Назначение экспертных систем

Экспертные системы (ЭС). Назначение экспертных систем. Формальные основы экспертных систем. (Попов)

Классификация ИИС. (Андрейчикова)

Основные направления искусственного интеллекта и их характеристика. (Андрейчикова)

Понятие интеллектуальной информационной системы (ИИС). (Андрейчикова)

Барнаул 2006

Изд-во АлтГТУ

Учебное пособие

Интеллектуальные информационные системы (Системы обработки знаний)

О.И. Пятковский

Искусственный интеллект (ИИ) как наука существует около полувека. Первой интеллектуальной системой считается про­грамма «Логик-Теоретик», предназначенная для доказательства теорем и исчисления высказываний. Ее работа впервые была продемонстрирована 9 августа 1956 г. В создании программы участвовали такие известные ученые, как А. Ньюэлл, А. Тьюринг, К. Шеннон, Дж. Лоу, Г. Саймон и др. За прошедшее с тех пор вре­мя в области ИИ разработано великое множество компьютерных систем, которые принято называть интеллектуальными. Области их применения охватывают практически все сферы человеческой деятельности, связанные с обработкой информации.

На сегодняшний день не существует единого определения, которое однозначно описывает эту научную область. Среди мно­гих точек зрения на нее доминируют следующие три. Соглас­но первой исследования в области ИИ относятся к фундамен­тальным, в процессе которых разрабатываются новые модели и методы решения задач, традиционно считавшихся интеллекту­альными и не поддававшихся ранее формализации и автоматиза­ции. Согласно второй точке зрения это направление связано с новыми идеями решения задач на ЭВМ, с разработкой новых технологий программирования и с переходом к компьютерам не фон-неймановской архитектуры. Третья точка зрения, наиболее прагматическая, основана на том, что в результате исследований, проводимых в области ИИ, появляется множество прикладных систем, способных решать задачи, для которых ранее создавае­мые системы были непригодны. По последней трактовке ИИ яв­ляется экспериментальной научной дисциплиной, в которой роль эксперимента заключается в проверке и уточнении интел­лектуальных систем, представляющих собой аппаратно-про­граммные информационные комплексы.

Интеллектуальные информационные системы проникают во все сферы нашей жизни, поэтому трудно провести строгую клас­сификацию направлений, по которым ведутся активные и много­численные исследования в области ИИ. Рассмотрим кратко не­которые из них.

Разработка интеллектуальных информационных систем или сис­тем, основанных на знаниях. Это одно из главных направлений ИИ. Основной целью построения таких систем являются выявление, исследование и применение знаний высококвалифицированных экспертов для решения сложных задач, возникающих на практике. При построении систем, основанных на знаниях (СОЗ), ис­пользуются знания, накопленные экспертами в виде конкретных правил решения тех или иных задач. Это направление преследует цель имитации человеческого искусства анализа неструктуриро­ванных и слабоструктурированных проблем (9J. В данной облас­ти исследований осуществляется разработка моделей представле­ния, извлечения и структурирования знаний, а также изучаются проблемы создания баз знаний (БЗД образующих ядро СОЗ. Частным случаем СОЗ являются экспертные системы (ЭС).

Разработка естественно-языковых интерфейсов и машинный перевод. Проблемы компьютерной лингвистики и машинного пе­ревода разрабатываются в ИИ с 1950-х гг. Системы машинного перевода с одного естественного языка на другой обеспечивают быстроту и систематичность доступа к информации, оператив­ность и единообразие перевода больших потоков, как правило, научно-технических текстов [6]. Системы машинного перевода строятся как интеллектуальные системы, поскольку в их основе лежат БЗ в определенной предметной области и сложные модели, обеспечивающие дополнительную трансляцию «исходный язык оригинала — язык смысла — язык перевода». Они базируются на структурно-логическом подходе, включающем последователь­ный анализ и синтез естественно-языковых сообщений. Кроме того, в них осуществляется ассоциативный поиск аналогичных фрагментов текста и их переводов в специальных базах данных (БД). Данное направление охватывает также исследования методов и разработку систем, обеспечивающих реализацию процесса общения человека с компьютером на естественном языке (так на­зываемые системы ЕЯ-общения) [6].

