Экспертные системы - характеристика, назначение, основные компоненты, классификация

    После принятия  этих необходимых мер алгоритм  упорядоченного поиска может  быть представлен  такой последовательностью  шагов: 

1) Поместить начальную  вершину s в список, называемый  ОТКРЫТ, и вычислить f(s).

2) Если список  ОТКРЫТ пуст, то на выход дается сигнал о неудаче; в противном случае переходи к следующему этапу.

3) Взять из списка  ОТКРЫТ ту вершину, для которой  f имеет наименьшее значение, и  поместить ее в список ЗАКРЫТ. Дать этой вершине название n. (В случае совпадения значений выбирать вершину с минимальными f произвольно, но всегда отдавая предпочтение целевой вершине.)

4) Если n есть целевая  вершина, то на выход выдать  решающий путь, получаемый прослеживанием  соответствующих указателей; в противном  случае переходить к следующему шагу.   

5) Раскрыть вершину  n, построив все непосредственно  следующие за ней вершины. (Если  таковых нет переходить к шагу (2).) Для такой дочерней вершины  n_i вычислить значение f(n_i).

6) Связать с теми  из вершин n_i , которых еще нет в списках ОТКРЫТ или ЗАКРЫТ, только что прочитанные значения f(n_i). Поместить эти вершины в список ОТКРЫТ и провести от них к вершине n указатели.

7) Связать с теми  из непосредственно следующих  за n вершинами. которые уже были  в списке  ОТКРЫТ или ЗАКРЫТ, меньшие из прежних или только что вычисленных значений f. Поместить в список ОТКРЫТ  те из непосредственно следующих за n вершин, для которых новое значение f оказалось ниже, и изменить направление указателей от всех вершин, для которых значение f уменьшилось, направив их к n..

8) Перейти к (2).

    Общая структура  алгоритма идентична структуре  алгоритма равных цен, поэтому я не привожу для него блок-схему. Отмечу, что множество вершин и указателей, порождаемых этим алгоритмом, образует дерево (дерево перебора), причем на концах этого дерева расположены вершины из списка ОТКРЫТ.

 

 

2.5.  Использование других эвристик.

2.5.1.  Перебор этапами.

 

  Использование эвристической  информации может существенно уменьшить объем перебора, необходимого для поиска приемлемого пути. Следовательно, ее использование, позволяет осуществлять перебор на гораздо больших графах. и тем не менее могут возникнуть случаи, когда имеющаяся в нашем распоряжении память оказывается исчерпанной раньше, чем будет найден удовлетворительный путь. В этих случаях может быть полезным не отказываться полностью от продолжения перебора, а “отсечь” часть ветвей дерева, построенного к этому моменту в процессе перебора, освободив тем самым пространство памяти, необходимое для углубления перебора.¹⁸

    Такой процесс  перебора может осуществляться  этапами, которые отделяются друг  от друга операциями отсечения  дерева, необходимыми для освобождения  памяти. В конце каждого этапа  удерживается некоторое подмножество открытых вершин, например вершины с наименьшими значениями f. Наилучшие пути к этим вершинам запоминаются, а остальная часть дерева отбрасывается. Затем начинается перебор снова, уже от этих “лучших” открытых вершин. Этот процесс продолжается до тех пор, пока либо будет найдена целевая вершина, либо будут исчерпаны все ресурсы. Хотя весь процесс заканчивается построением некоторого пути, тем не менее у нас нет теперь гарантии, что этот путь будет оптимальным.

  

 

 

 

2.5.2. Ограничение числа дочерних вершин.

 

  Другой путь уменьшения  перебора, состоит в том, чтобы  использовать более информированный  оператор Г, который не порождал  бы слишком много ненужных вершин, а порождал бы лишь вершины, расположенные на оптимальном пути, снимая тем самым полностью необходимость перебора.

    Один из  приемов, который может позволить  снизить требуемый объем перебора, состоит в том, чтобы сразу  же после раскрытия вершины отбросить почти все дочерние вершины, оставив лишь небольшое их число с наименьшими значениями функции f. Конечно, отброшенные вершины могут оказаться расположенными на наилучших (и даже только на наилучших) путях, так что только эксперимент может определить пригодность такого метода отсечения ветвей графа для конкретных задач.

   

 

2.5.3. Поочередное построение дочерних вершин.

