Архітектура експертних систем

Архітектура типової експертної системи наведена на рис. 6.1. Основу будь-якої ЕС складають база знань (БЗ), у який зберігаються знання системи про предметну область і про способи рішення задач, і розв’язувач, або машина логічного виведення.

За визначенням ДСТУ 2481-94. «Системи оброблення інформації. Інтелектуальні інформаційні технології», база знань – це упорядкована сукупність правил, фактів, механізмів виведення та програмних засобів, що описує деяку предметну галузь та призначена для подання нагромаджених у ній знань; логічне виведення – послідовність міркувань, яка веде від фіксованого набору посилок до висновку з використанням аксіом та правил виведення.

База даних (БД), яка також називається робочою пам’яттю, призначена для зберігання вхідної інформації і виконання всіх операцій за допомогою розв’язувача, що реалізує функції логічного виведення, використовуючи дані з БД і знання з БЗ. Результатом кожного кроку роботи машини виведення є нові дані, що поміщаються в БД. Процес виведення триває доти, поки в БД не з’явиться інформація, яку ЕС пред’являє як рішення задачі.

Процес розв’язання задачі ЕС, під час якого користувач веде діалог з комп’ютером, називається консультацією. Взаємодія користувача з системою здійснюється через користувацький інтерфейс. Користувач вводить вхідні дані й додаткові відомості, що можуть знадобитися ЕС у процесі виведення відповіді і пред’явлення отриманого рішення. Для інтерпретації запитів і відповідей користувача, синтезу вихідних повідомлень підсистема використовує лінгвістичні знання про предметну область і способи ведення діалогу. Підсистема пояснень призначена для верифікації знань на етапі тестування ЕС і для підвищення довіри до рішень ЕС під час консультацій.

Підсистема накопичення знань необхідна для поповнення БЗ у процесі роботи з експертами або консультацій із кінцевими користувачами при рішенні реальних задач. Ця підсистема може не обслуговувати кінцевих користувачів, якщо вони не навчені засобам розширення БЗ, і взагалі може бути відсутньою в архітектурі ЕС.

Ядро БЗ складається із статичних і динамічних знань.

Статичні знання включають логічні правила рішення задач, правила побудови моделей, правила реалізації процедур опитування експертів і користувачів і відповідні програмні модулі, а також факти і дані про предметну область ЕС.

Динамічні знання являють собою сукупність фактів і даних, що повідомляються системі користувачем в ході рішення задачі, а також виведень (логічних виведень і строгих аналітичних рішень), вироблених самою системою.

Для реалізації процесу інтерпретації знань і планування виводу база знань містить метазнання – спеціальним чином організовані знання про знання, які виконують ряд функцій:

· описують склад знань ЕС (правила, процедури, моделі, факти і дані), їх організацію і призначення;

· описують, у який спосіб ЕС керує процесом своєї роботи, організує виведення на кожному з етапів рішення задачі і чому одержує саме такий результат, а не інший;

· генерують дерево пояснень для етапів рішення і кінцевих результатів, пристосовують пояснення до інтересів або рівня знань користувача, ранжують пояснення зі рівнем правдоподібності одержуваних рішень, якщо вхідним даним відповідає більш ніж одне рішення;

· дозволяють ЕС виправляти або доповнювати знання в процесі навчання під час рішення конкретних задач.

37. Етапи життєвого циклу експертних систем

Життєвий цикл ЕС складається з декількох взаємозалежних етапів.

Аналіз та ідентифікація. На цьому етапі визначаються тип, характеристики, розмірність задачі, склад учасників процесу розробки; оцінюються необхідні ресурси (часові, інформаційні, комп’ютерні тощо); встановлюються цілі створення ЕС, наприклад, розмноження унікального досвіду експерта, збільшення продуктивності його роботи, скорочення часу на одержання рішення і поліпшення його якості.

Концептуалізація. Фахівець із розробки ЕС, якого називають інженером по знаннях, разом з експертом вирішує, які поняття, відношення і процедури необхідні для опису методу рішення проблем в обраній області. Розглядаються також стратегії, підзадачи й обмеження, що виникають у процесі рішення задачі.

Важливою проблемою при цьому є визначення джерел знань (довідники, інструкції). Потім описується задача, що підлягає рішенню, і розглядаються способи приведення розв’язуваної задачі до декількох менш складних задач, визначаються вхідні і вихідні дані.

Формалізація. На цьому етапі ключові поняття і відношення перекладаються на деяку формальну мову подання знань. При цьому важливо, щоб обрана модель знань була адекватною структурі знань з розв’язуваної задачі.

У функції інженера по знаннях входить установлення відповідності конкретного інструментального засобу або мови подання знань предметній області, визначення складу і способу подання декларативних і процедурних знань.

Реалізація. При створенні ЕС корисно використовувати прототипи для контролю правильності проектних рішень, прийнятих на попередніх етапах.

Придбання знань необхідно починати одразу після створення програм, що дозволяють працювати з найпростішим поданням знань і зі спрощеними керуючими структурами. В процесі придбання знань інженер по знаннях отримує від експерта знання, формує і структурує їх, подає у вигляді, зрозумілому ЕС, аналізує її вузькі місця.

Тестування. У процесі тестування визначається, чи задовольняють експерта рішення, отримані системою; чи правильно обрано спосіб подання знань у системі, чи верифікується логічне виведення; чи задовольняють користувача пояснення системи щодо причин отримання деякого рішення.