Генерация и распознавание речи. Системы речевого общения создаются в целях повышения скорости ввода информации в ЭВМ, разгрузки зрения и рук, а также для реализации речевого общения на значительном расстоянии. В таких системах под тек­стом понимают фонемный текст (как слышится).

Обработка визуальной информации. В этом научном направле­нии решаются задачи обработки, анализа и синтеза изображений |6|. Задача обработки изображений связана с трансформировани­ем графических образов, результатом которого являются новые изображения. В задаче анализа исходные изображения преобра­зуются в данные другого типа, например в текстовые описания. При синтезе изображений на вход системы поступает алгоритм построения изображения, а выходными данными являются гра­фические объекты (системы машинной графики).

Обучение и самообучение. Эта актуальная область ИИ включа­ет модели, методы и алгоритмы, ориентированные на автомати­ческое накопление и формирование знаний с использованием процедур анализа и обобщения данных [4, 13]. К данному на­правлению относятся не так давно появившиеся системы добычи данных (Data-mining) и системы поиска закономерностей в ком­пьютерных базах данных (Knowledge Discovery).

Распознавание образов. Это одно из самых ранних направле­ний ИИ, в котором распознавание объектов осуществляется на основании применения специального математического аппара­та, обеспечивающего отнесение объектов к классам [7], а клас­сы описываются совокупностями определенных значений при­знаков.

Игры и машинное творчество. Машинное творчество охваты­вает сочинение компьютерной музыки [5], стихов [6], интеллек­туальные системы для изобретения новых объектов [2, 14]. Со­здание интеллектуальных компьютерных игр является одним из самых развитых коммерческих направлений в сфере разработки программного обеспечения. Кроме того, компьютерные игры предоставляют мощный арсенал разнообразных средств, исполь­зуемых для обучения.

Программное обеспечение систем ИИ. Инструментальные средства для разработки интеллектуальных систем включают специальные языки программирования, ориентированные на обработку символьной информации (LISP, SMALLTALK, РЕФАЛ), языки логического программирования (PROLOG), языки пред­ставления знаний (OPS 5, KRL, FRL), интегрированные про­граммные среды, содержащие арсенал инструментальных средств для создания систем ИИ (КЕ, ARTS, GURU, G2), а так­же оболочки экспертных систем (BUILD, EMYCIN, EXSYS Professional, ЭКСПЕРТ), которые позволяют создавать приклад­ные ЭС, не прибегая к программированию [8, 11].

Новые архитектуры компьютеров. Это направление связано с созданием компьютеров не фон-неймановской архитектуры, ори­ентированных на обработку символьной информации. Известны удачные промышленные решения параллельных и векторных ком­пьютеров [1, 8], однако в настоящее время они имеют весьма вы­сокую стоимость, а также недостаточную совместимость с сущест­вующими вычислительными средствами.

Интеллектуальные роботы. Создание интеллектуальных ро­ботов составляет конечную цель робототехники. В настоящее время в основном используются программируемые манипулято­ры с жесткой схемой управления, названные роботами первого поколения. Несмотря на очевидные успехи отдельных разрабо­ток, эра интеллектуальных автономных роботов пока не наступи­ла. Основными сдерживающими факторами в разработке авто­номных роботов являются нерешенные проблемы в области ин­терпретации знаний, машинного зрения, адекватного хранения и обработки трехмерной визуальной информации.

Интеллектуальная информационная система (ИИС) основа­на на концепции использования базы знаний для генерации ал­горитмов решения прикладных задач различных классов в зави­симости от конкретных информационных потребностей пользо­вателей.

Для ИИС характерны следующие признаки [12]:

• развитые коммуникативные способности;

• умение решать сложные плохо формализуемые задачи;

• способность к самообучению;

• адаптивность.

