Экспертные системы: структура и определения

Классификация по степени  интеграции с другими программами

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

Гибридные ЭС представляют программный комплекс, агрегирующий стандартные пакеты прикладных программ (например, математическую статистику, линейное программирование или системы управления базами данных) и средства манипулирования знаниями. Это может быть интеллектуальная надстройка над ППП или интегрированная среда для решения сложной задачи с элементами экспертных знаний.

Несмотря на внешнюю привлекательность  гибридного подхода, следует отметить, что разработка таких систем являет собой задачу, на порядок более  сложную, чем разработка автономной ЭС. Стыковка не просто разных пакетов, а разных методологий (что происходит в гибридных системах) порождает целый комплекс теоретических и практических трудностей.

ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА ПОСТРОЕНИЯ ЭКСПЕРТНЫХ СИСТЕМ

Традиционные языки  программирования

Языки искусственного интеллекта

Это прежде всего Лисп (LISP) и Пролог (Prolog) [8] - наиболее распространенные языки, предназначенные для решения задач искусственного интеллекта. Есть и менее распространенные языки искусственного интеллекта, например РЕФАЛ, разработанный в России. Универсальность этих языков меньшая, нежели традиционных языков, но ее потерю языки искусственного интеллекта компенсируют богатыми возможностями по работе с символьными и логическими данными, что крайне важно для задач искусственного интеллекта. На основе языков искусственного интеллекта создаются специализированные компьютеры (например, Лисп-машины), предназначенные для решения задач искусственного интеллекта. Недостаток этих языков - неприменимость для создания гибридных экспертных систем.

Специальный программный  инструментарий

В эту группу программных  средств искусственного интеллекта входят специальные инструментарии общего назначения. Как правило, это библиотеки и надстройки над языком искусственного интеллекта Лисп: KEE (Knowledge Engineering Environment), FRL (Frame Representation Language), KRL (Knowledge Represantation Language), ARTS и др. [1,4,7,8,10], позволяющие пользователям работать с заготовками экспертных систем на более высоком уровне, нежели это возможно в обычных языках искусственного интеллекта.

"Оболочки"

Под "оболочками: (shells) понимают "пустые" версии существующих экспертных систем, т.е. готовые экспертные системы без базы знаний. Примером такой оболочки может служить EMYCIN (Empty MYCIN - пустой MYC1N) [8], которая представляет собой незаполненную экспертную систему MYCIN. Достоинство оболочек в том, что они вообще не требуют работы программистов для создания готовой экспертной системы. Требуется только специалисты в предметной области для заполнения базы знаний. Однако если некоторая предметная область плохо укладывается в модель, используемую в некоторой оболочке, заполнить базу знаний в этом случае весьма не просто.

Определения и классификация

Одним из наиболее значительных достижений искусственного интеллекта стала разработка мощных компьютерных систем, получивших название «экспертных» или основанных на «знаниях» систем. В современном обществе при решении задач управления сложными многопараметрическими и сильносвязанными системами, объектами, производственными и технологическими процессами приходится сталкиваться с решением неформализуемых либо трудноформализуемых задач. Такие задачи часто возникают в следующих областях: авиация, космос и оборона, нефтеперерабатывающая промышленность и транспортировка нефтепродуктов, химия, энергетика, металлургия, целлюлозно-бумажная промышленность, телекоммуникации и связь, пищевая промышленность, машиностроение, производство цемента, бетона и т.п. транспорт, медицина и фармацевтическое производство, административное управление, прогнозирование и мониторинг. Наиболее значительными достижениями в этой области стало создание систем, которые ставят диагноз заболевания, предсказывают месторождения полезных ископаемых, помогают в проектировании электронных устройств, машин и механизмов, решают задачи управления реакторами и другие задачи. Примеры экспертных систем в различных предметных областях приводятся в конце лекции.

Под экспертной системой (ЭС) будем понимать программу, которая использует знания специалистов (экспертов) о некоторой конкретной узко специализированной предметной области и в пределах этой области способна принимать решения на уровне эксперта-профессионала.

