Системы поддержки принятия решений

Экспертная система (ЭС, Expert system) – система искусственного интеллекта, включающая знания об определенной слабо структурированной и трудно формализуемой узкой предметной области и способная предлагать и объяснять пользователю разумные решения.

Экспертные системы

Однозначного определения понятие экспертной системы не имеет.

Согласно толковому словарю по информатике, под экспертной системой понимают систему искусственного интеллекта, которая включает в себя базу знаний с набором правил и механизмом вывода, позволяющую на основании этих правил и предоставляемых пользователем фактов распознавать ситуацию, ставить диагноз, формулировать решение или давать рекомендации для выбора действия.

Иногда вместо определения понятия дают перечень свойств экспертных систем: экспертная система ограничена определенной сферой экспертизы; способна рассуждать при сомнительных данных; способна объяснять цепочку рассуждений понятным способом; факты и механизм вывода четко отделены друг от друга; она строится так, чтобы имелась возможность постепенного развития и наращивания системы; чаще всего она основана на использовании правил; на выходе выдает четкий совет; экономически выгодна.

Технология ЭС существенно расширяет круг практически значимых задач, решение которых с использованием современных средств вычислительной техники, приносит значительный экономический эффект. ЭС предназначены для решения неформализованных задач, к которым относят задачи, обладающие одной или несколькими из следующих характеристик:

- не могут быть заданы в числовой форме;

- цели не могут быть выражены в терминах точно определенной целевой функции;

- не существует алгоритмического решения задач;

- алгоритмическое решение существует, но его нельзя использовать из-за ограниченности ресурсов (время, память).

Неформализованные задачи характеризуются: ошибочностью, неоднозначностью, неполнотой и противоречивостью исходных данных, знаний о проблемной области и решаемой задаче; большой размерностью пространства решения, т.е. перебор при поиске решения весьма велик; динамически изменяющимися данными и знаниями.

Полностью оформленная статическая экспертная система имеет шесть существенных компонент: машину логического вывода (решатель, интерпретатор); базу данных (рабочую память); базу знаний; компоненты приобретения знаний; объяснительный компонент; диалоговый компонент. Все шесть компонент являются важными, и, хотя система, основанная на знаниях, может обойтись без одной-двух из них, в общем, она может быть представлена в следующем виде.

База знаний - содержит факты (или утверждения) и правила. Факты представляют собой краткосрочную информацию в том отношении, что они могут изменяться, например, в ходе консультации. Правила представляют более долговременную информацию о том, как порождать новые факты или гипотезы из того, что сейчас известно. В настоящее время часто понятие базы знаний пытаются заменить базой данных. Основное различие последнего состоит в том, что база знаний обладает большими творческими возможностями, а база данных обычно пассивна: данные либо там есть, либо их нет. База знаний, с другой стороны, активно пополняется новой и недостающей информацией.

Подсистема логического вывода (логическая машина вывода), используя исходные данные из рабочей памяти (БД) и базы знаний (БЗ), формирует такую последовательность правил, которая приводит к решению задачи. Различают прямую и обратную цепочки рассуждений. Прямая цепочка – это цепочка, которая ведет от данных к гипотезам, при этом в процессе диалога до получения ответа может быть задано неограниченное количество вопросов. Обратная цепочка рассужденийявляется попыткой найти данные для доказательства или опровержения некоторой гипотезы. На практике в чистом виде не встречаются ни одна из рассмотренных цепочек рассуждений. Объясняется не однозначностью данных, используемых при рассуждениях.

Редактор знаний (компонент приобретения знаний автоматизирует процесс наполнения ЭС знаниями, источником которых является эксперт либо группа экспертов.

Объяснительный компонент разъясняет пользователю, как система получила решение задачи (или почему она не получила решение) и какие знания при этом использовала, что повышает доверие пользователя к полученному результату.

Интерфейс пользователя (диалоговый компонент) ориентирован на организацию дружественного общения с пользователем как в ходе решения задач, так и в процессе приобретения знаний и объяснения результатов работы.

База данных (БД) предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи.

Статические ЭС используются в приложениях, где можно не учитывать изменения, происходящие за время решения задачи.

В случаях, когда необходимо учитывать динамику, т.е. изменения, происходящие в окружающем мире, в архитектуру ЭС вводится два компонента: подсистема моделирования внешнего мира и подсистема связи с внешним окружением, которая осуществляет связи с внешним миром через систему датчиков и контроллеров, либо используя СУБД. Кроме того, существенным изменениям подвергаются и остальные подсистемы.

Экспертная система может работать в двух режимах: приобретения знаний и решения задачи (режим консультации или режим использования). В режиме приобретения знаний общение с ЭС осуществляет эксперт, который, используя компонент приобретения знаний, наполняет систему информацией, позволяющей ЭС в режиме консультации самостоятельно (без эксперта) решать задачи из проблемной области. Эксперт описывает проблемную область в виде совокупности правил и данных. Данные определяют объекты, их характеристики и значения, существующие в области экспертизы, правила – способы манипулирования данными, характерные для рассматриваемой области.

