Экспертные системы - характеристика, назначение, основные компоненты, классификация

  д) Контроль и управление.

    Системы, основанные на знаниях, могут применятся в качестве интеллектуальных систем контроля и принимать решения, анализируя данные, поступающие от нескольких  источников. Такие системы уже работают на атомных электростанциях, управляют воздушным движением и осуществляют медицинский контроль. Они могут быть также полезны при регулировании финансовой  деятельности предприятия и оказывать помощь при выработке решений в критических ситуациях.

  е) Диагностика неисправностей в механических и электрических устройствах.

    В этой сфере  системы, основанные на знаниях, незаменимы как при ремонте механических и электрических машин (автомобилей, дизельных локомотивов и т.д.), так и при устранении неисправностей и ошибок в аппаратном и программном обеспечении  компьютеров.

  ж) Обучение.   

   Системы, основанные на знаниях, могут входить составной частью в компьютерные системы обучения. Система получает информацию о деятельности некоторого объекта (например, студента) и анализирует его поведение. База знаний изменяется в соответствии с поведением объекта. Примером этого обучения может служить компьютерная игра, сложность которой увеличивается по мере возрастания степени квалификации играющего. Одной из наиболее интересных обучающих ЭС является разработанная Д.Ленатом система EURISCO, которая использует простые эвристики. Эта система была опробована в игре Т.Тревевеллера, имитирующая боевые действия. Суть игры состоит в том, чтобы определить состав флотилии, способной нанести поражение в условиях неизменяемого множества правил. Система EURISCO включила в состав флотилии небольшие, способные провести быструю атаку корабли  и одно очень маленькое скоростное судно и постоянно выигрывала в течение трех лет, несмотря на то, что в стремлении воспрепятствовать  этому правила игры меняли каждый год.    

    Большинство   ЭС включают знания, по содержанию  которых их можно отнести одновременно  к нескольким типам. Например, обучающая система может также  обладать знаниями, позволяющими  выполнять диагностику и планирование. Она определяет способности обучаемого по основным направлениям курса, а затем с учетом полученных данных составляет учебный план. Управляющая система может применяться для целей контроля, диагностики, прогнозирования и планирования. Система, обеспечивающая сохранность жилища, может следить за окружающей обстановкой, распознавать происходящие события (например, открылось окно), выдавать прогноз (вор-взломщик намеревается проникнуть в дом) и составлять план действий (вызвать полицию).

1.4. Критерий использования ЭС для решения задач.

   Существует ряд  прикладных задач, которые решаются  с помощью систем, основанных  на знаниях, более успешно,  чем любыми другими средствами. При определении целесообразности  применения таких систем нужно  руководствоваться следующими критериями.

1. Данные и знания  надежны и не меняются со  временем.

2. Пространство возможных  решений относительно невелико.

3. В процессе решения  задачи должны использоваться  формальные рассуждения. Существуют  системы, основанные на знаниях, пока еще не пригодные для решения задач методами проведения аналогий или абстрагирования (человеческий мозг справляется с этим лучше). В свою очередь традиционные компьютерные программы оказываются эффективнее систем, основанных на знаниях, в тех случаях, когда решение задачи связано с применением процедурного анализа. Системы, основанные на знаниях, более подходят для решения задач, где требуются формальные рассуждения.

4. Должен быть по  крайней мере один эксперт,  который способен явно сформулировать свои знания и объяснить свои методы применения этих знаний для решения задач.

    В таблице 1 (см. Приложение 1) один приведены сравнительные свойства прикладных задач, по наличию которых можно судить о целесообразности использования для их решения ЭС.

    В целом  ЭС не рекомендуется применять  для решения следующих типов  задач: 

- математических, решаемых  обычным путем формальных преобразований  и процедурного анализа;

- задач распознавания,  поскольку в общем случае они  решаются численными методами;

- задач, знания о  методах решения которых отсутствуют  (невозможно построить базу знаний).⁵

1.5. История развития, проблемы и  перспективы.

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 семейств⁶.

