Системы, основанные на знаниях
Живые существа в зависимости от положения на эволюционной лестнице обладают большими или меньшими интеллектуальными способностями. Интеллектуальные возможности пчелы, птицы, дельфина и человека различаются во много раз. Тем не менее про каждое из этих существ можно сказать, что оно имеет возможность индивидуального выбора и принятия собственного решения. Это и есть один из признаков интеллекта.
В приложениях, построенных на основе искусственного интеллекта, делается попытка воспроизвести поведение живых существ средствами компьютерных систем. При этом инженер по знаниям решает довольно сложную задачу: он должен встроить в компьютерные программы поведение, свойственное живым существам.
Используя ряд методологий, которые включают в себя экспертные системы, нейронные сети, системы, основанные на прецедентах, генетические алгоритмы, интеллектуальные агенты и добычу данных, мы можем заставить компьютерные системы действовать сходно с живыми существами, воспроизводя небольшое количество аспектов интеллектуального поведения, таких как
□ принятие решений, диагностика, планирование систем и ситуаций с использованием экспертных систем или нейронных сетей;
□ прогнозирование развития сложных систем с помощью генетических алгоритмов;
□ изучение предыдущего опыта (иногда единственного примера) и принятие на его основе решения по текущей ситуации средствами систем, основанных на прецедентах;
□ распознание рукописного ввода или графического изображения путем моделирования в нейронных сетях;
□ установление причинно-следственных связей между наборами данных с помощью механизмов извлечения данных (тем самым можно идентифицировать причинно-следственные связи в реальном мире, из которого эти данные поступили);
□ симуляция самостоятельного поведения компьютерной программы, реализуемая с помощью технологии интеллектуальных агентов.
Например, юридические информационные системы могут предлагать подходящие решения, основанные на примерах из прошлого опыта, используя механизм прецедентной аргументации (такие системы будут работать эффективно при прецедентной правовой системе, в которой решения принимаются с учетом прошлых судебных решений по сходным делам).
Системы, основанные на знаниях, — это компьютерные программы, спроектированные таким образом, чтобы воспроизводить работу экспертов в заданных областях знания.
Есть семь основных типов систем, основанных на знаниях.
1. Экспертные системы моделируют процесс принятия решения, свойственный человеческому мозгу. Они используются для того, чтобы действовать подобно экспертам-людям, помогая руководителям или специалистам принять решение, основываясь на экспертных знаниях. Типичные области применения экспертных систем — планирование, составление расписаний, диагностика. Хотя экспертные системы служат для того, чтобы воспроизвести процесс принятия решений, свойственный человеку, алгоритмы и правила, на основе которых принимаются решения, являются статическими. Это значит, что экспертная система не может самостоятельно модифицировать логику своей работы и не является самообучающейся.
2. Нейронные сети моделируют работу человеческого мозга на биологическом уровне (на уровне поведения отдельных клеток мозга, нейронов). Это означает, что нейронные сети обладают встроенной способностью к самообучению: они могут учиться распознавать шаблоны, а затем на основе шаблонов распознавать образы. Благодаря способности к самообучению, нейронные сети могут быть в некоторой степени использованы для решения задач прогнозирования на основе прошлого опыта (например, для прогнозирования суточного распределения затрат электроэнергии в энергосистеме).
3. Системы, основанные на прецедентах, моделируют человеческую способность принимать решение по аналогии с уже имеющимися прецедентами. Такого рода системы часто используют в службах технической поддержки, где схожие проблемные ситуации повторяются многократно у разных клиентов.
4. Системы, построенные на генетических алгоритмах, как явствует из названия, моделируют процесс развития биологических организмов на клеточном уровне. Такого рода алгоритмы предназначаются для поиска одного лучшего из множества приемлемых вариантов решения проблем с большим количеством определяющих параметров. Поскольку биологический организм в процессе развития непрерывно решает задачу оптимизации всех своих параметров и установления равновесия с окружающей средой, постольку системы, основанные на генетических алгоритмах, могут применяться для решения задач оптимизации сложных многофакторных систем и прогнозирования вариантов их развития.
5. Интеллектуальные агенты — это программы, для которых задана конечная цель, но они могут самостоятельно выбирать пути достижения этой цели, гибко изменяя алгоритм своего поведения. Большинство интеллектуальных агентов являются фоновыми программами, ведущими черновую работу, и выходят на передний план только тогда, когда нужно передать пользователю результат. В качестве примеров интеллектуальных агентов можно назвать интернет-роботы поисковых систем, которые непрерывно просеивают миллионы страниц различных сайтов, чтобы поддерживать данные поисковой машины в актуальном состоянии.
6. Системы добычи данных. Термин «добыча данных» используют для того, чтобы описать процесс обнаружения знаний путем нахождения ранее неизвестных взаимосвязей между данными. В базах, в которых хранятся большие массивы данных, можно выявить неявные закономерности, имеющие практическую пользу. Например, анализируя продажи в супермаркете, можно выяснить, что летом в один и тот же временной интервал резко возрастает продажа лимонада, мороженного и семечек. Эти товары надо расположить в торговом зале рядом и обеспечить их бесперебойное поступление. Такие меры позволят значительно увеличить продажу этих продуктов.
3.4.1. Экспертные системы
Экспертные системы должны обладать некоторыми специфическими характеристиками: для своей работы экспертная система использует знания, которые она должна уметь сохранять в базе знаний, извлекать и обрабатывать определенным образом для решения проблемы. Другими словами, экспертная система должна полностью заменять эксперта-человека в какой-либо специфической области деятельности.
Экспертные системы создаются при помощи языков программирования, поддерживающих программирование, основанное на правилах. Обычно в качестве таких языков выступают Prolog и Lisp.
Два требования являются особенно важными для экспертных систем:
□ Достаточно узкая предметная область. Чем уже предметная область, в которой реализуются функции экспертной системы, тем легче создать для нее набор правил и тем эффективнее выданное экспертное заключение.
□ Возможность обратного вывода (см. ранее пример продукционной модели) позволяет отследить, на основе каких исходных данных вырабатывалась экспертная рекомендация.
Основными элементами экспертной системы являются (рис. 3.5):
□ модуль хранения знаний (база знаний), в котором знания сохраняются в различных форматах представления;
□ механизм логического вывода, который использует базу знаний для решения проблем;
□ интерфейс пользователя, через который пользователь применяет экспертную систему, формулирует проблему и получает ее решение;
Пользователь экспертной системы |
□ механизм получения знаний, при помощи которого формируются базы знаний различного назначения (для различных предметных областей).
Рис. 3.5. Элементы экспертной системы
Достоинства экспертных систем можно отнести:
□ процесс принятия решения происходит на основе заранее установленных правил;
□ раздельное использование базы знаний и механизма логического вывода позволяет раздельно модифицировать то и другое;
□ возможность узнать, как было получено решение;
□ быстрота получение решения;
□ наличие стандартной процедуры вывода;
□ возможность многократного решения типовых задач с освобождением от этой работы экспертов-людей;
□ расширение возможностей пользователей до возможностей опытных экспертов в определенной области.
Недостатки экспертных систем:
□ ориентация на узкую область знаний, на решение проблем с ограниченной спецификой;
□ потребность в экспертах для приобретения знаний;
□ частая потребность в эксперте для окончательного заключения;
□ высокая степень формализации, неспособность применять в рассуждениях «простой здравый смысл»;
□ высокая стоимость разработки и обслуживания;
□ высокая степень механистичности выводов, отсутствие «творческих способностей»;
□ потребность в постоянном пополнении базы знаний в соответствии с изменениями в экспертной области;
□ трудоемкость получения знаний от экспертов и особые требования к инженеру по знаниям (процесс перевода интуиции эксперта в символы и выражения формальной логики может занимать много времени и быть очень дорогим)..
Экспертные системы применяются там, где
□ решаемые проблемы настолько важны, что применение экспертной системы помогает сэкономить время и деньги или то и другое;
□ правила экспертизы стабильны и хорошо известны (иными словами, есть доступные эксперты, от которых достаточно легко получить знания, что позволяет построить экспертную систему, предназначенную для многократного и длительного применения);
□ создать и содержать экспертную систему дешевле, чем содержать в штате экспертов-людей;
□ есть много потребителей, нуждающихся именно в такой экспертной системе (в этом случае однажды созданная экспертная система может быть многократно воспроизведена и применена разными потребителями);
□ легче и дешевле создать экспертную систему, чем обучать персонал новой области деятельности;
□ решение легко формализуется и принимается на основе устойчивых правил (без привнесения интуиции или плохо формализуемых знаний).
Различные по стоимости, мощности, объему базы знаний и аппаратной реализации экспертные системы используются для принятия решений, получения дополнительных сведений, повышения надежности или снижения стоимости решения проблем в разных отраслях науки, техники, экономики, медицины и т. д. На рис. 3.6 приведена классификация экспертных систем по разным признакам.
Экспертные системы
По связи в реальным временем |
По степени интеграции |
По типу ЭВМ |
По задаче |
Интерпретация
Данных
— Диагностика
— Мониторинг
— Проектирование
— Прогнозирование
— Планирование
— Статические _ Квазидинамические —Динамические |
— Обучение — На суперЭВМ — Автономные
__ На символьных ____ Гибридные
Дата добавления: 2016-04-14; просмотров: 8011;