  

  Когда вершины,  непосредственно следующие за  некоторой, вычисляются с помощью  операторов в пространстве состояний, то очевидно, что эти последующие вершины могут строиться по отдельности и независимо друг от друга. Кроме того, существуют случаи, когда применение всех применимых операторов было бы очень расточительно в смысле вычислительных затрат. Как указывалось выше, более информированный оператор Г выделял бы несколько наиболее перспективных операторов и строил бы только те последующие вершины, которые возникают в результате их применения. Более гибкий подход состоит в том, чтобы сначала допускать применение самого перспективного оператора (что приведет к одно из последующей вершине), оставляя в дальнейшем возможность в процессе перебора построить и другие вершины, непосредственно следующие за данной. Для того, чтобы воспользоваться этой идеей вместе с оценочными функциями для упорядочения вершин, в алгоритм упорядоченного перебора следует внести соответствующие изменения.                                                                                                                                                                                                                                                    

ЗАКЛЮЧЕНИЕ

 

Второй закон робототехники  гласит: «Робот должен повиноваться всем приказам, которые отдает человек, кроме  тех случаев, когда эти приказы противоречат  Первому закону»

(А.Азимов)

 

    Основными   отличиями ЭС от  других программных   продуктов являются использование  не только данных, но и знаний, а также специального механизма вывода решений и новых знаний на основе имеющихся. Знания в ЭС представляются в такой форме, которая может быть легко обработана на ЭВМ. В ЭС известен алгоритм обработки знаний, а не алгоритм решения задачи. Поэтому применение алгоритма обработки знаний может привести к получению такого результата при решении конкретной задачи, который не был предусмотрен. Более того, алгоритм обработки знаний заранее неизвестен и строится по ходу решения задачи на основании эвристических правил. Решение задачи в ЭС  сопровождается понятными пользователю  объяснениями, качество получаемых решений обычно не хуже, а иногда и лучше достигаемого специалистами. В системах, основанных на знаниях, правила (или эвристики), по которым решаются проблемы в конкретной предметной  области, хранятся в базе знаний. Проблемы ставятся перед системой в виде совокупности фактов, описывающих некоторую ситуацию, и система с помощью базы знаний пытается вывести заключение из этих фактов.

    Качество ЭС  определяется размером и качеством  базы  знаний (правил или эвристик). Система функционирует в следующем циклическом режиме: выбор (запрос) данных или результатов анализов, наблюдения, интерпретация результатов, усвоение новой информации, выдвижении с помощью правил временных гипотез и затем выбор следующей порции данных или результатов анализов. Такой процесс продолжается до тех пор, пока не поступит информация, достаточная для окончательного заключения.                                                                

    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 (Приложение 7). 

Однако, несмотря на широкие  возможности, даже лучшие из существующих ЭС, которые эффективно функционируют как на больших, так и на мини-ЭВМ, имеют определенные ограничения по сравнению с человеком-экспертом.

1. Большинство ЭС не  вполне пригодны для применения  конечным пользователем. Если  вы не имеете некоторого опыта  работы с такими системами, то у вас могут возникнуть серьезные трудности. Многие системы оказываются доступными только тем экспертам, которые создавали из базы знаний.

2. Вопросно-ответный режим,  обычно принятый в таких системах, замедляет получение решений.  Например, без системы MYCIN врач может (а часто и должен) принять решение значительно быстрее, чем с ее помощью.

3. Навыки системы не  возрастают после сеанса экспертизы.

4. Все еще остается  проблемой приведение знаний, полученных  от эксперта, к виду, обеспечивающему  их эффективную машинную реализацию.

5.  ЭС не способны обучаться, не обладают здравым смыслом. Домашние кошки способны обучаться даже без специальной дрессировки, ребенок в состоянии легко уяснить, что он станет мокрым, если опрокинет на себя стакан с водой, однако если начать выливать кофе на клавиатуру компьютера, у него не хватит “ума” отодвинуть ее.

6. ЭС неприменимы в  больших предметных областях. Их  использование ограничивается предметными  областями, в которых эксперт  может принять решение за время  от нескольких минут до нескольких часов.

7. В тех областях, где  отсутствуют эксперты (например, в  астрологии), применение ЭС оказывается  невозможным. 

8. Имеет смысл привлекать  ЭС только для решения когнитивных  задач. Теннис, езда на велосипеде  не могут являться предметной областью для ЭС, однако такие системы можно использовать при формировании футбольных команд.

