемая от экспертной системы, несомненно, является существенной и высоконадежной для организации, чтобы добиться успеха. Примеры, приведенные ниже, являются преимуществами для использования экспертной системы:
1. Обеспечение согласованных решений – система может обеспечить последовательные ответы для повторяющихся решений, процессов и задач.
2. Обеспечивает разумные объяснения – она имеет возможность уточнить причины, почему был сделан вывод, и почему именно он считается наиболее логичным выбором среди других альтернатив. Если есть какие-либо сомнения в заключении определенной проблему, она предложит несколько вопросов для пользователей, чтобы обработать логический вывод.
3. Преодолеть ограничения человека – система не имеет человеческих ограничений и может работать круглосуточно, непрерывно. Пользователи смогут часто использовать её в поиске решений. Знания экспертов являются ценным активом для компании. Она может хранить знания и использовать их до тех пор, пока есть потребность организации.
4. Легко адаптируется к новым условиям – в отличие от людей, которые часто имеют проблемы в адаптации в новых условиях, экспертная система имеет высокую технологичность и может удовлетворить новые требования в течение короткого периода времени. Она также может захватить новые знания от экспертов и использовать их в качестве правил вывода для решения новых проблем.
Недостатки использования экспертных систем.
Несмотря на то, что экспертная система действительно обеспечивает много существенных преимуществ, она также имеет свои недостатки. Примеры, приведенные ниже, будут недостатками для реализации экспертной системы:
1. Недостатки здравого смысла – ей не хватает здравого смысла, необходимого в некоторых принятиях решений, так как все решения, приняты на основе правил вывода, установленных в системе. Она также не может сделать творческих или новаторских решений, в отличие от человека-эксперта.
2. Дорогостоящее внедрение и расходы на техническое обслуживание – Реализация экспертной системы будет финансовым бременем для небольших организаций, так как он имеет высокую стоимость разработки, а также последующих расходов на модернизацию системы, чтобы адаптироваться в новой среде.
3. Трудности в создании правил вывода – эксперты домена не смогут всегда объяснить их логику и рассуждения, необходимые для процесса разработки знаний. Следовательно, задача кодировать их знаний является очень сложной работой и может потребовать долгого времени.
4. Может предоставлять неправильные решения – это не без ошибок. В системе могут быть логические ошибки, сделанные в процесс создания базы данных, которые в последствие буду предлагать неверные решения.
Использование экспертных систем зависит от точки зрения организаций, от того, какие задачи имеют более высокий приоритет, будь то сокращение затрат или получение более качественного принятия решений. Тем не менее, реализация экспертной системы имеет решающее значение в обеспечении лучшего обслуживания клиентов и в конкурентоспособности по сравнению с более сильными конкурентами, использующих людей-экспертов. Люди также имеют ограничения относительно того, сколько информации человек способен переварить и осмыслить. Что касается экспертной системы, она способна хранить столько знаний, сколько возможно на базе его дискового пространства. Следовательно, с точки зрения производительности, экспертная система способна выполнять так же хорошо, если не лучше, чем человек.
© Если вы обнаружили нарушение авторских или смежных прав, пожалуйста, незамедлительно сообщите нам об этом по электронной почте или через форму обратной связи.
Методология разработки экспертных систем
Разработка интеллектуальных информационных систем отличается от создания обычного программного продукта. Опыт разработки ранних экспертных систем показал, что использование традиционной технологии программирования либо чрезмерно затягивает процесс разработки, либо вообще приводит к отрицательному результату. Это связано главным образом с необходимостью модифицировать принципы и способы построения по мере того, как увеличивается знание разработчиков о проблемной области.
Известно, что большая часть знаний в конкретной предметной области остается личной собственностью эксперта. Наибольшую проблему при разработке экспертной системы представляет процедура получения знаний у эксперта и занесения их в базу знаний, называемая извлечением знаний. Это происходит не потому, что он не хочет разглашать своих секретов, а потому, что не в состоянии сделать это — ведь эксперт знает гораздо больше, чем сам осознает. Для выявления знаний эксперта и их формализации на протяжении всего периода разработки с ним взаимодействует инженер по знаниям.
Чтобы избежать дорогостоящих и безуспешных попыток, был разработан набор рекомендаций для того, чтобы определить, является ли проблема подходящей для решения с помощью экспертной системы:
- Потребность в решении должна соответствовать затратам на ее разработку. Суммы затрат и полученная выгода должны быть реалистическими.
- Невозможно использовать знания человека-эксперта там, где это необходимо. Если «экспертные» знания широко распространены, то маловероятно, что стоит разрабатывать экспертную систему. Однако в таких областях как разведка нефти и медицина могут быть редкие специализированные знания, которыми можно недорого снабдить экспертную систему, и не использовать очень высоко оплачиваемого эксперта.
- Проблема может быть решена с использованием символических методов рассуждения.
- Проблема хорошо структурирована и не требует применения знаний, основанных на здравом смысле. Знания, основанные на здравом смысле, хорошо известны, поэтому их незачем фиксировать и представлять.
- Проблема не может быть легко решена с использованием более традиционных вычислительных методов. Если имеется хорошее алгоритмическое решение проблемы, не следует использовать экспертную систему.
- Существуют эксперты в данной проблемной области. Поскольку экспертная система проектируется для успешной работы, весьма существенно, чтобы эксперты желали помогать при ее проектировании, а не считали, что их работе угрожают. Кроме того необходима поддержка администрации и потенциальных пользователей.
