Как работают экспертные системы?

Человеческие знания следует смоделировать или представить таким образом, что­бы компьютер мог их обработать. Используемая экспертными системами модель человеческих знаний называется базой знаний. Существуют два способа пред­ставить человеческие знания и экспертную оценку: правила и фреймы знаний.

Стандартной конструкцией структурного программирования (гл. 14) явля­ется конструкция IF-THEN с вычисляемым условием. Если условие истинно, предпринимается некоторое действие. Например:

IF INCOME > $45 000 (условие);

THEN PRINT NAME AND ADDRESS (действие).

Из серии таких правил можно составить базу знаний. Каждый читатель, со­здававший компьютерные программы, знает, что фактически все традиционные компьютерные программы содержат оператор IF—THEN. Различие между тради­ционной программой и программой экспертной системы на основе правил состо­ит в количестве и степени вложенности конструкций IF-THEN. Программа ИИ может включать от 200 до 10 тыс. правил, т. е. гораздо больше, чем традиционные программы, которые обычно имеют от 50 до 100 операторов IF-THEN. Кроме того, в программе ИИ правила связаны и вложены в большей степени, чем в тра­диционных программах (рис. 12.9). Следовательно, в экспертной системе на осно­ве правил сложность этих правил весьма значительна.

Можно ли таким образом представить знания, содержащиеся в Британской энциклопедии? Вероятно, нельзя, поскольку база правил была бы слишком боль­шой, при этом не все содержащиеся в энциклопедии знания можно представить в виде правил IF-THEN. Вообще, экспертные системы эффективно используются

Expert system (экспертная система)

Обогащенная знаниями компьютерная программа, которая сохраняет и ис­пользует экспертные знания человека, соответствующие специализирован­ной области.

Knowledge base (база знаний)

Модель человеческих знаний, используемая экспертными системами.! Rule-based expert system (экспертная система на основе правил)

Программа ИИ, которая имеет большое число связанных и вложенных инст­рукций IF-THEN или правил, составляющих основу знаний в системе. Rule base (база правил) Набор знаний в системе ИИ, представленный в форме правил IF-THEN?

только в тех ситуациях, когда область сильно ограничена (скажем, предоставле­ние кредитов) и включает не более нескольких тысяч правил.

Фреймы знаний можно использовать для представления знаний, организуя информацию в виде порций со взаимосвязанными характеристиками. Взаимосвя­зи основаны на общих характеристиках, а не на иерархии. Этот подход основан на представлении о том, что люди используют фреймы или понятия для быстрого извлечения смысла из восприятия. Например: «Ищите танк и стреляйте, когда его увидите» означает, что люди используют понятие или фрейм о том, что собой пред­ставляет этот танк. Игнорируется все, что не соответствует этому понятию танка. Подобным способом исследователи ИИ могут организовать в виде фреймов об­ширный массив информации. Тогда компьютер получает инструкцию на поиск в базе данных фреймов и перечисление связей с другими фреймами, представля­ющими интерес. Пользователь может следовать по указанным системой путям.

Knowledge frames (фреймы знаний)

Метод организации знаний экспертной системы в виде порций; отношения

основаны на общих характеристиках, определяемых пользователем.

__________м|-.................. _а...... _ui...... _t__......... ._ti..............._i....._.................. ____________j

Ai shell (оболочка ИИ)

| Среда программирования экспертной системы.

1 Inference engine (логический механизм)

Стратегия, используемая для поиска в базе правил экспертной системы; мо­жет строиться на прямом или обратном логическом выводе.

На рис. 12.10 показаны части базы знаний, организованной на основе фрей­мов. «АВТОМОБИЛЬ» определяется характеристиками или слотами фрейма как транспортное средство с четырьмя колесами, бензиновым или дизельным двигателем и такими действиями, как качение или перемещение. Этот фрейм мо­жет зависеть от почти всех остальных объектов в базе данных, которые также ис­пользуют любую из этих характеристик, например фрейм танка.

Оболочка ИИ — это среда программирования экспертной системы. В первые годы появления экспертных систем программисты использовали такие специали­зированные языки ИИ, как язык обработки списков LISP или Prolog, способные эффективно обработать списки правил. В настоящее время все больше экспертных систем использует оболочки ИИ, являющиеся дружественными средами разработ­ки. Оболочки ИИ могут быстро генерировать экраны пользовательского интерфей­са, формировать базу знаний и управлять стратегиями поиска в базе правил.

I Forward chaining (прямой логический вывод)

Стратегия поиска в базе правил экспертной системы, которая начинается с введения пользователем информации и перебирает базу правил, пока не при­дет к заключению.

Backward chaining (обратный логический вывод)

Стратегия поиска в базе правил экспертной системы, которая действует как решатель задач, начиная с гипотезы и отыскивая больше информации до тех j пор, пока гипотеза не будет доказана или опровергнута.

Стратегия, используемая для поиска в базе правил, называется логическим механизмом. Как правило, используются две стратегии: прямой логический вы­вод и обратный вывод (рис. 12.11).

При прямом логическом выводе машина начинает обработку с информации, введенной пользователем, и продолжает поиск в базе правил, пока не придет к за­ключению. Применяемая стратегия состоит в том, чтобы запускать (или выпол­нять) действие правила, пока условие истинно. На рис. 12.11 видно, что, если пользователь введет клиента с доходом, превышающим $100 тыс., машина запу­стит все правила в последовательности слева направо. Если пользователь затем введет указание, что этот же клиент владеет недвижимым имуществом, произой­дет другой проход по базе правил, в результате чего выполняется больше правил. Обработка продолжается, пока больше ни одно правило не может быть запущено.

При обратном логическом выводе стратегия поиска в базе правил начинается с гипотезы и продолжается формулированием пользовательских вопросов о вы­бранных фактах, пока гипотеза не будет подтверждена или опровергнута. В рас-

смотренном на рис. 12.11 примере задан вопрос: «Следует ли добавить этого человека в будущую базу данных?» Начните с правой стороны диаграммы и пере­мещайтесь влево. Можно заметить, что информацию о пользователе нужно доба­вить в базу данных, если посылается коммерческий представитель, предостав­ляется страхование на определенный срок или финансовый советник (FinAdv) посещает клиента.

Дата добавления: 2015-04-29