Экспертные системы

p align="justify">     В любой момент времени в системе  существуют три типа знаний:

• Структурированные знания- статические знания о предметной области. После того как эти знания выявлены, они уже не изменяются.
• Структурированные динамические знания- изменяемые знания о предметной области. Они обновляются по мере выявления новой информации.
• Рабочие знания- знания, применяемые для решения конкретной задачи или проведения консультации. 

     Все перечисленные выше знания хранятся в базе знаний. Для ее построения требуется провести опрос специалистов, являющихся экспертами в конкретной предметной области, а затем систематизировать, организовать и снабдить эти знания указателями, чтобы впоследствии их можно было легко извлечь из базы знаний.

     Экспертиза  может проводиться  только в одной  конкретной области. Так, программа, предназначенная  для определения конфигурации систем ЭВМ, не может ставить медицинские  диагнозы.

     База  знаний и механизм вывода являются различными компонентами. Действительно, часто оказывается возможным  сочетать механизм вывода с другими  базами знаний для создания новых  ЭС. Например, программа анализа  инфекции в крови может быть применена  в пульманологии путем замены базы знаний, используемой с тем  же самым механизмом вывода.

     Наиболее  подходящая  область применения- решение задач дедуктивным методом. Например, правила или эвристики  выражаются в виде пар посылок  и заключений типа  “если-то”.

     Эти системы могут объяснять ход  решения задачи понятным пользователю способом. Обычно мы не принимаем ответ  эксперта, если на вопрос “Почему ?”  не можем получить логичный ответ. Точно  так же мы должны иметь возможность  спросить систему, основанную на знаниях, как было получено конкретное заключение.

     Выходные  результаты являются качественными (а  не количественными).

     Системы, основанные на знаниях, строятся по модульному принципу, что позволяет постепенно наращивать их базы знаний.

     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, концепция которых начала разрабатываться 9-10 лет назад. 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:

• знаниями системы являются только знания эксперта, опыт накопления знаний не предусматривается.
• методы представления знаний позволяли описывать лишь статические предметные области.
• модели представления знаний ориентированы на простые области.

     Представление знаний в экспертных системах второго  поколения следующее:

• используются не поверхностные знания, а более глубинные. Возможно дополнение предметной области.
• ЭС может решать задачи динамической базы данных предметной области.

 
 
 
 

2.3 Теория фреймов 

     Теория  фреймов - это  парадигма для представления  знаний с целью использования  этих знаний компьютером. Впервые была представлена Минским, как попытка построить фреймовую сеть, или парадигму с целью достижения большего эффекта понимания. С одной стороны Минский пытался сконструировать базу данных, содержащую энциклопедические знания, но с другой стороны, он хотел создать наиболее описывающую базу, содержащую информацию в структурированной и упорядоченной форме. Эта структура позволила бы компьютеру вводить информацию в более гибкой форме, имея доступ к тому разделу, который требуется в данный момент. Минский разработал такую схему, в которой информация содержится в специальных ячейках, называемых фреймами, объединенными в сеть, называемую системой фреймов. Новый фрейм активизируется с наступлением новой ситуации. Отличительной его чертой является то, что он одновременно содержит большой объем знаний и в то же время является достаточно гибким для того, чтобы быть использованным как отдельный элемент БД. Термин «фрейм» был наиболее популярен в середине семидесятых годов, когда существовало много его толкований, отличных от интерпретации Минского.

     Итак, как было сказано выше фреймы –  это фрагменты знания, предназначенные  для представления стандартных  ситуаций. Термин «фрейм» (Frame – рамка) был предложен Минским. Фреймы имеют вид структурированных компонентов ситуаций, называемых слотами. Слот может указывать на другой фрейм, устанавливая, таким образом, связь между двумя фреймами. Могут устанавливаться общие связи типа связи по общению. С каждым фреймом ассоциируется разнообразная информация ( в том числе и процедуры), например ожидаемые процедуры ситуации, способы получения информации о слотах, значение принимаемые по умолчанию, правила вывода.

     Формальная  структура фрейма имеет вид:

     f[<N1, V1>, <N2, V2>, …, <Nk,Vk>],

     где f – имя фрейма; пара <Ni, Vi> - i-ый слот, Ni – имя слота и Vi – его значение.

     Значение  слота может быть представлено последовательностью

     <K1><Li>;...; <Kn><Ln>; <R1>; …; <Rm>,

     где Ki – имена атрибутов, характерных для данного слота; Li – значение этих атрибутов, характерных для данного слота; Rj – различные ссылки на другие слоты.

     Каждый  фрейм, как структура хранит знания о предметной области (фрейм–прототип), а при заполнении слотов знаниями превращается в конкретный фрейм  события или явления.

     Фреймы  можно разделить на две группы: фреймы-описания; ролевые фреймы.

     Рассмотрим  пример.

     Фрейм описание: [<программное обеспечение>, <программа 1С бухгалтерия, версия 7.5>, <программа 1С торговля, версия 7.5>, <правовая программа «Консультант +» проф.>].

     Ролевой фрейм: [<заявка на продажу>, <что, установка и покупка программы 1С торговля, версия 7.5>, <откуда, фирма ВМИ>, <куда, фирма «Лукойл»>, <кто, курьер Иванова>, <когда, 27 октября 1998г.>].

     Во  фрейме-описании в качестве имен слотов задан вид программного обеспечения, а значение слота характеризует  массу и производителя конкретного  вида продукции. В ролевом фрейме в качестве имен слотов выступают  вопросительные слова, ответы на которые  являются значениями слотов. Для данного  примера представлены уже описания конкретных фреймов, которые могут  называться либо фреймами – примерами, либо фреймами – экземплярами. Если в приведенном примере убрать значения слотов, оставив только имена, то получим так называемый фрейм  – прототип.

