Экспертные системы.
Лекция 7
В современном обществе при решении задач управления сложными многопараметрическими и сильно связанными системами, объектами и производственными и технологическими процессами приходится сталкиваться с решением неформализуемых и трудноформализуемых задач. Такие задачи часто возникают в следующих областях: авиация, космос и оборона, нефтеперерабатывающая промышленность и транспортировка нефтепродуктов, энергетика, металлургия, машиностроительная промышленность, медицина, прогнозирование и мониторинг и другие.
В начале 60-х годов в рамках исследований по искусственному интеллекту (ИИ) сформировалось самостоятельное направление - экспертные системы (ЭС). В задачу этого направления входит исследование и разработка программ (устройств), использующих знания и процедуры вывода для решения задач, ранее решавшихся только человеком-экспертом. Области применения ЭС включают широкий проблемный спектр от медицинской диагностики и определения курса лечения до систем управления различного рода, планирования и контроля процесса производства.
Экспертная система — система, объединяющая возможности компьютера со знаниями и опытом эксперта в такой форме, что система способна предложить разумный совет или осуществить разумное решение. Дополнительно желаемой характеристикой такой системы является способность пояснять ход своих рассуждений в понятной для человека форме.
Данное определение ЭС одобрено комитетом группы специалистов по экспертным системам Британского компьютерного общества.
Под экспертной системой понимают программу, которая, используя знания специалистов (экспертов) о некоторой конкретной узко специализированной предметной области и в пределах этой области, способна принять решение на уровне эксперта-профессионала.
Можно отметить двойственность толкования названия ЭС, т.к. во-первых, в них используется знания экспертов, а во-вторых, ЭС сами могут выступать в качестве экспертов.
Важность экспертных систем состоит в следующем:
- технология экспертных систем является важным средством в решении глобальных проблем традиционного программирования: длительность и, следовательно, высокая стоимость разработки сложных приложений;
- технология ЭС существенно расширяет круг практических задач, решаемых на компьютерах;
- объединение технологии ЭС с технологией традиционного программирования добавляет новые качества к программным продуктам за счет: обеспечения динамичной модификации приложений пользователем, а не программистом; лучшей графики; интерфейса и взаимодействия.
Огромный интерес к экспертным системам со стороны пользователя вызван следующими причинами:
1. Специалисты, не знающие программирования, с помощью экспертных систем могут самостоятельно разрабатывать интересующие их приложения, что позволяет резко расширить сферу использования вычислительной техники.
2. Экспертные системы при решении практических задач достигают результатов, не уступающих, а иногда и превосходящих возможности людей экспертов, не оснащенных ЭС.
3. Решаемые экспертными системами задачи являются неформализованными и используют эвристические, экспериментальные, субъективные знания экспертов в определенной предметной области.
4. В экспертных системах знания отделены от данных, и мощность ЭС обусловлена в первую очередь мощностью базы знаний и только во вторую очередь используемыми методами решения задач.
Обычно к экспертным системам относят системы, основанные на знаниях, т.е. системы, функциональные возможности которых являются в первую очередь следствием их наращиваемой базы знаний (БЗ) и только во вторую очередь определяется используемыми методами принятия решения.
Правильное функционирование ЭС, как систем основанных на знаниях, зависит от качества и количества знаний, хранимых в их БЗ. Поэтому приобретение знаний для ЭС является очень важным процессом.
Приобретение (извлечение) знаний — получение информации о проблемной области различными способами, в том числе от специалистов, и выражение её на языке представления знаний с целью построения БЗ. Необходимо умело «скопировать» образ мышления эксперта.