- Проблема имеет подходящий размер и область применения. Как правило, проблема требует применения знаний высоко специализированных экспертов, но человек-эксперт должен тратить на ее решение короткое время, максимум час.
В настоящее время сложилась последовательность действий при разработке экспертных систем. Она включает следующие этапы: идентификация, получение знаний, концептуализация, формализация, выполнение, тестирование и опытная эксплуатация.
Рис. 10.2. Технология разработки экспертных систем
Опытная эксплуатация
На этапе опытной эксплуатациипроверяется пригодность экспертной системы для конечного пользователя. Пригодность определяется в основном удобством и полезностью разработки. Под полезностью понимается способность экспертной системы определять в ходе диалога потребности пользователя, выявлять и устранять причины неудач в работе, а также удовлетворять указанные потребности пользователя (решать поставленные задачи). Удобство работы подразумевает естественность взаимодействия с экспертной системой, гибкость (способность системы настраиваться на различных пользователей, а также учитывать изменения в квалификации одного и того же пользователя) и устойчивость системы к ошибкам (способность не выходить из строя при ошибочных действиях пользователя).
После успешного завершения этапа опытной эксплуатации экспертная система классифицируется как коммерческая система, пригодная не только для собственного использования, но и для продажи различным потребителям.
Формализация
На этапе формализации все ключевые понятия и отношения выражаются на некотором формальном языке, который выбирается из числа уже существующих, либо создается заново. Другими словами, на данном этапе определяется состав средств и способы представления декларативных и процедурных знаний, осуществляется это представление и в итоге создается описание решения задачи экспертной системы на выбранном формальном языке.
Решение прикладных задач с использованием искусственного интеллекта. Преимущества и недостатки экспертных систем по сравнению с использованием специалистов, области их применения. Представление знаний и моделирование отношений семантическими сетями.
Рубрика | Программирование, компьютеры и кибернетика |
Вид | реферат |
Язык | русский |
Дата добавления | 25.06.2015 |
Размер файла | 260,9 K |
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Министерство образования и науки Российской Федерации
ФГАОУ ВПО "Российский государственный профессионально-педагогический университет"
Кафедра сертификации, метрологии и управлении качеством в машиностроении
по Информатике
Экспертные системы
Работу выполнил: Ерохина Т.В.
Работу проверил: Садчиков И.А.
Оглавление
-
Введение
- 1. Экспертные системы и их особенности
- 1.1 Что такое экспертная система
- 1.2 Достоинства и недостатки экспертных систем
- 1.3 Структура экспертной системы
- 2.1 Логическая модель представления знаний
- 2.2 Продукционная модель представления знаний
- 2.3 Представление знаний фреймами
- 2.4 Представление знаний семантическими сетями
Введение
Экспертные системы возникли как значительный практический результат в применении и развитии методов искусственного интеллекта - совокупности научных дисциплин, изучающих методы решения задач интеллектуального (творческого) характера с использованием ЭВМ.
Область искусственного интеллекта имеет более чем сорокалетнюю историю развития. С самого начала в ней рассматривался ряд весьма сложных задач, которые, наряду с другими, и до сих пор являются предметом исследований: автоматические доказательства теорем, машинный перевод, распознавание изображений и анализ сцен, планирование действий роботов, алгоритмы и стратегии игр.
Экспертная система - это набор программ, выполняющий функции эксперта при решении задач из некоторой предметной области. Экспертные системы выдают советы, проводят анализ, дают консультации, ставят диагноз. Практическое применение экспертных систем на предприятиях способствует эффективности работы и повышению квалификации специалистов. Главным достоинством экспертных систем является возможность накопления знаний и сохранение их длительное время. В отличие от человека к любой информации экспертные системы подходят объективно, что улучшает качество проводимой экспертизы.
При создании экспертных систем возникает ряд затруднений. Это, прежде всего, связано с тем, что заказчик не всегда может точно сформулировать свои требования к разрабатываемой системе. Также возможно возникновение трудностей чисто психологического порядка: при создании базы знаний системы эксперт может препятствовать передаче своих знаний, опасаясь, что впоследствии его заменят "машиной". Но эти страхи не обоснованы, так как экспертные системы не способны обучаться, они не обладают здравым смыслом, интуицией. Но в настоящее время ведутся разработки экспертных систем, реализующих идею самообучения.
1. Экспертные системы и их особенности
Целесообразность использования экспертных систем (ЭС) характерна для организаций социального обеспечения, поскольку в данной проблемной области при решении большинства задач (планирование финансово-экономических показателей, консультация по различным организационно-правовым вопросам) приходится опираться на опыт и знания специалистов-экспертов.
Экспертная система позволяет накапливать, систематизировать и сохранять знания, профессиональный опыт тех экспертов, которые решают конкретные задачи наилучшим образом. Накопленные в ЭС знания могут быть использованы на практике неограниченное число раз.
Рисунок 1 . Экспертная система в микроскопии МС 100 (TS), Expert Set.
Рассмотрим особенности экспертных систем.
1. ЭС ограничена определенной предметной областью.
2. ЭС способна "рассуждать" при сомнительных исходных данных.
3. ЭС способна "объяснить" цепочку сделанных ею рассуждений.
4. Факты и механизм (программа) формирования выводов четко отделены друг от друга.
5. ЭС строится так, чтобы имелась возможность постепенного ее наращивания (расширения) и модернизации.
6. В результате работы ЭС формируется диагноз, рекомендация, совет, как нужно поступать в конкретной ситуации или предположение о том, что произошло с исследуемым объектом.