Каждому из перечисленных признаков условно соответствует свой класс ИИС. Различные системы могут обладать одним или несколькими признаками интеллектуальности с различной сте­пенью проявления.

Средства ИИ могут использоваться для реализации различ­ных функций, выполняемых ИИС. На рис. 1.1 приведена класси­фикация ИИС, признаками которой являются следующие интел­лектуальные функции:

• коммуникативные способности — способ взаимодействия конечного пользователя с системой;

• решение сложных плохо формализуемых задач, которые требу­
ют построения оригинального алгоритма решения в зависимости
от конкретной ситуации, характеризующейся неопределенностью и динамичностью исходных данных и знаний;

• способность к самообучению — умение системы автоматичес­ки извлекать знания из накопленного опыта и применять их для
решения задач;

• адаптивность — способность системы к развитию в соответствии с объективными изменениями области знаний.

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

Обобщенная структура экспертной системы представлена на рис. 2.1. Следует учесть, что реальные ЭС могут иметь более сложную структуру, однако блоки, изображенные на рисунке, непременно присутствуют в любой действительно экспертной системе, поскольку представляют собой стандарт de facto структуры современной ЭС.

В целом процесс функционирования ЭС можно представить следующим образом: пользователь, желающий получить необходимую информацию, через пользовательский интерфейс посылает запрос к ЭС; решатель, пользуясь базой знаний, генерирует и выдает пользователю подходящую рекомендацию, объясняя ход своих рассуждений при помощи подсистемы объяснений.

Рис. 2.1. Структура экспертной системы

Так как терминология в области разработки ЭС постоянно модифицируется, определим основные термины в рамках данной работы.

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 в области искусственного интеллекта, 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 при получении 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, машина вывода, блок логического вывода.

Подсистема объяснений - программа, позволяющая пользователю 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, то есть всех шагов цепи умозаключений. Ответ на вопрос "почему" - ссылка на умозаключение, непосредственно предшествовавшее полученному решению, то есть отход на один шаг назад. Развитые подсистемы объяснений поддерживают и другие типы вопросов.

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.

Еще раз следует подчеркнуть, что представленная на рис. 2.1 структура является минимальной, что означает обязательное присутствие указанных на ней блоков. Если система объявлена разработчиками как экспертная, только наличие всех этих блоков гарантирует реальное использование аппарата обработки знаний. Однако промышленные прикладные ЭС могут быть существенно сложнее и дополнительно включать базы данных, интерфейсы обмена данными с различными пакетами прикладных программ, электронными библиотеками и т. д.

В начале восьмидесятых годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название "экспертные системы" ОС). Цель исследований по ЭС состоит в разработке программ, которые при решении задач, трудных для эксперта-человека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом. Исследователи в области ЭС для названия своей дисциплины часто используют также термин "инженерия знаний", введенный Е. Фейгенбаумом [7] как "привнесение принципов и инструментария исследований из области искусственного интеллекта в решение трудных прикладных проблем, требующих знаний экспертов".

Программные средства (ПС), базирующиеся на технологии экспертных систем, или инженерии знаний (в дальнейшем будем использовать их как синонимы), получили значительное распространение в мире. Важность экспертных систем состоит в следующем:

• технология экспертных систем существенно расширяет круг практически значимых задач, решаемых на компьютерах, решение которых приносит значительный экономический эффект;

• технология ЭС является важнейшим средством в решении глобальных проблем традиционного программирования: длительность и, следовательно, высокая стоимость разработки сложных приложений; высокая стоимость сопровождения сложных систем, которая часто в несколько раз превосходит стоимость их разработки; низкий уровень повторной используемости программ и т.п.;

• объединение технологии ЭС с технологией традиционного программирования добавляет новые качества к программным продуктам за счет: обеспечения динамичной модификации приложений пользователем, а не программистом; большей "прозрачности" приложения (например, знания хранятся на ограниченном ЕЯ, что не требует комментариев к знаниям, упрощает обучение и сопровождение); лучшей графики; интерфейса и взаимодействия.

