Экспертные системы. Экспертные системы как самостоятельное направление в ис­кусственном интеллекте сформировалось в конце 1970-х гг

Экспертные системы как самостоятельное направление в ис­кусственном интеллекте сформировалось в конце 1970-х гг. Исто­рия ЭС началась с сообщения японского комитета по разработке ЭВМ пятого поколения, в котором основное внимание уделялось развитию «интеллектуальных способностей» компьютеров с тем, чтобы они могли оперировать не только данными, но и знания­ми, как это делают специалисты (эксперты) при выработке умо­заключений. Группа по экспертным системам при Комитете British Computer Society определила ЭС как «воплощение в ЭВМ компоненты опыта эксперта, основанной на знаниях, в такой форме, что машина может дать интеллектуальный совет или при­нять решение относительно обрабатываемой функции». Одним из важных свойств ЭС является способность объяснить ход своих рассуждений понятным для пользователя образом.

Область исследования ЭС называют «инженерией знаний». Этот термин был введен Е.Фейгенбаумом и в его трактовке озна­чает «привнесение принципов и инструментария из области ис­кусственного интеллекта в решение трудных прикладных про­блем, требующих знаний экспертов». Другими словами, ЭС при­меняются для решения неформализованных проблем, к которым относят задачи, обладающие одной (или несколькими) из следу­ющих характеристик:

задачи не могут быть представлены в числовой форме;

исходные данные и знания о предметной области обладают неоднозначностью, неточностью, противоречивостью;

цели нельзя выразить с помощью четко определенной целе­вой функции;

не существует однозначного алгоритмического решения задачи;

алгоритмическое решение существует, но его нельзя исполь­зовать по причине большой размерности пространства решений и ограничений на ресурсы (времени, памяти).

Главное отличие ЭС и систем искусственного интеллекта от систем обработки данных состоит в том, что в них используется символьный, а не числовой способ представления данных, а в ка­честве методов обработки информации применяются процедуры логического вывода и эвристического поиска решений.

ЭС охватывают самые разные предметные области, среди которых лидируют бизнес, производство, медицина, про­ектирование и системы управления.

Во многих случаях ЭС являются инструментом, усиливаю­щим интеллектуальные способности эксперта. Кроме того, ЭС может выступать в роли:

l консультанта для неопытных или непрофессиональных пользователей;

l ассистента эксперта-человека в процессах анализа вариан­тов решений;

l партнера эксперта в процессе решения задач, требующих привлечения знаний из разных предметных областей.

Для классификации ЭС используются следующие признаки:

l способ формирования решения;

l способ учета временного признака;

l вид используемых данных и знаний;

l число используемых источников знаний.

По способу формирования решения ЭС можно разделить на ана­лизирующие и синтезирующие. В системах первого типа осуще­ствляется выбор решения из множества известных решений на основе анализа знаний, в системах второго типа решение синте­зируется из отдельных фрагментов знаний.

В зависимости от способа учета временного признака ЭС де­лят на статические и динамические. Статические ЭС предназ­начены для решения задач с неизменяемыми в процессе реше­ния данными и знаниями, а динамические ЭС допускают такие изменения.

По видам используемых данных и знаний различают ЭС с детерминированными и неопределенными знаниями. Под неопреде­ленностью знаний и данных понимаются их неполнота, ненадеж­ность, нечеткость.

ЭС могут создаваться с использованием одного или несколь­ких источников знаний.

В соответствии с перечисленными признаками можно выде­лить четыре основных класса ЭС: классифицирующие, доопределяющие, трансформирующие и мультиагентные.

Классифицирующие ЭС решают задачи распознавания ситуа­ций. Основным методом формирования решений в таких систе­мах является дедуктивный логический вывод.

Доопределяющие ЭС используются для решения задач с не полностью определенными данными и знаниями. В таких ЭС возникают задачи интерпретации нечетких знаний и выбора аль­тернативных направлений поиска в пространстве возможных ре­шений. В качестве методов обработки неопределенных знаний могут использоваться байесовский вероятностный подход, коэф­фициенты уверенности, нечеткая логика.

Трансформирующие ЭС относятся к синтезирующим динами­ческим экспертным системам, в которых предполагается повто­ряющееся преобразование знаний в процессе решения задач. В ЭС данного класса используются различные способы обработки знаний:

l генерация и проверка гипотез;

l логика предположений и умолчаний (когда по неполным данным формируются представления об объектах определенного класса, которые впоследствии адаптируются к конкретным усло­виям изменяющихся ситуаций);

l использование метазнаний (более общих закономерностей) для устранения неопределенностей в ситуациях.

Мультиагентные системы — это динамические ЭС, основан­ные на интеграции нескольких разнородных источников знаний. Эти источники обмениваются между собой получаемыми резуль­татами в ходе решения задач. Системы данного класса имеют сле­дующие возможности:

l реализация альтернативных рассуждений на основе исполь­зования различных источников знаний и механизма устранения противоречий;

l распределенное решение проблем, декомпозируемых на па­раллельно решаемые подзадачи с самостоятельными источниками знаний;

l применение различных стратегий вывода заключений в за­висимости от типа решаемой проблемы;

l обработка больших массивов информации из баз данных;

l использование математических моделей и внешних про­цедур для имитации развития ситуаций.

Дата добавления: 2014-01-05