Экспертные системы, методика построения

Способы построения базы знаний экспертной системы. Краткая характеристика моделей представления знаний.

Экспертная система (ЭС) – это программа, которая в определенных отношениях заменяет эксперта или группу экспертов в той или иной предметной области. ЭС предназначены для решения практических задач, возникающих в слабо структурированных и трудно формализуемых предметных областях.

В настоящее время сложилась определенная технология разработки ЭС, которая включает следующие шесть этапов:

1. Идентификация.

2. Концептуализация.

3. Формализация.

4. Разработка прототипа.

5. Экспериментальная эксплуатация.

6. Разработка продукта.

7. Промышленная эксплуатация.

Этап-1: "Идентификация"

На этапе идентификации производится:

– неформальное осмысление задач, которые должна решать создаваемая ЭС;

– формирование требований к ЭС;

– определение ресурсов, необходимых для создания ЭС.

В результате идентификации функционально определяется что должна делать ЭС и что необходимо для ее создания.

Идентификация задачи заключается в составлении неформального (вербального, т.е. словесного) описания, в котором указываются:

– общие характеристики задачи;

– подзадачи, выделяемые внутри данной задачи;

– ключевые понятия (объекты), их входные и выходные данные;

– предположительный вид решения;

– знания, относящиеся к решаемой задаче.

В процессе идентификации задачи инженер по знаниям и эксперт работают в тесном контакте.

Начальное неформальное описание задачи, данное экспертом, затем используется инженером знаний для уточнения терминов и ключевых понятий.

Эксперт корректирует описание задачи, объясняет, как решать ее и какие рассуждения лежат в основе того или иного решения.

После нескольких циклов, уточняющих описание, эксперт и инженер по знаниям получают окончательное неформальное описание задачи.

При создании ЭС основными видами ресурсов являются:

– источники знаний (эксперты);

– инженеры знаний и программисты;

– инструментальные программные средства (экспертные оболочки);

– вычислительные средства;

– время разработки;

– объем финансирования.

Этап-2: "Концептуализация"

На данном этапе проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.

Этот этап завершается созданием модели предметной области, включающей основные концепты и отношения между ними. На этапе концептуализации определяются следующие особенности задачи:

– типы доступных данных;

– исходные и выводимые данные,

– подзадачи общей задачи;

– используемые стратегии и гипотезы;

– виды взаимосвязей между объектами ПО, типы используемых отношений (иерархия, причина – следствие, часть – целое и т.п.);

– процессы, используемые в ходе решения;

– состав знаний, используемых при решении задачи;

– типы ограничений, накладываемых на процессы, используемые в ходе решения;

– состав знаний, используемых для обоснования решений.

Существует два подхода к процессу построения модели предметной области:

1. Атрибутивный подход (атрибутами называют существенные признаки) предполагает наличие полученной от экспертов информации в виде цепочек: "Класс (градация классификационной шкалы) – объект обучающей выборки – атрибут (описательная шкала) – значение атрибута (градация описательной шкалы)". Этот подход развивается в рамках направления, получившего название формирование знаний или "машинное обучение" (machine learning).

2. Структурный или когнитивный подход, основан на выделении элементов предметной области, их взаимосвязей и семантических (смысловых) отношений.

Атрибутивный подход требует полной информации о предметной области: об объектах, их атрибутах и о значениях атрибутов, а также дополнительной обучающей информации о принадлежности конкретных объектов к обобщенным классам, задаваемой экспертом. Отметим, что атрибутивный подход в экспертных системах имеет очень много общего с методами, применяемыми в распознавании образов.

Структурный подход к построению модели предметной области предполагает выделение следующих когнитивных элементов знаний:

1. Понятия.

2. Взаимосвязи.

3. Метапонятия.

4. Семантические отношения.

Выделяемые понятия предметной области должны образовывать систему, под которой понимается совокупность понятий, обладающая следующими свойствами:

– минимальностью (уникальностью, отсутствием избыточности);

– полнотой (достаточно полным описанием различных процессов, фактов, явлений предметной области);

– достоверностью (адекватностью, валидностью – соответствием выделенных единиц смысловой информации их реальным наименованиям).

Существует ряд методов выявления иерархической системы понятий и метапонятий (включая отношения между ними), позволяющей адекватно отразить предметную область:

1. Метод локального представления.

2. Метод вычисления коэффициента использования.

3. Метод формирования перечня понятий.

4. Ролевой метод.

5. Метода составления списка элементарных действий.

6. Методе составление оглавления учебника.

7. Текстологический метод.

8. Метод свободных ассоциаций для определения "смыслового расстояния" между понятиями.

9. Методе "сортировки карточек".

10. Метод обнаружения регулярностей.

11. Методы семантического дифференциала и репертуарных решеток.

Перечисленные методы применяются на этапе концептуализации при построении модели предметной области. Подробнее они описаны в упомянутой выше работе С.Л. Сотника.

