Особливості побудови експертних систем та галузі їх використання

Світовий досвід створення експертних систем базується на дотриманні таких основних принципів їх розробки:

1. Потужність експертної системи обумовлена, у першу чергу, потужністю бази знань та можливістю її поповнення і тільки, у другу чергу, методами (процедурами), які вона використовує. Раніше у дослідженнях у галузі штучного інтелекту панувала інша точка зору.

2. Знання, що дозволяють експерту (або експертній системі) отримувати якісні та ефективні виконання своїх завдань, є в основному евристичними, експериментальними, невизначеними, правдоподібними. Причинами цього є те, що ці завдання є неформалізованими або слабоформалізованими, а знання експертів мають індивідуальний характер, тобто властивий конкретній людині.

3. Враховуючи неформалізованість завдань, які виконуються, та евристичний, особистісний характер знань, що при цьому використовуються, користувач (експерт) повинен мати можливість безпосередньої взаємодії з експертною системою у діалоговій формі.

У зв'язку з тим, що основним джерелом потужності ЕС є знання, ці системи повинні мати здібності до набуття знань і характеризуватися такими головними властивостями:

1) ЕС обмежена визначеною сферою експертизи;

2) компетентність ЕС має бути не нижче рівня експерта-фахівця;

3) здатність до міркувань при сумнівних даних на основі символьних перетворень з використанням окремих та загальних схем міркувань;

4) здатність вирішувати реальні завдання у межах предметної галузі та надавати пояснення прийнятим рішенням зрозумілим способом;

5) факти та механізм виводу чітко відокремлені одне від одного;

6) відкритість ЕС, тобто можливість нарощування системи;

7) ЕС базується на використанні правил і здатна пере-формулювати запити та завдання;

8) здатність до метаміркувань (міркувань про свою роботу та структуру);

9) ЕС на виході надає пораду (не таблиці цифр, малюнки, а чітку пораду);

10) ЕС повинна бути економічно вигідною.

Особливості побудови і функціонування експертних систем розглянемо на прикладі системи продукційного типу. Така типова експертна система у своєму складі має такі компоненти:

база знань, яка зберігає множину продукцій (у загальному випадку правил);

робоча пам'ять, яка зберігає дані (база даних);

інтерпретатор, що вирішує на основі знань, що є в системі, поставлене їй завдання;

лінгвістичний процесор, який здійснює діалогову взаємодію з користувачем (експертом) на природній для нього мові;

компонента надбання знань;

пояснювальна компонента, яка дає пояснення діям системи та відповідає на запитання, чому ті чи інші висновки були зроблені.

Основою кожної експертної системи є широкий запас знань про конкретну проблемну галузь. Здебільшого ці знання організовані як деяка сукупність правил, що дозволяють робити висновки на основі вихідних даних або припущень. Відповідно до загальної схеми ЕС для її функціонування необхідні такі знання:

знання про процес вирішення завдання (керуючі знання), які використовує інтерпретатор;

знання про мову спілкування та способи організації діалогу, які використовує лінгвістичний процесор;

знання про способи подання та модифікації знань, які використовує компонента надбання знань;

підтримуючі структурні та керуючі знання, які використовує пояснювальна компонента.

Експертна система працює за двома режимами: у режимі надбання знань і у режимі вирішення завдань. У режимі надбання знань у спілкуванні з експертною системою бере участь експерт (через інженера за знаннями). У цьому режимі експерт наповнює систему знаннями (правилами), які дозволять їй у режимі рішення самостійно виконувати завдання з галузі експертизи.

У режимі виконання завдань у спілкуванні з ЕС бере участь користувач, якого цікавить результат і (або) спосіб отримання рішення. Необхідно зазначити, що залежно від призначення ЕС користувач може або не бути фахівцем у даній проблемній галузі (у цьому випадку він звертається до ЕС за порадою, тому що не вміє отримати відповідь сам), або бути фахівцем (у цьому випадку користувач може й сам отримати результат, але звертається до ЕС з метою прискорити процес отримання результату чи для покладення на ЕС рутинної роботи).

У режимі надбання знань експерт вводить у систему продукції про галузь експертизи. Продукції (у більш загальній трактовці правила) подаються на природній для користувача мові. Об'єднання знов введених продукцій з базою знань здійснюється компонентою надбання знань. Для того щоб переконатись у достатності знань (тобто переконатися у тому, що процес налагодження системи завершено), експерт перевіряє роботу системи на тестових прикладах. Якщо отриманий експертом результат його не задовольняє, то він за допомогою пояснювальної компоненти отримує відомості про те, яким чином був цей результат сформований і, з необхідності, вносить корективи у введені продукції (правила). Після завершення процесу налагодження система передається користувачам для експлуатації.

Функція компоненти надбання (засвоєння) знань полягає у підтримці процесу здобуття знань з вузько спеціалізованої предметної галузі. Звичайно, дані про предметну галузь мають уривчастий характер, слабко структуровані та погано формалізовані. Функції передачі знань від джерела до експертної системи виконуються інженерами за знаннями. Це найбільш вузьке місце при створенні ЕС. Робляться спроби автоматизації цього процесу. Одним з найбільш простих способів є організація роботи експерта з використанням опитово-відповідальної системи. Нині вже створені програми, які здатні навчатися як фактичним знанням про предметну галузь, так і знанням про стратегії виконання завдань.