Знания для ЭС могут быть получены из различных источников: книг, отчетов, баз данных, эмпирических правил, персонального опыта эксперта и т. п. Возможные способ получения знаний : коммуникативные, текстологические. Первая группа включает индивидуальные методы работы с экспертами (анкетирование ,интервью, экспертные игры), активные методы ( мозговой штурм, круглый стол), пассивные методы (наблюдения, лекции). Вторая группа включает анализ литературы, учебников, инструкций и т.п. Все эти методы позволяют сформировать поле знаний. Основной алгоритм включает следующие шаги:
- определение входных и ваыходных данных, структура которых существенно влияет на форму и содержание поля знаний;
- составление словаря терминов и наборов ключевых фраз;
- выявление объектов и понятий, выюор значимых понятий и их признаков;
-выявление связей между понятиями, построение сети ситуаций, где связи только помечены, но пока не поименованы;
- структуризация понятий с выявлением понятий более высокого уровня обобщения и детализацией на более низком уровне;
- построение пирамиды знаний с иерархической лестницей понятий по уровню общности;
- определение временных, следственных и других отношений с их обозначением путем присвоения имен всем связям;
- определение стратегий принятия решений, выявление цепочек рассуждений, что связывает все сформированные ранее понятия и отношения в динамическую систему поля знаний.
Поле знаний – условное неформальное описание основных понятий и взаимосвязей между понятиями предметной области, выявленных из различных источников.
Рис.27 Классификация экспертных систем
Классификация экспертных систем приведена на рис. 27. По назначению: экспертные системы общего назначения; специализированные: а) проблемно-ориентированные для задач диагностики, проектирования, прогнозирования; б) предметно-ориентированные для решения специфических задач, например, контроль ситуации на АЭС.
По степени зависимости от внешней среды:
-статические экспертные системы, в которых исходная информация о предметной области не изменяется во время решения задачи;
- динамические, учитывающие динамику внешней среды и предназначенные для решения задач в реальном масштабе времени. К динамическим ЭС предъявляются следующин требования:
- представлять изменяющиеся во времени данные, поступающие от внешних источников, обеспечивать хранение и анализ изменяющихся данных;
- выполнять временные рассуждения о нескольких различных асинхронных процессах одновременно;
- обеспечивать механизм рассуждения при ограниченных ресурсах. Реализация этого механизма предъявляет требования к высокой скорости работы системы, способности одновременно решать несколько задач;
- осуществлять постоянный мониторинг процесса, и при необходимости автоматически запускать механизм логического вывода решений по устранению критических ситуаций;
- моделировать окружающий мир, рассматриваемый в данном приложении, обеспечивать создание различных его состояний;
- протоколировать свои действия;
- обеспечивать наполнение базы знаний для приложений реальной степени сложности с минимальными затратами времени и труда;
- обеспечивать настройку системы на решаемые задачи;
- обеспечивать уровень защиты информации и предотвращать несанкционированный доступ.
По типу использования:
- изолированные экспертные системы;
- экспертные системы на входе/выходе других систем;
- гибридные экспертные системы, интегрированные с базами данных и другими программными средствами.
По сложности решаемых задач:
- простые экспертные системы, имеющие до 1000 простых правил;
- средние системы, имеющие от 1000 до 10000 правил;
- сложные, имеющие более 10000 правил.
По стадии создания:
- исследовательский образец, разработанный за 1-2 месяца с минимальной базой знаний;
- демонстрационный образец, разработанный за 3-4 месяца на языках LISP, PROLOG и др.;
- промышленный образец, разработанный за 4-8 месяцев с полной базой знаний на языках типа CLIPS;
- коммерческий образец, разработанный за 1,5 – 2 года на современных языках с полной базой знаний.
Причины, приведшие СИИ к коммерческому успеху, следующие.
Интегрированность. Разработаны инструментальные средства ИИ, легко интегрирующиеся с другими информационными технологиями и средствами.
Открытость и переносимость. Инструментальные средства ИИ разрабатываются с соблюдением стандартов, обеспечивающих открытость и переносимость.
Использование языков традиционного программирования и рабочих станций. Переход от инструментальных средств ИИ, реализованных на языках ИИ (Lisp, Prolog и т. п.), к ИС ИИ, реализованных на языках традиционного программирования (С, С++ и т. п.), упростил обеспечение интегрированности, снизил требования приложений ИИ к быстродействию ЭВМ и объемам оперативной памяти. Использование рабочих станций вместо ПК резко увеличило круг приложений, которые могут быть выполнны на ВМ с использованием ИС ИИ.
Архитектура клиент-сервер. Разработаны ИС ИИ, поддерживающие распределенные вычисления по архитектуре клиент-сервер, что позволило: снизить стоимость оборудования, используемого в приложениях, децентрализовать приложения, повысить надежность и общую производительность.
