Экспертные системы

Содержание.

Введение

1. Моделирование  знаний

2. Некоторые известные  ЭС

3. Особые черты  ЭC

3.1 Основные компоненты

3.2 Преимущества ЭС

3.3 Отличие от систем  принятия решений

3.4 Информационная  модель ЭС

4. Типы ЭС

4.1 По назначению

4.2 По объему базы знаний

4.3 Поисковые ЭС

4.4 Гибридные ЭС

5. Возможности некоторых  ЭС

Вывод

Список использованных электронных ресурсов 
 
 
 
 
 
 
 
 
 

Введение.

Усложнение информации, структурное изменение и увеличение ее объемов порождают новые требования к обработке, и, как следствие, скорости решения некоторых задач, которые  неразрешимы без специальных  знаний. Однако не каждая компания может  себе позволить держать в своем  штате экспертов по всем связанным  с ее деятельностью проблемам  или даже приглашать их каждый раз, когда возникают проблемы. 

Одно из решений - применение экспертных систем (ЭС).  
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

1. Моделирование  знаний.

Главная идея технологии экспертных систем заключается в  том, чтобы получить от эксперта его  знания и при необходимости извлекать  их из памяти компьютера. Являясь одним  из основных приложений искусственного интеллекта, ЭС представляют собой  компьютерные программы, преобразующие  опыт экспертов в какой-либо области  знаний в форму эвристических  правил (эвристик).

Затронув тему экспертных систем, через их определение сразу  стоит очертить тот спектр вопросов, которые будут рассмотрены в  этой главе. Из множества определений  ЭС остановимся на определении практической направленности: «экспертная система - это программное обеспечение, которое  заменяет эксперта в той или иной области». ЭС предназначены для моделирования, или имитации поведения экспертов  при решении задач по узко специализированной тематике. Они призваны оказывать помощь специалистам, когда их собственных знаний, опыта и интуиции не хватает для самостоятельного решения возникающих проблем.

Принцип действия ЭС состоит в моделировании знания и опыта человека-эксперта, которыми могут воспользоваться другие люди после компьютерной обработки этих знаний и опыта. ЭС должна уметь «рассуждать» при неполных и противоречивых данных, объяснять последовательность и  логику рассуждений, а механизм вывода советов и рекомендаций должен быть четко определен. При этом структура  ЭС должна обеспечивать возможность  наращивания базы знаний.

Основу ЭС составляет база знаний, хранящая множество фактов и набор правил, полученных от экспертов  и введенных из специальной и  справочной литературы.

База знаний - это  формализованные эмпирические знания высококвалифицированных специалистов (экспертов) в какой-либо предметной области. Знания представлены в описательной форме и для этого не используются четкие математические модели.

Чем отличается база знаний от базы данных? В базе данных элементы представляют собой не связанные  друг с другом сведения, а в базе знаний те же элементы связаны определенными  отношениями как между собой, так и с понятиями внешнего мира, и сами содержат в себе эти отношения. Можно выделить следующие основные классы задач, для решения которых создаются ЭС:

- интерпретация данных;

- диагностика;

- контроль;

- прогнозирование;

- планирование;

- проектирование.

2. Некоторые  известные ЭС.

DENDRAL.

Распознавания структуры  сложных органических молекул по результатам их спектрального анализа (первая в мире ЭС).

MOLGEN.

Генерирование гипотез  о структуре ДНК на основе экспериментов  с ферментами.

XCON.

Проектирование вычислительных комплексов VAX-11 в корпорации DEC в  соответствии с заказом покупателя MICIN. Комплексная медицинская диагностика PUFF. Диагностика легочных заболеваний DART. Диагностика больших жестких  дисков корпорации IBM PROSPECTOR. Консультации при поиске залежей полезных ископаемых РОММЕ. Рекомендации по уходу за яблоневым  садом.

ЭСПЛАН.

Планирование производства на нефтеперерабатывающем заводе.

МОДИС.

