Технология разработки экспертных систем

Технология их разработки ЭС, включает в себя шесть этапов (рис.5): этапы идентификации, концептуализации, формализации, выполнения, тестирования, опытной эксплуатации. Рассмотрим более подробно последовательности действий, которые необходимо выполнить на каждом из этапов.

1) На этапе идентификации необходимо выполнить следующие действия:

· определить задачи, подлежащие решению и цели разработки,

· определить экспертов и тип пользователей.

2) На этапе концептуализации:

· проводится содержательный анализ предметной области,

· выделяются основные понятия и их взаимосвязи,

· определяются методы решения задач.

3) На этапе формализации:

· выбираются программные средства разработки ЭС,

· определяются способы представления всех видов знаний,

· формализуются основные понятия.

4) На этапе выполнения (наиболее важном и трудоёмком) осуществляется наполнение экспертом БЗ, при котором процесс приобретения знаний разделяют:

· на "извлечение" знаний из эксперта,

· на организацию знаний, обеспечивающую эффективную работу ЭС,

· на представление знаний в виде, понятном для ЭС.

Процесс приобретения знаний осуществляется инженером по знаниям на основе деятельности эксперта.

5) На этапе тестирования эксперт и инженер по знаниям с использованием диалоговых и объяснительных средств проверяют компетентность ЭС. Процесс тестирования продолжается до тех пор, пока эксперт не решит, что система достигла требуемого уровня компетентности.

6) На этапе опытной эксплуатации проверяется пригодность ЭС для конечных пользователей. По результатам этого этапа возможна существенная модернизация ЭС.

Процесс создания ЭС не сводится к строгой последовательности этих этапов, так как в ходе разработки приходится неоднократно возвращаться на более ранние этапы и пересматривать принятые там решения.

1.8. Классификация экспертных систем

К настоящему времени создано множество экспертных систем. Д. Уотермен в своей книге “Руководство по экспертным системам” описывает 181 экспертную систему, хотя во многих случаях их трудно отличить от других программ искусственного интеллекта.

Функции экспертных систем в зависимости от категории последних могут быть следующими:

Ø Интерпретация;

Ø Диагностика и ремонт;

Ø Проектирование и планирование;

Ø Управление и контроль;

Ø Прогнозироваие и мониторинг;

Ø Обучение.

Интерпретирующие системы обладают способностью получать разумные выводы на основании результатов наблюдений и исходных данных. Примеры таких систем: PROSPECTOR – оказание помощи геологам в поиске рудных месторождений. HASP/SIAP – определение местоположения и типов судов в Тихом океане по данным акустических систем слежения.

Системы диагностики и ремонта незаменимы как при ремонте механических и электрических машин, так и при устранении неисправностей и ошибок в аппаратном и программном обеспечении компьютеров. В частности, военные проявляют большой интерес к ЭС диагностики и ремонта, поскольку их применение позволило бы производить ремонт сложного оборудования персоналу с невысокой квалификацией. Наиболее известной системой диагностики является система MYCIN.

Системы планирования и проектирования. Не смотря на различия этих видов деятельности, на уровне программ они сходны. Они предназначены для достижения конкретных целей при решении задач с большим числом переменных. Примеры таких систем: SYNCHEM – выполняет некоторые операции при синтезе сложной молекулы органического соединения. XCON – служит для определения или изменения конфигурации компьютерных систем типа VAX в соответствии с требованиями покупателя (разработчик – фирма DEC).

Системы управления и контроля принимают решения, анализируя данные, поступающие от нескольких источников. Традиционные методы позволяют весьма эффективно осуществлять управление и контроль и лишь недавно в данной сфере стали применяться экспертные системы. Экспертные системы применяются в тех случаях, когда проблемная область управления непроста и изменчива, так что необходим процесс рассуждений для выяснения требуемых мер контроля. В этом и состоит отличие подобных программ от обычных, где просто используется какой-то алгоритм. Подобные ЭС находят применение для целей контроля на атомных и крупных электростанциях, а также на новейших военных самолетах в качестве интерфейса между пилотом и системой управления полетом. Такую систему предполагается использовать для задач Стратегической Оборонной Инициативы (СОИ), а именно для выбора цели и избежания различных ловушек.

