ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

С развитием компьютерных технологий менялся смысл, вкла­дываемый в понятие информационной системы. Современная информационная система — это набор информационных техно­логий, направленных на поддержку жизненного цикла информа­ции и включающего три основные процесса: обработку данных, управление информацией и управление знаниями. В условиях резкого увеличения объемов информации переход к работе со знаниями на основе искусственного интеллекта является, по всей вероятности, единственной альтернативой информационного общества.

Воспользуемся определением «интеллектуальной системы» проф. Д.А. Поспелова: «Система называется интеллектуальной, если в ней реализованы следующие основные функции:

• накапливать знания об окружающем систему мире, класси­фицировать и оценивать их с точки зрения прагматической полезности и непротиворечивости, инициировать процессы получения новых знаний, осуществлять соотнесение новых знаний с ранее хранимыми;

• пополнять поступившие знания с помощью логического вывода, отражающего закономерности в окружающем систему мире или в накопленных ею ранее знаниях, получать обобщенные знания на основе более частных знаний и логически планировать свою деятельность;

• общаться с человеком на языке, максимально приближенном к естественному человеческому языку, и получать информацию от каналов, аналогичных тем, которые использует человек при восприятии окружающего мира;

• уметь формировать для себя или по просьбе человека (пользователя) объяснение собственной деятельности, оказывать пользователю помощь за счет тех знаний, которые хранятся в памяти, и тех логических средств рассуждений, которые присущи системе».

Перечисленные функции можно назвать функциями представления и обработки знаний, рассуждения и общения. Наряду с обязательными компонентами, в зависимости от решаемых задач и области применения в конкретной системе эти функции могут быть реализованы в различной степени, что определяет индивидуальность архитектуры.

База знаний представляет собой совокупность сред, хранящих знания различных типов. Рассмотрим кратко их назначение.

База фактов (данных) хранит конкретные данные, а база правил — элементарные выражения, называемые в теории искусственного интеллекта продукциями. База процедур содержит прикладные программы, с помощью которых выполняются все необходимые преобразования и вычисления. База закономерностей включает различные сведения, относящиеся к особенностям той среды, в которой действует система. База метазнаний (база знаний о себе) содержит описание самой системы и способов ее функционирования: - сведения о том, как внутри системы представляются единицы ин­формации различного типа, как взаимодействуют различные компоненты системы, как было получено решение задачи

База целей содержит целевые структуры, называемые сценариями, позволяющие организовать процессы движения от исходных фактов, правил, процедур к достижению той цели, которая поступила в систему от пользователя, либо была сформулирована самой системой в процессе ее деятельности в проблемной среде.

Управление всеми базами, входящими в базу знаний, и организацию их взаимодействия осуществляет система управления базами знаний. С ее же помощью реализуются связи баз знаний с внешней средой. Таким образом, машина базы знаний осуществляет первую функцию интеллектуальной системы.

Выполнение второй функции обеспечивает часть интеллектуальной системы, называемая решателем и состоящая из ряда блоков, управляемых системой управления решателя. Часть из блоков реализует логический вывод. Блок дедуктивного вывода осуществ­ляет в решателе дедуктивные рассуждения, с помощью которых из закономерностей из базы знаний, фактов из базы фактов и правил из базы правил выводятся новые факты. Кроме этого данный блок реализует эвристические процедуры поиска решений задач, как по­иск путей решения задачи по сценариям при заданной конечной цели. Для реализации рассуждений, которые не носят дедуктивного характера, т.е. для поиска по аналогии, по прецеденту и пр., используются блоки индуктивного и правдоподобного выводов. Блок планирования используется в задачах планирования решений совместно с блоком дедуктивного вывода. Назначение блока функциональных преобразований состоит в решении задач расчетно-логического и алгоритмического типов.

Третья функция — функция общения — реализуется как с помощью компоненты естественно-языкового интерфейса, так и с помощью рецепторов и эффекторов, которые осуществляют так называемое невербальное общение и используются в интеллектуальных роботах.

В зависимости от набора компонентов, реализующих рассмотренные функции, можно выделить следующие основные разновидности интеллектуальных систем:

• интеллектуальные информационно-поисковые системы;

• экспертные системы (ЭС);

• расчетно-логические системы; • гибридные экспертные системы.

Интеллектуальные информационно-поисковые системы являются системами взаимодействия с проблемно-ориентированными (фак­тографическими) базами данных на естественном, точнее ограниченном как грамматически, так и лексически (профессиональной лексикой) естественном языке (языке деловой прозы). Для них характерно использование, помимо базы знаний, реализующей семантическую модель представления знаний о проблемной области, лингвистического процессора.

Экспертные системы являются одним из бурно развивающихся классов интеллектуальных систем. Данные системы в первую очередь стали развиваться в математически слабо формализованных областях науки и техники, таких как медицина, геология, биология и др. Для них характерна аккумуляция в системе знаний и правил рассуждений опытных специалистов в данной предметной области, а также наличие специальной системы объяснений.

Расчетно-логические системы позволяют решать управленческие и проектные задачи по их постановкам (описаниям) и исходным данным вне зависимости от сложности математических моделей этих задач. При этом конечному пользователю предоставляется возможность контролировать в режиме диалога все стадии вычислительного процесса. В общем случае, по описанию проблемы на языке предметной области обеспечивается автоматическое построение математической модели и автоматический синтез рабочих программ при формулировке функциональных задач из данной предметной области. Эти свойства реализуются благодаря наличию базы знаний в виде функциональной семантической сети и компонентов дедуктивного вывода и планирования.

В последнее время в специальный класс выделяются гибридные экспертные системы. Указанные системы должны вобрать в себя лучшие черты как экспертных, так и расчетно-логических и информационно-поисковых систем. Разработки в области гибридных экспертных систем находятся на начальном этапе.

Наиболее значительные успехи в настоящее время достигнуты в таком классе интеллектуальных систем, как экспертные системы (ЭС).

ЭС называют вычислительную систему использования знаний эксперта и процедур логического вывода для решения проблем, которые требуют проведения экспертизы и позволяют дать объяснение полученным результатам.

ЭС обладает способностями к накоплению знаний, выдаче ре­комендаций и объяснению полученных результатов, возможностями модификации правил, подсказки пропущенных экспертом условий, управления целью или данными. ЭС отличают следующие характеристики: интеллектуальность, простота общения с компьютером, возможность наращивания модулей, интеграция неоднородных данных, способность разрешения многокритериальных задач при учете предпочтений лиц, принимающих решения (ЛПР), работа в реальном времени, документальность, конфиденциальность, унифицированная форма знаний, независимость механизма логического вывода, способность объяснения результатов.

В настоящее время можно выделить следующие основные сферы применения ЭС: диагностика, планирование, имитационное моделирование, предпроектное обследование предприятий, офисная деятельность, а также некоторые другие.

Практика показывает, что по сравнению со статическими ЭС гораздо больший эффект дают ЭС, используемые в динамических процессах (экспертные системы реального времени — ЭСРВ), которые занимают около 70% рынка таких систем и находят все более широкое применение в управлении непрерывными процессами (химические производства, цементная промышленность, атомная энергетика и т.д.).

По сравнению с общей схемой в ЭС часто отсутствует возможность общения с системой на близком к естественному языке или с использованием визуальных средств, поскольку взаимодействие с такой системой осуществляется с использованием языка типа ПРОЛОГ или с применением ПРОЛОГ-идей.

Важное место в теории искусственного интеллекта (ИИ) занимает проблема представления знаний. В настоящее время выделяют следующие основные типы моделей представления знаний:

1. Семантические сети, в том числе функциональные;

2. Фреймы и сети фреймов;

3. Продукционные модели.

Семантические сети определяют как граф общего вида, в кото­ром можно выделить множество вершин и ребер. Каждая вершина графа представляет некоторое понятие, а дуга — отношение между парой понятий. Метка и направление дуги конкретизируют семантику. Метки вершин семантической нагрузки не несут, а используются как справочная информация.

Различные разновидности семантических сетей обладают раз­личной семантической мощностью, следовательно, можно описать одну и ту же предметную область более компактно или громоздко.

Фреймом называют структуру данных для представления и опи­сания стереотипных объектов, событий или ситуаций. Фреймовая модель представления знаний состоит из двух частей:

• набора фреймов, составляющих библиотеку внутри представ­ляемых знаний;

• механизмов их преобразования, связывания и т.д. Существует два типа фреймов:

• образец (прототип) — интенсиональное описание некоторого множества экземпляров;

• экземпляр (пример) — экстенсиональное представление фрейм-образца.

Слоты — это некоторые незаполненные подструктуры фрейма, заполнение которых приводит к тому, что данный фрейм ставится в соответствие некоторой ситуации, явлению или объекту.

В качестве данных фрейм может содержать обращения к процедурам (так называемые присоединенные процедуры). Выделяют два вида процедур: процедуры-демоны и процедуры-слуги. Проце­дуры-демоны активизируются при каждой попытке добавления или удаления данных из слота. Процедуры-слуги активизируются толь­ко при выполнении условий, определенных пользователем при создании фрейма.

Продукционные модели — это набор правил вида «условия — действие», где условиями являются утверждения о содержимом базы данных, а действия представляют собой процедуры, которые могут изменять содержимое базы данных.

Формально продукция определяется следующим образом:

(0; Q; Р; С; А-> В; N,

где (0 — имя продукции (правила); Q — сфера применения правила; Р — предусловие (например, приоритетность); С—предикат (отношение); А-> В — ядро; N— постусловия (изменения, вносимые в систему правил).

Диалог может быть построен на системе вопросов, задаваемых пользователем, компьютером, или фактов — данных, хранящихся в базе данных. Возможен смешанный вариант, когда в базе данных недостаточно фактов.

При прямом поиске пользователь может задавать две группы вопросов, на которые, компьютер дает объяснения:

1) КАК получено решение. При этом компьютер должен выдать на экран трассу в виде ссылок на использованные правила;

2) ПОЧЕМУ компьютер задал какой-то вопрос. При этом на экран выдается своеобразная трасса, которую компьютер хотел бы использовать для вывода после получения ответа на задаваемый вопрос. Вопрос ПОЧЕМУ может быть задан как в процессе консультации, так и после выполнения программы.

Специфичен алгоритм поиска, реализуемый логическими языками: он является фактически последовательным перебором по дереву сверху вниз слева направо.

Выделим следующие характеристики ЭС: назначение, проблемная область, глубина анализа проблемной области, тип используемых методов и знаний, класс системы, стадия существования, инструментальные средства.

Назначение определяется следующей совокупностью параметров: цель создания экспертной системы — для обучения специалистов, для решения задач, для автоматизации рутинных работ, для тиражирования знаний экспертов и т.п.; основной пользователь — не специалист в области экспертизы, специалист, учащийся.

Проблемная область может быть определена совокупностью параметров предметной области и задач, решаемых в ней. Каждый из параметров можно рассматривать как с точки зрения конечного пользователя, так и разработчика экспертной системы.

С точки зрения пользователя предметную область можно харак­теризовать ее описанием в терминах пользователя, включающим наименование области, перечень и взаимоотношения подобластей и т.п., а задачи, решаемые существующими экспертными системами, — их типом. Обычно выделяют следующие типы задач:

• интерпретация символов или сигналов — составление смыслового описания по входным данным;

• диагностика — определение неисправностей (заболеваний) по симптомам;

• предсказание — определение последствий наблюдаемых ситуаций;

• конструирование — разработка объекта с заданными свойствами при соблюдении установленных ограничений;

• планирование — определение последовательности действий, приводящих к желаемому состоянию объекта;

• слежение — наблюдение за изменяющимся состоянием объекта и сравнение его показателей с установленными или желаемыми;

• управление — воздействие на объект для достижения желаемого поведения.

С точки зрения разработчика целесообразно выделять статические и динамические предметные области. Предметная область называется статической, если описывающие ее исходные данные не изменяются во времени (точнее, рассматриваются как не изменяющиеся за время решения задачи). Статичность области означает неизменность описывающих ее исходных данных. При этом производные данные (выводимые из исходных) могут и появляться заново, и изменяться (не изменяя, однако, исходных данных). Если исходные данные, описывающие предметную область, изменяются за время решения задачи, то предметную область называют динамической. Кроме того, предметные области можно характеризовать следующими аспектами: числом и сложностью сущностей, их атрибутов и значений атрибутов; связностью сущностей и их атрибутов; полнотой знаний; точностью знаний (знания точны или правдоподобны: правдоподобность знаний представляется некоторым числом или высказыванием).

Решаемые задачи, с точки зрения разработчика экспертной системы, также можно разделить на статические и динамические. Будем говорить, что ЭС решает динамическую или статическую задачу, если процесс ее решения изменяет или не изменяет исходные данные о текущем состоянии предметной области.

В подавляющем большинстве существующие ЭС исходят из предположения о статичности предметной области и решают статистические задачи. Будем называть такие ЭС статистическими. ЭС, которые имеют дело с динамическими предметными областями и ре­шают статические или динамические задачи, будем называть динамическими.

Большинство существующих ЭС решают задачи расширения, в которых нет ни изменений предметной области, ни активных агентов, преобразующих ее. Подобное ограничение неприемлемо при работе в динамических областях. По степени сложности структуры ЭС делят на поверхностные и глубинны.

Поверхностные ЭС представляют знания об области экспертизы в виде правил (условие—действие). Условие каждого правила определяет образец некоторой ситуации, при соблюдении которой правило может быть выполнено. Поиск решения состоит в выполнении тех правил, образцы которых сопоставляются с текущими данными (текущей ситуацией в РП). При этом предполагается, что в процессе поиска решения последовательность формируемых таким образом ситуаций не оборвется до получения решения, т.е. не возникнет неизвестной ситуации, которая не сопоставится ни с одним правилом. Глубинные ЭС, кроме возможностей по­верхностных систем, обладают способностью при возникновении неизвестной ситуации определять с помощью некоторых общих принципов, справедливых для области экспертизы, какие действия следует выполнить.

По типу используемых методов и знаний ЭС делят на традиционные и гибридные. Традиционные ЭС используют в основном неформализованные методы инженерии знаний и неформализованные знания, полученные от экспертов. Гибридные ЭС используют методы инженерии знаний, формализованные методы, а также данные традиционного программирования и математики.

Вспомогательные средства построения ЭС состоят из программ, оказывающих помощь в приобретении знаний у эксперта, и представлении их, и программ, которые помогают разрабатывать проекты экспертных систем.

Средства поддержки — это просто пакеты программ, которые прилагаются к средству построения ЭС, чтобы упростить его ис­пользование, облегчить диалог и сделать его более эффективным. Это — средства отладки, ввода-вывода, объяснения, редакторы баз знаний.

Традиционные ЭС имеют лишь один механизм поддержки принятия решений — логический вывод и лишь одно средство представления знаний — правила. В последнее время активно развивается новое поколение ЭС — гибридные экспертные системы (ГЭС).

Для использования ГЭС в качестве средства поддержки принятия управленческих решений необходимо предусмотреть возможность учета характеристик лица, принимающего решение (ЛПР). В этом случае в экспертной системе должна присутствовать гибкая схема логического вывода, а поддержка принятия решений должна осуществляться в соответствии с конкретной аналитической моделью пользователя.

Эксперт соответствующей предметной области должен иметь возможность задавать оценки объектов, выявленные в результате его взаимодействия с подсистемой обработки экспертных знаний. Полученные таким образом экспертные знания будут храниться в базе экспертных знаний.