Экспертной системы экспертной системы

Не пригодная для создания пригодная для создания

Экспертные системы (ЭС) - это сложные программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и тиражирующие этот эмпирический опыт для консультаций менее квалифицированных пользователей.

Рис. 5.4. Структура экспертной системы

Обобщенная структура экспертной системы представлена на рис. 5.4. Следует учесть, что реальные экспертные системы могут иметь более сложную структуру, однако блоки; изображенные на рисунке, непременно присутствуют в любой действительно экспертной системе, поскольку являют собой негласный канон на структуру современной экспертной системы.

Определим основные термины для дальнейшего использования.

Пользователь - специалист предметной области, для которого предназначена система. Обычно его квалификация недостаточно высока, и поэтому он нуждается в помощи и поддержке своей деятельности со стороны ЭС.

Инженер по знаниям - специалист по искусственному интеллекту, выступающий в роли промежуточного буфера между экспертом и базой знаний. Синонимы: когнитолог, инженер-интерпретатор, аналитик.

Интерфейс пользователя - комплекс программ, реализующих диалог пользователя с ЭС как на стадии ввода информации, так и получения результатов.

База знаний (БЗ) - ядро ЭС, совокупность знаний предметной области, записанная на машинный носитель в форме, понятной эксперту и пользователю (обычно на некотором языке, приближенном к естественному). Параллельно такому “человеческому” представлению существует БЗ во внутреннем “машинном” представлении.

Решатель – программа, моделирующая ход рассуждений эксперта на основании знаний, имеющихся в БЗ. Синонимы: дедуктивная машина, блок логического вывода.

Подсистема объяснений – программа, позволяющая пользователя получить ответы на вопросы: “Как была получена та или иная рекомендация?” и “Почему система приняла такое решение?” ответ на вопрос “как” – это трассировка всего процесса получения решения с указанием использованных фрагментов БЗ, т.е. всех шагов цепи умозаключений. Ответ на вопрос “почему” – ссылка на умозаключение, непосредственно предшествовавшее полученному решению, т.е. отход на один шаг назад.

Интеллектуальный редактор БЗ – программа, представляющая инженеру по знаниям возможность создавать БЗ в диалоговом режиме. Включает в себя систему вложенных меню, шаблонов языка представления знаний, подсказок (“help” – режим) и других сервисных средств, облегчающих работу с базой.

В коллектив разработчиков ЭС входят как минимум четыре человека:

· эксперт;

· инженер по знаниям;

· программист;

· пользователь.

Возглавляет коллектив инженер по знаниям, это ключевая фигура при разработке систем, основанных на знаниях.

Рассмотрим классификацию экспертных систем. Класс "экспертные системы" сегодня объединяет несколько тысяч различных программных комплексов, которые можно классифицировать по различным категориям. Полезными могут оказаться следующие классификации (рис. 5.5)

Сначала остановимся на классификации по решаемой задаче.

Интерпретации данных. Это одна из традиционных задач для экспертных систем. Под интерпретацией понимается определение смысла данных, результаты которого должны быть согласованными и корректными. Обычно предусматривается многовариантный анализ данных.

Пример: обнаружение и идентификация различных типов океанских судов.

Рис. 5.4. Классификация экспертных систем

Диагностика. Под диагностикой понимается обнаружение неисправности в некоторой системе. Неисправность - это отклонение от нормы. Такая трактовка позволяет с единых теоретических позиций рассматривать и неисправность оборудования в технических системах, и заболевания живых организмов, и всевозможные природные аномалии. Важной спецификой является необходимость понимания функциональной структуры (“анатомии”) диагностирующей системы.

Пример: диагностика и терапия сужения коронарных сосудов.

Мониторинг. Основная задача мониторинга - непрерывная интерпретация данных в реальном масштабе времени и сигнализация о выходе тех или иных параметров за допустимые пределы. Главные проблемы – “пропуск” тревожной ситуации и инверсная задача “ложного” срабатывания. Сложность этих проблем в размытости симптомов тревожных ситуаций и необходимость учета временного контекста.

Пример: контроль за работой электростанций.

Проектирование. Проектирование состоит в подготовке спецификации на создание “объектов” с заранее определенными свойствами. Под спецификацией понимаемся весь набор необходимых документов - чертеж пояснительная записка и т.д. Основные проблемы здесь - получение четкого структурного описания знаний об объекте, и проблема “следа”. Для организации эффективного проектирования и, в еще большей степени, перепроектирования необходимо формировать не только сами проектные решения, но и мотивы их принятия. Таким образом, в задачах проектирования тесно связываются два основных процесса, выполняемых в рамках соответствующей ЭС: процесс вывода решения и процесс объяснения.