Экспертные системы имитируют процессы принятия решения людьми-экспертами и в состоянии компетентно решать сложные проблемы. Кратко опишем некоторые ЭС, что позволит еще раз наглядно представить сферы использования "электронных советников".
MYCIN (Стэндфордский университет, США) - одна из первых и наиболее известных ЭС, разработана в середине 70-х годов двадцатого столетия. Система предназначена для диагностики инфекционных заболеваний.
JUDITH - одна из первых юридических ЭС, позволявшая юристам получать экспертные заключения по гражданским делам. Разработана в 1975 г. в Гейдельбергском и Дармштадтском университетах (Германия).
INTERNIST(США). ЭС диагностирует несколько сотен болезней с точностью, которая сопоставима с точностью диагноза, сделанного квалифицированным врачом.
Использование этой системы позволило обнаружить залежи молибдена в Британской Колумбии (Канада).
Management Advisor(консультант менеджера). Система разработана фирмой Paladin Software, Inc. в 1986 г.; помогает руководителю в планировании его коммерческой деятельности.
XCON(Carnegie-Melon University). Система предназначена для определения конфигурации компьютеров при их продаже. Покупатель заказывает ЭВМ с определенными характеристиками, а ЭС позволяет оптимально подобрать комплектующие блоки (тип дисплея, объем ОЗУ, тип процессора, тип звуковой карты, объем видеопамяти и т. п.).
1.1 Что такое экспертная система
Экспертная система (ЭС) - это компьютерная программа, которая моделирует рассуждения человека-эксперта в некоторой определенной области и использует для этого базу знаний, содержащую факты и правила об этой области, специальную процедуру логического вывода. Разработка систем, основанных на знаниях, является составной частью исследований по ИИ, и имеет целью создание компьютерных методов решения проблем, обычно требующих привлечения экспертов-специалистов. Взаимодействие эксперта, пользователя и структурных частей системы можно представить в виде следующей базовой структуры.
Определим экспертную систему (ЭС), как программную систему, использующую экспертные знания для обеспечения высокоэффективного решения задач в узкой предметной области.
Рисунок 2 . Аппарат УЗИ.
ЭС выдают советы, проводят анализ, выполняют классификацию, дают консультации и ставят диагноз. Они ориентированы на решение задач, обычно требующих проведения экспертизы человеком-специалистом. В отличие от машинных программ, использующий процедурный анализ, ЭС решают задачи в узкой предметной области (конкретной области экспертизы) на основе дедуктивных рассуждений. Такие системы часто оказываются способными найти решение задач, которые неструктурированны и плохо определены. Они справляются с отсутствием структурированности путем привлечения эвристик, т. е. правил, взятых "с потолка", что может быть полезным в тех системах, когда недостаток необходимых знаний или времени исключает возможность проведения полного анализа [1].
1.2 Достоинства и недостатки экспертных систем
интеллект экспертный знание семантический
Экспертные системы разрабатываются с расчетом на обучение и способны обосновать логику выбора решения, т.е. обладают свойствами адаптивности и ее аргументирования. У большинства экспертных систем имеется механизм объяснения. Этот механизм использует знания, необходимые для объяснения тою, каким образом система пришла к данному решению. Очень важным является определение области применения экспертной системы, границ ее использования и действия.
Преимущества экспертных систем по сравнению с использованием опытных специалистов состоят в следующем:
· достигнутая компетентность не утрачивается, может документироваться, передаваться, воспроизводиться и наращиваться;
· имеют место более устойчивые результаты, отсутствуют эмоциональные и другие факторы человеческой ненадежности;
· высокая стоимость разработки уравновешивается низкой стоимостью эксплуатации, возможностью копирования, а в совокупности они дешевле высококвалифицированных специалистов.
Недостатком экспертных систем:
Использование экспертных систем позволяет во многих случаях отказаться от высококвалифицированных специалистов, но предполагает оставить в системе место эксперту с более низкой квалификацией. Экспертные системы служат средством для расширения и усиления профессиональных возможностей конечного пользователя [2].
1.3 Структура экспертной системы
Обобщенная структура экспертной системы представлена на рисунке. Следует учесть, что реальные ЭИС могут иметь более сложную структуру, однако блоки, изображенные на рисунке, непременно присутствуют в любой действительно экспертной системе, поскольку представляют собой стандарт современной структуры ЭИС.
Основные компоненты ИТ, используемой в экспертной системе:
Пользователь - специалист предметной области, для которого предназначена система. Обычно его квалификация недостаточно высока, и поэтому он нуждается в помощи и поддержке своей деятельности со стороны ЭИС
Интерфейс пользователя - это комплекс программ, реализующих диалог пользователя с ЭИС (экспертной интеллектуальной системой) как на стадии ввода информации, так и при получении результатов Специалист использует интерфейс для ввода информации и команд в экспертную систему и получения выходной информации из нее. Команды включают в себя параметры, направляющие процесс обработки знаний. Информация обычно выдается в форме значений, присваиваемых определенным переменным. Специалист может использовать четыре метода ввода информации: меню, команды, естественный язык и собственный интерфейс.
База знаний (БЗ) - это совокупность знаний (долгосрочных данных, а не текущих) предметной области, записанная на машинный носитель в форме, понятной эксперту и пользователю (обычно на некотором языке, приближенном к естественному). Параллельно такому "человеческому" представлению существует БЗ во внутреннем "машинном" представлении. БЗ содержит факты, описывающие проблемную область, а также логическую взаимосвязь этих фактов.
