Обзор экспертных систем

Оглавление

 

 

Введение

Одним из наиболее значительных достижений искусственного интеллекта стала разработка мощных компьютерных систем, получивших название «экспертных» или основанных на «знаниях» систем.

Экспертная система (ЭС) - это набор программ, выполняющий функции эксперта при решении задач из некоторой предметной области. ЭС выдают советы, проводят анализ, дают консультации, ставят диагноз. Практическое применение ЭС на предприятиях способствует эффективности работы и повышению квалификации специалистов.[4]

Предметом исследования курсовой работы является область информационных технологий, а объектом экспертная система в этой области.

Целью курсовой работы является изучение экспертной системы и её назначение.

Для реализации данной цели необходимо выполнить следующие задачи:

• рассмотреть понятие, назначения и характеристики ЭС;
• рассмотреть историю развития экспертных систем;
• изучить классификацию и области применения экспертных систем;
• изучить структуру и этапы разработки экспертных систем.  

Актуальностью данной курсовой работы является возможность применения экспертных систем к решению задач из самых различных областей человеческой деятельности.

Практическая значимость экспертных систем заключается в том, что они позволяют  повысить качество и сохранить время принятия решений, а также способствуют росту эффективности работы и повышению квалификации специалистов.

Для реализации цели и задачи курсовой работы используются такие методы исследования, как:

- изучение и анализ научной литературы;

- изучение и обобщение отечественной и зарубежной практики;

-  сравнение, анализ и т.д.

В современном обществе при решении задач управления сложными многопараметрическими и сильно связанными 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.

Под экспертной системой (ЭС) понимается программа, 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.

 

 

 

1 Экспертные системы, их  особенности и области применения

1.1 Характеристика и назначение экспертных систем

Экспертная система – информационная технология, основанная на использовании искусственного интеллекта.

Искусственный интеллект – это компьютерная система, являющаяся искусственным подобием человеческого разума, предназначенная для решения сложных задач и моделирования мыслительных способностей человека.

Экспертные системы (ЭС) – это сложные программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и тиражирующие этот эмпирический опыт для консультирования менее квалифицированных пользователей.

Знания могут быть классифицированы по следующим категориям:

– поверхностные – знания о видимых взаимосвязях между отдельными событиями и фактами в предметной области;

– глубинные – абстракции, аналогии, схемы, отображающие структуру и процессы в предметной области.

Современные экспертные системы работают, в основном, с поверхностными знаниями. Это связано с тем, что на данный момент нет адекватных моделей, позволяющих работать с глубинными знаниями.

Кроме того, знания можно разделить на процедурные и декларативные. Исторически первичными были процедурные знания, т.е. знания, «растворенные» в алгоритмах. Они управляли данными. Для их изменения требовалось изменять программы. Однако с развитием искусственного интеллекта приоритет данных постепенно менялся, и все большая часть знаний сосредоточивалась в структурах данных (таблицы, списки, абстрактные типы данных), т.е. увеличивалась роль декларативных знаний.

Сегодня знания приобрели чисто декларативную форму, т.е. знаниями считаются предложения, записанные на языках представления знаний, приближенных к естественному и понятных неспециалистам.

Существуют десятки моделей (или языков) представления знаний для различных предметных областей. Большинство из них может быть сведено к следующим классам:

– продукционные;

– семантические сети;

– фреймы.

Продукционная модель, или модель, основанная на правилах, позволяет представить знания в виде предложений типа: «Если (условие), то (действие)».

Семантическая сеть – это ориентированный граф, вершины           которого – понятия, а дуги – отношения между ними.

Под фреймом понимается абстрактный образ или ситуация. Фреймом называется также и формализованная модель для отображения образа.

Основным преимуществом фреймов как модели представления знаний является способность отражать концептуальную основу организации памяти человека, а также ее гибкость и наглядность.[7]

Экспертная система – это интеллектуальная программа, способная делать логические выводы на основании знаний в конкретной предметной области и обеспечивающая решение специфических задач. К экспертным системам предъявляются следующие требования:

1. Использование знаний, связанных с конкретной предметной областью;
2. Приобретение знаний от эксперта;
3. Определение реальной и достаточно сложной задачи;
4. Наделение системы способностями эксперта.

1.2 Структура экспертной системы

Структура экспертной системы представлена следующими структурными элементами (см. рис.1):

1. База знаний –  механизм представления знаний в конкретной предметной области и управления ими;
2. Механизм логических выводов – делает логические выводы на основании знаний, имеющихся в базе знаний;
3. Пользовательский интерфейс – используется для правильной передачи ответов пользователю;
4. Модуль приобретения знаний – служит для получения знаний от эксперта, поддержки базы знаний и дополнения ее при необходимости;
5. Модуль советов и объяснений – механизм, способный не только давать заключение, но и представлять различные комментарии, прилагаемые к этому заключению, и объяснять его мотивы. В противном случае пользователю будет трудно понять заключение. Такое понимание  необходимо, если заключение используется для консультации или оказании помощи при решении каких-либо вопросов. [16]

 

 

 

 

 

 

 

 

 

 

 

1.3 История развития экспертных систем

Наиболее  известные ЭС, разработанные в 60-70-х годах, стали в своих областях уже классическими. По происхождению, предметным областям и по преемственности применяемых идей, методов и инструментальных программных средств их можно разделить на несколько семейств.