Осознание полезности систем, которые могут копировать дорогостоящие  или редко встречающиеся человеческие знания, привело к широкому внедрению и расцвету этой технологии в 80-е, 90-е годы прошлого века. Основу успеха ЭС составили два важных свойства, отмечаемые рядом исследователей:

• в ЭС знания отделены от данных, и мощность экспертной системы обусловлена в первую очередь мощностью базы знаний и только во вторую очередь используемыми методами решения задач;
• решаемые ЭС задачи являются неформализованными или слабоформализованными и используют эвристические, экспериментальные, субъективные знания экспертов в определенной предметной области.

Основными категориями  решаемых ЭС задач являются: диагностика, управление (в том числе технологическими процессами), интерпретация, прогнозирование, проектирование, отладка и ремонт, планирование, наблюдение (мониторинг), обучение.

Обобщенная схема ЭС приведена на рис. 6.1. Основу ЭС составляет подсистема логического вывода, которая использует информацию из базы знаний (БЗ), генерирует рекомендации по решению искомой задачи. Чаще всего для представления знаний в ЭС используются системы продукций и семантические сети. Допустим, БЗ состоит из фактов и правил (если <посылка> то <заключение>). Если ЭС определяет, что посылка верна, то правило признается подходящим для данной консультации и оно запускается в действие. Запуск правила означает принятие заключения данного правила в качестве составной части процесса консультации.

Обязательными частями  любой ЭС являются также модуль приобретения знаний и модуль отображения и объяснения решений. В большинстве случаев, реальные ЭС в промышленной эксплуатации работают также на основе баз данных (БД). Только одновременная работа со знаниями и большими объемами информации из БД позволяет ЭС получить неординарные результаты, например, поставить сложный диагноз (медицинский или технический), открыть месторождение полезных ископаемых, управлять ядерным реактором в реальном времени.

 
Рис. 6.1.  Структура экспертной системы

Важную роль при создании ЭС играют инструментальные средства. Среди инструментальных средств для создания ЭС наиболее популярны такие языки программирования, как LISP и PROLOG, а также экспертные системы-оболочки (ЭСО): KEE, CENTAUR, G2 и GDA, CLIPS, АТ_ТЕХНОЛОГИЯ, предоставляющие в распоряжение разработчика - инженера по знаниям широкий набор для комбинирования систем представления знаний, языков программирования, объектов и процедур.

Рассмотрим различные  способы классификации ЭС.

По назначению ЭС делятся на:

• ЭС общего назначения.
• Специализированные ЭС:
1. проблемно-ориентированные для задач диагностики, проектирования, прогнозирования
2. предметно-ориентированные для специфических задач, например, контроля ситуаций на атомных электростанциях.

По степени зависимости  от внешней среды выделяют:

• Статические ЭС, не зависящие от внешней среды.
• Динамические, учитывающие динамику внешней среды и предназначенные для решения задач в реальном времени. Время реакции в таких системах может задаваться в миллисекундах, и эти системы реализуются, как правило, на языке С++.

По типу использования  различают:

• Изолированные ЭС.
• ЭС на входе/выходе других систем.
• Гибридные ЭС или, иначе говоря, ЭС интегрированные с базами данных и другими программными продуктами (приложениями).

По сложности решаемых задач различают:

• Простые ЭС - до 1000 простых правил.
• Средние ЭС - от 1000 до 10000 структурированных правил.
• Сложные ЭС - более 10000 структурированных правил.

По стадии создания выделяют:

• Исследовательский образец ЭС, разработанный за 1-2 месяца с минимальной БЗ.
• Демонстрационный образец ЭС, разработанный за 2-4 месяца, например, на языке типа LISP, PROLOG, CLIPS
• Промышленный образец ЭС, разработанный за 4-8 месяцев, например, на языке типа CLIPS с полной БЗ.
• Коммерческий образец ЭС, разработанный за 1,5-2 года, например, на языке типа С++, Java с полной БЗ.

 

Определение экспертных систем

Экспертная система (ЭС) - это СИИ, использующая знания для  обеспечения высокоэффективного решения задач в узкой профессиональной области. Экспертные знания в ЭС выделены в обособленную базу знаний и получены от эксперта - человека, который за годы обучения и практики научился чрезвычайно эффективно решать задачи, относящиеся к такой области. Инструментальными средствами построения ЭС служат язык программирования и поддерживающий пакет программ, используемые при создании ЭС.