Центральное место в базе знаний принадлежит правилам. Правило определяет, что следует делать в данной конкретной ситуации, и состоит из двух частей: условия, которое может выполняться или нет, и действия, которое следует произвести, если условие выполняется. Все используемые в экспертной системе правила образуют систему правил, которая даже для сравнительно простой системы может содержать несколько тысяч правил.
Инженер по знаниям (орнитолог, инженер-интерпретатор, аналитик) - специалист в области искусственного интеллекта, выступающий в роли промежуточного буфера В информатике буфер (англ. buffer) - это область памяти, используемая для временного хранения данных при вводе или выводе. между экспертом и базой знаний.
Решатель - (интерпретатор, дедуктивная машина, машина вывода, блок логического вывода) - это программа, моделирующая ход рассуждений эксперта на основании знаний, имеющихся в БЗ, и производящая в определенном порядке обработку знаний (мышление). Блок логических выводов и диагноза помогает наметить пути выхода из сложившейся ситуации с помощью фактического анализа показателей
Технология работы решателя сводится к последовательному рассмотрению совокупности правил (правило за правилом). Если условие, содержащееся в правиле, соблюдается, выполняется определенное действие, и пользователю предоставляется вариант решения его проблемы.
Подсистема объяснений - программа, позволяющая пользователю получить ответы на вопросы: "Как была получена та или иная рекомендация?" и "Почему система приняла такое решение?" Ответ на вопрос "как" - это трассировка всего процесса получения решения с указанием использованных фрагментов БЗ, то есть всех шагов цепи умозаключений. Ответ на вопрос "почему" - ссылка на умозаключение, непосредственно предшествовавшее полученному решению, то есть отход на один шаг назад. Развитые подсистемы объяснений поддерживают и другие типы вопросов
Интеллектуальный редактор БЗ - программа, представляющая инженеру по знаниям возможность создавать БЗ в диалоговом режиме. Включает в себя систему вложенных меню, шаблонов языка представления знаний, подсказок (Help) и других сервисных средств, облегчающих работу с базой [2, 3].
Рисунок 3 . Базовая структура экспертной системы.
Представленная на рисунке структура является минимальной, что означает обязательное присутствие указанных на ней блоков. Если система объявлена разработчиками как экспертная, только наличие всех этих блоков гарантирует реальное использование аппарата обработки знаний. Однако промышленные прикладные ЭИС могут быть существенно сложнее и дополнительно включать БД, блок расчета, интерфейсы обмена данными с различными пакетами прикладных программ, электронными библиотеками и т. д.
База данных содержит плановые, фактические, расчетные, отчетные и другие постоянные/оперативные показатели. Этот термин совпадает по названию, но не по смыслу с термином, используемым в системах управления базами данных (СУБД) для обозначения всех данных (в первую очередь долгосрочных), хранимых в системе.
- блок расчета необходим в ситуациях, связанных с принятием управленческих решений;
- блок ввода и корректировки данных используется для оперативного и своевременного отражения текущих изменений в базе данных если в системе есть блок учета, то надобность в блоке ввода и корректировки данных отпадает;
- блок приобретения знаний снимает проблему самообучения системы. Он необходим для получения знаний от эксперта, поддержки базы знаний и дополнения ее при необходимости. Автоматизирует процесс наполнения ЭИС знаниями, осуществляемый пользователем-экспертом модуль создания системы служит для создания набора (иерархии) правил. Существуют два подхода, которые могут быть положены в основу модуля создания системы: использование алгоритмических языков программирования и использование оболочек экспертных систем. Для представления базы знаний специально разработаны языки Лисп Лисп (LISP, от англ. LISt Processing language - "язык обработки списков"; современное написание) - семейство языков программирования, программы и данные в которых представляются системами линейных списков символов и Пролог Пролог (фр. Programmation en Logique) - язык и система логического программирования, основанные на языке предикатов математической логики дизъюнктов Хор на, представляющей собой подмножество логики предикатов первого порядка. , хотя можно использовать и любой известный алгоритмический язык.
Оболочка экспертных систем - это готовая программная среда, которая может быть приспособлена к решению определенной проблемы путем создания соответствующей базы знаний. В большинстве случаев использование оболочек позволяет создавать экспертные системы быстрее и легче в сравнении с программированием [5].
В целом процесс функционирования ЭИС можно представить следующим образом: пользователь, желающий получить необходимую информацию, через пользовательский интерфейс Интерфейс (англ. interface - поверхность раздела, перегородка) - граница раздела двух систем, устройств или программ, определённая их характеристиками, характеристиками соединения, сигналов обмена и т. п. посылает запрос к ЭИС; решатель, пользуясь базой знаний, генерирует и выдает пользователю подходящую рекомендацию, объясняя ход своих рассуждений при помощи подсистемы объяснений.
Специальности специалистов по разработке экспертных систем
В разработке ЭИС предметной области участвуют представители следующих специальностей:
- эксперт в проблемной области, задачи которой будет решать ЭИС. Определяет знания (данные и правила), характеризующие проблемную область, обеспечивает полноту и правильность введенных в ЭИС знаний;
- инженер по знаниям - специалист по разработке ЭИС (используемые им технологию, методы называют технологией (методами) инженерии знаний). Помогает эксперту выявить и структурировать знания, необходимые для работы ЭИС; осуществляет выбор того ИС, которое наиболее подходит для данной проблемной области, и определяет способ представления знаний в этом ИС; выделяет и программирует (традиционными средствами) стандартные функции (типичные для данной проблемной области), которые будут использоваться в правилах, вводимых экспертом;
- программист по разработке инструментальных средств (ИС), предназначенных для ускорения разработки ЭИС. Осуществляет интеграцию с той средой, в которой она будет использоваться
Необходимо отметить, что отсутствие среди участников разработки инженеров по знаниям (т. е. их замена программистами) либо приводит к неудаче процесс создания ЭИС, либо значительно удлиняет его.