По мнению ведущих специалистов [10], в недалекой перспективе ЭС найдут следующее применение:

• ЭС будут играть ведущую роль во всех фазах проектирования, разработки, производства, распределения, продажи, поддержки и оказания услуг;

• технология ЭС, получившая коммерческое распространение, обеспечит революционный прорыв в интеграции приложений изготовых интеллектуально-взаимодействующих модулей.

ЭС предназначены для так называемых неформализованных задач, т.е. ЭС не отвергают и не заменяют традиционного подхода к разработке программ, ориентированного на решение формализованных задач. Следуя А.Ньюэллу и М.Саймону [13], к неформализованным (ill-structured) будем относить такие задачи, которые обладают одной или несколькими из следующих характеристик:

• задачи 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 обычно обладают следующими особенностями:

• ошибочностью, неоднозначностью, неполнотой и противоречивостью исходных данных;

• ошибочностью, неоднозначностью, неполнотой и противоречивостью знаний о проблемной области и решаемой задаче;

• большой размерностью пространства решения, т.е. перебор при поиске решения весьма велик;

• динамически изменяющимися данными и знаниями.

Следует подчеркнуть, что неформализованные задачи представляют большой и очень важный класс задач. Многие специалисты считают, что эти задачи являются наиболее массовым классом задач, решаемых ЭВМ.

Экспертные системы и системы искусственного интеллекта отличаются от систем обработки данных тем, что в них в основном используются символьный (а не числовой) способ представления, символьный вывод и эвристический поиск решения (а не исполнение известного алгоритма).

Специфика приложений экспертных систем по сравнению с другими системами искусственного интеллекта состоит в следующем. Экспертные системы применяются для решения только трудных практических (не игрушечных) задач. По качеству и эффективности решения экспертные системы не уступают решениям эксперта-человека. Решения экспертных систем обладают "прозрачностью", т.е. могут, быть объяснены пользователю на качественном уровне (в отличие от решений, полученных с помощью числовых алгоритмов, и в особенности от решений полученных статистическими методами). Это качество экспертных систем обеспечивается их способностью рассуждать о своих знаниях и умозаключениях. Экспертные системы способны пополнять свои знания в ходе взаимодействия с экспертом. Необходимо отметить, что в настоящее время технология экспертных систем используется для решения различных типов задач (интерпретация, предсказание, диагностика, планирование, конструирование, контроль, отладка, инструктаж, управление) в самых разнообразных проблемных областях, таких, как финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, металлургия, горное дело, химия, образование, целлюлозно-бумажная промышленность, телекоммуникации и связь и др.

Приведем некоторые примеры успешного применения технологии ЭС:

• фирма DEC (США) ежегодно экономит [10] 70 млн. дол. в год благодаря ЭС XCON/XSEL, которая по заказу покупателя составляет конфигурацию вычислительной системы VAX. Использование ЭС сократило количество ошибок от 30% (допускал человек) до 1% (допускает ЭС);

• фирма Sira (США) сократила затраты на строительство трубопровода в Австралии на 40 млн. дол. [6] за счет ЭС, управляющей трубопроводом. ЭС реализована на базе описываемого ниже ИС G2 (фирма Gensym);

• фирма Monsanto (США) ежегодно экономит от 250 до 500 тыс.дол. благодаря ЭС выявления и блокирования неисправностей в нефтехимической промышленности. ЭС реализована на базе ИС G2 (фирма Gensym);

• фирма Aetna Insurance (США) уже сэкономила более 5 млн. дол., а общий планируемый эффект составит около 15-20 млн. дол. благодаря ЭС, используемой для моделирования страховых исков, обрабатываемых компанией. ЭС, реализованная на базе ИС G2, позволяет находить в деятельности компании неэффективные процессы и рабочие потоки и производить оперативные изменения для увеличения продуктивности работы.

