Правильное распределение функций между человеком и машиной является одним из ключевых условий высокой эффективности внедрения экспертных систем.

    Технология  экспертных систем является одним из направлений новой области исследования, которая получила наименование искусственного интеллекта. Исследования в этой области сконцентрированы на разработке и внедрении компьютерных программ, способных имитировать те области деятельности человека, которые требуют мышления, определенного мастерства и накопленного опыта. К ним относятся задачи принятия решений, распознавания образов и понимания человеческого языка. Эта технология уже успешно применяется в некоторых областях техники и жизни общества — органической химии, поиске полезных ископаемых, медицинской диагностике.

3.2. Признаки и отличия экспертных систем от других программ искусственного интеллекта

    Отличие экспертных систем от программ из области искусственного интеллекта:

    1. Экспертные системы имеют дело с предметами реального мира, операции с которыми обычно требуют наличия значительного опыта, накопленного человеком.

    2. Производительность экспертной системы, т.е. скорость получения результата и его достоверность. Экспертная система должна за приемлемое время найти решение, которое было бы не хуже, чем то, которое может предложить специалист в этой предметной области.

    3. Экспертная система должна обладать способностью объяснить, почему предложено именно такое решение, и доказать его обоснованность.

    4. Часто термин «система, основанная на знаниях», используется в качестве синонима термина экспертная система, хотя экспертная система — это более широкое понятие.

3.3. Базовые функции экспертных систем

    1. Приобретение знаний: это передача потенциального опыта решения проблемы от некоторого источника знаний и преобразование его в вид, который позволяет использовать эти знания в программе.

    2. Представление знаний: это отдельная область исследований, тесно связанная с философией формализма и когнитивной психологией. Предмет исследования в этой области — методы ассоциативного хранения информации, подобные тем, которые существуют в мозгу человека.

    3. Управление процессом поиска решения: При проектировании экспертной системы серьезное внимание должно быть уделено тому, как осуществляется доступ к знаниям и как они используются при поиске решения. Знание о том, какие знания нужны в той или иной конкретной ситуации, и умение ими распорядиться — важная часть процесса функционирования экспертной системы. Такие знания получили наименование метазнаний — т.е. знаний о знаниях.

    4. Разъяснение принятого решения: Исследователи, занимающиеся экспертными системами, разрабатывают методы представления информации о поведении программы в процессе формирования цепочки логических заключений при поиске решения.

 

Тема 4. Структура экспертных систем

    4.1. Структура и назначение экспертных  систем.

    4.2. Классификация экспертных систем.

    4.3. Инструментальные средства разработки экспертных систем.

4.1. Структура и назначение  экспертных систем

    Рис.4.1. Структура экспертной системы, где:

    СОЗ – система, основанная на знаниях,

    ЛП  – лингвистический процессор,

    РП(БД) – рабочая память (база данных),

    БЗн – база знаний,

    МЛВ – механизм логического вывода,

    КПЗн  – компонент приобретения знаний,

    КОб – компонент объяснений.

    СОЗ представляет собой программную систему, состоящую из трех элементов: БЗн, МЛВ и РП(БД).

4.2. Классификация экспертных систем

    1. Классификация по типу решаемых задач:

    Рис.4.2. Классификация по типу решаемых задач 

    2. Классификация по критерию связи с реальным временем:

    

    Рис.4.3. Классификация по критерию связи с реальным временем

    3. Классификация по критерию типа ЭВМ:

    Рис.4.4. Классификация по типу ЭВМ

    4. Классификация по степени интеграции:

    

    Рис.4.5. Классификация по степени интеграции 

    5. Классификация по стадиям разработки:

    

    Рис.4.6. Классификация по стадиям разработки

4.3. Инструментальные средства разработки экспертных систем

    Масштабы  разработки ЭС предопределили создание специальных инструментальных (аппаратных и программных) средств (рис.4.7.).

    Рис.4.7. Инструментальные средства разработки экспертных систем

    Рис.4.8. Соотношение формальных и неформальных процедур при разработке ЭС

 

Тема 5. Разработка экспертных систем

    5.1.Этапы  создания экспертной системы.