2. Модели представления знаний
Одной из наиболее важных проблем, характерных для систем, основанных на знаниях, является проблема представления знаний. Это объясняется тем, что форма представления знаний оказывает существенное влияние на характеристики и свойства системы. Для того чтобы манипулировать всевозможными знаниями из реального мира с помощью компьютера, необходимо осуществлять их моделирование. В таких случаях необходимо отличать знания, предназначенные для обработки компьютером, от знаний, используемых человеком. Кроме того, при большом объеме знаний желательно упростить последовательное управление отдельными элементами знаний.
При проектировании модели представления знаний следует учитывать такие факторы, как однородность представления и простота понимания. Однородное представление приводит к упрощению механизма управления логическим выводом и упрощению управления знаниями. Представление знаний должно быть понятным экспертам и пользователям системы. В противном случае затрудняются приобретение знаний и их оценка. Однако выполнить это требование в равной степени, как для простых, так и для сложных задач довольно трудно.
Экспертные системы — это сложные программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и тиражирующие этот эмпирический опыт для консультаций менее квалифицированных пользователей.
Области применения систем, основанных на знаниях, весьма разнообразны: бизнес, производство, военные приложения, медицина, социология, геология, космос, сельское хозяйство, управление, юриспруденция и др.
Системы, основанные на знаниях (СОЗ) — это системы программного обеспечения, основными структурными элементами которых являются база знаний и механизм логических выводов. Среди СОЗ можно выделить:
- интеллектуальные информационно-поисковые системы;
- экспертные системы (ЭС).
Интеллектуальные информационно-поисковые системы отличаются от предыдущего поколения информационно-поисковых систем не только гораздо более обширным справочно-информационным фондом, но и важнейшей способностью формировать адекватные ответы на запросы пользователя даже тогда, когда запросы не носят прямого характера.
Наиболее известным практическим примером СОЗ могут служить экспертные системы, способные диагностировать заболевания, оценивать потенциальные месторождения полезных ископаемых, осуществлять обработку естественного языка, распознавание речи и изображений и т.д. Экспертные системы являются первым шагом в практической реализации исследований в области искусственного интеллекта
Базовая структура экспертной системы приведена на рисунке ниже.
Структурные элементы, составляющие экспертную систему, выполняют следующие функции.
База знаний реализует функции представления знаний в конкретной предметной области и управление ими.
Механизм логических выводов выполняет логические выводы на основании знаний, имеющихся в базе знаний.
Пользовательский интерфейс необходим для правильной передачи ответов пользователю, иначе пользоваться системой крайне неудобно.
Модуль приобретения знаний необходим для получения знаний от эксперта, поддержки базы знаний и дополнения ее при необходимости.
Структура экспертной системы.
Перечисленные структурные элементы являются наиболее характерными, хотя в реальных экспертных системах их функции могут быть соответствующим образом усилены или расширены.
Знания в базе знаний представлены в конкретной форме и организация базы знаний позволяет их легко определять, модифицировать и пополнять. Решение задач с помощью логического вывода на основе знаний хранящихся в базе знаний, реализуется автономным механизмом логического вывода. Хотя оба эти компонента системы с точки зрения ее структуры являются независимыми, они находятся в тесной связи между собой и определение модели представления знаний накладывает ограничения на выбор соответствующего механизма логических выводов.
Идентификация
Этап идентификации связан, прежде всего, с осмыслением тех задач, которые предстоит решать будущей экспертной системе, и формированием требований к ней. На этом этапе планируется ход разработки прототипа системы, определяются источники знаний (книги, эксперты, методики), цели (распространение опыта, автоматизация рутинных операций), классы решаемых задач и т.д. Результатом идентификации является ответ на вопрос, что надо сделать и какие ресурсы необходимо задействовать.
Недостатки экспертных систем:
- Здравый смысл. В дополнение к широкому техническому знанию, человек-эксперт имеет здравый смысл. Еще не известно, как заложить здравый смысл в экспертные системы.
- Творческий потенциал. Человек-эксперт может реагировать творчески на необычные ситуации, экспертные системы не могут.
- Обучение. Человек-эксперт автоматически адаптируются к изменению среды; экспертные системы нужно явно модифицировать.
- Сенсорный опыт. Человек-эксперт располагает широким диапазоном сенсорного опыта; экспертные системы в настоящее время основаны на вводе символов.
Экспертные системы не хороши, если решения не существует или когда проблема лежит вне области их компетенции.
Класс экспертных систем сегодня объединяет несколько тысяч различных программных комплексов, которые можно классифицировать по различным критериям: решаемая задача, связь с реальным временем, тип ЭВМ, степень интеграции.
Тестирование
На данном этапе оценивается и проверяется работа программы прототипа с целью приведения ее в соответствие с реальными запросами пользователей. Прототип проверяется по следующих основным позициям:
- удобство и адекватность интерфейсов ввода-вывода (характер вопросов в диалоге, связность выводимого текста результата и др.);
- эффективность стратегии управления (порядок перебора, использование нечеткого вывода и т.д.);
- корректность базы знаний (полнота и непротиворечивость правил).
