Р инструкции и информация решение и объяснения знанияис. 15.1. Структура экспертной системы

Основу ЭС составляет база знаний, хранящая множество знаний и набор правил, полученных от экспертов и из специальной литературы. Она 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: условие, которое может выполняться или нет, и действие, которое следует произвести, если условие выполняется.

Интерпретатор - часть экспертной системы, производящая в определенном порядке обработку знаний (мышление), находящихся в базе знаний. Технология работы интерпретатора 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.

Кроме того, во многих экспертных системах вводятся дополнительные блоки: база данных, блок расчета, блок ввода и корректировки данных. Блок расчета необходим в ситуациях, связанных с принятием управленческих решений. В базе данных содержатся плановые, физические, расчетные, отчетные и другие постоянные или оперативные показатели. Блок ввода и корректировки данных используется для оперативного и своевременного отражения текущих изменений в базе данных.

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 и Пролог, хотя можно использовать и любой известный алгоритмический язык. Оболочка экспертных систем представляет собой готовую программную среду, 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.

Разработка ЭС начинается с:

- определения проблемной области и задачи;

- нахождения эксперта, желающего сотрудничать при решении проблемы;

- определения предварительного подхода к решению проблемы;

- анализа расходов и прибыли от разработки;

- подготовки подробного плана разработки. Правильный выбор проблемы представляет самую критическую часть разработки в целом. Если выбрать неподходящую проблему, можно начать спроектировать задачи, которые никто не знает, как решать. Неподходящая проблема может привести к созданию системы, которая стоит намного больше, чем экономит, или которая работает, но не приемлема для пользователей.

Приведем некоторые факты, свидетельствующие о необходимости разработки и внедрения ЭС:

- нехватка специалистов;

- потребность в многочисленном коллективе специалистов, поскольку ни один из них не обладает достаточным знанием;

- сниженная производительность, поскольку задача требует полного анализа сложного набора условий, а обычный специалист не в состоянии просмотреть (за отведенное время) все эти условия;

- большое расхождение между решениями самых хороших и самых плохих исполнителей;

- наличие конкурентов, имеющих преимущество в том, что они лучше справляются с поставленной задачей.

Обычно ЭС разрабатываются путем получения специфических знаний от эксперта и ввода их в систему.

В коллектив разработчиков ЭС входят как минимум четыре человека: - эксперт - ведущий специалист в какой-либо области деятельности, обладающий уникальными знаниями;

• инженер по знаниям - специалист по искусственному интеллекту, выступающий в роли промежуточного буфера между экспертом и базой знаний;

• программист - специалист в области разработки программного обеспечения:

- 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 ЭС. Возглавляет коллектив инженер по знаниям, это ключевая фигура при разработке систем, основанных на знаниях.

В процессе разработки системы инженер по знаниям и эксперт обычно работают вместе. Инженер по знаниям помогает эксперту структурировать знания, определять и формализовать понятия и правила, необходимые для решения проблемы. Программную реализацию задачи осуществляет программист.

Прибыль от разработки ЭС возможна за счет снижения цены продукции, повышения производительности труда, расширения номенклатуры продукции и услуг или даже разработки новых видов продукции и услуг в этой области.

Классификация экспертных систем

Можно выделить семь основных классов задач, для решения которых создаются ЭС.

1. Интерпретация данных, т.е. анализ поступающих в систему данных с целью идентификации ситуации в предметной области. Например:

- обнаружение и идентификация различных типов океанских судов;

- определение основных свойств личности по результатам психодиагностических тестов.

2. Диагностика, т.е. идентификация критических ситуаций в предметной области на основе интерпретации данных. Под диагностикой обычно понимается обнаружение неисправности в некоторой системе. Например:

• диагностика и терапия сужения коронарных сосудов;

• диагностика ошибок в аппаратуре и математическом обеспечении ЭВМ.

3. Мониторинг, т.е. слежение за ходом событий в предметной области с целью определения момента возникновения критических ситуаций на основе непрерывной интерпретации данных. Например:

• контроль работы электростанций, помощь диспетчерам атомного реактора;

• контроль аварийных датчиков на химическом заводе.

4. Проектирование, т.е. разработка объектов, удовлетворяющих определенным требованиям. Например:

- проектирование конфигураций ЭВМ VАХ - 11/780 в системе ХСОМ,

- синтез электрических цепей и др.

5. Прогнозирование, т.е. предсказание возникновения в предметной области тех или иных ситуаций в будущем на основе моделей прошлого и настоящего с вероятностными. Например:

- предсказание погоды; - оценки будущего урожая; - прогнозы в экономике и др.

6. Планирование, т.е. создание программ действий, выполнение которых позволит достичь поставленной цели.

Например:

- планирование поведения робота;

- планирование промышленных заказов;

- планирование эксперимента и др.

7. Обучение, т.е. диагностика ошибок при изучении какой-либо дисциплины и подсказка правильных решений. Например: - обучение языку программирования Лисп; - система обучения иностранному языку и др. По своему назначению ЭС можно условно разделить на консультационные или информационные, исследовательские и управляющие.

Консультационные ЭС предназначены для получения пользователем квалифицированных советов: исследовательские ЭС призваны помогать пользователю квалифицированно решать научные задачи; управляющие ЭС служат для автоматизации управления процессами в реальном масштабе времени.

Экспертные системы создаются для решения разного рода проблем, типы которых можно сгруппировать в категории (табл. 15.1).

Ниже перечислены некоторые из предметных областей, в которых применяются экспертные системы. Из них особенно популярна медицина.

Области применения экспертных систем

Военное дело Геология Инженерное дело Информатика Компьютерные системы Космическая техника Математика Медицина Метеорология Промышленность Сельское хозяйство Управление процессами Физика Химия Электроника Юриспруденция

Таблица 15.1. Типичные категории применения экспертных систем

Экспертные системы как инструмент в работе пользователей совершенствуют свои возможности решать трудные, неординарные задачи в ходе практической работы.

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.

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.

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.

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 рассуждении для вывода целей и схема линейного программирования для максимизации соответствия между целями и предлагаемым портфелем. Система доведена до уровня демонстрационного прототипа.

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.