Прикладные интеллектуальные системы

Центральная парадигма интеллектуальных технологий сегодня - это обработка знаний. Системы, ядром которых является база знаний или модель предметной области, описанная на языке сверхвысокого уровня, приближенном к естествен­ному, называют интеллектуальными. Будем называть такой язык сверхвысоко­го уровня - языком представления знаний (ЯПЗ). Чаще всего интеллектуальные системы (ИС) применяются для решения сложных задач, где основная сложность решения связана с использованием слабо-формализованных знаний специалис­тов-практиков и где логическая (или смысловая), обработка информации пре­валирует над вычислительной. Например, понимание естественного языка, под­держка принятия решения в сложных ситуациях, постановка диагноза и реко­мендации по методам лечения, анализ визуальной информации, управление дис­петчерскими пультами и др.

Фактически сейчас прикладные интеллектуальные системы используются в де­сятках тысяч приложений. А годовой доход от продаж программных и аппарат­ных средств искусственного интеллекта еще в 1989 г. в США составлял 870 млн. долларов, а в 1990 г. - 1,1 млрд. долларов [Попов, 1996]. В дальнейшем почти тридцатипроцентный прирост дохода сменился более плавным наращиванием темпов (по материалам [Поспелов, 1997; Хорошевский, 1997; Попов, 1996; Walker, Miller, 1987; Tuthill, 1994, Durkin, 1998]).

На рис. 1.9 отражены различные аспекты состояния рынка искусственного интел­лекта: инвестиции в разработку в области ИИ (США, Европа, Япония) (рис. 1.9, а); доля систем ИИ в информатике (программном обеспечении) (рис. 1.9, б); доходы от продаж традиционных языков программирования (рис. 1.9, в); инвестиции только в программное обеспечение (США) (рис. 1.9, г); инвестиции в аппаратное обеспечение (США) (рис. 1.9, д); структура рынка ЭС (США, 1993) (рис. 1.9, е).

Рис.1.9. Состояние и перспективы рынка ИИ

Наиболее распространенным видом ИС являются экспертные системы.

Экспертные системы (ЭС) -это наиболее распространенный класс ИС, ориентирован­ный на тиражирование опыта высококвалифицированных специалистов в областях, где качество принятия решений традиционно зависит от уровня экспертизы, например, ме­дицина, юриспруденция, геология, экономика, военное дело и др.

ЭС эффективны лишь в специфических «экспертных» областях, где важен эмпирический опыт специалистов.

Только в США ежегодный доход от продаж инструментальных средств разработкиЭС составлял в начале 90-х годов 300-400 млн. долларов, а от применения ЭС - 80-90 млн. долларов [Попов, 1996]. Ежегодно крупные фирмы разрабатывают десятки ЭС типа «in-house» для внутреннего пользования. Эти системы интегрируют опыт специалистов компании по ключевым и стратегически важным технологиям. В начале 90-х гг. появилась новая наука - «менеджмент знаний» (knowledge management), ориентированная на методы обработки и управления корпоративными знаниями (см. главу 5).

Современные ЭС - это сложные программные комплексы, аккумулирующие зна­ния специалистов в конкретных предметных областях и распространяющие этот эмпирический опыт для консультирования менее квалифицированных пользо­вателей. Разработка экспертных систем, как активно развивающаяся ветвь ин­форматики, направлена на использование ЭВМ для обработки информации в тех областях науки и техники, где традиционные математические методы моде­лирования малопригодны. В этих областях важна смысловая и логическая обра­ботка информации, важен опыт экспертов.

Приведем некоторые условия, которые могут свидетельствовать о необходимо­сти разработки и внедрения экспертных систем (частично из [Уотермен, 1989]):

• нехватка специалистов, затрачивающих значительное время для оказания по­мощи другим;

• выполнение небольшой задачи требует многочисленного коллектива специа­листов, поскольку ни один из них не обладает достаточным знанием;

• сниженная производительность, поскольку задача требует полного анализа сложного набора условий, а обычный специалист не в состоянии просмотреть (за отведенное время) все эти условия;

• большое расхождение между решениями самых хороших и самых плохих ис­полнителей;

• наличие конкурентов, имеющих преимущество в силу того, что они лучше справляются с поставленной задачей.

Подходящие задачи имеют следующие характеристики:

• являются узкоспециализированными;

• не зависят в значительной степени от общечеловеческих знаний или сооб­ражений здравого смысла;

• не являются для эксперта ни слишком легкими, ни слишком сложными. (Время, необходимое эксперту для решения проблемы, может составлять от трех часов до трех недель.)