ЭС представляют собой  реальное практическое приложение искусственного интеллекта, что подчеркнуто еще одним определением [1, с. 365]: ЭС - это основанная на знаниях определенной комплексной предметной области информационная система, выполняющая роль эксперта-консультанта для конечных пользователей. Ресурсными компонентами ЭС являются аппаратные, программные и людские ресурсы.

Аппаратные ресурсы  состоят из автономных микрокомпьютерных  систем, а также микрокомпьютерных рабочих станций и терминалов, подсоединенных к миникомпьютерам или большим ЭВМ при помощи телекоммуникационной сети. Сложные ЭС иногда разрабатываются на мощных компьютерах специального назначения, непосредственно спроектированных для передовых программных пакетов разработки экспертных систем или языков программирования ЛИСП или ПРОЛОГ.

Программные ресурсы  — это механизм вывода, а также  другие программы для работы со знаниями и для связи с конечными  пользователями. Программы получения  знаний не являются частью экспертной системы, а являются программными средствами только для разработки базы знаний. Удобными средствами разработки ЭС являются программы-оболочки экспертных систем без ее ядра (основного содержания), т. е. без ее баз знаний и фактов. Общепризнано также, что конечным пользователям и экспертам большие практические возможности создания ЭС предоставляют средства электронных таблиц (EXCEL, LOTUS 1-2-3 и др.) [6, стр. 33]. Электронные таблицы называют также ограниченными генераторами поддержки принятия решений, поскольку они предоставляют пользователю несколько основных аналитических инструментов ("что-если", корреляционно-регрессионный и некоторые другие виды статистического анализа, оптимизацию, построение и анализ трендов). Программный пакет SPSS относят к развитым генератором поддержки принятия решений, т. к. он имеет полный набор методов статистического анализа [1, стр. 336-337].

Людские ресурсы. Когда  создается крупная ЭС, то база знаний и процесс экспертизы обычно проектируются инженером по знаниям из фактов и правил, предоставляемых экспертом. ЭС дает рекомендации конечному пользователю. Эксперты и конечные пользователи могут быть и сами себе инженерами по знаниям, если умеют использовать программные оболочки ЭС или интеллектуальные возможности электронных таблиц.

По сферам использования  ЭС их можно разделить на производственные и управленческие. Производственные ЭС дают экспертное заключение по управлению производственными процессами, управленческие — помогают менеджерам принимать решения.

Искусственная экспертиза постоянна, непротиворечива, легко  передается, документируется и уточняется. Она связывает компьютеры с богатством человеческого опыта и повышает ценность человеческих знаний, делая их широко применяемыми.

Д.Уотермен [7] дает такое  сравнение человеческой и искусственной  компетентности:

Человеческая компетентность	Искусственная компетентность
Непрочная	Постоянная
Трудно передаваемая	Легко передаваемая
Трудно документируемая	Легко документируемая
Непредсказуемая	Устойчивая
Дорогая	Приемлемая по затратам

 

Недостатки искусственной

Творческая	Запрограммированная
Приспосабливающаяся	Нуждается в подсказке
Использует чувственное  восприятие	Использует символьный ввод
Широкая по охвату	Узконаправленная
Использует общедоступные  знания (здравый смысл)	Использует специализированные знания

 

 

Свойства экспертных систем

К экспертным системам предъявляются  особые требования. В отличие от обычных программ ЭС должна обладать набором следующих свойств: компетентность, символьное рассуждение, глубина, самосознание.

Компетентность означает, что ЭС должна достигать экспертного уровня решений - быть умелой, т. е. рассуждать, исходя из фундаментальных принципов для нахождения правильного решения даже в случае некоторых некорректных данных. Последнее свойство называют также робастностью, т. е. правильное логическое заключение может быть получено на основе знания фундаментальных принципов при нехватке или некорректности некоторых фактов.

Символьные рассуждения. Это требование означает, что эксперты обходятся без решения систем уравнений или сложных математических формулировок, используя знания, выраженные обычными символами строк (например, "платежеспособность", "финансовая устойчивость", "рентабельность"). Результат экспертизы всегда выражен обычными предложениями в терминологии профессиональной области знания. Если компьютер имеет современные средства мультимедиа, то эти предложения могут быть даже озвучены (проговорены) компьютером. Символьные строки объединяют в символьные структуры (блоки) по их логическим взаимосвязям, что позволяет переформулировать задачу, если это необходимо.