Коллектив разработчиков

Классификация по степени интеграции с другими программами

Классификация по типу ЭВМ

Классификация по связи с реальным временем

Классификация по решаемой задаче

Классификация систем, основанных на знаниях

Класс ЭС сегодня объединяет несколько тысяч различных программных комплексов, которые можно классифицировать по различным критериям. Полезными могут оказаться классификации, представленные на рис. 2.2.

Рассмотрим указанные на рисунке типы задач подробнее.

v Интерпретация данных. Это одна из традиционных задач для экспертных сис­тем. Под интерпретацией понимается процесс определения смысла данных, результаты которого должны быть согласованными и корректными. Обычно предусматривается многовариантный анализ данных.

· Все примеры далее из работ [Попов и др., (ред.), 1990; Соловьев, Соловьева, 1989; Хейес-Рот и др., 1987].

· Обнаружение и идентификация различных типов океанских судов по ре­зультатам аэрокосмического сканирования - SIAP;

· определение основных свойств личности по результатам психодиагности­ческого тестирования в системах АВТАНТЕСТ и МИКРОЛЮШЕР и др.

v Диагностика. Под диагностикой понимается процесс соотнесения объекта с некоторым классом объектов и/или обнаружение неисправности в некоторой системе. Неисправность - это отклонение от нормы. Такая трактовка поз­воляет с единых теоретических позиций рассматривать и неисправность обо­рудования в технических системах, и заболевания живых организмов, и все­возможные природные аномалии. Важной спецификой является здесь необходимость понимания функциональной структуры («анатомии») ди­агностирующей системы.

· Диагностика и терапия сужения коронарных сосудов - ANGY;

· диагностика ошибок в аппаратуре и математическом обеспечении ЭВМ - система CRIB и др.

v Мониторинг. Основная задача мониторинга - непрерывная интерпретация данных в реальном масштабе времени и сигнализация о выходе тех или иных параметров за допустимые пределы. Главные проблемы - «пропуск» тревож­ной ситуации и инверсная задача «ложного» срабатывания. Сложность этих проблем в размытости симптомов тревожных ситуаций и необходимость уче­та временного контекста.

· Контроль за работой электростанций СПРИНТ, помощь диспетчерам атом­ного реактора - REACTOR;

· контроль аварийных датчиков на химическом заводе - FALCON и др.

v Проектирование. Проектирование состоит в подготовке спецификаций на со­здание «объектов» с заранее определенными свойствами. Под спецификацией понимается весь набор необходимых документов - чертеж, пояснительная за­писка и т. д. Основные проблемы здесь - получение четкого структурного описания знаний об объекте и проблема «следа». Для организации эффектив­ного проектирования и в еще большей степени перепроектирования необхо­димо формировать не только сами проектные решения, но и мотивы их приня­тия. Таким образом, в задачах проектирования тесно связываются два основ­ных процесса, выполняемых в рамках соответствующей ЭС: процесс вывода решения и процесс объяснения.

· Проектирование конфигураций ЭВМ VAX - 11/780 в системе XCON (или R1), проектирование БИС - CADHELP;

· синтез электрических цепей - SYN и др.

v Прогнозирование. Прогнозирование позволяет предсказывать последствия некоторых событий или явлений на основании анализа имеющихся данных. Прогнозирующие системы логически выводят вероятные следствия из заданных ситуаций. В прогнозирующей системе обычно используется параметрическая динамическая модель, в которой значения параметров «подгоняются» под заданную ситуацию. Выводимые из этой модели следствия составляют основу для прогнозов с вероятностными оценками.

· Предсказание погоды — система WILLARD;

· оценки будущего урожая — PLANT;

· прогнозы в экономике — ECON и др.

v Планирование. Под планированием понимается нахождение планов действий, относящихся к объектам, способным выполнять некоторые функции. В таких ЭС используются модели поведения реальных объектов с тем, чтобы логичес­ки вывести последствия планируемой деятельности.

· Планирование поведения робота — STRIPS;

· планирование промышленных заказов — ISIS;

· планирование эксперимента — MOLGEN и др.

v Обучение. Под обучением понимается использование компьютера для обуче­ния какой-то дисциплине или предмету. Системы обучения диагностируют ошибки при изучении какой-либо дисциплины с помощью ЭВМ и подсказы­вают правильные решения. Они аккумулируют знания о гипотетическом «ученике» и его характерных ошибках, затем в работе они способны диагнос­тировать слабости в познаниях обучаемых и находить соответствующие сред­ства для их ликвидации. Кроме того, они планируют акт общения с учеником в зависимости от успехов ученика с целью передачи знаний.