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. Это примерно соответствует объему информации, каким располагает четырехлетний ребенок со средними способностями. Ленат также считает, что путь создания узкоспециализированных ЭС с уменьшенным объемом знаний ведет к тупику.

    В систему  AM первоначально было заложено около 100 правил вывода и более 200 эвристических алгоритмов обучения, позволяющих строить произвольные математические теории и представления. Сначала результаты работы системы были весьма многообещающими. Она могла сформулировать понятия натурального ряда и простых чисел. Кроме того, она синтезировала вариант гипотезы Гольдбаха о том, что каждое четное число, большее двух, можно представить в виде суммы двух простых чисел. До сих пор не удалось ни найти доказательства данной гипотезы, ни опровергнуть ее. Дальнейшее развитие системы замедлилось и было отмечено, что несмотря на проявленные на первых порах “математические способности”, система не может синтезировать новых эвристических правил, т.е. ее возможности определяются только теми эвристиками, что были в нее изначально заложены.

    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. Согласно одному из них, например, предлагалось взрывать свои корабли, получившие повреждения. При этом корабли, оставшиеся неповрежденными, получает необходимое пространство для выполнения маневра.

    Однако через некоторое  время обнаружилось, что система  не всегда корректно переопределяет  первоначально заложенные в нее правила. Так, например, она стала нарушать строгое предписание обращаться  к программистам с вопросами только в определенное время суток. Т.о., система EURISCO, так же как и ее предшественница, остановилась в своем развитии, достигнув предела, определенного в конечном счете ее разработчиком.

    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).

       С 70-х годов ЭС стали ведущим направлением в области искусственного интеллекта. При их разработке нашли применение методы ИИ, разработанные ранее: методы представления знаний, логического вывода, эвристического поиска, распознавания предложений на естественном языке и др. Можно утверждать, что именно ЭС позволили получить очень большой коммерческий эффект от применения таких мощных методов. В этом - их особая роль.

     Каталог ЭС и инструментальных  программных средств для их разработки, опубликованный в США в 1987 году, содержит более 1000 систем (сейчас их уже значительно больше). В развитых зарубежных странах сотни фирм занимаются их разработкой и внедрением. Имеются и отечественные разработки ЭС, в том числе - нашедший промышленное применение.

   Однако уже на начальных  этапах выявились серьезные принципиальные  трудности,  препятствующие более  широкому распространению ЭС  и серьезно замедляющие и осложняющие  их разработку. Они вполне естественных и вытекают из самих принципов разработки ЭС.

   Первая трудность возникает  в связи с постановкой задач.  Большинство заказчиков, планируя  разработку ЭС, в следствие недостаточной  компетентности в вопросах применения  методов ИИ, склонна значительно преувеличивать ожидаемые возможности системы. Заказчик желает увидеть в ней самостоятельно мыслящего эксперта в исследуемой области, способного решать широкий круг задач. Отсюда и типичные первоначальные постановки задачи по созданию ЭС: “Разработать ЭС по обработке изображения”; “Создать медицинские ЭС по лечению заболеваний опорно-двигательного аппарата у детей”. Однако, как уже отмечалось, мощность эвристических методов решения задач при увеличении общности их постановки резко уменьшается. Поэтому наиболее целесообразно (особенно при попытке создания ЭС в области, для которой у разработчиков еще нет опыта создания подобных систем) ограничиться для начала не слишком сложной обозримой задачей в рассматриваемой области, для решения которой нет простого алгоритмического способа (то есть неочевидно, как написать программу для решения этой задачи, не используя методы обработки знаний). Кроме того, важно, чтобы уже существовала сложившаяся методика решения этой задачи “вручную” или какими-либо расчетными методами. Для успешной разработки ЭС необходимы не только четкая и конкретная постановка задач, но и разработка подробного (хотя бы словесного) описания “ручного” (или расчетного) метода ее решения. Если это сделать затруднительно, дальнейшая работа по построению ЭС теряет смысл.