Системы обучения получают информацию о деятельности некоторого объекта (например, студента) и анализируют его поведение. База знаний изменяется в соответствии с поведением объекта. Например, компьютерная игра, сложность которой автоматически увеличивается по мере возрастания степени квалификации играющего. Пример: EURISKO – предложена Д. Ленотом, использует простые эвристики и имитирует боевые действия.

Обратим внимание на тот факт, что решение всех перечисленных задач сводится к поиску пути из некоторой исходной точки в целевую. Человек делает это весьма эффективно с помощью:

1. дедуктивного логического вывода (рассуждений);

2. процедурального анализа;

3. аналогии;

4. индукции.

Компьютеры, по крайней мере в настоящее время, в общем случае решают задачи только с использованием дедуктивного логического вывода и процедурального анализа.

Задачи, которые сводятся к процедуральному анализу, вообще говоря, (мы уже об этом говорили раньше) лучше всего решаются на компьютере. Учетные задачи, ведение счетов, анализ поступления наличных денег могут служить примерами процедуральных задач, решаемых компьютером быстрее и надежнее, чем человеком. Задачи, требующие дедуктивных рассуждений, аналогий и индукций, представляются наиболее вероятными кандидатами для решения с помощью экспертных систем.

1.9 База знаний как элемент экспертной системы

База знаний содержит факты и правила. Факты – это фразы без условий, они содержат утверждения, которые всегда абсолютно верны. Правила содержат утверждения, истинность которых зависит от некоторых условий, образующих тело правила.

Факты содержат краткосрочную информацию в том смысле, что они могут меняться, например, в ходе время консультации.

Правила представляют собой долговременную информацию о том, как порождать новые факты или гипотезы из того, что сейчас известно.

Чем такой подход отличается от обычной методики использования БД?

Основное различие состоит в том, что БЗ обладает большими «творческими» возможностями.

Факты в БД обычно пассивны: они там либо там есть, либо их нет.

БЗ, с другой стороны, активно пытается пополнить недостающую информацию.

1.10. Необходимые условия представления знаний

Одной из основных проблем, характерных для СОЗ, является проблема представления знаний. Это объясняется тем, что форма представления знаний оказывает существенное влияние на характеристики и свойства системы.

Представление знаний изображено на рис.

Для возможности оперирования знаниями из реального мира с помощью ПК, необходимо осуществить их моделирование (по аналогии с построением концептуальных и логических моделей БД). При этом необходимо отличать знания, предназначенные для обработки компьютером от знаний, используемых человеком.

При проектировании модели представления знаний следует учитывать такие факторы, как:

- однородность представления и

- простота понимания

Однородность представления приводит к упрощению механизма управления логическим выводом и управлением знаниями.

Простота понимания предполагает доступность понимания представления знаний и экспертам, и пользователем системы. В противном случае затрудняется приобретение знаний и их оценка.

Однако выполнить эти требования в равной степени, как для простых, так и сложных задач довольно трудно. В настоящее время для представления знаний используют следующие виды моделей:

- модель на базе логики;

- продукционная модель;

- модель семантической сети;

- модель, основанная на использовании фреймов и др.

Иллюстрацией логической модели является приведенный выше пример.

Основная идея логического подхода состоит в том, чтобы рассматривать всю систему знаний необходимую для решения прикладных задач, как совокупность фактов (утверждений).

Факты представляются как формулы в некоторой логике (первого или высшего порядка, многозначной, нечеткой или др.) Система знаний отображается совокупностью таких формул и, представленная в ЭВМ, она образует БЗ.

Формулы неделимы и при модификации БЗ могут лишь добавляться или удаляться.

Логические методы обеспечивают развитый аппарат вывода новых фактов из тех, которые явно представлены в БЗ.

Основным примитивом манипуляции знаниями является операция вывода.

Рис. Представление знаний

Пять форм знаний

1. Z1 Знания в памяти человека.

2. Z2 Материализованные знания:

· монографии

· статьи

· учебники

3. Z3 Поле знаний. (Полуформализованное описание Z1 и Z2.)

4. Z4 Формализация Z3. (Знания на языках представления знаний.)

5. Z5 База знаний в ЭВМ. (На машинных носителях информации.)

Человек часто решает трудные и интересные проблемы, используя не четкие алгоритмы, а исключительно свой опыт в форме накопленных знаний Z1; часть своего опыта человечество материально запечатлевает в форме книг, статей, заметок, таблиц (Z2). Совокупность Z1 и Z2 образуют знания о предметной области (ПО), не связанные с машинной обработкой. Существуют различные определения Z1 и Z2.