· Обучение языку программирования ЛИСП в системе «Учитель ЛИСПа»;

· система PROUST - обучение языку Паскаль и др.

v Управление. Под управлением понимается функция организованной системы, поддерживающая определенный режим деятельности. Такого рода ЭС осуще­ствляют управление поведением сложных систем в соответствии с заданными спецификациями.

· Помощь в управлении газовой котельной - GAS;

· управление системой календарного планирования Project Assistant и др.

v Поддержка принятия решений. Поддержка принятия решения - это совокуп­ность процедур, обеспечивающая лицо, принимающее решения, необходимой информацией и рекомендациями, облегчающими процесс принятия решения. Эти ЭС помогают специалистам выбрать и/или сформировать нужную аль­тернативу среди множества выборов при принятии ответственных решений.

· Выбор стратегии выхода фирмы из кризисной ситуации — CRYSIS;

· помощь в выборе страховой компании или инвестора — CHOICE и др.

В общем случае все системы, основанные на знаниях, можно подразделить на си­стемы, решающие задачи анализа, и на системы, решающие задачи синтеза. Основ­ное отличие задач анализа от задач синтеза заключается в том, что если в задачах анализа множество решений может быть перечислено и включено в систему, то в задачах синтеза множество решений потенциально не ограничено и строится из решений компонент или под-проблем. Задачами анализа являются: интерпрета­ция данных, диагностика, поддержка принятия решения; к задачам синтеза отно­сятся проектирование, планирование, управление. Комбинированные: обучение, мониторинг, прогнозирование.

• Статические ЭС разрабатываются в предметных областях, в которых база зна­ний и интерпретируемые данные не меняются во времени. Они стабильны.

Пример

Диагностика неисправностей в автомобиле.

• Квазидинамические ЭС интерпретируют ситуацию, которая меняется с некото­рым фиксированным интервалом времени.

Пример

Микробиологические ЭС, в которых снимаются лабораторные измерения с технологи­ческого процесса один раз в 4-5 часов (производство лизина, например) и анализиру­ется динамика полученных показателей по отношению к предыдущему измерению.

• Динамические ЭС работают в сопряжении с датчиками объектов в режиме ре­ального времени с непрерывной интерпретацией поступающих в систему дан­ных.

Примеры

Управление гибкими производственными комплексами, мониторинг в реанимацион­ных палатах;

программный инструментарий для разработки динамических систем - G2 [Попов, 1996].

На сегодняшний день существуют:

• ЭС для уникальных стратегически важных задач на суперЭВМ (Эльбрус, CRAY, CONVEX и др.);

• ЭС на ЭВМ средней производительности (типа ЕС ЭВМ, mainframe);

• ЭС на символьных процессорах и рабочих станциях (SUN, Silicon Graphics, APOLLO);

• ЭС на мини - и супермин-ЭВМ (VAX, micro-VAX и др.);

• ЭС на персональных компьютерах (IBM PC, MAC II и т. п.).

Автономные ЭС работают непосредственно в режиме консультаций с пользовате­лем для специфически «экспертных» задач, для решения которых не требуется привлекать традиционные методы обработки данных (расчеты, моделирование ж т. д.).

Гибридные ЭС представляют программный комплекс, агрегирующий стандартные пакеты прикладных программ (например, математическую статистику, линейное программирование или системы управления базами данных) и средства манипулирования знаниями. Это может быть интеллектуальная надстройка над ППП (пакетами прикладных программ) или интегрированная среда для реше­ния сложной задачи с элементами экспертных знаний.

Несмотря на внешнюю привлекательность гибридного подхода, следует отметить, что разработка таких систем являет собой задачу на порядок более сложную, чемразработка автономной ЭС. Стыковка не просто разных пакетов, а разных методологий (что происходит в гибридных системах) порождает целый комплекс теоретических и практических трудностей.

Под коллективом разработчиков (КР) будем понимать группу специалистов, ответственных за создание ЭС.

Как видно из рис. 2.1, в состав КР входят, по крайней мере, три человека — пользователь, эксперт и инженер по знаниям. На рисунке не видно программиста. Такимобразом, минимальный состав КР включает четыре человека; реально же он разрастается до 8-10 человек. Численное увеличение коллектива разработчиков происходит по следующим причинам: необходимость учета мнения нескольких пользователей, помощи нескольких экспертов; потребность, как в проблемных, так и системных программистах. На Западе в этот коллектив дополнительно традиционно включают менеджера и одного технического помощника.