    Вторая и основная  трудность - проблема приобретения (усвоения) знаний. Эта проблема возникает  при “передаче” знаний, которыми  обладают эксперты-люди, ЭС. Разумеется  для того, чтобы “обучить” им  компьютерную систему, прежде всего требуется сформулировать, систематизировать и формализовать эти знания “на бумаге”. Это может пока

заться парадоксальным, но большинство  экспертов (за исключением, может быть, математиков), успешно используя  в повседневной деятельности свои обширные знания, испытывают большие затруднения при попытке сформулировать и представить в системном виде хотя бы основную часть этих знаний: иерархию используемых понятий, эвристики, алгоритмы, связи между ними. Оказывается, что для подобной формализации знаний необходим определенный систематический стиль мышления, более близкий математикам и программистам, чем, например, юристам и медикам. Кроме того, необходимы, с одной стороны, знания в области математической логики и методов представления знаний, с другой - знания возможности ЭВМ, из программного обеспечения, в частности, языков и систем программирования.⁷

      Таким  образом, выясняется, что для разработки  ЭС необходимо участие в ней  особого рода специалистов, обладающих  указанной совокупностью знаний  и выполняющих функции “посредников” между экспертами в предметной области и компьютерными (экспертными) системами. Они получили название инженеры знаний (в оригинале - knowledge engineers), а сам процесс разработки ЭС и других интеллектуальных программ, основанных на представлении и обработке знаний - инженерией знаний (knowledge engineering).  ðàçâèòûõ çàðóáåæíûõ ñòðàíàõ ñïåöèàëüíîñòü “èíæåíåð çíàíèé” ââåäåíà âî ìíîãèõ âóçàõ, â íàøåé ñòðàíå îñíîâû èíæåíåðèè çíàíèé èçó÷àþòñÿ ïîêà â ðàìêàõ ñïåöèàëèçàöèé ïî ñèñòåìíîìó ïðîãðàììèðîâàíèþ. Ôóíêöèè ýêñïåðòà è èíæåíåðà çíàíèé ðåäêî ñîâìåùàþòñÿ â îäíîì ëèöå. ×àùå ôóíêöèè èíæåíåðà çíàíèé âûïîëíÿåò ðàçðàáîò÷èê ÝÑ. Êàê ïîêàçàë îïûò ìíîãèõ ðàçðàáîòîê, äëÿ ïåðâîíà÷àëüíîãî ïðèîáðåòåíèÿ çíàíèé, â êîòîðûõ ó÷àñòâóþò ýêñïåðòû, èíæåíåðû çíàíèé è ðàçðàáîò÷èêè ÝÑ, òðåáóåòñÿ àêòèâíàÿ ðàáîòà âñåõ òðåõ êàòåãîðèé ñïåöèàëèñòîâ. Îíà ìîæåò äëèòüñÿ îò íåñêîëüêèõ íåäåëü äî íåñêîëüêèõ ìåñÿöåâ.

    Íà  ýòàïå ïðèîáðåòåíèÿ çíàíèé ìîãóò  âîçíèêíóòü òðóäíîñòè è ïñèõîëîãè÷åñêîãî  ïîðÿäêà: ýêñïåðò ìîæåò ïðåïÿòñòâîâàòü ïåðåäà÷å ñâîèõ çíàíèé ÝÑ, ïîëàãàÿ, ÷òî ýòî ñíèçèò åãî ïðåñòèæ êàê ñïåöèàëèñòà è ñîçäàñò ïðåäïîñûëêè äëÿ çàìåíû åãî “ìàøèíîé”. Îäíàêî ýòè îïàñåíèÿ ëèøåíû îñíîâàíèé: ÝÑ “óâåðåííî” ðàáîòàåò ëèøü â òèïîâûõ ñèòóàöèÿõ, à òàêæå óäîáíà â ñëó÷àÿõ, êîãäà ÷åëîâåê íàõîäèòñÿ â ñîñòîÿíèè ñòðåññà, â íàèáîëåå ñëîæíûõ ñèòóàöèÿõ, òðåáóþùèõ íåñòàíäàðòíûõ ðàññóæäåíèé è îöåíîê, ýêñïåðò - ÷åëîâåê íåçàìåíèì.⁸