Экспертные системы. Назначение и особенности. Структура и режимы

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РФ

«Сибирская Государственная Геодезическая Академия»

РЕФЕРАТ

по дисциплине «Искусственный интеллект»

на тему: «Экспертные системы. Назначение и особенности. Структура и режимы»

Выполнил:

Корыткова А.В.

Проверил:

Сырецкий Г.А.

НОВОСИБИРСК 2011

Аннотация

В этой работе рассмотрены экспертные системы (ЭС). Работа содержит полное введение, которое дает краткий экскурс в историю ЭС, а также ее краткое описание. Далее идут главы, которых в работе три. В первой главе идет разговор об ЭС в целом, ее определения. Во второй главе говорится об особенностях и назначении ЭС. В третье главе приводятся структура и режимы ЭС. Из всего, вышесказанного, вытекает вывод. Завершает данный реферат список использованной литературы, оформленный в соответствии с ГОСТ.

Содержание

Введение

1. Понятие «экспертные системы»

2. Назначение и особенности ЭС

3. Структура и режимы ЭС

Вывод

Список использованной литературы

Введение

экспертный система интеллектуальный

Экспертные системы (ЭС) возникли как значительный практический результат в применении и развитии методов искусственного интеллекта (ИИ)- совокупности научных дисциплин, изучающих методы решения задач интеллектуального (творческого) характера с использованием ЭВМ.

Область ИИ имеет более чем сорокалетнюю историю развития. С самого начала в ней рассматривался ряд весьма сложных задач, которые, наряду с другими, и до сих пор являются предметом исследований: автоматические доказательства теорем, машинный перевод (автоматический перевод с одного естественного языка на другой), распознавание изображений и анализ сцен, планирование действий роботов, алгоритмы и стратегии игр.

ЭС - это набор программ, выполняющий функции эксперта при решении задач из некоторой предметной области. ЭС выдают советы, проводят анализ, дают консультации, ставят диагноз. Практическое применение ЭС на предприятиях способствует эффективности работы и повышению квалификации специалистов.

Главным достоинством экспертных систем является возможность накопления знаний и сохранение их длительное время. В отличии от человека к любой информации экспертные системы подходят объективно, что улучшает качество проводимой экспертизы. При решении задач, требующих обработки большого объема знаний, возможность возникновения ошибки при переборе очень мала.

При создании ЭС возникает ряд затруднений. Это, прежде всего, связано с тем, что заказчик не всегда может точно сформулировать свои требования к разрабатываемой системе. Также возможно возникновение трудностей чисто психологического порядка: при создании базы знаний системы эксперт может препятствовать передаче своих знаний, опасаясь, что впоследствии его заменят “машиной”. Но эти страхи не обоснованы, т. к. ЭС не способны обучаться, они не обладают здравым смыслом, интуицией. Но в настоящее время ведутся разработки экспертных систем, реализующих идею самообучения. Также ЭС неприменимы в больших предметных областях и в тех областях, где отсутствуют эксперты.

Экспертная система состоит из базы знаний (части системы, в которой содержатся факты), подсистемы вывода (множества правил, по которым осуществляется решение задачи), подсистемы объяснения, подсистемы приобретения знаний и диалогового процессора.

При построении подсистем вывода используют методы решения задач искусственного интеллекта.

1. Понятие «экспертные системы»

Экспертная система (ЭС, expert system) -- компьютерная программа, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. [10]

Примеры широко известных и эффективно используемых (или использованных в свое время) экспертных систем: [5]

1) DENDRAL - ЭС для распознавания структуры сложных органических молекул по результатам их спектрального анализа (считается первой в мире экспертной системой);

2) MOLGEN - ЭС для выработке гипотез о структуре ДНК на основе экспериментов с ферментами;

3) XCON - ЭС для конфигурирования (проектирования) вычислительных комплексов VAX-11 в корпорации DEC в соответствии с заказом покупателя;

4) MYCIN - ЭС диагностики кишечных заболеваний;

5) PUFF - ЭС диагностики легочных заболеваний;

6) MACSYMA - ЭС для символьных преобразований алгебраических выражений;

7) YES/MVS - ЭС для управления многозадачной операционной системой MVS больших ЭВМ корпорации IBM;

8) DART - ЭС для диагностики больших НМД корпорации IBM;

9) PROSPECTOR - ЭС для консультаций при поиске залежей полезных ископаемых;

10) POMME - ЭС для выдачи рекомендаций по уходу за яблоневым садом;

11) ЭСПЛАН - ЭС для планирования производства на Бакинском нефтеперерабатывающем заводе;

12) МОДИС - ЭС диагностики различных форм гипертонии.

