Системы управления базами данных

Экспертные системы (ЭС) - это сложные программные  комплексы, накапливающие знания  специалистов  в  конкретных  предметных областях и распространяющие этот эмпирический опыт для консультаций  менее квалифицированных пользователей.

Обобщенная структура экспертной системы, основные понятия и определения.

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.

Инженер по  знаниям - специалист по искусственному интеллекту, выступающий  в  роли  посредника  между экспертом и базой знаний.  Синонимы: когнитолог, инженер-интерпретатор, аналитик.

Интерфейс пользователя - комплекс программ,  реализующих диалог пользователя с ЭС как на стадии ввода информации,  так и получения результатов.

База знаний  (БЗ)  - ядро ЭС,  совокупность знаний 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.

Решатель - программа,  моделирующая ход рассуждений  эксперта на основании знаний, имеющихся в БЗ. Синонимы: дедуктивная машина, блок логического вывода.

Подсистема объяснений  - программа,  позволяющая пользователю получать ответы на вопросы:  "Как была получена  рекомендация?"  и "Почему система  приняла такое решение?".

Интеллектуальный редактор БЗ - программа, предоставляющая инженеру по знаниям возможность создавать БЗ  в  диалоговом  режиме.

В коллектив разработчиков ЭС входят как минимум четыре  человека: эксперт;  инженер  по  знаниям;  программист;  пользователь. Возглавляет коллектив инженер по знаниям,  это ключевая фигура при разработке систем, основанных на знаниях.

Экспертные системы классифицируют по различным критериям.

Классификация ЭС по решаемой задаче.

Интерпретация данных   -   одна  из  традиционных  задач  для экспертных систем.  Под  интерпретацией   понимается   определение смысла  данных,  результаты  которого должны быть согласованными и корректными.  Обычно предусматривается многовариантный анализ данных.

Диагностика - обнаружение   неисправностей,  отклонений  от нормы -  позволяет  с единых позиций рассматривать  неисправность оборудования в технических системах,   заболевания живых организмов,  всевозможные природные и общественные аномалии. При этом требуется понимание функциональной структуры ("анатомии") диагностируемой системы.

Мониторинг -  непрерывная  интерпретация  данных  в  реальном масштабе времени и сигнализация о выходе тех или  иных  параметров за допустимые пределы.

Проектирование -  подготовка  документов на создание объектов, процессов  с заранее определенными свойствами.

Прогнозирование - логический вывод вероятных следствий из заданных ситуаций. Выводимые следствия составляют основу для прогнозов с вероятностными оценками.

Планирование - нахождение планов действий применительно к моделям поведения реальных объектов.

Системы обучения диагностируют ошибки при изучении какой-либо дисциплины с помощью ЭВМ и подсказывают  правильные  решения.  Они накапливают знания  об "ученике" и его характерных ошибках, способны выявить слабости в знаниях обучаемых  и  находить соответствующие средства для их ликвидации. Кроме того,  они планируют акт общения с учеником  в  зависимости от успехов ученика с целью передачи знаний.

В общем случае все системы, основанные на знаниях, можно подразделить на системы,  решающие задачи анализа и синтеза. Задача анализа - это интерпретация данных,  диагностика;  к задачам  синтеза относятся проектирование,  планирование.  Комбинированные  задачи: обучение, мониторинг, прогнозирование.

Классификация ЭС по связи с реальным временем.

Статические ЭС разрабатываются в предметных областях, в которых база  знаний и интерпретируемые данные не меняются во времени. Они стабильны.

Квазидинамические ЭС  интерпретируют ситуацию,  которая меняется с некоторым фиксированным интервалом времени.

Динамические ЭС  работают в сопряжении с датчиками объектов  и процессов в режиме реального времени с непрерывной интерпретацией  поступаемых данных.

Классификация по степени интеграции с другими программами.

Автономные ЭС работают непосредственно в режиме  консультаций с пользователем  для специфически "экспертных" задач,  при решении которых не требуется привлекать традиционные методы обработки данных (расчеты, моделирование и т.п.).

Гибридные ЭС представляют программный комплекс,  агрегирующий стандартные пакеты  прикладных программ (например,  математическую статистику, СУБД и др.) и средства манипулирования знаниями.

Несмотря на  внешнюю  привлекательность гибридного подхода разработка таких систем представляет собой  задачу,  на  порядок  более сложную и дорогую, чем  разработка автономной ЭС.

Инструментальные средства построения экспертных систем.

Традиционные языки программирования слабо подходят для работы с символьными и логическими данными, требуют большой работы квалифицированных программистов.

Языки искусственного  интеллекта - прежде всего Лисп (LISP) и Пролог (Prolog).  Универсальность этих языков меньшая, чем традиционных  языков. Это компенсируется большими возможностями по работе с символьными и  логическими  данными,  что крайне важно для задач искусственного интеллекта.

Специальный программный инструментарий общего назначения -  это библиотеки или надстройки над языком  искусственного интеллекта.

"Оболочки" (shells) - "пустые" версии существующих экспертных систем, т.е. готовые экспертные системы без базы знаний. Достоинство оболочек в том,  что они вообще  не  требуют  программистов  для создания готовой экспертной системы.  Требуется только специалист(ы) в предметной области для заполнения базы знаний. Однако, если  некоторая  предметная область плохо укладывается в модель, используемую в оболочке, заполнить базу знаний в этом случае весьма непросто.

Конец формы