Этап-3: "Формализация"

Этап формализации необходим для преобразования декларативных и процедурных знаний о предметной области, полученных на этапе концептуализации, в форму, пригодную для их обработки на компьютере.

На данном этапе:

– выбирается или разрабатывается формальный язык, обеспечивающий представление знаний и манипулирование ими;

– осуществляется формализация знаний, т.е. они преобразуются в форму, пригодную для обработки на компьютере.

Способы представления знаний: фреймы, сценарии, семантические сети, продукции.

Способы манипулирования знаниями: логический вывод, аналитическая модель, статистическая модель.

Этап-4: "Разработка прототипа"

Разработка прототипа включает три основных этапа:

1. Программная реализация системы, призванной обеспечить реальное решение поставленных задачи.

2. Наполнение базы знаний.

3. Тестирование (исследование) прототипа.

Исследование прототипа позволяет:

– оценить насколько реализованные в нем идеи, методы и способы представления знаний пригодны для решения поставленных задач;

– продемонстрировать тенденцию к повышению качества и эффективности решений для всех задач предметной области по мере увеличения объема знаний.

Положительные результаты тестирования прототипа являются основанием для его передачи в экспериментальную эксплуатацию.

Этап-5: "Экспериментальная эксплуатация"

На этапе экспериментальной эксплуатации прототипа экспертной системы с помощью нее решаются реальные задачи, однако, на практике результаты их решения не используются. При этом экспертной системой управляют представители разработчика и квалифицированные пользователи, прошедшие обучение у разработчика.

При этом круг предлагаемых для решения задач естественно расширяется, исправляются ошибки, собираются пожелания и замечания экспертов и пользователей, которые должны быть учтены в очередной версии экспертной системы.

В частности на этом этапе детализируются направления будущего развития экспертной системы путем добавления в нее:

– "дружественного" пользовательского интерфейса с системой контекстно-зависимых подсказок;

– развитых средств исследования и графического представления базы знаний и цепочек выводов, генерируемых системой;

– средств обеспечения адаптивности базы знаний;

– диспетчера задач, решаемых в системе и средств поддержки и использования архива уже созданных приложений.

Этап-6: "Разработка продукта"

На этом этапе программная реализация прототипа экспертной системы доводится до уровня программного продукта, который может успешно использоваться заказчиком без прямой помощи разработчиков.

При этом разрабатываются программные модули, поддерживающие возможности экспертной системы, определенные на предыдущем этапе, а также проводится:

– анализ функционирования системы при значительном расширении базы знаний;

– исследование возможностей системы в решении более широкого круга задач и принятие мер для обеспечения таких возможностей;

– анализ мнений пользователей о функционировании ЭС;

– разработка системы ввода-вывода, осуществляющей анализ или синтез предложений ограниченного естественного языка.

Пригодность ЭС для пользователя определяется удобством работы с ней и ее полезностью.

Полезность ЭС – это ее способность эффективно решать поставленные пользователем задачи.

Удобство работы с ЭС включает:

– естественность интерфейса (общение в привычном, не утомляющем пользователя виде);

– гибкость ЭС (способность системы настраиваться на различные задачи, а также учитывать изменения в квалификации пользователей);

– устойчивость системы к ошибкам (способность не выходить из строя при попадании неадекватных, т.е. неполных и зашумленных знаний в базу знаний, а также при ошибочных действиях пользователей).

Этап-7: "Промышленная эксплуатация"

После доведения экспертной системы до уровня программного продукта она передается в промышленную эксплуатацию. При этом задачи не только решаются экспертной системой, но и результаты решения используются на практике. Для этого при передаче системы в промышленную эксплуатацию она тестируется и сертифицируется заказчиком, как инструмент, пригодный для решения поставленных задач, т.е. экспертной системе и результатам ее работы присваивается соответствующий юридический статус. Экспертной системой управляют рядовые пользователи, прошедшие обучение у квалифицированных пользователей. При необходимости квалифицированным пользователям могут оказывать консультативную помощь представители разработчика.

Наиболее часто используемые и популярные на сегодняшний день модели представления знаний:

1. продукционные модели – модели основанные на правилах, позволяют представить знание в виде предложений типа: «ЕСЛИ условие, ТО действие». Продукционные модели обладает тем недостатком, что при накоплении достаточно большого числа правил, они начинают противоречить друг другу;
2. сетевые модели или семантические сети – как правило, это граф, отображающий смысл целостного образа. Узлы графа соответствуют понятиям и объектам, а дуги – отношениям между объектами;
3. фреймовые модели – основывается на таком понятии как фрейм (англ. frame – рамка, каркас). Фрейм – структура данных для представления некоторого концептуального объекта. Информация, относящаяся к фрейму, содержится в составляющих его слотах. Слоты могут быть терминальными либо являться сами фреймами, т.о. образуя целую иерархическую сеть.

Дата добавления: 2015-01-03