1. META-DENDRAL.Система DENDRAL позволяет определить наиболее вероятную структуру химического соединения по экспериментальным данным (масс- спектрографии, данным ядерном магнитного резонанса и др.).M-D автоматизирует процесс приобретения знаний для DENDRAL. Она генерирует правила построения фрагментов химических структур.

2. MYCIN-EMYCIN-TEIREIAS-PUFF-NEOMYCIN. Это семейство медицинских ЭС и сервисных программных средств для их построения.

3. PROSPECTOR-KAS. PROSPECTOR- предназначена для поиска (предсказания) месторождений на основе геологических анализов. KAS- система приобретения знаний для  PROSPECTOR.

4. CASNET-EXPERT.  Система CASNET- медицинская ЭС для диагностики выдачи рекомендаций по лечению глазных заболеваний. На ее основе разработан язык инженерии знаний EXPERT, с помощью которой создан ряд других медицинских диагностических систем.

5. HEARSAY-HEARSAY-2-HEARSAY-3-AGE. Первые две системы этого ряда являются развитием интеллектуальной системы распознавания слитной человеческой речи, слова которой берутся из заданного словаря. Эти системы отличаются оригинальной структурой, основанной на использовании доски объявлений- глобальной базы данных, содержащей текущие результаты работы системы. В дальнейшем на основе этих систем были созданы инструментальные системы HEARSAY-3 и AGE (Attempt to Generalize- попытка общения) для построения ЭС.

6. Системы AM (Artifical Mathematician- искусственный  математик) и EURISCO были разработаны в Станфордском университете доктором Д. Ленатом для исследовательских и учебных целей. Ленат считает, что эффективность любой ЭС определяется закладываемыми в нее знаниями. По его мнению, чтобы система была способна к обучению, в нее должно быть введено около миллиона сведений общего характера. Ленат также считает, что путь создания узкоспециализированных ЭС с уменьшенным объемом знаний ведет к тупику.

При разработке системы EURISCO была предпринята попытка преодолеть указанные недостатки системы AM. Как и в начале эксплуатации AM, первые результаты, полученные с помощью EURISCO, были эффективными. Сообщалось, что система EURISCO может успешно участвовать в очень сложных играх. С ее помощью в военно-стратегической игре, проводимой ВМФ США, была разработана стратегия, содержащая ряд оригинальных тактических ходов.

С 1990 года доктор Ленат во главе исследовательской группы занят кодированием и вводом нескольких сот тысяч элементов знаний, необходимых, по его мнению, для создания «интеллектуальной» системы. Этот проект назван Cyc («Цик», от английского слова enciklopaedia).

1.4 Классификация экспертных систем

Класс «экспертные системы» сегодня объединяет несколько тысяч различных программных комплексов, которые можно классифицировать по различным критериям. Полезными могут оказаться следующие классификации: по решаемой задаче; по связи с реальным временем; по типу ЭВМ; по степени интеграции с другими программами. В приложение приведена схема классификации экспертных систем.[20]

Классификация по решаемой задаче. Под интерпретацией данных понимается определение смысла данных, результаты которого должны быть согласованными и корректными. Обычно предусматривается многовариантный анализ данных. Под диагностикой понимается обнаружение неисправности в некоторой системе. Важной спецификой является необходимость понимания функциональной структуры («анатомии») диагностирующей системы. Основная задача мониторинга – непрерывная интерпретация данных в реальном масштабе времени и сигнализация о выходе тех или иных параметров за допустимые пределы. Проектирование состоит в подготовке спецификаций на создание «объектов» с заранее определенными свойствами. Под спецификацией понимается весь набор необходимых документов – чертеж, пояснительная записка и т.д. Прогнозирующие системы логически выводят вероятные следствия из заданных ситуаций. В прогнозирующей системе обычно используется параметрическая динамическая модель, в которой значения параметров «подгоняются под заданную ситуацию. Выводимые из этой модели следствия составляют основу для прогнозов с вероятностными оценками. Под планированием понимается нахождение планов действий, относящихся к объектам, способным выполнять некоторые функции. В таких экспертных системах используются модели поведения реальных объектов с тем, чтобы логически вывести последствия планируемой деятельности. Системы обучения диагностируют ошибки при изучении какой-либо дисциплины с помощью ЭВМ и подсказывают правильные решения.

В общем случае все системы, основанные на знаниях, можно подразделить на системы, решающие задачи анализа, и на системы, решающие задачи синтеза. Основное отличие задач анализа от задач синтеза заключается в следующем: если в задачах анализа множество решений может быть перечислено и включено в систему, то в задачу синтеза множество решений потенциально строится из решений компонентов или подпроблем.

Классификация по связи с реальным временем подразделяются на: статические ЭС, квазидинамические ЭС, динамические ЭС. 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 в режиме реального времени с непрерывной интерпретацией поступаемых данных.

Классификация по типу ЭВМ на сегодняшний день существуют следующие: ЭС для уникальных стратегичеки важных задач на супер ЭВМ (Эльбрус, CRAY, CONVEX и другие); ЭС на ЭВМ средней производительности (типа EC ЭВМ, mainframe); ЭС на символьных процессорах и рабочих станциях (SUN, APOLLO); ЭС на мини- и супермини- ЭВМ (VAX, micro- VAX и другие); ЭС на персональных компьютерах (IBM PC, MAC II и подобные.