9. Человек-эксперт при  решении задач обычно обращается  к своей интуиции или здравому  смыслу, если отсутствуют формальные  методы решения или аналоги  таких задач.

    Системы, основанные  на знаниях, оказываются неэффективными  при необходимости проведения  скрупулезного анализа, когда  число “решений” зависит от  тысяч различных возможностей  и многих переменных, которые  изменяются во времени. В таких  случаях лучше использовать базы данных с интерфейсом на естественном языке.

  И с другой стороны, системы, основанные на знаниях, имеют определенные преимущества перед человеком-экспертом.

1. У них нет предубеждений.

2. Они не делают  поспешных выводов.

3. Эти системы работают систематизировано, рассматривая все детали, часто выбирая наилучшую альтернативу из всех возможных.

4. База знаний может  быть очень и очень большой.  Будучи введены в машину один  раз, знания сохраняются навсегда. Человек же имеет ограниченную базу знаний, и если данные долгое время не используются, то они забываются и навсегда теряются.

5. Системы, основанные на знаниях, устойчивы к “помехам”. Эксперт пользуется побочными знаниями и легко поддается влиянию внешних факторов, которые непосредственно не связаны с решаемой задачей. ЭС, не обремененные знаниями из других областей, по своей природе менее подвержены “шумам”. Со временем системы, основанные на знаниях, могут рассматриваться пользователями как разновидность тиражирования - новый способ записи и распространения знаний. Подобно другим видам компьютерных программ они не могут заменить человека в решении задач, а скорее напоминают орудия труда, которые дают ему возможность решат задачи быстрее и эффективнее.

6. Эти системы не  заменяют специалиста, а являются инструментом в его руках.

 

  

Глоссарий

 

Вычислительная  система	Совокупность  аппаратных и программных средств  ЭВМ, взаимодействующих в процессе решения задач обработки информации
Мэйнфрэйм	Универсальная ЭВМ большой мощности, обычно используемая одновременно несколькими пользователями, работающими на терминалах, подключаемых к ней
Экспертная система	это набор программ, выполняющий  функции эксперта при решении  задач из некоторой предметной области
Искусственный интеллект	совокупность научных дисциплин, изучающих методы решения задач интеллектуального (творческого) характера с использованием ЭВМ.
Формализованные знания	Знания, которые формируются в книгах и руководствах в виде общих и строгих суждений (законов, формул, моделей, алгоритмов и т.п.), отражающих универсальные знания.
Неформализованные знания	Знания этого  рода являются результатом обобщения многолетнего опыта работы и интуиции специалистов. Они обычно представляют многообразие эмпирических (эвристических) приемов и правил.
MYCIN	Диагностическая система, которая предназначена для диагностики  и наблюдения за состоянием больного при менингите и бактериальных  инфекциях.
PROSPECTOR	наиболее известная  система интерпретирующего типа, объединяет знания девяти экспертов
knowledge engineers	инженеры знаний
knowledge engineering	инженерия знаний
Консультация ЭС	диалоговый сеанс работы с ЭС, в процессе которой она  решает некоторую экспертную задачу
Эвристические знания	неформальные правила  рассуждения, вырабатываемые экспертом на основе опыта его деятельности.
Подсистема вывода	программная компонента экспертных систем, реализующая процесс  ее рассуждений на основе базы знаний и рабочего множества.
Управляющий компонент	определяет порядок  применения правил, а также устанавливает, имеются ли еще факты, которые могут быть изменены в случае продолжения консультации.
Демоны	скрытые или виртуальные  процедуры.
Недетерминированные управляющие процедуры	такие управляющие процедуры  при которых траектория поиска решения  в пространстве состояний полностью определяется данными.
Пространство состояний	граф, вершины которого соответствуют ситуациям, встречающимся  в задаче (“проблемные ситуации”), а решение задачи сводится к поиску пути в этом графе.
Направленный граф	Граф, состоящий из множества (не обязательно конечного)  вершин. Некоторые пары вершин соединены с помощью дуг, и эти дуги направлены от одного члена этой пары к другому
Процедуры слепого перебора	Процесс полного перебора в глубину, когда сначала раскрывается всегда та вершина, которая была построена самой последней.
Дерево	граф, каждая вершина  которого имеет ровно одну непосредственно  предшествующую ей (родительскую) вершину, за исключением выделенной вершины
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