    5.2. Методы формирования понятий  предметной области.

5.1.Этапы  создания экспертной  системы

    В настоящее время сложилась определенная технология разработки ЭС, которая  включает следующие шесть этапов: идентификация, концептуализация, формализация, выполнение, опытная эксплуатация и тестирование (рис.5.1.).

    

    Рис. 5.1. Этапы разработки ЭС

    1. Этап идентификации

    Этап  идентификации связан, прежде всего, с осмыслением тех задач, которые  предстоит решить будущей ЭС, и  формированием требований к ней. Результатом данного этапа является ответ на вопрос, что надо сделать и какие ресурсы необходимо задействовать (идентификация задачи, определение участников процесса проектирования и их роли, выявление ресурсов и целей).

    2. Этап концептуализации

    На  данном этапе проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.

    3. 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 знаний, осуществляется это представление и в итоге формируется описание решения задачи ЭС на предложенном (инженером по знаниям) формальном языке.

    4. 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.

    5. 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.

    6. 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).

5.2. Методы формирования  понятий предметной  области

    Выделяемые  понятия предметной области должны образовывать систему, под которой  понимается совокупность понятий, обладающая следующими свойствами: уникальностью (отсутствием избыточности); полнотой; достоверностью и непротиворечивостью.

    При построении системы понятий с  помощью "метода локального представления" эксперта просят разбить задачу на подзадачи для перечисления целевых состояний и описания общих категорий цели. Далее для каждого разбиения (локального представления) эксперт формулирует информационные факты и дает им четкое наименование (название). Считается, что для успешного решения задачи построения модели предметной области число таких информационных фактов в каждом локальном представлении, которыми человек способен одновременно манипулировать, должно быть примерно равно семи.

    "Метод вычисления коэффициента использования" основан на следующей гипотезе. Элемент данных (или информационный факт) может являться понятием, если он:

• используется в большом числе подзадач;
• используется с большим числом других элементов данных;
• редко используется совместно с другими элементами данных по сравнению с общим числом его применения во всех подзадачах (это и есть коэффициент использования).

    Полученные  значения могут служить критерием  для классификации всех элементов  данных и, таким образом, для формирования системы понятий.

 

Тема 6. Методы поиска решений в экспертных системах

    6.1. Основы поиска решений в экспертных системах.

    6.2. Поиск решений в одном пространстве.

    6.3. Поиск в иерархии пространств.

    6.4. Поиск в альтернативных пространствах.

    6.5. Выбор метода решения задач.

6.1. Основы поиска решений в экспертных системах

    Методы  решения задач, основанные на сведении их к поиску, зависят от особенностей предметной области, в которой решается задача, и от требований, предъявляемых пользователем к решению.

    Особенности предметной области:

• объем пространства, в котором предстоит искать решение;
• степень изменяемости области во времени и пространстве (статические и динамические области);
• полнота модели, описывающей область, если модель не полна, то для описания области используют несколько моделей, дополняющих друг друга;
• определенность данных о решаемой задаче, степень точности (ошибочности) и полноты (неполноты) данных.

    Требования  пользователя к результату задачи, решаемой с помощью поиска, можно характеризовать:

1. количеством решений: одно решение, несколько решений, все решения;
2. свойствами результата: ограничения, которым должен удовлетворять полученный результат;
3. и (или) способом его получения.

6.2. Поиск решений в одном пространстве

    Методы  поиска решений в одном пространстве обычно делятся на:

1. поиск в пространстве состояний (рассмотрим подробно),
2. поиск методом редукции,
3. эвристический поиск
4. поиск методом "генерация-проверка".

    1. Поиск в пространстве состояний

    Задача  поиска в пространстве состояний  обычно формулируется в теоретико-графовой интерпретации.

    Пусть задана тройка (S₀, F, S_Т), где S₀ - множество начальных состояний (условия задачи), F - множество операторов задачи, отображающих одни состояния в другие, S_Т - множество конечных (целевых) состояний (решений задачи).