Пример: проектирование конфигураций ЭВМ.

Прогнозирование. Прогнозирующие системы логически выводят вероятные следствия из заданных ситуаций. В прогнозируемой системе обычно используется параметрическая динамическая модель, в которой значения параметров "подгоняются" под заданную ситуацию. Выводимые из этой модели следствия составляют основу для прогнозов с вероятностными оценками.

Пример: предсказание погоды

Планирование. Под планированием понимается нахождение планов действий, относящихся к объектам, способным выполнять некоторые функции. В таких ЭС используются модели поведения реальных объектов с тем, чтобы логически вывести последствия планируемой деятельности.

Пример: планирование поведения робота.

Обучение. Системы обучения диагностируют ошибки при изучении какой-либо дисциплины, с помощью ЭВМ подсказывают правильные решения. Они аккумулируют знания о гипотетическом “ученике” и его характерных ошибках, затем в работе способны диагностировать слабости в знаниях обучаемых и находить соответствующие средства для ликвидации. Кроме того, они планируют акт общения с учеником в зависимости от успехов с целью передачи знаний.

Пример: обучение языку программирования.

В общем случае все системы, основанные на знаниях, можно подразделить на системы, решающие задачи анализа, и на системы, решающие задачи синтеза. Основное отличие задач анализа от задач синтеза заключаемся в следующем: если в задачах анализа множество решений может быть перечислено и включено в систему, то в задачах синтеза множество решений потенциально строятся из решений компонентов или подпроблем. Задачи анализа - это интерпретация данных, диагностика; к задачам синтеза относился проектирование, планирование. Комбинированные задачи: обучение, мониторинг, прогнозирование.

Классификация экспертных систем по связи с реальным временем.

Статические ЭС разрабатываются в предметных областях, в которых база знаний и интерпретируемые данные не меняются во времени. Они стабильны.

Пример: Диагностика неисправностей в автомобиле.

Квазидинамические ЭС интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.

Пример: Микробиологические ЭС, в которых снимаются лабораторные изменения с технологического процесса один раз в 4 – 5 ч и анализируется динамика полученных показателей по отношению к предыдущему измерению.

Динамические ЭС работают в сопряжении с датчиками в режиме реального времени с непрерывной интерпретацией поступающих данных.

Пример: Управление гибкими производственными комплексами, мониторинг в реанимационных палатах и т.д

Классификации но степени интеграции с другими программами.

Автономные ЭС работают непосредственно в режиме консультации с пользователем для специфически "экспертных" задач, для решения которых не требуется привлекать традиционные методы обработки данных (расчеты, моделирование и т.д.).

Гибридные ЭС представляют программный комплекс, агрегирующий стандартные пакеты прикладных программ (например, математическую статистику, линейное программирование или системы управления базами данных) и средства манипулирования знаниями.

Несмотря на внешнюю привлекательность гибридного подхода, следует отметить, что разработка таких систем являет собой задачу, на порядок более сложную, чем разработка автономной ЭС. Стыковка не просто разных пакетов, а разных методологий (что происходит в гибридных системах) порождает целый комплекс теоретических и практических трудностей.

Глава 4. Компьютерные сети

Компьютерная (вычислительная) сеть — совокупность компьютеров и терминалов, соединенных с помощью каналов связи в единую систему, удовлетворяющую требованиям распределенной обработки данных.

Физическая передающая среда — линии связи или пространство, в кото­ром распространяются электрические сигналы, и аппаратура передачи данных.

Классификация вычислительных сетей

В зависимости от территориального расположения абонентских систем вычислительные сети можно разделить на три основных класса:

глобальные сети (WAN — Wide Area Network);

региональные сети (MAN — Metropolitan Area Network);

локальные сети (LAN — Local Area Network).

Глобальная вычислительная сеть объединяет абонентов, расположенных в раз­личных странах, на различных континентах. Взаимодействие между абонентами такой сети может осуществляться на базе телефонных линий связи, радиосвязи и систем спутниковой связи. Глобальные вычислительные сети позволят решить проблему объединения информа­ционных ресурсов всего человечества и организации доступа к этим ресурсам.

Региональная вычислительная сеть связывает абонентов, расположенных на зна­чительном расстоянии друг от друга. Она может включать абонентов внутри большого го­рода, экономического региона, отдельной страны. Обычно расстояние между абонентами региональной вычислительной сети составляет десятки — сотни километров.

Локальная вычислительная сеть объединяет абонентов, расположенных в преде­лах небольшой территории. В настоящее время не существует четких ограничений на тер­риториальный разброс абонентов локальной вычислительной сети.

Дата добавления: 2014-01-13