Если использовать аналогии из близких областей, то КР более всего схож с группой администратора базы данных при построении интегрированных информационных систем или бригадой программистов, разрабатывающих сложный программный комплекс. При отсутствии профессионального менеджера руководителем КР, участвующим во всех стадиях разработки, является инженер по знаниям, поэтому к его квалификации предъявляются самые высокие требования. В целом уровень и численность группы зависят от характеристик поставленной задачи.

Для обеспечения эффективности сотрудничества любой творческой группы, в том числе и группы КР ЭС, необходимо возникновение атмосферы взаимопони­мания и доверия, которое, в свою очередь, обусловлено психологической совмес­тимостью членов группы; следовательно, при формировании КР должны учиты­ваться психологические свойства участников.

В настоящий момент в психологии существует несколько десятков методик по определению свойств личности, широко используемых в вопросах профессио­нальной ориентации. Эти психодиагностические методики, часть из которых уже автоматизирована, различаются направленностью, глубиной, временем опроса и способами интерпретации. В частности, система АВАНТЕСТ (Автоматический Анализ ТЕСТов) [Гаврилова, 1984] позволяет моделировать рассуждения психо­лога при анализе результатов тестирования по 16-факторному опроснику Р. Кэт-тела и выдает связное психологическое заключение на естественном русском язы­ке, характеризующее такие свойства личности, как общительность, аналитичность, добросовестность, самоконтроль и т. п. Модифицированная база знаний системы ABTAHTECT позднее была использована в ЭС «Cattell» (см. параграф 7.3).

Ниже приведены два аспекта характеристик членов КР: 1 - психофизиологиче­ский, 2 - профессиональный.

Пользователь

1. К пользователю предъявляются самые слабые требования, поскольку его не выбирают. Он является в некотором роде заказчиком системы.

Желательные качества:

а) дружелюбие;

б) умение объяснить, что же он хочет от системы;

в) отсутствие психологического барьера к применению вычислительной тех­ники;

г) интерес к новому. От пользователя зависит, будет ли применяться разра­ботанная ЭС. Замечено, что наиболее ярко качества в) и г) проявляются в молодом возрасте, поэтому иногда такие пользователи охотнее применяют ЭС, не испытывая при этом комплекса неполноценности оттого, что ЭВМ им что-то подсказывает.

2. Необходимо, чтобы пользователь имел некоторый базовый уровень квалифи­кации, который позволит ему правильно истолковать рекомендации ЭС. Кро­ме того, должна быть полная совместимость в терминологии интерфейса к ЭС с той, которая привычна и удобна для пользователя. Обычно требования к ква­лификации пользователя не очень велики, иначе он переходит в разряд экс­пертов и совершенно не нуждается в ЭС.

Эксперт

1. Эксперт - чрезвычайно важная фигура в группе КР. В конечном счете, его под­готовка определяет уровень компетенции базы знаний.

Желательные качества:

а) доброжелательность;

б) готовность поделиться своим опытом;

в) умение объяснить (педагогические навыки);

г) заинтересованность (моральная, а лучше еще и материальная) в успешнос­ти разработки. Возраст эксперта обычно почтенный, что необходимо учи­тывать всем членам группы. Часто встает вопрос о количестве экспертов. Поскольку проблема совмещения подчас противоречивых знаний остается открытой, обычно с каждым из экспертов работают индивидуально, иног­да создавая альтернативные базы.

2. Помимо, безусловно, высокого профессионализма в выбранной предметной об­ласти, желательно знакомство эксперта с популярной литературой по искус­ственному интеллекту и экспертным системам для того, чтобы эффективнее прошел этап извлечения знаний.

Программист

1. Известно, что программисты обладают самой низкой потребностью в общении среди представителей разных профессий. Однако при разработке ЭС необхо­дим тесный контакт членов группы, поэтому желательны следующие его каче­ства:

а) общительность;

б) способность отказаться от традиционных навыков и освоить новые методы;

в) интерес к разработке.

2. Поскольку современные ЭС - сложнейшие и дорогостоящие программные ком­плексы, программисты в КР должны иметь опыт и навыки разработки про­грамм. Обязательно знакомство с основными структурами представления зна­ний и механизмами вывода, состоянием отечественного и мирового рынка программных продуктов для разработки ЭС и диалоговых интерфейсов.