Можно называть Z2 канонизированными знаниями, поскольку это признанная специалистами часть знаний Z1, которые называются концептуальными.

В ЭС используется экстракт того, что извлекли из Z1 и Z2, то есть знания и . При этом соотношение эмпирического опыта и его формализованной теоретической основы в разных областях различно.

Принято считать, что чем больше вес Z1 в процессе принятия решения, тем более пригодна для внедрения экспертной системы предметная область. Для разработки ЭС принципиально важным оказывается разработка поля знаний Z3, когда создается некоторое полуформализованное описание понятий ПО и связи между ними. Это описание может иметь форму таблиц, рисунка, схемы, сети и др. В дальнейшем Z3 переписывается на некотором языке представления знаний (ЯПЗ) для получения модели знаний Z4.

Современные теории ИИ представляют разработчикам много возможностей для описания базы знаний на стадии Z4:

· Математическая логика первого порядка

· Процедурные языки типа OPS5

· Семантические сети и волновые языки

· Фреймы и языки типа FRL

· Объектно-ориентированные языки, например SMALLTALK и др.

Со многими из них мы познакомимся при изучении данного курса.

Z4 заносится на магнитные носители – в базу знаний Z5.

Следует сразу ограничить сферу предметных областей, где имеет смысл выделять знания. Это предметные области с преобладанием эмпирических знаний, где накопление фактов опережает развитие теории (юриспрудениция, финансы, медицина, биология). Такие хорошо структурированные ПО, как математика, физика, теоретическая механика имеют богатый математический аппарат для описания своих закономерностей, который позволяет проводить математическое моделирование с использованием традиционного алгоритмического программирования (без выделения знаний). Поэтому, например, в точных науках ЭС не получили развития (кроме вывода доказательства теорем).

Знания важны там, где определения размыты, понятия меняются (курс $ с течением времени – колебания имеют разное значение), ситуация зависит от множества контекстов, где велика неопределенность, нечеткость информации.

В качестве рабочего понятия примем следующее определение знаний:

Знания – это основные закономерности предметной области, позволяющие человеку решать конкретные научные, производственные и другие задачи, то есть факты, понятия, взаимосвязи, оценки, правила, эвристики (фактические знания), а также стратегии принятия решений в этой области (иначе стратегия знаний).

Многие правила ЭС являются эвристическими т.е. эмпирическими правилами или упрощениями, которые эффективно ограничивают поиск решения. ЭС использует эвристики, потому что задачи, которые она решает, будь то поиск новых месторождений или согласование исков, как правило трудны и не до конца понятны. Эти задачи не поддаются строгому математическому анализу или алгоритмическому решению. Эвристики уменьшают время решений задачи путем сокращения числа переборов в заданном пространстве поиска. Их можно сравнивать с фильтрами в процессе сопоставления по образу, которые дают возможность системе сфокусировать внимание лишь на нескольких основных образцах.

Алгоритмический же метод гарантирует корректное или оптимальное решение задачи.

Использование эвристических правил делает поиск решения намного более легким и практичным.

Рассмотрим в чем же различия между знаниями и данными.

По аналогии со знаниями можно выделить ряд форм данных, а именно:

D1 – результат наблюдения над объектами (температура, дата рождения и тд.)

D2 – фиксация данных на материальном носителе (таблицы, графики).

D3 – модель данных: некоторая схема, описание, связывающее несколько объектов (температура и дата ее измерения).

D4 – данные на языке описания данных (ЯОД).

D5 – база данных на машинном носителе информации.

У Z и D много общего, но знания обычно имеют более сложную структуру, их иногда называют “хорошо структурированными данными или метаданными, или данными о данных”.

Можно отметить еще один аспект, отражающий различие данных и знаний. Любое понятие, используемое человеком имеет как бы две стороны – экстенсионал и интенсионал.

Экстенсионал – набор конкретных фактов, соответствующих данному понятию.

Интенсионал – определение или описание некоторого понятия представленное через его свойства.

Дата добавления: 2015-05-08