Понятие об экспертных системах

Общая характеристика ЭС. Экспертные системы (ЭС) – это яркое и быстро прогрессирующее направление в области искусственного интеллекта. Это узкоспециализированные информационные системы. Каждая ЭС может решать задачи только в одной конкретной предметной области. Это не универсальные системы. Система, предназначенная для поиска неисправностей в сложном устройстве управления работой ядерного реактора, не может ставить медицинские диагнозы. Решение задачи в ЭС сопровождается понятными пользователю объяснениями, а качество получаемых решений не хуже, а чаще лучше достигаемого экспертами-профессионалами.

Главное достоинство ЭС – возможность накапливать знания, сохранять их длительное время и обновлять. Термин "знания" означает информацию, принимающую форму фактов или правил, которые не всегда истинны или ложны. Иногда существует некоторая степень неуверенности в достоверности факта или точности правила. Многие правила ЭС являются эвристиками, то есть эмпирическими правилами или упрощениями. Использование эвристических правил делает поиск решения намного более легким и более практичным. Экспертные системы используют эвристики, потому что задачи, которые они решают (например, поиск новых месторождений алмазов или планирование экспериментов в молекулярной биологии), как правило, трудны и не до конца понятны. Эти системы не решают расчетных задач с применением систем уравнений по определенным алгоритмам. Задачи, решаемые в них, не поддаются строгому математическому анализу или алгоритмическому решению. В ЭС известен алгоритм обработки знаний, а не алгоритм решения задачи. Более того, алгоритм обработки знаний иногда бывает даже заранее неизвестным и строится по ходу решения задачи на основании некоторых эвристических правил, хранящихся в базе знаний ЭС. Поэтому применение алгоритма обработки знаний может привести к получению неожиданного, ранее не предусмотренного результата. ЭС относят к системам искусственного интеллекта общего назначения – системам, которые не только исполняют заданные процедуры, но на основе метапроцедур поиска генерируют и используют процедуры решения новых конкретных задач. Выходные результаты ЭС являются качественными, а не количественными.

ЭС – это набор программ, выполняющий функции эксперта при решении задач из некоторой предметной области (медицины, химии, геологии, радиоэлектроники и т.д.), как и эксперт-профессионал, в процессе своей работы они оперируют со знаниями. Они выдают советы, проводят анализ нечисловых данных и ситуаций, выдвигают и отбрасывают гипотезы, оценивают достоверность фактов, самостоятельно пополняют свои знания, контролируют их непротиворечивость, дают консультации, ставят диагноз и т.д.

Главным достоинством ЭС является возможность накопления знаний и сохранение их в течение длительного времени. В отличие от человека к любой информации ЭС подходят объективно, а при решении задач, требующих обработки большого объема знаний, возможность возникновения ошибки при переборе очень мала.

Первая особенность этих систем состоит в том, что они предназначены для пользователей незнакомых с искусственным интеллектом, программи-рованием, логикой и т.д.. Для таких пользователей ЭС выступает как некий инструментарий, помогающий им в повседневной работе. Общения с системой должны быть так же просты, как просты, например, работа с телевизором, стиральной машиной или музыкальным центром.

Вторая особенность экспертных систем заключается в следующем. Во многих видах человеческой деятельности используемые знания далеко не всегда могут быть четко формализованы. Точнее, наряду со знаниями как бы отделенными, отобранными от специалистов-профессионалов (такие знания зафиксированы в учебниках, инструкциях, учебных фильмах и т.д.), существуют навыки и умения, овладеть которыми можно, только работая вместе с теми, кто ими уже овладел. Профессионал высокого уровня: врач, геолог, инженер, экономист и т.д. – отличается от новичка, овладевшего знаниями в объеме учебных программ учебного заведения, именно этими навыками, опытом и умением.

Повышение профессионального мастерства новичков (и вообще повышение квалификации и переподготовка кадров) – огромная социальная задача, на решение которой тратятся большие финансовые и материальные средства, особенно в условиях рынка, когда фирмы часто перепрофилируют свою деятельность.