Проблемно/предметно-ориентированные ИС ИИ. Переход от разработок ИС ИИ общего назначения к проблемно/предметно-ориентированным ИС ИИ обеспечивает сокращение сроков разработки приложений, повторную используемость информационного и программного обеспечения, увеличение эффективности использования ИС.
Рис.28.Функциональная структура экспертной системы
Типичная экспертная система состоит из следующих основных компонентов (рис. 28): модуля принятия решения (интерпретатора), БД, БЗ, пользовательского интерфейса
Ввод входных данных и информации о текущей задаче – через пользователя.
База данныхпредназначена для хранения исходных и промежуточных данных, необходимых для решения текущей задачи. Термин база данных совпадает по названию, но не по значению с термином, используемым в информационно-поисковых системах и системах управления базами данных (СУБД), для обозначения всех данных (в первую очередь долгосрочных), хранимых в системе
База знаний (БЗ) — совокупность описывающих предметную область правил и фактов, позволяющих с помощью механизма вывода выводить суждения в рамках этой предметной области, которые в явном виде в базе не присутствуют.
Решатель, используя информацию из БД и знания из БЗ, формирует такую последовательность правил, которые, будучи примененными к исходным данным, приводят к решению задачи. Этот модуль используется и на этапе обучения системы и на этапе проведения экспертизы. В начале обучения база знаний системы пуста. Используя данные из БД, решатель пытается выработать какое-то суждение. Поскольку в БЗ отсутствуют какие-либо правила, требуемые для решения задачи, суждение будет неверным, на что системе будет указано человеком-экспертом, а так же будет введен правильный ответ. Используя полученную от человека информацию (правильное суждение), решатель дополнит БЗ соответствующими правилами. Затем модуль принятия решений попытается вывести новое суждение. Если ответ, полученный системой в результате ее работы, является верным, модуль принятия решений еще раз подтвердит правила, участвовавшие в принятии ответа. Такой процесс обучения продолжается до тех пор, пока ЭС не начнет выводить только правильные суждения. К моменту проведения экспертизы база знаний уже заполнена при помощи модуля принятия решений необходимыми для решения поставленной задачи правилами. Применяя проверенные правила к данным из БД, модуль принятия решения выведет требуемое суждение.
Интерфейс пользователя предназначен для осуществления процесса взаимодействия между человеком-экспертом и экспертной системой. Он обеспечивает возможность высокоуровневого общения с ЭС, преобразуя входные данные, представленные на естественном языке, во внутреннее представление ЭС, а сообщения ЭС — в обратном направлении.
Таким образом, данные определяют объекты, их характеристики и значения, существующие в области экспертизы. Правила определяют способы преобразования данных, характерные для рассматриваемой проблемной области. Эксперт, используя интерфейс пользователя, наполняет систему знаниями, которые позволяют ЭС в режиме решения самостоятельно (без эксперта) решать задачи из проблемной области.
Режимы работы ЭС
Существует 2 режима работы ЭС: режим приобретения знаний и режим решения задач. В режиме приобретения знаний ЭС заполняется знаниями при помощи инженера по знаниям и эксперта в какой-то проблемной области. Эксперт описывает проблемную область в виде совокупности данных и правил, которые инженер по знаниям заносит в том или ином виде в базу знаний. Данные определяют объекты, их характеристики и значения, существующие в области экспертизы. Правила определяют способы манипулирования с данными, характерные для рассматриваемой области.
В режиме решения задач необходимо посредством интерфейса пользователя заполнить БД данными о задаче. При этом данные пользователя о задаче, представленные на привычном для пользователя языке, преобразуются во внутренний язык системы.
Итак, на основе входных данных из БД и данных и правил о проблемной области из БЗ модуль принятия решения выводит суждение, являющееся решением поставленной перед ЭС задачи. Если ответ ЭС не понятен пользователю, то он может потребовать объяснения, как этот ответ получен. Алгоритм работы ЭС в режиме обучения показан на рис. 29.
Рис. 29. Алгоритм работы ЭС в режиме обучения
В архитектуру динамической ЭС по сравнению со статической вводятся два компонента: подсистема моделирования внешнего мира и подсистема связи с внешним окружением.
Дата добавления: 2015-07-30; просмотров: 1456;