Диагностика различных  форм гипертонии.

МИДАС.

Оказание помощи диспетчеру в оперативном управлении энергосистемой.

GPRS Консультант.

Анализ сеансов  связи в реальном масштабе времени  и оценка параметров качества сервиса  сетей GPRS (General Packet Radio Services).

CARE.

Диагностика критического состояния больного с выделением более 30 синдромов.

«Маньяк».

Поддержка принятия решений при раскрытии серийных убийств, совершенных на сексуальной  почве. 
 
 
 

3. Особые  черты ЭC.

3.1 Основные  компоненты.

В отличие от систем традиционного программирования, в  ЭС можно выделить три основных компонента систем обработки знаний:

- база знаний (описание  объекта);

- блок общения  (постановка цели (запроса), выдача  и объяснение результата (совета));

- блок обработки  знаний (алгоритмы решения). При этом  нужно помнить о следующем:

- экспертиза может  проводиться только в одной  конкретной области;

- задачи решаются  дедуктивным методом;

- ход решения задачи  осуществляется понятным пользователю  способом;

- модульный принцип  позволяет наращивать базы знаний.

ЭС имеют определенные преимущества перед человеком-экспертом:

- у них нет предубеждений.

- они не делают  поспешных выводов.

- они выбирают  наилучшую альтернативу (оптимальное  решение) из всех возможных.

- они устойчивы  к «помехам», так как не «обременены»  знаниями из других областей.

- их база знаний  может быть очень большой и  никогда не потеряется.

3.2 Преимущества  ЭС.

ЭС позволяют:

- неспециалистам  и специалистам широкого профиля  заменить собой экспертов, уменьшая  тем самым количество людей,  занятых в бизнес-процессе;

- сократить штат  сотрудников, сэкономить время,  снизить уровень бюрократии;

- данные, а также  правила их вывода, касающиеся  той или иной предметной области,  хранятся в памяти компьютера  и застрахованы от чьего-либо  влияния, их нельзя потерять  или «забыть»;

- сэкономить финансовые  ресурсы проектов и эксплутационные расходы. Вот несколько примеров. American Express сократила свои потери на $27 млн. в год благодаря ЭС, определяющей целесообразность выдачи или отказа в кредите той или иной фирме. Компания DEC ежегодно экономит $70 млн., используя систему XCON/XSEL, которая по заказу покупателя составляет конфигурацию вычислительной системы VAX. Компания Sira сократила затраты на строительство трубопровода в Австралии на $40 млн. за счет ЭС, управляющей трубопроводом. Бортовая ЭС на транспортном самолете позволяет снизить эксплутационные расходы до $150 млн. за весь срок его эксплуатации.

3.3 Отличие от систем принятия решений.

Сходство технологий, используемых в ЭС и системах поддержки  принятия решений (СППР), состоит в  том, что обе они обеспечивают высокий уровень поддержки принятия решений. Но в то же время имеются и существенные различия.

Во-первых, решение  проблемы в СППР отражает уровень  ее понимания пользователем и  его возможности получить и осмыслить  решение (рассчитаны на пользователя-эксперта), а ЭС предлагает пользователю принять  решение, превосходящее его возможности (рассчитаны на пользователя-не эксперта).

Во-вторых, ЭС могут  пояснять свои рассуждения в процессе получения решения, причем часто  эти пояснения оказываются более  важными для пользователя, чем само решение.

В-третьих, ЭС менее  гибки, так как состав базы знаний и принятый механизм логического  вывода накладывают определенные ограничения на круг решаемых задач.

В-четвертых, разработка ЭС с учетом неполноты и нечеткости знаний требует очень больших  затрат высоко интеллектуального труда и времени.

3.4 Информационная  модель ЭС.

С точки зрения обработки  и представления информации, основными  компонентами в ЭС являются: интерфейс  пользователя, база знаний, интерпретатор, модуль создания системы.