Передача користувачу (дослідна експлуатація). Працююча ЕС, передана користувачу, має посилювати його можливості, а її робота має бути передбачуваною і зрозумілою. При розробці ЕС прагнуть до того, щоб система заміняла експерта при виконанні ним рутинної роботи, залишаючи для нього найскладніші й найцікавіші випадки.

Підтримка й супроводження. При проектуванні ЕС доцільно створювати таке рішення, що дозволяє легко модифікувати знання ЕС і деякі її функції (зокрема, пояснення).

Сучасною тенденцією розвитку експертних систем є автоматизація процесу здобування знань і навчання ЕС на основі попередніх дій. Для поліпшення процесу здобування знань здійснюються дослідження у декількох напрямках, серед яких найперспективнішими є такі:

розвиток інтелектуальних редакторів (amart editors) для допомоги в модифікації і введенні нових знань;

розробка інтелектуального інтерфейсу для проведення інтерв’ю з експертами і формулювання знань;

розвиток навчальної підсистеми індуктивного виведення знань із прикладів.

Іншою тенденцією є поглиблення самих знань і розробка нових методів і моделей подання знань.

38. Інтелектуальний аналіз даних (Data Mining)

З штучним інтелектом тісно пов’язаний напрям інтелектуального аналізу даних - дейтамайнінгу, або здобування знань, що може використовуватись як один із способів одержання знань для систем штучного інтелекту. Дейтамайнінг (Data Mining) - це дослідження й виявлення за допомогою спеціальних алгоритмів і засобів штучного інтелекту в «сирих» даних схованих знань, що раніше не були відомі і є нетривіальними, практично корисними і доступними для інтерпретації людиною.

Термін «Data Mining» запропонував Григорій П’ятецький-Шапіро у 1992 р.

В широкому сенсі Data Mining - це сучасна концепція аналізу даних, яка передбачає те, що:

– дані можуть бути неточними, неповними (мати пропуски), суперечливими, різнорідними, непрямими, і при цьому мати гігантські об’єми; тому розуміння даних у конкретних застосуваннях вимагає значних інтелектуальних зусиль;

– самі алгоритми аналізу даних можуть мати «елементи інтелекту», зокрема, здатність навчатися на прецедентах, тобто робити загальні висновки на основі окремих спостережень; розроблення таких алгоритмів також потребує значних інтелектуальних зусиль;

– процеси перероблення сирих даних в інформацію, а інформації у знання вже не можуть бути виконані вручну, і потребують нетривіальної автоматизації.

Основні методи дейтамайнінгу включають:

– кластерний аналіз;

– нечітка логіка;

– дерева рішень;

– генетичні алгоритми;

– нейромережі та ін.

Кластерний аналіз – процес розділення набору даних (чи об’єктів) у набір значущих підкласів, що називаються кластерами. Кластери допомагають користувачу зрозуміти природне групування чи структуру в наборі даних.

Нечітка логіка застосовується для таких наборів даних, де приналежність даних до якої-небудь групи є імовірносною і може бути оцінена в інтервалі від 0 до 1. На відміну від традиційної математики, що вимагає на кожному кроці моделювання точних і однозначних формулювань закономірностей, нечітка логіка пропонує підхід м’яких формулювань і надає математичні методи для представлення і оброблення таких даних.

Дерево рішень – це схема (граф), яка відображає структуру задачі багатокрокового процесу прийняття рішень у вибраній сфері аналізу (класифікація набору даних або зразків, пошук оптимального рішення на множині альтернатив, отримання логічного висновку за допомогою евристики (бази правил)).

Генетичні алгоритми. Ці алгоритми певним чином імітують процес природного добору і є потужним засобом рішення різноманітних комбінаторних задач і задач оптимізації. У цьому методі рішення подається у вигляді хромосоми, яку утворює набір генів. Пошук оптимального рішення при цьому схожий на еволюцію популяції індивідів, представлених їхніми наборами хромосом.

Нейромережні і нейрокомп’ютерні технології. Штучні нейронні мережі та нейрокомп’ютери значною мірою відтворюють принципи роботи людського мозку. Знання в них не відокремлені від процесора, а рівномірно розподілені й існують неявно у вигляді ваг синаптичних зв’язків. Такі знання не закладаються з самого початку, а набуваються в процесі навчання.

39. Поняття і основні властивості програмних агентів

Програмні агенти є одним із найважливіших досягнень комп’ютерних наук 90-х років минулого століття. Їх застосовують у додатках, де людина і комп’ютер тісно пов’язані між собою в процесі управління виробничими (технологічними) та невиробничими процесами.

Розглянемо деякі визначення програмного агента.

Агент - це програмний об'єкт, який: забезпечує виконання однієї або кількох послуг; надає опис цих послуг іншим ПА; здатний функціонувати автономно без безпосередніх вказівок користувача; може інтерактивно взаємодіяти з іншими ПА та користувачами.

Програмний агент – це стійкий постійний елемент програмного забезпечення, призначений для виконання певних завдань.

Автономний агент - це обчислювальна система, що знаходиться в деякому комплексному динамічному середовищі, у якому автономно мислить та діє і таким чином реалізує покладені на нього функції.

Інтелектуальні агенти – це об’єкти програмного забезпечення, що виконують низку операцій, заданих користувачем або іншою програмою, і мають певну міру незалежності та автономності. При цьому вони використовують певні знання та враховують потреби користувача.

З погляду користувача, агент - це програмний об'єкт, який: забезпечує виконання однієї або кількох послуг; надає опис цих послуг іншим програмним агентом; здатний функціонувати автономно без безпосередніх вказівок користувача; може інтерактивно взаємодіяти з іншими програмними агентами та користувачами.

Дата добавления: 2015-05-08