В режиме консультации общение с ЭС осуществляет конечный пользователь, которого интересует результат и (или) способ его получения. В качестве конечного пользователя, может и эксперт, и программист, и лицо, принимающее решение – ЛПР.

В режиме консультации данные о задаче пользователя после обработки их диалоговым компонентом поступают в рабочую память. Машина логического вывода на основе входных данных, общих данных о проблемной области и правил из БЗ формирует решение задачи.

Экспертная система отличается от прочих прикладных программ наличием следующих признаков:

- моделирует не столько физическую (или иную) природу определенной проблемной области, сколько механизм мышления человека применительно к решению задач в этой проблемной области, основное внимание уделяя воспроизведению компьютерными средствами методики решения проблем, которая применяется экспертом;

- помимо выполнения вычислительных операций, формирует определенные соображения и выводы, основываясь на тех знаниях, которыми она располагает. Знания в системе представлены, как правило, на некотором специальном языке и хранятся отдельно от собственно программного кода, который и формирует выводы и соображения;

- при решении задач основными являются эвристические и приближенные методы, которые, в отличие от алгоритмических, не всегда гарантируют успех, т.к. не требуют исчерпывающей исходной информации и обеспечивают определенную степень уверенности (или неуверенности), что предлагаемое решение является верным.

Экспертные системы отличаются и от других видов программ из области искусственного интеллекта:

- имеют дело с предметами реального мира, операции с которыми обычно требуют наличия значительного опыта, накопленного человеком. Множество программ из области искусственного интеллекта являются сугубо исследовательскими, и основное внимание в них уделяется абстрактным математическим проблемам или упрощенным вариантам реальных проблем, целью выполнения такой программы – «повышение уровня интуиции» или отработка методики. Экспертные системы имеют ярко выраженную практическую направленность в научной или коммерческой области;

- должна за приемлемое время найти решение, которое было бы не хуже, чем то, которое может предложить специалист в этой предметной области;

- должна обладать способностью объяснить, почему предложено именно такое решение, и доказать его обоснованность.

В разработке ЭС принимают участие:

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

- инженер по знаниям - специалист по разработке ЭС (используемые им технологии, методы называют технологией (методами) инженерии знаний);

- программист по разработке инструментальных средств, предназначенных для ускорения разработки ЭС.

В основе разработки ЭС лежит процесс передачи потенциального опыта решения проблемы от некоторого источника знаний и преобразование его в вид, который позволяет использовать эти знания в программе. Передача знаний выполняется в процессе достаточно длительных и пространных собеседований между специалистом по проектированию экспертной системы (инженером по знаниям) и экспертом в определенной предметной области, способным достаточно четко сформулировать имеющийся у него опыт.

Исследователи рассматривают функцию приобретения знаний в качестве одного из главных «узких мест» технологии экспертных систем. Это объясняется следующими причинами:

- во многих проблемных областях специалисты пользуются собственным жаргоном, который трудно перевести на обычный «человеческий» язык, потому требуется много дополнительных вопросов для уточнения его логического или математического значения;

- факты и принципы, лежащие в основе многих специфических областей знания эксперта, не могут быть четко сформулированы в терминах математической теории или детерминированной модели, свойства которой хорошо понятны;

- для решения проблемы в определенной области эксперту недостаточно обладать суммой знаний о фактах и принципах в этой области: насколько надежны различные источники информации и как можно расчленить сложную проблему на более простые, которые можно решать более или менее независимо и т.д.

- экспертный анализ включает многие вещи, кажущиеся эксперту само собой разумеющимися, но для постороннего отнюдь таковыми не являющиеся.

Основными методологическими принципами построения ЭС (как любых СОЗ):

- информационный – объектом является все то, что является источником информации;

- системности – объект, представляющий собой совокупность взаимосвязанных объектов, называется системой. Всякий объект может являться элементом одновременно многих систем;

- отражения – любой объект обладает различными свойствами, проявляющимися в рамках соответствующих систем, элементом которых является объект;

- структурности – структура системы отражает структуру предметной области; знания организуются в БЗ, имеющую определенную структуру, механизм доступа и алгоритмы использования.

Понятие системы поддержки принятия решений (СППР) долгое время отождествлялось с понятием экспертной системы (ЭС). Существует множество определений СППР, отражающих точки зрения представителей различных дисциплин и научных школ.

СППР определяется, как «основанная на использовании моделей совокупность процедур по обработке данных и суждений, помогающих руководителю в принятии решений». Иногда предлагается рассматривать СППР в качестве «интерактивных автоматизированных систем, которые помогают лицам, принимающим решения, использовать данные и модели, чтобы решать неструктуризованные проблемы». СППР определяется и «как компьютерная информационная система, используемая для поддержки различных, видов деятельности при принятии решений в ситуациях, где невозможно или нежелательно иметь автоматическую систему, которая полностью выполняет весь процесс решения».