Коммерческие успехи к фирмам-разработчикам систем искусственного интеллекта (СИИ) пришли не сразу. На протяжении 1960 - 1985 гг. успехи ИИ касались в основном исследовательских разработок, которые демонстрировали пригодность СИИ для практического использования. Начиная примерно с 1985 г. (в массовом масштабе с 1988 - 1990 гг.), в первую очередь ЭС, а в последние годы системы, воспринимающие естественный язык (ЕЯ-системы), и нейронные сети (НС) стали активно использоваться в коммерческих приложениях.

Следует обратить внимание на то, что некоторые специалисты (как правило, специалисты в программировании, а не в ИИ) продолжают утверждать, что ЭС и СИИ не оправдали возлагавшихся на них ожиданий и умерли [5].Причины таких заблуждений состоят в том, что эти авторы рассматривали ЭС как альтернативу традиционному программированию, т.е. они исходили из того, что ЭС в одиночестве (в изоляции от других программных средств) полностью решают задачи, стоящие перед заказчиком. Надо отметить, что на заре появления ЭС специфика используемых в них языков, технологии разработки приложений и используемого оборудования (например, Lisp-машины) давала основания предполагать, что интеграция ЭС с традиционными, программными системами является сложной и, возможно, невыполнимой задачей при ограничениях, накладываемых реальными приложениями. Однако в настоящее время коммерческие инструментальные средства (ИС) для создания ЭС разрабатываются я полном соответствии с современными технологическими тенденциями традиционного программирования, что снимает проблемы, возникающие при создании интегрированных приложений. Говоря другими словами, технология ЭС нашла свое применение при создании интегрированных, а не изолированных приложений во многих областях. В настоящее время высказанные соображения становятся понятными и тем специалистам, которые считали, что ЭС умерли [11].

Причины, приведшие СИИ к коммерческому успеху, следующие.

Интегрированность. Разработаны инструментальные средства искусственного интеллекта (ИС ИИ), легко интегрирующиеся с другими информационными технологиями и средствами (с CASE, СУБД, контроллерами, концентраторами данных и т.п.).

Открытость и переносимость. ИС ИИ разрабатываются с соблюдением стандартов, обеспечивающих открытость и переносимость [14].

Использование языков традиционного программирования и рабочих станций. Переход от ИС ИИ, реализованных на языках ИИ (Lisp, Prolog и т.п.), к ИС ИИ, реализованным на языках традиционного программирования (С, C++ и т.п.), упростил обеспечение интегрированности, снизил требования приложений ИИ к быстродействию ЭВМ и объемам оперативной памяти. Использование рабочих станций (вместо ПК) резко увеличило круг приложений, которые могут быть выполнены на ЭВМ с использованием ИС ИИ.

Архитектура клиент-сервер. Разработаны ИС ИИ, поддерживающие распределенные вычисления по архитектуре клиент-сервер, что позволило: снизить стоимость оборудования, используемого в приложениях, децентрализовать приложения, повысить надежность и общую производительность (так как сокращается количество информации, пересылаемой между ЭВМ, и каждый модуль приложения выполняется на адекватном ему оборудовании).

Проблемно/предметно-ориентированные ИС ИИ. Переход от разработок ИС ИИ общего назначения (хотя они не утратили свое значение как средство для создания ориентированных ИС) к проблемно/предметно-ориентированным ИС ИИ [9] обеспечивает: сокращение сроков разработки приложений; увеличение эффективности использования ИС; упрощение и ускорение работы эксперта; повторную используемость информационного и программного обеспечения (объекты, классы, правила, процедуры).

Отметим, что перечисленные выше причины успеха могут рассматриваться как общие требования к коммерческим ИС для создания СИИ. При этом первые четыре требования вытекают из необходимости создания интегрированных приложений, т.е. приложений, объединяющих в рамках единого комплекса традиционные программные системы с системами ИИ. Для того чтобы эта интеграция была эффективной, инструментальные средства ИИ должны разрабатываться в полном соответствии с основными тенденциями традиционного программирования. Пятое и третье требования являются следствием стремления обеспечить эффективное выполнение задач ИИ на ЭВМ с традиционной архитектурой.

Дата добавления: 2014-12-27