Зазначимо, що вдосконалення, внесені розробниками у сучасні системи управління базами даних, дозволяють використовувати їх при створенні експертних систем. При цьому СУБД використовують не тільки як системи, які забезпечують маніпулювання базою фактів, а навіть як інструментальні засоби побудови ЕС.

У режимі виконання завдань дані про завдання користувача після їх обробки лінгвістичним процесором надходять до робочої пам'яті. Лінгвістичний процесор виконує такі дії: перетворює вхідні дані подані на обмеженій природній мові у дані на внутрішній мові системи; перетворює повідомлення системи на внутрішній мові у повідомлення на обмеженій природній мові. Інтерпретатор на основі вхідних даних, продукційних правил та загальних фактів про проблемну галузь формує рішення завдання. Якщо відповідь системи не зрозуміла користувачу, то він може вимагати від неї пояснення, яким чином ця відповідь була отримана.

Здатність до пояснення є однією з головних якостей Б^С. Звичайно система відповідає на запитання: "як?", "чому?", "які?". Наприклад, "яким чином одержано це рішення?", "як використовувалась вказана інформація?", "яке рішення прийнято щодо визначеного підзавдання?", "чому не використовувалася вказана інформація, правило?", "які знання використані при отриманні відповіді?", "які співвідношення існують у базі знань?"

Форми відповіді можуть бути різними: текст на редуційованій природній мові у супроводі схем та малюнків; зворотне розгортання дерева цілей з визначенням цілей; виклик працюючого правила або правила, пов'язаного з цією подією; пошук у базі знань і подання правил, які є відповіддю на запитання.

Найбільш переконливим для користувача є пояснення, що ґрунтується на фундаментальних принципах організації знань у предметній галузі. Однак реалізація пояснення такого рівня практично недоступна сучасним ЕС.

Експертні системи на цей час використовуються для вирішення у багатьох галузях людської діяльності (медицина, геологія, математика, військова справа, управління, кібернетика, електроніка, юриспруденція, сільське господарство і т. ін.) таких завдань:

інтерпретація (аналіз даних, за якими ведеться спостереження, для визначення їх змісту. Наприклад, визначення хімічних структур при проведенні масспектрометричних досліджень);

прогноз - прогнозування перебігу подій у майбутньому на основі моделі минулого та сучасного або визначення ймовірних наслідків з визначеної ситуації (при наявності, як правило, неповної інформації);

діагностика- процес пошуку несправностей у системі, визначення стадії захворювання живого організму, що заснований на інтерпретації даних (наприклад, зняття ЕКГ при медичному обстеженні);

моніторинг - порівняння спостережень з критичними точками плану та повідомленням при відхиленні від плану;

планування - побудова конфігурацій об'єктів відповідно до заданих вимог та обмежень (наприклад, проектування схем ЕОМ);

налагодження - подання рекомендацій щодо усунення несправностей;

ремонт - організація виправлення деякого виявленого дефекту;

управління - керування поведінкою деякої системи (керівництво повітряним або наземним транспортом та ін.).

Інструментальні засоби розробки ЕС умовно можна поділити на такі класи: звичайні мови програмування, мови подання знань, порожні (каркасні) експертні системи або оболонки ЕС, інтегровані гібридні інструментальні середовища або комплекси.

Мови програмування загального призначення (Фортран 77, Кобол, Сі, Паскаль, Бейсік, ЛІСП та ін.), хоч і не мають спеціальних засобів, орієнтованих на підтримку розробки систем баз знань, є засобами реалізації значної частини експертних систем.

Мови подання знань орієнтовані на розробку систем баз знань, і відповідно, вже містять специфічні засоби подання знань та механізм пошуку виводу.

Порожні експертні системи (родові, каркасні, інструментальні оболонки ЕС) містять, як правило, реалізацію деякої мови подання знань (інтегратор правил) і засоби інтерфейсу, призначені як для конструктора ЕС або інженера за знаннями, так і для кінцевого користувача (підсистема пояснення рішень). Ці засоби дозволяють практично повністю виключити звичайне програмування при створенні ЕС.

Інтегровані гібридні засоби мають більш гнучкі інструментальні можливості, ніж порожні ЕС. Вони містять декілька різнорідних засобів подання даних та знань і збільшений набір засобів організації інтерфейсів.

Розглянемо співвідношення між експертними системами та системами підтримки прийняття рішень (далі - СППР). І ті й інші призначені для ефективної допомоги діяльності людини при вирішенні нею професійних завдань. Чітку межу між ними провести неможливо, а різниця полягає частіше не за результатами, а за направленістю роботи. При побудові експертних систем основну увагу приділяють способам представлення знань, структурам бази знань, які відображають уявлення про довготермінову пам'ять людини. При побудові СППР основна увага направлена на сам метод прийняття рішення, на спосіб побудови правила виводу рішення. Є всі підстави об'єднувати ці поняття, виділивши системи підтримки прийняття рішень як більш загальні, що включають у себе експертні системи.

Дата добавления: 2014-01-11