Задача стадии тестирования — выявление ошибок и выработка рекомендаций по доводке прототипа экспертной системы до промышленного образца.
Концептуализация
На этапе концептуализации проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач. Этот этап завершается созданием модели предметной области, включающей основные концепты и отношения. Модель представляется в виде графа, таблицы, диаграммы или текста.
Выполнение (реализация)
На этапе выполнения создается один или несколько реально работающих прототипов экспертной системы. Для ускорения этого процесса в настоящее время широко применяются различные инструментальные средства.
Преимущества экспертных систем:
- Постоянство. Экспертные системы ничего не забывают в отличие от человека-эксперта.
- Воспроизводимость. Можно сделать любое количество копий экспертной системы, а обучение новых экспертов отнимает много времени и средств.
- Эффективность. Может увеличить производительность и уменьшать затраты персонала.
- Постоянство. С использованием экспертных системам подобные транзакции обрабатываются одним и тем же способом. Система будет делать сопоставимые рекомендации для похожих ситуаций.
- Влияние на людей. Новый эффект (самая современная информация, имеющая влияние на здравый смысл). Главный эффект (ранняя информация доминирует над здравым смыслом).
- Документация. Экспертная система может документировать процесс решения.
- Законченность. Экспертная система может выполнять обзор всех транзакций, a человек-эксперт сможет сделать обзор только отдельной выборки.
- Своевременность. Погрешности в конструкциях и-или могут быть своевременно найдены.
- Широта. Могут быть объединены знания многих экспертов, что дает системе больше широты, чем с вероятно может достичь один человек.
- Снижение риска ведения дела благодаря последовательности принятия решения документированности и компетентности.
Получение знаний
При решении проблемы получения знаний выделяют три стратегии: приобретение знаний, извлечение знаний и обнаружение знаний.
Под приобретением (acquisition) знаний понимается способ автоматизированного наполнения базы знаний посредством диалога эксперта и специальной программы.
Извлечением (elicitation) знаний называют процедуру взаимодействия инженера по знаниям с источником знаний (экспертом, специальной литературой и др.) без использования вычислительной техники.
Термины «обнаружение знаний» (knowledge discovery), а также Data Mining связывают с созданием компьютерных систем, реализующие методы автоматического получения знаний.
Инструментальные средства построения экспертных систем
В настоящее время имеются средства, ускоряющие проектирование и разработку ЭС. Их называют инструментальными средствами, или просто инструментарием. Иными словами, под инструментальными средствамипонимают совокупность аппаратного и программного обеспечения, позволяющего создавать прикладные системы, основанные на знаниях.
Среди программных инструментальных средств выделяют следующие большие группы:
Преимущества экспертных систем по сравнению с использованием опытных специалистов состоят в следующем:
достигнутая компетентность не утрачивается, может документироваться, передаваться, воспроизводиться и наращиваться;
имеют место более устойчивые результаты, отсутствуют эмоциональные и другие факторы человеческой ненадежности;
высокая стоимость разработки уравновешивается низкой стоимостью эксплуатации, возможностью копирования, а в совокупности они дешевле высококвалифицированных специалистов.
Экспертная система должна демонстрировать компетентность, т.е. достигать в конкретной предметной области того же уровня, что и специалисты-эксперты. Недостаточно находить хорошие решения, это надо делать быстро. Системы должны иметь не только глубокое, но и достаточно широкое понимание предмета. Методы нахождения решений проблем достигаются на основе рассуждений, исходящих из фундаментальных принципов в случае некорректных данных или неполных наборов правил. Такие свойства наименее разработаны в компьютерных экспертных системах, но именно они присуши специалистам высокого уровня.
Экспертная система достигает более высокой эффективности за счет перебора большого числа альтернатив при выборе решения, опираясь на высококачественный опыт группы специалистов, анализирует влияние большого объема новых факторов, оценивая их при построении стратегий, добавляя возможности прогноза.
Создание и использование экспертных систем является одним из концептуальных этапов развития информационных технологий. В основе интеллектуального решения проблем в некоторой предметной области лежит принцип воспроизведения знаний опытных специалистов — экспертов. Исходя из собственного опыта, эксперт анализирует ситуацию и распознает наиболее полезную информацию, оптимизирует принятие решений, отсекая тупиковые пути.
Искусственная компетентность экспертных систем не заменяет полностью человека. Эксперт-человек способен реорганизовать информацию и знания и использовать их для синтеза новых знаний. В области творческой деятельности люди обладают большими способностями и возможностями по сравнению с самыми умными системами. Эксперты справляются с неожиданными поворотами событий и, используя новые подходы, способны проводить аналогии из других предметных областей. Эксперты адаптируют к изменяющимся условиям и приспосабливают свои стратегии к новым обстоятельствам в более широком диапазоне проблем и задач. Экспертные системы менее приспособлены к обучению на уровне новых концепций и новых правил. Они оказываются не столь эффективны и мало пригодны в тех случаях, когда надо учитывать всю сложность реальных задач.
Эксперты могут непосредственно воспринимать весь комплекс входной информации: символьной, визуальной, графической, текстовой, звуковой, осязательной, обонятельной. У экспертной системы есть только символы, с помощью которых представлены базы знаний, воплощающие те или иные концепции. Преобразование сенсорной информации в символьную сопровождается потерей части информации.