Инженер по знаниям

1. Существуют такие профессии и виды деятельности, для которых природные качества личности (направленность, способности, темперамент) могут иметь характер абсолютного показания или противопоказания к занятиям. По-ви­димому, инженерия знаний принадлежит к таким профессиям. По различным оценкам, это одна из самых малочисленных, высокооплачиваемых и дефицит­ных в мире специальностей. Попытаемся дать наброски к портрету инженера по знаниям (без претензии на полноту и точность определений).

Пол. Психологи утверждают, что мужчины более склонны к широкому охвату явлений и в среднем у них выше аналитичность, чрезвычайно полезная инже­неру по знаниям, которому надо иметь развитое логическое мышление и уме­ние оперировать сложными формальными структурами. Кроме того, при об­щении с экспертами, которые в большинстве своем настроены скептически по отношению к будущей ЭС, инженер по знаниям-мужчина вызывает более высокую мотивацию успешности со стороны эксперта-женщины. С другой стороны, известно, что у женщин выше наблюдательность к отдельным деталям объектов. Так что пол не является окончательным показанием или проти­вопоказанием к данной профессии.

Интеллект. Это понятие вызывает самые бурные споры психологов; суще­ствует до 50 определений интеллекта, но с прагматической точки зрения, оче­видно, что специалист в области искусственного интеллекта должен стре­миться к максимальным оценкам по тестам как вербального, так и невербаль­ного интеллекта.

Стиль общения. Инженер по знаниям «задает тон» в общении с экспертом, он ведет диалог, и от него, в конечном счете, зависит его продуктивность. Можно выделить два стиля общения: деловой (или жесткий) и дружеский (или мяг­кий, деликатный). Нам кажется, что дружеский будет заведомо более успеш­ным, так как снижает «эффект фасада» у эксперта, раскрепощает его. Дели­катность, внимательность, интеллигентность, ненавязчивость, скромность, умение слушать и задавать вопросы, хорошая коммуникабельность и в то же время уверенность в себе - вот рекомендуемый стиль общения. Безусловно, что это дар и искусство одновременно, однако занятия по психологическому тренингу могут дать полезные навыки.

Портрет инженера по знаниям можно было бы дополнить другими характери­стиками - широтой взглядов и интересов, артистичностью, чувством юмора, обаянием и т. д.

2. При определении профессиональных требований к аналитику следует учиты­вать, что ему необходимы различные навыки и умения для грамотного и эф­фективного проведения процессов извлечения, концептуализации и формали­зации знаний.

Инженер по знаниям имеет дело со всеми формами знаний (см. параграф 1.3).

Z1 (знания в памяти) → Z2 (знания в книгах) → Z3 (поле знаний) → Z4 (модель знаний) → Z5 (база знаний).

Работа на уровне Z1 требует от инженера по знаниям знакомства с элементами когнитивной психологии и способами репрезентации понятий и процессов в па­мяти человека, с двумя основными механизмами мышления - логическим и ас­социативным, с такими способами активизации мышления как игры, мозговой штурм и др., с различными моделями рассуждений.

Изучение и анализ текстов на уровне Z2 подразумевает широкую общенаучную подготовку инженера; знакомство с методами реферирования и аннотирования текстов; владение навыками быстрого чтения, а также текстологическими мето­дами извлечения знаний.

Разработка поля знаний на уровне Z3 требует квалифицированного знакомства с методологией представления знаний, системным анализом, теорией познания, аппаратом многомерного шкалирования, кластерным и факторным анализом.

Разработка формализованного описания Z4 предусматривает предварительное изучение аппарата математической логики и современных языков представле­ния знаний. Модель знаний разрабатывается на основании результатов глубоко­го анализа инструментальных средств разработки ЭС и имеющихся «оболочек». Кроме того, инженеру по знаниям необходимо владеть методологией разработки ЭС, включая методы быстрого прототипирования.

И, наконец, реализация базы знаний Z5, в которой инженер по знаниям участвует вместе с программистом, подразумевает овладение практическими навыками ра­боты на ЭВМ и, возможно, одним из языков программирования.

Так как инженеров по знаниям «выращивают» из программистов, уровень Z5 обычно не вызывает затруднения, особенно если разработка ведется на традици­онных языках типа С или Паскаль. Специализированные языки искусственного интеллекта Лисп и Пролог требуют некоторой перестройки архаично-алгоритмического мышления.

Успешность выбора и подготовки коллектива разработчиков ЭС определяет эффективность и продолжительность всего процесса разработки.

Дата добавления: 2015-07-02