Чтобы решить эту задачу, надо научиться извлекать из профессионалов-экспертов те знания, которые не зафиксированы в форме, пригодной для массового распространения – в книгах, наглядных пособиях, инструкциях и др. Само название экспертных систем указывает на то, что они должны хранить в себе знания профессионалов-экспертов в некоторой предметной области. И не просто хранить, но и передавать их тем, у кого таких знаний в данной предметной области нет. Для этого в ЭС предусмотрены не только простые средства общения между системой и специалистом, но и средства доведения хранимых знаний до специалиста вместе с необходимыми пояснениями.

В любой момент времени в ЭС существуют три типа знаний:

* структурированные знания – статические знания о предметной области. После того как эти знания выявлены и проверены, они уже не изменяются;

* структурированные динамические знания – изменяемые знания о предметной области. Они обновляются по мере выявления новых знаний;

* рабочие знания – знания, применяемые для решения конкретной задачи или проведения консультации. Это те знания, которые в данный момент известны о предметной области и вводятся в систему для решения задачи.

Все эти знания хранятся в базе знаний ЭС.

На практике ЭС используются, прежде всего, как системы-советчики в тех ситуациях, где специалист сомневается в выборе правильного решения. Экспертные знания, хранящиеся в памяти системы, более глубокие и полные, чем соответствующие знания пользователя.

Иногда бывает наоборот. Например, при работе в системах опера-тивного управления знания, хранящиеся в базе знаний экспертной системы, могут быть и меньшими, чем у специалиста, работающего в паре с системой. Но зато быстрота и точность реакции системы значительно выше, чем у человека.

Часто к экспертным системам относят АСНИ (автоматизированные системы научных исследований). В отличие от классических ЭС, они рассчитаны на экспертов-прфессионалов. Для таких специалистов нужна не консультирующая или советующая система, а система, способная помочь им в научной работе, в получении новых знаний. На основании частных знаний эксперта эти системы способны обнаружить в большом эмпирическом материале опытов и исследований скрытые связи и закономерности, которые эксперт может и не заметить.

Все вышесказанное вызывает огромный интерес к ЭС со стороны пользователей.

Структура и режимы использования ЭС. Типичная экспертная система состоит из следующих основных компонентов: механизма вывода или решателя (интерпретатора), рабочей памяти или базы данных, базы знаний, компонентов приобретения знаний, объяснительного и диалогового (рис. 6).

База данных предназначена для хранения исходных и промежуточных данных (рабочее множество) решаемой в текущий момент задачи. Этот термин совпадает по названию, но не по смыслу с термином, используемым в системах управления базами данных для обозначения всех данных, хранимых в системе.

Рис. 6

База знаний предназначена для хранения долгосрочных данных, описывающих рассматриваемую предметную область (а не текущих данных), и правил, манипулирующих этими данными, описывающих целесообразные преобразования данных этой области. База знаний – наиболее важная компонента ЭС, на которой основаны ее "интеллектуальные способности". Существует несколько способов представления знаний в ЭС, однако общим для всех них является то, что знания представлены в символьной форме, т.е. наборами символов, соответствующих понятиям предметной области. На жаргоне искусственного интеллекта символ – это строка знаков, соответствующая содержанию некоторого понятия реального мира. Тем самым, в ЭС процесс рассуждения представляется как последовательность символьных преобразований. Наиболее распространен способ представления знаний – в виде конкретных фактов и правил, по которым из имеющихся фактов могут быть выведены новые. Правила в базе знаний имеют обычно вид: ЕСЛИ А ТО S, где А - условие, а S –действие. Действие S исполняется, если А истинно. Наиболее часто действие S, так же, как и условие, представляет собой утверждение, которое может быть выведено самой системой (становится ей известным), если истинно условие правила А.

Например, ЕСЛИ: 1)окраска бактерий грамположительная; 2)морфология бактерий характерна для кокков; 3)форма колоний – цепочки ТО: есть основания считать (70%), что вид бактерий стрептококк.

Когда текущая ситуация (факты) в задаче удовлетворяет или согласуется с частью правила ЕСЛИ, то выполняется действие, определяемое частью ТО. Это действие может оказаться воздействием на окружающий мир, или же повлиять на управление программой (например, вызвать проверку и запуск некоторого набора правил), или может сводиться к указанию системе о получении определенного заключения (например, добавить новый факт или гипотезу в базу данных).

Компонент приобретения знаний предназначен для добавления в базу знаний новых правил и модификации имеющихся. В его задачу входит приведение правила к виду, позволяющему механизму вывода применять это правило в процессе работы. В более сложных системах предусмотрены еще и средства для проверки вводимых или модифицируемых правил на непротиворечивость с имеющимися правилами.

Механизм логического вывода или Решатель, используя исходные данные из рабочей памяти и знания из базы знаний, формирует такую последовательность правил, которые, будучи примененными к исходным данным, позволяют делать те или иные выводы, что и приводят к решению задачи. Это программная компонента ЭС, реализующая процесс ее рассуждений на основе базы знаний и рабочего множества, поступающего в систему (в базу данных). Она выполняет две функции: во-первых, просмотр существующих фактов из рабочего множества и правил из базы знаний и добавление (по мере возможности) в рабочее множество новых фактов и, во-вторых, определение порядка просмотра и применения правил. Эта подсистема управляет процессом консультации, сохраняет для пользователя информацию о полученных заключениях, и запрашивает у него информацию, когда для срабатывания очередного правила в рабочем множестве оказывается недостаточно данных.

Работа системы представляет собой последовательность шагов, на каждом из которых из базы выбирается некоторое правило, которое применяется к текущему содержимому рабочего множества. Цикл заканчивается, когда выведено либо опровергнуто целевое утверждение. Цикл работы ЭС иначе называется логическим выводом. Логический вывод может происходить многими способами, которые мы рассматривать подробно не будем.

Объяснительный компонент объясняет, как система получила решение задачи (или почему она не смогла получить решения) и какие знания она при этом использовала, что облегчает эксперту тестирование системы и повышает доверие пользователя к полученному результату.

В ЭС, база знаний которых насчитывает сотни и тысячи правил, весьма желательным является использование какой-либо стратегии управления выводом, позволяющей минимизировать время поиска решения и тем самым повысить эффективность вывода. Таких стратегий в настоящее время существует несколько, например поиск в глубину, поиск в ширину, разбиение на подзадачи, методы перебора и альфа-бета алгоритм.

Диалоговый компонент ориентирован на организацию дружелюбного общения со всеми категориями пользователей, как в ходе решения задач, так и в ходе приобретения знаний, а также объяснения результатов работы (вроде пользовательского интерфейса в операционных системах).

В разработке ЭС участвуют представители следующих специальностей:

- эксперт в той проблемной области, задачи которой будет решать ЭС;

- инженер по знаниям – специалист по разработке ЭС;

- программист – специалист по разработке инструментальных средств (программ).

Эксперт определяет знания (факты, данные и правила манипулирования ими), характеризующие проблемную область, обеспечивает полноту и правильность введения в ЭС знаний.

Инженер по знаниям помогает эксперту выявлять и структурировать знания, необходимые для работы ЭС, осуществляет выбор того инструментального средства, которое наиболее подходит для данной предметной области, и определяет способ представления знаний в этом инструментальном средстве. Он выделяет и программирует (традиционными средствами) стандартные функции, типичные для данной предметной области, которые будут использоваться в правилах, вводимых экспертом.

Программист разрабатывает инструментальное средство, содержащее в пределе все основные компоненты ЭС, осуществляет сопряжение инструментального средства с той средой, в которой оно будет использовано.

Режимы работы ЭС. Экспертная система работает в двух основных режимах: приобретения знаний и решения задач (называемом также режимом консультации или режимом использования ЭС). В режиме приобретения знаний общение с ЭС осуществляется через посредничество инженера по знаниям – специалиста по разработке ЭС. Эксперт описывает проблемную область в виде совокупности данных и правил. Данные определяют объекты, их характеристики и значения, существующие в области экспертизы. Правила определяют способы манипулирования данными, характерные для рассматриваемой проблемной области. Эксперт, используя компонент приобретения знаний, наполняет систему знаниями, которые позволяют ЭС в режиме решения самостоятельно (без эксперта) решать задачи из указанной проблемной области.

Следует заметить, что режиму приобретения знаний при традиционном подходе к разработке программ соответствуют этапы алгоритмизации, программирования и отладки программ, выполняемые программистом. В отличие от традиционного подхода, разработку программ в экспертной системе осуществляет эксперт (с помощью ЭС), не владеющий программированием.

Важную роль в режиме приобретения знаний играет объяснительный компонент. Именно благодаря ему эксперт на этапе тестирования локализует причины неудачной работы ЭС, что позволяет эксперту целенаправленно модифицировать старые или вводить новые знания. Обычно объяснительный компонент сообщает следующее:

· насколько правильно используют информацию пользователя;

· почему использовались или не использовались определенные данные или правила;

· какие были сделаны выводы и т.д.

Все объяснения делаются, как правило, на ограниченном естественном языке или языке графики.

В режиме консультации общение с ЭС осуществляет конечный пользователь, которого интересует результат и (или) способ получения решения. Пользователь в зависимости от назначения ЭС может не быть специалистом в данной предметной области, в этом случае он обращается к ЭС за советом, или быть специалистом, в этом случае он обращается к ЭС, чтобы либо ускорить процесс получения результата, либо возложить на систему рутинную работу.

В режиме консультации данные о задаче пользователя обрабатываются диалоговым компонентом, который выполняет следующие действия:

· распределяет роли участников (пользователя и системы) и организует их взаимодействие в процессе кооперативного решения задачи;

· преобразует данные пользователя о задаче, представленные на привычном для пользователя языке, на внутренний язык системы;

· преобразует сообщения системы, представленные на внутреннем языке, в сообщения на языке, привычном для пользователя (ограниченный естественный язык или язык графики).

После обработки данные поступают в рабочую память. На основе входных данных в рабочей памяти, общих данных о проблемной области и правил из базы знаний решатель (интерпретатор) формирует решение задачи.

Исследования и разработки ЭС составляют основу программ информатизации развитых государств.Несмотря на значительную стоимость разработки, ЭС приносят существенный доход. Например, ежегодный доход от использования ЭС DEFT (проверка гигантских дисководов для ЭВМ фирмы IBM) составляет $12 млн. (начальная стоимость системы $100 тыс.), а от ЭС XCON (помогает продавцам компьютерных систем VAX фирмы DEC определять конфигурации систем на заказ) – $25 млн. при стоимости разработки ЭС около $3 млн.

Области применения ЭС и типы задач, решаемых ими. Перечислим некоторые из предметных областей человеческой деятельности, в которых ЭС применяются в настоящее время: военное дело, геология, информатика, космическая техника, инженерное дело, компьютерные системы, медицина, метеорология, управление процессами, промышленность и сельское хозяйство, математика, химия, физика, электроника, системы управления ядерными реакторами и многие другие.

Из них медицина представляется наиболее популярной. Именно в медицине было разработано ЭС больше, чем во всякой другой области, хотя химия ненамного отстает от нее, и разрыв быстро сокращается. В настоящее время ведутся разработки медицинских ЭС, осуществляющих интерпретацию лабораторных анализов, диагностику заболеваний, рекомендующих способы лечения и обучающих диагностике и лечению заболеваний, а также методам анестезии.

В области компьютерных систем современные разработки ЭС связаны с диагностикой неисправностей, проектированием компьютерных конфигураций и управлением процессом производства компьютеров.

В электронике преобладают исследования и разработки, связанные с диагностикой неисправностей и проектированием СБИС (на кристалле микропроцессора величиной чуть больше конторской скрепки располагается более 20 млн. транзисторов и других радиоэлементов, объединенных в сложнейшие функциональные схемы). В настоящее время работы по ЭС в области электроники связаны с обучающими системами, помогающими находить отказы в электрических цепях и проектировать электронно-цифровые схемы.

Применение ЭС позволяет получать поразительные результаты в росте производительности труда и скорости выполнения отдельных операций, например:

· по данным фирмы NEC при проектировании интегральных микросхем удалось повысить производительность труда в 3-6 раз, при этом выполнение некоторых операций ускоряется в 10-15 раз;

· ускорить поиск неисправностей в сложных устройствах в 5-10 раз;

· повысить производительность труда программистов по данным фирмы Toshiba в 5 раз;

· при профессиональной подготовке сократить (без потерь качества) в 8-12 раз затраты на индивидуальную работу с обучаемым и т.д.

Экспертные системы создаются для решения разного рода проблем, но основные типы их деятельности можно сгруппировать в следующие категории: прогноз, диагностика, проектирование, интерпретация, планирование, наблюдение, отладка, ремонт, обучение, управление.

Экспертные системы, выполняющие интерпретацию, как правило, используют информацию от датчиков для описания ситуации. Они могут обрабатывать разнообразные виды информации. Интерпретирующие ЭС имеют дело не с четкими символьными представлениями проблемной ситуации, а непосредственно с реальными данными, например, показаниями измерительных приборов на химическом заводе для определения состояния технологического процесса, или используют данные дифракции рентгеновских лучей, спектрального анализа или ядерно-магнитного резонанса для вывода химической структуры веществ. Они сталкиваются с затруднениями, которых нет у систем других типов, потому что им приходится обрабатывать информацию зашумленную, недостаточную, неполную, ненадежную или ошибочную. Им необходимы специальные методы регистрации характеристик непрерывных потоков данных, сигналов или изображений и методы их символьного представления.

Экспертные системы, осуществляющие прогноз, определяют вероятные последствия заданных ситуаций. Примерами служат оценка спроса на нефть на мировом рынке в зависимости от складывающейся геополитической ситуации, прогнозирование места возникновения следующего военного конфликта на основании данных разведки, количество продаж автомобилей определенного класса, или определение процента инфляции в государстве за год и т.д.

Экспертные системы выполняют диагностирование, используя описания ситуаций, характеристики поведения или знания о конструкции компонент, чтобы установить вероятные причины неправильного функционирования диагностируемой системы, например, определение причин заболевания по симптомам, наблюдаемым у пациентов, или определение неисправных компонент в системе охлаждения ядерных реакторов.

Очень кратко рассмотренные основные виды деятельности ЭС и области, в которых они решают проблемы, взятые в совокупности, позволяют увидеть широту диапазона применения, многообразие информации и разнообразие форм представления знаний, присущие существующим экспертным системам.

Проектирование и создание ЭС.На проектирование и создание одной ЭС раньше требовалось 25-30 человеко-лет. В настоящее время имеется инструментарий, позволяющий сократить это время в 3-5 раз. В широком понимании в инструментарий входят аппаратные средства, языки программирования и программное обеспечение. По степени отработанности инструментальных средств выделяют три стадии существования: экспериментальная, исследовательская и коммерческая. Высшей стадией существования инструментального средства является коммерческая. Эти инструментальные средства всесторонне и тщательно проверены, хорошо документированы, сопровождаются разработчиком, являются быстрыми и обладают удобным интерфейсом с пользователем.

Экспертные системы создаются на ЭВМ общего назначения, персональных компьютерах, интеллектуальных рабочих станциях типа San, Apollo и других, снабженных эффективными инструментальными средствами для создания ЭС. Используются последовательные символьные ЭВМ типа ЛИСП-машин (Symbolik-3670, Alpha, Xerox 1100 и др.) и ПРОЛОГ-машин, а также параллельные символьные ЭВМ (Connection, Dado, Faun, Hyper Cube и др.).

По типу инструментальные средства подразделяются:

1) на символьные языки программирования, ориентированные на построение экспертных систем и систем искусственного интеллекта, например, LISP, INTERLISP, SMALLTALK;

2) языки инженерии знаний, то есть языки высокого уровня, ориентированные на построение экспертных систем, например, OPS-5, LOOPS, KES, ПРОЛОГ и др.;

3) системы, автоматизирующие разработку (проектирование) экспертных систем, например, KEE, ART, TEIRESIAS, AGE, TIMM и др. Их часто называют окружением (environment) для разработки систем искусственного интеллекта, ориентированных на знания;

4) оболочки ЭС (или пустые ЭС) – экспертные системы, не содержащие знаний ни о какой проблемной области, например, ЭКСПЕРТИЗА, ЭКО, EMYCIN, ЭКСПЕРТ и др.

В приведенной классификации инструментальные средства перечислены в порядке убывания трудозатрат на создание с их помощью конкретной ЭС. Развитие систем, автоматизирующих разработку ЭС, приводит к появлению инструментальных средств, которые можно назвать настраиваемыми оболочками. Они позволяют разработчику использовать оболочку не как нечто неизменное, а генерировать ее из множества механизмов, имеющихся в инструментальных средствах. Типичными таймерами таких инструментальных средств являются KEE, ART, ЭКСПЕРТИЗА, ГЛОБ.

В настоящее время, как правило, инструментальные средства для создания простых ЭС разрабатываются на персональных компьютерах, а инструментальные средства для создания сложных ЭС – на символьных ЭВМ, ЭВМ общего назначения и интеллектуальных рабочих станциях.

Преимущества ЭС перед человеком-экспертом. Экспертные системы

имеют следующие преимущества перед экспертом-профессионалом:

1. У них нет предубеждений.

2. Они не делают поспешных выводов.

3. Эти системы работают систематизировано, рассматривая все ситуации и детали, часто выбирая наилучшую альтернативу из всех возможных.

4. База знаний может быть очень и очень большой. Будучи введены в машину один раз, знания сохраняются навсегда. Человек же имеет ограниченную базу знаний, и если данные долгое время не используются, то они забываются и теряются навсегда.

5. Системы, основанные на знаниях, устойчивы к "помехам". Человек-эксперт легко поддается влиянию внешних факторов и пользуется побочными знаниями, часто не связанными с решаемой задачей. ЭС, не обремененные знаниями из других областей, по своей природе менее подвержены "шумам".

6. Эти системы не заменяют специалиста-эксперта , а являются инструментом в его руках.

Ограничения в применении экспертных систем. Даже лучшие из существующих ЭС, эффективно функционирующих как на больших, так и на мини-ЭВМ, имеют определенные ограничения по сравнению с человеком-экспертом.

1. Если пользователь не имеет некоторого опыта работы с такими системами, то у него могут возникнуть серьезные трудности. Многие системы оказываются доступными только тем экспертам, которые создавали их базы знаний.

2. Навыки системы не возрастают после сеанса экспертизы, по сравнению с человеком.

3. ЭС не способны обучаться, не обладают здравым смыслом. Даже ребенок в состоянии легко уяснить, что он станет мокрым, если опрокинет на себя стакан с водой, однако если начать выливать из чашки кофе на клавиатуру, у системы не хватит "ума" отодвинуть ее.

4. ЭС мало применимы в больших предметных областях из-за большой задержки с выдачей экспертизы. Их использование ограничивается предметными областями, в которых решение может быть выдано за приемлемые сроки.

5. В тех областях, где отсутствуют эксперты-профессионалы, применение ЭС оказывается невозможным (например, в астрологии) и т.д.

Лекция 11