Но главное, что огромный объем знаний, которым обладают эксперты-специалисты (профессиональные знания и знания о мире и действующих в нем законах), не удается пока встроить в интеллектуальную систему, тем более столь специализированную, какой является любая экспертная система.
Недостатком экспертных систем, характерным для их современного состояния, является меньшая приспособляемость к обучению новым правилам и концепциям, к творчеству и изобретательству. Использование экспертных систем позволяет во многих случаях отказаться от высококвалифицированных специалистов, но предполагает оставить в системе место эксперту с более низкой квалификацией. Экспертные системы служат средством для расширения и усиления профессиональных возможностей конечного пользователя. Наиболее уязвимы экспертные системы в распознавании границ своих возможностей и демонстрируют ненадежное функционирование вблизи границ их применимости. Дальнейший прогресс в области искусственного интеллекта со временем предложит способы выявления границ своих возможностей. Другим недостатком экспертных систем являются значительные трудозатраты, необходимые для пополнения базы знаний. Получение знаний от экспертов и внесение их в базу знаний представляет собой сложный процесс, сопряженный со значительными затратами времени и средств. Проектирование экспертных систем также имеет определенные трудности и ограничения, которые влияют на их разработку.
Области применения экспертных систем
Зарубежный опыт показывает, что экспертные системы разрабатываются в основном в университетах, научно-исследовательских центрах и коммерческих организациях, в том числе и для финансовой индустрии. В сфере финансового обслуживания эти системы помогают страховым компаниям анализировать и оценивать коммерческий риск, устанавливать размеры ссуд при кредитовании организаций, составлять сметы проектов и т.д.
Но область применения экспертных систем расширяется. Кроме охвата различных областей деятельности, одним из наиболее важных последствий разработки экспертных систем является модификация знаний. По мере того как разработчики будут строить большие, сложные базы знаний, появляется рынок знаний, независимых от компьютерных систем. Появятся средства обучения для изучающих определенную прикладную область. Коммерческим продуктом станут метазнания, т.е. знания об оптимальных стратегиях и процедурах использования предметных знаний. Развитие экспертных систем в интеллектуальные состоит в слиянии концепций оборудования, средств их создания (языков) и самих экспертных систем. Объединение интеллектуальных систем особенно эффективно в сложных инфраструктурах. Интеллектуальные системы уже разрабатываются и внедряются за рубежом для коммерческого использования.
Так например, экспертная система FOLIO (Стенфордский университет, США) помогает консультантам по инвестициям определять цели клиентов и подбирать портфели ценных бумаг, наиболее соответствующие этим целям. Система определяет нужды клиента в ходе интервью и затем рекомендует, в каких пропорциях надо распределить капиталовложения между разными фондовыми инструментами, чтобы наилучшим образом удовлетворить запросы клиента. Система различает небольшое число классов ценных бумаг (например, ориентированные на дивиденды акций с невысоким уровнем риска или ориентированные на акции с высоким уровнем риска) и содержит знания о свойствах (например, годовых процентах на капитал) ценных бумаг каждого класса. В системе применена основанная на правилах схема представления знаний с прямой цепочкой рассуждений для вывода целей и схема линейного программирования для максимизации соответствия между целями и предлагаемым портфелем. Система доведена до уровня демонстрационного прототипа.
Даже лучшие из существующих ЭС, которые эффективно функционируют как на больших, так и на мини-ЭВМ, имеют определенные ограничения по сравнению с человеком-экспертом.
1. Большинство ЭС не вполне пригодны для применения конечным пользователем. Если вы не имеете некоторого опыта работы с такими системами, то у вас могут возникнуть серьезные трудности. Многие системы оказываются доступными только тем экспертам, которые создавали из базы знаний.
2. Вопросно-ответный режим, обычно принятый в таких системах, замедляет получение решений. Например, без системы MYCIN врач может (а часто и должен) принять решение значительно быстрее, чем с ее помощью.
3. Навыки системы не возрастают после сеанса экспертизы.
4. Все еще остается проблемой приведение знаний, полученных от эксперта, к виду, обеспечивающему их эффективную машинную реализацию.
5. ЭС не способны обучаться, не обладают здравым смыслом. Домашние кошки способны обучаться даже без специальной дрессировки, ребенок в состоянии легко уяснить, что он станет мокрым, если опрокинет на себя стакан с водой, однако если начать выливать кофе на клавиатуру компьютера, у него не хватит “ума” отодвинуть ее.
6. ЭС неприменимы в больших предметных областях. Их использование ограничивается предметными областями, в которых эксперт может принять решение за время от нескольких минут до нескольких часов.
7. В тех областях, где отсутствуют эксперты (например, в астрологии), применение ЭС оказывается невозможным.
8. Имеет смысл привлекать ЭС только для решения когнитивных задач. Теннис, езда на велосипеде не могут являться предметной областью для ЭС, однако такие системы можно использовать при формировании футбольных команд.
9. Человек-эксперт при решении задач обычно обращается к своей интуиции или здравому смыслу, если отсутствуют формальные методы решения или аналоги таких задач.
Системы, основанные на знаниях, оказываются неэффективными при необходимости проведения скрупулезного анализа, когда число “решений” зависит от тысяч различных возможностей и многих переменных, которые изменяются во времени. В таких случаях лучше использовать базы данных с интерфейсом на естественном языке.
Преимущества ЭС перед человеком - экспертом.
Системы, основанные на знаниях, имеют определенные преимущества перед человеком-экспертом.