Специалист использует интерфейс для ввода информации и команд в ЭС и получения выходной информации из нее. Ввод информации можно  выполнять с помощью меню, команд, естественного языка и собственного интерфейса, а в качестве выходной информации выступает не только решение, но и необходимые объяснения. Система  должна пояснить каждый шаг своих  рассуждений, ведущих к решению задачи.

База знаний содержит факты, описывающие проблемную область, а также логическую взаимосвязь  этих фактов и их обработку по 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.

Обработку знаний в  определенном порядке выполняет  интерпретатор, технология работы которого сводится к последовательному рассмотрению совокупности правил. Если условие, содержащееся в правиле, соблюдается, выполняется  определенное действие, и пользователю предоставляется вариант решения проблемы.

Модуль создания системы служит для создания набора (иерархии) правил. При этом существует два подхода, которые могут быть положены в основу модуля создания системы: использование алгоритмических языков программирования (специально для ЭС языки ПРОЛОГ и ЛИСП, а также языки высокого-уровня) или оболочек ЭС (RT Works от Talarian (США), COMDALE/C от Comdale Techn., (Канада), COGSYS от SC (США), ILOG Rules от ILOG (Франция). Но наибольшее распространение получила система G2, с помощью которой разработаны известные ЭС. Для тех, кто решил самостоятельно создать свою ЭС, можно порекомендовать ПО Expert System Creator 1.7. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

4. Типы ЭС.

4.1 По назначению.

По своему назначению ЭС условно подразделяют на:

- консультационные (получение пользователем квалифицированных советов);

- исследовательские (решение научных задач);

- управляющие (автоматизация  управления процессами в реальном масштабе времени).

4.2 По объему базы знаний.

По объему базы знаний ЭС делят на простые (неглубокие) и сложные (глубокие). Первые создаются очень быстро и имеют относительно малые базы знаний и данных (несколько сотен правил и фактов, причем фактов значительно больше правил). Доказательства заключений обычно коротки, а большинство выводов являются прямыми следствиями информации, хранимой в базе знаний.

Глубокие ЭС делают свои выводы обязательно из моделей  процессов. Сама модель процесса представляет собой набор правил, предназначенных  для объяснения большого количества эмпирических данных. В глубоких ЭС доказательства выводов основываются на знаниях, полученных из моделей.

4.3 Поисковые  ЭС.

Как известно, для  поиска информации применяются поисковые  средства по каталогам, индексам, контексту  и ссылкам. Достаточно сложные поисковые  программы содержат максимальный набор  функций, каждая из которых дополнительно  имеет свои параметры настройки.

Значительно привлекательнее  выглядит поисковая ЭС, которая в  вопросно-ответном режиме на естественном языке выясняет у пользователя цель поиска, уточняет известные ему данные (одновременно анализируя их), дополняет  данные с помощью словарей. Затем  самостоятельно по правилам определяет вид поиска и его параметры, а  также область поиска. И, наконец, находит информацию и оценивает  степень ее соответствия полученному запросу.

4.4 Гибридные  ЭС.

В традиционных ЭС имеется лишь один механизм поддержки принятия решений - логический вывод, и лишь одно средство представления знаний - правила. В последнее время появились гибридные экспертные системы (ГЭС), в которых в качестве средства поддержки принятия решений необходимо предусмотреть возможность учета характеристик лица, принимающего решения (ЛПР). 

5. Возможности  некоторых ЭС.

Российская Лаборатория  экспертных систем для энергетики разработала  МИДАС (Модель Интеллектуальная Диспетчерского Анализа Ситуации) - программный  комплекс для информационной помощи диспетчеру в оперативном управлении энергосистемой. В этой ЭС в качестве оперативной информации используются только телесигнализации (или вводимая вручную информация о положении  выключателей). МИДАС обеспечивает контроль состояния оборудования, анализирует  ситуации в электросети и обнаруживает повреждения, формирует советы по ликвидации аварий и поставарийному восстановлению, а также позволяет выполнять тренировки диспетчеров.