Большинство исследователей согласны, что СППР предназначены для решения слабоструктуризованных проблем. В соответствии с определением Н.Simon, к слабоструктуризованным относятся проблемы, которые содержат как количественные, так и качественные переменные, причем качественные аспекты проблемы имеют тенденцию доминировать. Неструктуризованные проблемы имеют лишь качественное описание.

В последние годы выявились новые классы задач принятия решений, требующие привлечения СППР. В процессе принятия решений возникла необходимость в субъективных, экспертных моделях (прогнозы продаж продукции, реакции конкурентов и т.д.). Возникла необходимость в учете знаний многих экспертов, в анализе принятых ранее решений.

В СППР объединяются на общей основе подходы, характерные для следующих направлений исследований: принятие решений; извлечение и представление знаний; построение человеко-машинных (диалоговых) систем.

Исходя из вышесказанного можно дать следующее определение: системы поддержки принятия решений являются человеко-машинными системами, которые позволяют лицам, принимающим решения, использовать данные, знания, объективные и субъективные модели для анализа и решения слабоструктуризованных проблем.

СППР обладает следующими основными характеристиками:

- использует и данные, и модели;

- предназначена для помощи менеджерам в принятии решений для слабоструктурированных и неструктурированных задач;

- поддерживает, а не заменяют, выработку решений менеджерами;

- улучшает эффективность решений.

Исследователи по-разному определяют архитектуру СППР, чаще всего выделяются следующие компоненты: система управления данными, система управления моделями, машина знаний, интерфейс пользователя и пользователи.

Иногда архитектуру СППР представляют следующим образом: языковая система (ЯС); система знаний (СЗ); система обработки проблем. ЯС по своему назначению аналогична интерфейсу «пользователь-система», который обеспечивает коммуникации между пользователем и всеми компонентами СППР. С помощью ее пользователь формулирует проблему и управляет процессом ее решения, используя предоставляемые системой языковые средства (синтаксические, семантические).

СЗ содержит информацию о проблемной области. СЗ различаются по характеру содержащихся в них данных и по используемым методам представления знаний (иерархические структуры, семантические сети, фреймы, системы продукций, исчисление предикатов и др.). Определенная организация данных в соответствии с целями системы является ключевым моментом в построения СЗ.

Система обработки проблем или проблемный процессор (ПП) является механизмом, связывающим ЯС и СЗ. ПП обеспечивает сбор информации, распознавание проблемы, формулировку модели, ее анализ и т.д., воспринимает описание проблемы, сделанное в соответствии с синтаксисом ЯС, и использует знания, организованные по принятым в СЗ правилам, для того чтобы создать информацию, необходимую для поддержки решения. ПП является динамичной компонентой СППР, отражающей (моделирующей) образцы поведения человека, решающего проблему. Как минимум, ПП должен обладать способностями объединять информацию, получаемую от пользователя через ЯС и СЗ, и, используя модели, преобразовывать формулировку проблемы в детальные процедуры, выполнение которых даст ответ. В более сложных случаях ПП должен уметь формулировать модели, необходимые для решения поставленной проблемы. Таким образом, ПП выполняет функции блоков анализа проблем и принятия решений. Составляющие процесса принятия решения: сбор данных, распознавание проблемы, формулировка концептуальной модели, формулировка эмпирической модели, верификация, анализ, поиск допустимых решений, проверка правильности (обоснованности) решения, генерация решения, выполнение. Использование этих составляющих в процедуре принятия решений зависит от типа проблемы и модельного цикла. В случае хорошо структуризованных проблем исключаются стадии 2, 8 и 9. При нормативном аксиоматическом подходе используются только стадии 3, 7 и 9. В схеме главную роль играют стадии 1, 4 и 7.

Эффективность СППР связана с широтой спектра используемых данных. Поэтому БД СППР включает в себя как количественную, так и качественную информацию из различных источников. Средства создания и ведения БД должны предоставлять следующие возможности: объединять различные источники данных, используя процедуры извлечения информации; легко и быстро добавлять и исключать источники данных; представлять логическую структуру данных в терминах пользователя; иметь полный набор функций управления данными.

Важной особенностью СППР является их способность формировать модели для принятия решений. Предполагается, что в БМ следует встраивать не локальные модели, а модели, объединенные с БД. Процедуры моделирования должны обеспечивать гибкость построения моделей, в частности, из готовых блоков, подпрограмм; легкость управления ими, система управления - возможность каталогизировать и обслуживать широкий спектр моделей, поддерживающих все уровни управления; быстро и легко создавать новые модели; связывать эти модели с соответствующими БД; управлять БМ с помощью функций управления.

ЭС и СППР как конкретные программные продукты в ряде случаев могут выглядеть внешне одинаково. Однако они имеют существенное различие в целевой направленности: СППР призвана помочь ЛПР в решении стоящей перед ним проблемы, а ЭС - заменить человека при решении проблемы.

Дата добавления: 2014-11-20