     Достоинство фрейма – представления во многом основываются на включении в него предположений и ожиданий. Это  достигается за счет присвоения по умолчанию слотам фрейма стандартных  ситуаций. В процессе поиска решений  эти значения могут быть заменены более достоверными. Некоторые переменные выделены таким образом, что об их значениях система должна спросить пользователя. Часть переменных определяется посредством встроенных процедур, называемых внутренними. По мере присвоения переменным определенных значений осуществляется вызов других процедур. Этот тип  представления комбинирует декларативные  и процедурные знания.

     Фреймовые модели обеспечивают требования структурированности  и связанности. Это достигается  за счет свойств наследования и вложенности, которыми обладают фреймы, т.е. в качестве слотов может выступать система  имен слотов более низкого уровня, а также слоты могут быть использованы как вызовы каких-либо процедур для  выполнения.

     Для многих предметных областей фреймовые  модели являются основным способом формализации знаний.

     Чтобы лучше понять эту теорию, рассмотрим один из примеров Минского, основанный на связи между ожиданием, ощущением и чувством человека, когда он открывает дверь и входит в комнату. Предположим, что вы собираетесь открыть дверь и зайти в комнату незнакомого вам дома. Находясь в доме, перед тем как открыть дверь, у вас имеются определенные представления о том, что вы увидите, войдя в комнату. Например, если вы увидите какой-либо пейзаж или морской берег, поначалу вы с трудом узнаете их. Затем вы будете удивлены, и в конце концов дезориентированы, так как вы не сможете объяснить поступившую информацию и связать ее с теми представлениями, которые у вас имелись до того. Также у вас возникнут затруднения с тем, чтобы предсказать дальнейший ход событий. С аналитической точки зрения это можно объяснить как активизацию фрейма комнаты в момент открывания двери и его ведущую роль в интерпретации, поступающей информации. Если бы вы увидели за дверью кровать, то фрейм комнаты приобрел бы более узкую форму, и превратился бы во фрейм кровати. Другими словами, вы бы имели доступ к наиболее специфичному фрейму из всех доступных. Возможно, что вы используете информацию, содержащуюся в вашем фрейме комнаты для того чтобы распознать мебель, что называется процессом сверху вниз, или в контексте теории фреймов фреймодвижущим распознаванием . Если бы вы увидели пожарный гидрант, то ваши ощущения были бы аналогичны первому случаю. Психологи подметили, что распознавание объектов легче проходит в обычном контексте, чем в нестандартной обстановке. Из этого примера мы видим, что фрейм - это модель знаний, которая активизируется в определенной ситуации и служит для ее объяснения и предсказания. У Минского имелись достаточно расплывчатые идеи о самой структуре такой БД, которая могла бы выполнять подобные вещи. Он предложил систему, состоящую из связанных между собой фреймов, многие из которых состоят из одинаковых подкомпонентов, объединенных в сеть. Таким образом, в случае, когда кто-либо входит в дом, его ожидания контролируются операциями, входящими в сеть системы фреймов. В рассмотренном выше случае мы имеем дело с фреймовой системой для дома, и с подсистемами для двери и комнаты. Активизированные фреймы с дополнительной информацией в БД о том, что вы открываете дверь, будут служить переходом от активизированного фрейма двери к фрейму комнаты. При этом фреймы двери и комнаты будут иметь одинаковую подструктуру. Минский назвал это явление разделом терминалов и считал его важной частью теории фреймов.

     Минский также ввел терминологию, которая могла бы использоваться при изучении этой теории (фреймы, слоты, терминалы и т.д.). Хотя примеры этой теории были разделены на языковые и перцептуальные, и Минский рассматривал их как имеющих общую природу, в языке имеется более широкая сфера ее применения. В основном большинство исследований было сделано в контексте общеупотребительной лексики и литературного языка.

     Как наиболее доступную иллюстрацию  распознаванию, интерпретации и предположению можно рассмотреть две последовательности предложений, взятых из книг Шранка и Абельсона. На глобальном уровне последовательность А явно отличается от В.

     A.  John went to a restaurant

     He asked the waitress for a hamburger

     He paid the tip & left

     B.  John went to a park

     He asked the midget for a mouse

     He picked up the box & left

     Хотя  все эти предложения имеют  одинаковую синтаксическую структуру  и тип семантической информации, понимание их кардинально различается. Последовательность А имеет доступ к некоторому виду структуры знаний высшего уровня, а В не имеет. Если бы А не имело такой доступ, то ее понимание сводилось бы к уровню В и характеризовалось бы как дезориентированное. Этот контраст является наглядным примером мгновенной работы высшего уровня структуры знаний.

     Была  предложена программа под названием  SAM, которая отвечает на вопросы и выдает содержание таких рассказов. Например, SAM может ответить на следующие вопросы, ответы на которые не даны в тексте, с помощью доступа к записи предполагаемых событий, предшествующих обеду в ресторане.

     Did John sit down in the restaurant?

     Did John eat the hamburger?

     Таким образом, SAM может распознать описанную ситуацию как обед в ресторане и затем предсказать оптимальное развитие событий. В нашем случае распознавание не представляло трудностей, но в большинстве случаев оно довольно непростое и является самой важной частью теории.

     Рассмотрим другой пример:

     C.  He plunked down $5 at the window.

     She tried to give him $ 2.50, but he wouldn’t take it.

     So when they got inside, she bought him a large bag of popcorn.

     Он  интересен тем, что у большинства  людей он вызывает цикл повторяющихся  неправильных  или незаконченных  распознаваний и реинтерпретаций.