Экспертные системы достаточно молоды - первые системы такого рода, MYCIN [Shortliffe, 1976] и DENDRAL [Buchanan, Feigenbaum, 1978], появились в США в середине 70-х годов. В настоящее время в мире насчитывается несколько тысяч промышленных ЭС, которые дают советы:

• при управлении сложными диспетчерскими пультами, например сети распре­деления электроэнергии, - Alarm Analyser [Walker, Miller, 1987];

• при постановке медицинских диагнозов - ARAMIS [Shortliffe, Buchanan, Fei­genbaum, 1979], NEUREX [Reggia, 1988];

• при поиске неисправностей в электронных приборах, диагностика отказов контрольно-измерительного оборудования - Intelligence Ware [Slagle, Gardi­ner, Kyungsook, 1990], Plant Diagnostics [Уотермен, 1989], FOREST [Finin, McAdams, Kleinosky, 1984];

• по проектированию интегральных микросхем - DAA [Сойер, Фостер, 1988], NASL [Walker, Miller, 1988], QO [Pega, Sticklen, Bond, 1993];

• по управлению перевозками - AIRPLAN [Masui, McDermott, 1983];

• по прогнозу военных действий - ANALYST [Bonasso, 1984], BATTLE [Slagle, Gaynor, 1983];

• по формированию портфеля инвестиций, оценке финансовых рисков - RAD [Kestelyn,1992], налогообложению - RUNE [Durkin, 1998] и т. д.

Наиболее популярные приложения ИС отображены на рис. 1.10 [Durkin, 1998].

Рис. 1.10. Основные приложения ИС

Сейчас легче назвать области, где еще нет ЭС, чем те, где они уже применяются. Уже в 1987 г. опрос пользователей, проведенный журналом «Intelligent Technologies» (США), показал, что примерно:

• 25 % пользователей используют ЭС;

• 25 % собираются приобрести ЭС в ближайшие 2-3 года;

• 50 % предпочитают провести исследование об эффективности их использова­ния.

Главное отличие ИС и ЭС от других программных средств - это наличие базы знаний (БЗ), в которой знания хранятся в форме, понятной специалистам пред­метной области, и могут быть изменены и дополнены также в понятной форме. Это и есть языки представления знаний - ЯПЗ.

До последнего времени именно различные ЯПЗ были центральной проблемой при разработке ЭС. Сейчас существуют десятки языков или моделей представления знаний (см. параграф 1.3). Наибольшее распространение получили следу­ющие модели:

• продукции (OPS5 [Forgy, 1981], ROSIE [Fain, Hayes-Roth, Sowizral, Water­man, 1982]);

• семантические сети (SIMER+MIR [Осипов, 1997]; NET [Цейтин, 1985]);

• фреймы (FRL [Байдун, Бунин, 1988; Справочник по ИИ, 1990]);

• логическое программирование (ПРОЛОГ [Макалистер, 1990; Стерлинг, Ша­пиро, 1990]);

• объектно-ориентированные языки (SMALLTALK [Goldberg, Robson, 1983; Буч, 1993], CLOS [Pega, Sticklen, Bond, 1993]).

Для перечисленных выше моделей существует соответствующая математическая нотация, разработаны системы программирования, реализующие эти ЯПЗ, и имеется большое количество реальных коммерческих ЭС. Подробнее вопросы программной реализации прикладных ИС рассмотрены в главе 6.

Современное состояние разработок в области ЭС в России можно охарактеризо­вать как стадию все возрастающего интереса среди широких слоев специалис­тов - финансистов, топ-менеджеров, преподавателей, инженеров, медиков, пси­хологов, программистов, лингвистов. В последние годы этот интерес имеет пока достаточно слабое материальное подкрепление - явная нехватка учебников и специальной литературы, отсутствие символьных процессоров и рабочих стан­ций, ограниченное финансирование исследований в этой области, слабый отече­ственный рынок программных продуктов для разработки ЭС.

Поэтому появляется возможность распространения «подделок» под экспертные системы в виде многочисленных диалоговых систем и интерактивных пакетов прикладных программ, которые дискредитируют в глазах пользователей это чрез­вычайно перспективное направление. Процесс создания экспертной системы тре­бует участия высококвалифицированных специалистов в области искусственно­го интеллекта, которых пока выпускает небольшое количество высших учебных заведений страны.

Наибольшие трудности в разработке ЭС вызывает сегодня не процесс машинной реализации систем, а домашинный этап анализа знаний и проектирования базы знаний. Этим занимается специальная наука - инженерия знаний [Гаврилова, Червинская, 1992; Adeli, 1994; Scott, Clayton, Gibson, 1994].

Современному состоянию этой науки и посвящены последующие главы этой книги.

Дата добавления: 2015-07-02