1. У них нет предубеждений.
2. Они не делают поспешных выводов.
3. Эти системы работают систематизировано, рассматривая все детали, часто выбирая наилучшую альтернативу из всех возможных.
4. База знаний может быть очень и очень большой. Будучи введены в машину один раз, знания сохраняются навсегда. Человек же имеет ограниченную базу знаний, и если данные долгое время не используются, то они забываются и навсегда теряются.
5. Системы, основанные на знаниях, устойчивы к “помехам”. Эксперт пользуется побочными знаниями и легко поддается влиянию внешних факторов, которые непосредственно не связаны с решаемой задачей. ЭС, не обремененные знаниями из других областей, по своей природе менее подвержены “шумам”. Со временем системы, основанные на знаниях, могут рассматриваться пользователями как разновидность тиражирования- новый способ записи и распространения знаний. Подобно другим видам компьютерных программ они не могут заменить человека в решении задач, а скорее напоминают орудия труда, которые дают ему возможность решат задачи быстрее и эффективнее.
6. Эти системы не заменяют специалиста, а являются инструментом в его руках.
История развития экспертных систем.
Основные линии развития ЭС.
2. Проблемы, возникающие при создании экспертных систем. Перспективы развития.
Наиболее известные ЭС, разработанные в 60-70-х годах, стали в своих областях уже классическими. По происхождению, предметным областям и по преемственности применяемых идей, методов и инструментальных программных средств их можно разделить на несколько семейств.
1. META-DENDRAL.Система DENDRAL позволяет определить наиболее вероятную структуру химического соединения по экспериментальным данным (масс- спектрографии, данным ядерном магнитного резонанса и др.).M-D автоматизирует процесс приобретения знаний для DENDRAL. Она генерирует правила построения фрагментов химических структур.
2. MYCIN-EMYCIN-TEIREIAS-PUFF-NEOMYCIN. Это семейство медицинских ЭС и сервисных программных средств для их построения.
3. PROSPECTOR-KAS. PROSPECTOR- предназначена для поиска (предсказания) месторождений на основе геологических анализов. KAS- система приобретения знаний для PROSPECTOR.
4. CASNET-EXPERT. Система CASNET- медицинская ЭС для диагностики выдачи рекомендаций по лечению глазных заболеваний. На ее основе разработан язык инженерии знаний EXPERT, с помощью которой создан ряд других медицинских диагностических систем.
5. HEARSAY-HEARSAY-2-HEARSAY-3-AGE. Первые две системы этого ряда являются развитием интеллектуальной системы распознавания слитной человеческой речи, слова которой берутся из заданного словаря. Эти системы отличаются оригинальной структурой, основанной на использовании доски объявлений- глобальной базы данных, содержащей текущие результаты работы системы. В дальнейшем на основе этих систем были созданы инструментальные системы HEARSAY-3 и AGE (Attempt to Generalize- попытка общения) для построения ЭС.
6. Системы AM (Artifical Mathematician- искусственный математик) и EURISCO были разработаны в Станфордском университете доктором Д. Ленатом для исследовательских и учебных целей. Ленат считает, что эффективность любой ЭС определяется закладываемыми в нее знаниями. По его мнению, чтобы система была способна к обучению, в нее должно быть введено около миллиона сведений общего характера. Это примерно соответствует объему информации, каким располагает четырехлетний ребенок со средними способностями. Ленат также считает, что путь создания узкоспециализированных ЭС с уменьшенным объемом знаний ведет к тупику.
В систему AM первоначально было заложено около 100 правил вывода и более 200 эвристических алгоритмов обучения, позволяющих строить произвольные математические теории и представления. Сначала результаты работы системы были весьма многообещающими. Она могла сформулировать понятия натурального ряда и простых чисел. Кроме того, она синтезировала вариант гипотезы Гольдбаха о том, что каждое четное число, большее двух, можно представить в виде суммы двух простых чисел. До сих пор не удалось ни найти доказательства данной гипотезы, ни опровергнуть ее. Дальнейшее развитие системы замедлилось и было отмечено, что несмотря на проявленные на первых порах “математические способности”, система не может синтезировать новых эвристических правил, т.е. ее возможности определяются только теми эвристиками, что были в нее изначально заложены.
При разработке системы EURISCO была предпринята попытка преодолеть указанные недостатки системы AM. Как и в начале эксплуатации AM, первые результаты, полученные с помощью EURISCO, были эффективными. Сообщалось, что система EURISCO может успешно участвовать в очень сложных играх. С ее помощью в военно-стратегической игре, проводимой ВМФ США, была разработана стратегия, содержащая ряд оригинальных тактических ходов. Согласно одному из них, например предлагалось взрывать свои корабли, получившие повреждения. При этом корабли, оставшиеся неповрежденными, получает необходимое пространство для выполнения маневра.
Однако через некоторое время обнаружилось, что система не всегда корректно переопределяет первоначально заложенные в нее правила. Так, например, она стала нарушать строгое предписание обращаться к программистам с вопросами только в определенное время суток. Т.о., система EURISCO, так же как и ее предшественница, остановилась в своем развитии, достигнув предела, определенного в конечном счете ее разработчиком.
С 1990 года доктор Ленат во главе исследовательской группы занят кодированием и вводом нескольких сот тысяч элементов знаний, необходимых, по его мнению, для создания “интеллектуальной” системы. Этот проект назван Cyc (“Цик”, от английского слова enciklopaedia).
Читайте также: