ЭС на примере MYCIN

Общая структура и схема функционирования

ЛЕКЦИЯ 6.

Цель данной лекции - дать цельное представление о функционировании ЭС. В качестве примера выбрана система MYCIN, которая получила широкую известность и промышленное применение.

Система MYCIN была задумана как программа, консультирующая врача при установлении диагноза и выдаче рекомендаций по лечению инфекционных заболеваний крови. Затем область применения системы была распространена на ряд других инфекционных заболеваний. Успешная реализация этих приложений привела к созданию на основе MYCIN базовой ЭС EMYCIN [1979].

При разработке к ЭС MYCIN предъявлялись требования:

- выдача заслуживающих доверия рекомендаций;

- удобна в эксплуатации;

- организация помощи врачу, а не замена его;

- ориентированность на приобретение и модификацию знаний;

- ведение диалога, для объяснения своего поведения.

Пример: Ситуация, в которой врач обращается за консультацией, может быть такой. В ходе операции пациенту была занесена инфекция и врачу, который не является специалистом в области инфекционных заболеваний, необходима консультация. Сложность ситуации в том, что к лечению бактериальных заболеваний необходимо приступать как можно скорее (выращивание культур 48 часов). Два выхода: дать лекарство широкого спектра (чаще всего так и происходит) либо назначить специфическое лекарство, рискуя не угадать возбудителя. В течение одного года пенициллин был прописан каждому четвёртому, хотя в 90% в назначении пенициллина не было необходимости.

Процесс решения задачи программой MYCIN можно разбить на три этапа:

1) определяется, являются ли микроорганизмы, обнаруженные у пациента патогенными, т. е. вызвавшими болезнь пациента;

2) если микроорганизм является патогенным, то он идентифицируется;

3) выбирается метод лечения.

Общая схема системы MYCIN имеет вид (Рис.10).

Рис.10. Общая схема системы MYSIN

Эта схема и способы ее функционирования подобны схеме обобщенной ЭС. Система состоит из 6 компонент. Рабочая память служит для хранения данных, полученных от пользователя, И промежуточных данных, выведенных в ходе работы системы.

База знаний хранит продукционные правила и факты об области экспертизы. Управляющая компонента выполняет основную функцию системы - установления диагноза и выработки рекомендаций относительно методов лечения. Остальные программы выполняют служебные функции для обеспечения гибкости и удобства системы. Компонента анализа и синтеза обеспечивает обработку простых предложений английского языка. Объяснительная компонента сообщает, почему и как программа обрабатывает тот или иной символ. Компонента приобретения знаний служит для пополнения и модификации знаний системы в ходе диалога с экспертом. Система написана на языке INTERLISP-1978 года. Для выполнения программы требуется около 130К памяти. Скорость ответа системы позволяет работать в реальном масштабе времени.

3.1. Состав знаний и способ их представления.

Знания о предметной области представлены в системе в виде фактов, правил, дерева целей, дерева контекстов и фиксированной иерархии объектов, определяющей структуру диалога. Знания делятся на статические и динамические. Статические знания хранятся в базе знаний и не зависят от конкретного диалога. Это сведения о болезнях и лекарствах, правила вывода и сведения об иерархии объектов. Динамические знания - дерево контекстов, дерево целей, активные факты и правила, т.е. используемые в ходе диалога.

Структура диалога системы с пользователем предопределяется иерархией объектов предметной области. В системе хранится фиксированная иерархия объектов(всего 11 объектов):

1) пациент;

2) инфекция;

3) культура;

4) микроорганизмы;

Система ведёт диалог в соответствии с иерархией. Сначала собирает информацию о пациенте, затем об инфекции и т.д.

На основании иерархии объектов и тех объектов, которые были упомянуты в диалоге, система строит дерево объектов (или дерево контекстов).

Пример: Дерево контекстов

Рис.11. Дерево контекстов

Все знания (факты), получаемые в ходе диалога с пользователем, организуются в тройки: атрибут - объект - знание. Например, при анализе приведённого выше диалога система соберёт информацию о следующих объектах: пациент-1, инфекция-1, культура-1. Конечная задача системы - определить значение всех атрибутов всех объектов, введенных в диалоге. Многие факты, хранящиеся в базе знаний тоже представлены в виде троек, остальные в виде списков и таблиц. Каждой тройке приписывается КО, указывается степень уверенности.

Основным источником знаний в MYCIN являются продукционные правила. В общей сложности их около 400. Правила имеют вид:"предпосылка- действие" (Место получения культуры-1, кровь 1,0).

Предпосылка на верхнем уровне представляет комбинацию предложений соединенных функцией И.

В действии указывается одно или более заключений, которые должны выполнятся, если предпосылка удовлетворена. Каждое правило является независимым фрагментом знаний о предметной области.

Пример:

Если (1) инфекция есть первичная бактериемия и

(2) место культуры одно из стерильных мест и

(3) предполагаемый путь проникновения микроорганизма есть

желудочно-кишечный тракт, то можете предположить (с определенностью 0.7), что микроорганизм есть bacteroides.

Т.о. предпосылка имеет следующий вид:

<предикатная ф-я><объект><атрибут><значение>

действие имеет вид:

<заключение><объект><атрибут><значение><КО>, где КО - коэффициент определенности, т.к. имеется дело с неточными рассуждениями. Существует 24 предметные функции, 80 атрибутов, 11 объектов.

Неточные рассуждения допускают одновременное сосуществование взаимоисключающих значений атрибута.

Правила в системе представлены во внутреннем формате в виде конструкций языка INTERLISP. На входе программа анализа и синтеза автоматически преобразует правила из внешней формы во внутренний формат. На выходе наоборот.

3.2.Управляющий механизм.

Поиск решений в MYCIN осуществляется в направлении от цели (искомого диагноза) к данным. Базовой стратегией является стратегия "поиска в глубину".

Сначала выбираются все правила X, в заключении которых устанавливается какой-либо диагноз. Затем предпринимается попытка вычислить предпосылки правил из множества X. Каждая предикатная функция в предложении предпосылки возвращает в качестве значения число от -1 до 1. Затем вычисляется итоговое значение для предпосылки. Если оно больше 0.2, то считается, что предпосылка удовлетворена, если < -0.2, -- то ложна. Для правил, предпосылки которых удовлетворены, выполняется заключение, содержащееся в действии правила.

КО<заключение>=<КО посылки>x<КО правила>.

Если значение некоторого предложения в предпосылке не может быть вычислено из-за того, что неизвестны значения входящих в это предложение атрибутов, то значение этих атрибутов объявляются новыми подцелями и процесс поиска рекурсивно продолжается. В ходе поиска решений строится дерево, называемое деревом целей (историческим деревом). Каждая вершина Xl в дереве соответствует некоторой цели Gl и содержит кроме описания цели следующую информацию:

- как система пыталась достичь эту цель (спрашивая пользователя или с помощью правила);

- для каждого правила, примененного к данной цели, запоминается, успешно оно применено или имела место неудача (причина неудачи).

Пример:

Если применяя некоторое правило У, система устанавливает новую подцель, то в дереве целей создаётся новая вершина, связанная ребром Z c с вершиной Х. На ребре Z делается пометка, что оно возникло при применении правила Y(рис12).

Рис.12.Дерево цели

Была рассмотрена базовая стратегия. В целях эффективности, в MYCIN введен ряд отклонений от стандартной стратегии "поиска в глуби-

ну":

1.Подцели устанавливаются не в той форме, в которой они появились, а в некоторой обобщенной форме. (Например, вместо вопросов "Значение атрибута X равно значению Y1,...,YN?" задан вопрос:"Чему равно значение X?").

2. Бывают случаи, когда система, применив все воз-

можные правила, не смогла определить искомое значение. В этом случае значение атрибута запрашивается у пользователя (при этом система может показать допустимые значения атрибута);

3. Есть атрибуты (помеченные LABDATA - лабораторные данные), ко-. торые запрашиваются только у пользователя.

4. Используется более эффективная процедура поиска по дереву. Эффективность достигается за счет следующих приемов: вначале ищется

правило с KO=1; используется механизм, запоминающий правила, условия

которых ложны; запоминается ложные предложения в посылке.

Интерпретацию (чтение) правил осуществляет управляющая компонента MYCIN. Способ интерпретации правила определяется его видом. Управляющая компонента (УК) состоит из отдельных программ, называемых "специалистами". Каждый "специалист" обрабатывает сообщение только одного вида. В УК имеются знания о структуре правила, благодаря чему она разбивает правило на составные части. Каждой составной части соответствует ее описание, называемое "шаблоном". Шаблон во многом подобен описанию процедур в языках программирования, он позволяет определить способ интерпретации обрабатываемого правила.

Пример:

Компонента правила Шаблон указывает на наличие у функции

3 параметров РАВЕН (РАВЕН КОНТ АРГ ЗНАЧ)

Кроме правил о проблемной области, есть метаправила, которые определяют стратегию поиска. Они задаются в таком же формате, как и обычные и определяют порядок применения последних. Метаправила позволяют задавать вопросы пользователю в естественном порядке.

3.3. Объяснительные способности.

Ряд систем оценивается отрицательно именно потому, что механизм их рассуждений был неизвестен или непонятен пользователю. Для устранения этого недостатка в системе MYCIN имеются возможности объяснять ход рассуждений. Возможности объяснительной компоненты зависят от того, насколько разработчики смогли предусмотреть все типы вопросов, которые может задать пользователь.

Объяснительные способности в MYCIN реализуются с помощью нескольких программ ("спецалистов"), каждая из которых реализует одну разновидность объяснений. Все объяснения разделяются на 3 вида: 1) объяснение действий (рассуждений) системы в ходе диалога; 2) ответы на вопросы о динамических знаниях рабочей памяти 3) ответы на вопросы о статических знаниях базы знаний. Первый тип реализуется набором программ "контролер рассуждений" и даются в процессе установления диагноза и выдаче рекомендаций. 2 и 3 тип - набор программ "общий ответчик" даются после выдачи рекомендаций.

3.3.1.Объяснение действий.

Т.к. система решает задачи с помощью поиска в дереве целей, для получения объяснений ее действий уместно задавать две разновидности вопросов: 1) вопрос "Почему", т.е. какую цель преследует система, совершая данное действие; 2) вопрос "Как X" (где X - ссылка на цель), т.е. вопросы о том, с помощью каких действий система достигла (достигнет) цели, указанной в X.

При ответе на первый вопрос движение по дереву целей, осуществляется вверх от текущей цели для поиска цели, объясняющей, зачем достигается текущая цель. При ответе на второй вопрос движение идет вниз от указанной цели для рассмотрения того, какие правила привели к достижению текущей цели. Комбинируя вопросы КАК и ПОЧЕМУ можно получить объяснения на различных уровнях конкретности.

3.3.2. Объяснения как ответ на вопрос.

Объяснения 2 и 3 типов являются ответами на вопросы о динамических и статических значениях. На этапе анализа сообщений определяется тип вопроса и вызывается "специалист", обрабатывающий вопросы данного вида.

Вопросы о статических знаниях подразделяются на вопросы о фактах и вопросы о правилах. Вопросы о фактах сводятся к поиску ин-

формации в базе знаний. Обработка вопросов о правилах сложнее. Для объяснения находятся все правила, предпосылки и действия которых соответствуют обрабатываемому вопросу. Анализируются два списка, связанных с каждым аргументом. Один список содержит перечень правил, использующих данный "аргумент" в предпосылке, а другой - перечень правил, использующих аргумент в "действии".

Объяснения второго типа сводятся к ответам на вопросы о динамических знаниях. MYCIN может обрабатывать вопросы следующих шаблонов:

1) чему равен <атрибут><контекста>? - поиск информации в рабочей памяти; 2) как вы узнали значение <атрибута><контекста>? - т.е. значение может быть введено пользователем, либо получено правилом (источник - дерево цели; 3) Как вы использовали <атрибут><контекста>? - необходимо найти правило, использовавшее атрибут; 4) Почему вы не определили <атрибут><контекста>? - используется общая структура MYCIN, при каких условиях ищется какая информация? 5) Что <правило> сказало вам о <контексте>? - определяется: использовано ли правило в контексте (источник дерево целей).

3.4. Анализ и синтез сообщений.

При разработке MYCIN основные усилия были направлены на обеспечение правильного диагноза и правильных рекомендаций по лечению. Поэтому проблема анализа и синтеза сообщений рассматривались авторами MYCIN как важные, но вспомогательные. Поэтому тонкие методы анализа и синтеза предложений английского языка не применялись. В MYCIN использована довольно простая техника, основанная на выделении в предложении ключевых слов. Узкая проблемная область позволила обойти вопросы многозначности выражений естественного языка.

В процессе анализа вопросов можно выделить 3 этапа.

На первом этапе все слова и словосочетания вопроса заменяются на терминальные слова с приписанной им словарной информацией. Замена осуществляется по словарю. Если слово в словаре не найдено то делается попытка, выделив корень слова, заменить его по словарю на терминальное слово с данным корнем. Неопознанные слова остаются в вопросе без изменения. Приписываемая информация указывает, что: слово является возможным значением некоторого атрибута; слово всегда соответствует определенному атрибуту, списку, таблице слово является частью словосочетания, рассматриваемого системой как единое целое

На втором этапе определяется тип вопроса. Динамические вопросы в MYCIN в явном виде используют контекст (микроорганизм-1 и т.п.). Это дает простой способ отличать динамические вопросы от статических. Дальнейшая классификация осуществляется методом сопоставления с образцами (около 50 образцов). С каждым образцом связан список действий, которые выполняются при сопоставлении. Каждый тип вопроса обрабатывается своим "специалистом".

По типу вопроса выбирается соответствующий ему шаблон, параметры которого заполняются информацией из вопроса. Способ заполнения параметров шаблона записан в виде набора предписаний. При этом используется информация, приписанная терминальным словам. Заполнение всех параметров шаблона позволяет соответствующему "специалисту" найти всю информацию, необходимую для ответа на вопрос.

Т.о. на первом этапе осуществляется замена слов в вопросе на терминальные слова. На втором этапе определяется тип вопроса и осуществляется разбиение вопроса на предпосылку и действие. На третьем этапе, на основании словарных сведений о терминальных словах выделяется информация, релевантная вопросу.

Далее, каждому из типов вопросов в системе соответствует несколько возможных шаблонов для ответа. "Специалист", отвечающий на вопросы данного типа, должен будет просмотреть дерево целей и базу знаний для того, чтобы определить, какой из двух шаблонов уместен в данном случае.

3.5. Приобретение знаний.

С самого начала разработки MYCIN было ясно, что база знаний будет довольно активно меняться. Процесс приобретения знаний можно

разбить на 3 этапа:

- обнаружение неполноты базы знаний и выявление новых знаний, устраняющих эту неполноту;

- введение в систему новых знаний;

- объединение новых знаний со старыми.

Первый этап выполняется экспертом и инженером по знаниям. Предполагается, что объяснительные способности системы позволяют ей выявить неполноту знаний.

Второй этап будет осуществляется автоматизировано в ходе диалога. Система преобразует фразу на ограниченном английском языке в правило, представленное на внутреннем языке системы.

Понимание английской фразы основано на использовании метода анализа, направляемого моделью. Система формирует новое правило по частям. Сначала обрабатываются фразы, соответствующие предложениям предпосылки, затем фразы, соответствующие предложениям заключения. Система просматривает фразу и делает предположение о том, какое слово соответствует предикатной функции. Затем шаблон выбранной предикатной функции используется в качестве модели, которая направляет процесс анализа фразы английского языка. Система определяет, какие

ключевые слова входной фразы могут заполнять те или иные слоты шаблона. В связи с тем, что в системе используются приблизительные методы разбора фразы, в результате может быть получено несколько вариантов анализа. После обработки последней фразы нового правила система имеет правило во внутреннем представлении.

Задача третьего этапа практически не автоматизирована в MYCIN, т.е. эксперт убеждается в правильности правила и его согласованности с другими правилами БЗ в результате решения тестовых задач. Автоматизация затруднена по следующим причинам:

- множество всех правил должно быть непротиворечивым и неизбыточным. Автоматическое решение этой проблемы не возможно, так как правила в ЭС отражает не формальную логику, а логику рассуждений, основанную на "здравом смысле";

- добавление нового знания влечет за собой цепь вторичных модификаций БЗ

Т.о., основные этапы приобретения знаний в MYCIN автоматизированы недостаточно. Однако имеющаяся возможность вводить новые правила и проверять с помощью объяснительной компоненты их правильность обеспечивает эксперта минимальными, но для ряда приложений достаточными средствами для пополнения и отладки БЗ об области экспертизы.

Дата добавления: 2014-01-07