Экспертные системы применяются в сочетании с базами данных для обеспечения распознавания образов по такому же принципу, как это делает человек, и с автоматизированными системами принятия решений для обеспечения выявления знаний с помощью анализа скрытых закономерностей в данных и создания, таким образом, интеллектуальной базы данных [1]. Одной из важных областей использования систем распознавания образов являются системы безопасности аэропортов, в которых применяются средства распознавания лиц потенциальных подозреваемых в качестве внешнего интерфейса к экспертной системе. В свою очередь, экспертная система, получив сведения об обнаружении потенциального подозреваемого, определяет, оправдан ли переход к таким дальнейшим действиям, как передача сообщения об этом ответственным за безопасность в аэропорту. [6]

Истоки экспертных систем лежат во многих научных дисциплинах; особо следует отметить область психологии, посвященную исследованию обработки информации человеком, -- когнитологию, или науку о познании. Изучение процесса познания -- это изучение того, как люди усваивают или обрабатывают информацию. Иными словами, когнитология -- это наука о том, как мыслят люди, особенно в ходе решения задач. Для обеспечения лучшего обучения был разработан целый ряд когнитивных инструментальных средств. [3]

Еще один важный принцип, который должен быть воплощен в машинах искусственного интеллекта, состоит в том, что такие машины должны обладать способностью распознавать знаки; проведение исследований в этом направлении является основой научной области, называемой семиотикой. [2] Семиотика изучает не такие простые, визуально различимые знаки, как знак Stop, а все понятие знака в целом. Знаком называется то, что представляет нечто другое. Например, если вы смотрите фильм с музыкальным сопровождением, то общепринятым знаком, показывающим, что вскоре произойдет какое-то приятное событие, является повышение тона и ускорение ритма музыки. Аналогичным образом, знаком, свидетельствующим о том, что должно произойти неприятное событие, является замедление музыки и снижение тона. В музыке, фильмах, на телевидении и в повседневной жизни применяется много различных невербальных знаков. Например, если человек лжет или не может откровенно ответить на какой-то вопрос, то обычно опускает глаза. До сих пор нагрузка по восприятию всех этих знаков, возлагаемая на интеллектуальные машины, разрабатываемые для использования в реальном мире, была слишком высока. Простого программирования, позволяющего понимать слова, недостаточно; такие машины должны также понимать основополагающий смысл знаков.

Изучение процесса познания является очень важным, если мы хотим наделить компьютеры способностью эмулировать экспертов-людей. Эксперты часто не могут объяснить, как они решают ту или иную задачу -- решение просто само приходит к ним в голову. Если эксперт не может объяснить, как он решает задачу, то невозможно представить знания эксперта в экспертной системе в форме явных знаний. В таком случае единственная возможность состоит в использовании программ, которые сами обучаются эмулировать действия эксперта. Таковыми являются программы, основанные на индукции, искусственных нейронных системах и других гибких вычислительных методах, которые будут обсуждаться позднее.

2. Назначение и особенности ЭС

Отличительные особенности:

1) Экспертиза может проводиться только в одной конкретной области. Так, программа, предназначенная для определения конфигурации систем ЭВМ, не может ставить медицинские диагнозы.

2) База знаний и механизм вывода являются различными компонентами. Действительно, часто оказывается возможным сочетать механизм вывода с другими базами знаний для создания новых ЭС. Например, программа анализа инфекции в крови может быть применена в пульманологии путем замены базы знаний, используемой с тем же самым механизмом вывода.

3) Наиболее подходящая область применения решение задач дедуктивным методом. Например, правила или эвристики выражаются в виде пар посылок и заключений типа “если-то”.

4) Эти системы могут объяснять ход решения задачи понятным пользователю способом. Обычно мы не принимаем ответ эксперта, если на вопрос “Почему?” не можем получить логичный ответ. Точно так же мы должны иметь возможность спросить систему, основанную на знаниях, как было получено конкретное заключение.

5) Выходные результаты являются качественными (а не количественными).

6) Системы, основанные на знаниях, строятся по модульному принципу, что позволяет постепенно наращивать их базы знаний.

Экспертная система отличается от прочих прикладных программ наличием следующих признаков: [7]

· Моделирует не столько физическую (или иную) природу определенной проблемной области, сколько механизм мышления человека применительно к решению задач в этой проблемной области. Это существенно отличает экспертные системы от систем математического моделирования или компьютерной анимации. Нельзя, конечно, сказать, что программа полностью воспроизводит психологическую модель специалиста в этой предметной области (эксперта), но важно, что основное внимание все-таки уделяется воспроизведению компьютерными средствами методики решения проблем, которая применяется экспертом, т.е. выполнению некоторой части задач так же (или даже лучше), как это делает эксперт.

· Система, помимо выполнения вычислительных операций, формирует определенные соображения и выводы, основываясь на тех знаниях, которыми она располагает. Знания в системе представлены, как правило, на некотором специальном языке и хранятся отдельно от собственно программного кода, который и формирует выводы и соображения. Этот компонент программы принято называть базой знаний.

· При решении задач основными являются эвристические и приближенные методы, которые, в отличие от алгоритмических, не всегда гарантируют успех. Эвристика, по существу, является правилом влияния (rule of thumb), которое в машинном виде представляет некоторое знание, приобретенное человеком по мере накопления практического опыта решения аналогичных проблем. Такие методы являются приблизительными в том смысле, что, во-первых, они не требуют исчерпывающей исходной информации, и, во-вторых, существует определенная степень уверенности (или неуверенности) в том, что предлагаемое решение является верным.

Компьютерные системы, которые могут лишь повторить логический вывод эксперта, принято относить к ЭС первого поколения. Однако специалисту, решающему интеллектуально сложную задачу, явно недостаточно возможностей системы, которая лишь имитирует деятельность человека. Ему нужно, чтобы ЭС выступала в роли полноценного помощника и советчика, способного проводить анализ нечисловых данных, выдвигать и отбрасывать гипотезы, оценивать достоверность фактов, самостоятельно пополнять свои знания, контролировать их непротиворечивость, делать заключения на основе прецедентов и, может быть, даже порождать решение новых, ранее не рассматривавшихся задач. Наличие таких возможностей является характерным для ЭС второго поколения, концепция которых начала разрабатываться 9-10 лет назад. Экспертные системы, относящиеся ко второму поколению, называют партнерскими, или усилителями интеллектуальных способностей человека. Их общими отличительными чертами является умение обучаться и развиваться, т.е. эволюционировать.

В экспертных системах первого поколения знания представлены следующим образом:

1) знаниями системы являются только знания эксперта, опыт накопления знаний не предусматривается.

2) методы представления знаний позволяли описывать лишь статические предметные области.

3) модели представления знаний ориентированы на простые области.

Представление знаний в экспертных системах второго поколения следующее:

1) используются не поверхностные знания, а более глубинные. Возможно дополнение предметной области.

2) ЭС может решать задачи динамической базы данных предметной области.

Экспертная система обычно проектируется таким образом, чтобы она обладала описанными ниже общими характеристиками: [6]

· Высокая эффективность. Система должна обладать способностью давать ответы на уровне компетентности, равной или более высокой по сравнению с экспертом в данной области. Это означает, что качество рекомендаций, предоставляемых системой, должно быть неизменно высоким.

· Приемлемое время отклика. Система должна выполнять свою работу за приемлемое время, сопоставимое или лучшее по сравнению с тем, которое требуется эксперту, чтобы выработать решение. Экспертная система, для которой требуется год, чтобы получить решение, тогда как эксперту-человеку достаточно одного часа, никому не нужна. К тому же временные ограничения, регламентирующие производительность экспертной системы, могут оказаться особенно жесткими в случае систем реального времени, когда ответ должен быть получен в течение определенного интервала времени, например, как при посадке самолета в тумане.

· Высокая надежность. Экспертная система должна быть надежной и не подверженной сбоям, так как в противном случае ее использование станет невозможным.

· Доступность для понимания. Система должна быть способной объяснить все этапы своих рассуждений, осуществляемых в ходе выработки решения, чтобы ее работа была доступной для понимания. Система не может быть просто "черным ящиком", который вырабатывает загадочный ответ, и должна предоставлять возможность получить объяснение по такому же принципу, как эксперты-люди могут объяснить свои рассуждения. Такая характеристика важна по нескольким описанным ниже причинам.

Одна из причин состоит в том, что от ответов экспертной системы иногда зависят жизнь и собственность человека. Поскольку ошибки могут обойтись очень дорого, экспертная система должна быть способной обосновать свои заключения по такому же принципу, как эксперт-человек может объяснить, на каком основании он пришел к определенному заключению. Таким образом, применение средства объяснения позволяет пользователям провести профилактическую проверку рассуждений системы.

Еще одна причина, по которой желательно предусмотреть средство объяснения, связана с тем, что на этапе разработки экспертной системы необходимо неоднократно убеждаться в том, что система правильно получила знания и правильно их использует. Такая возможность является исключительно важной при отладке, поскольку знания могут быть неправильно введены из-за опечаток или просто оказаться ошибочными из-за того, что инженер по знаниям и эксперт неправильно поняли друг друга. Хорошее средство объяснения позволяет эксперту и инженеру по знаниям проверять точность введенных знаний. Кроме того, учитывая то, какой способ обычно применяется для создания экспертных систем, очень сложно читать длинные листинги программ и разбираться в их работе. [6]

Области применения систем, основанных на знаниях, могут быть сгруппированы в несколько основных классов: медицинская диагностика, контроль и управление, диагностика неисправностей в механических и электрических устройствах, обучение. [5]

а) Медицинская диагностика. Диагностические системы используются для установления связи между нарушениями деятельности организма и их возможными причинами. Наиболее известна диагностическая система MYCIN, которая предназначена для диагностики и наблюдения за состоянием больного при менингите и бактериальных инфекциях. Ее первая версия была разработана в Стенфордском университете в середине 70-х годов. В настоящее время эта система ставит диагноз на уровне врача-специалиста. Она имеет расширенную базу знаний, благодаря чему может применяться и в других областях медицины.

б) Прогнозирование. Прогнозирующие системы предсказывают возможные результаты или события на основе данных о текущем состоянии объекта. Программная система “Завоевание Уолл-стрита” может проанализировать конъюнктуру рынка и с помощью статистических методов алгоритмов разработать для вас план капиталовложений на перспективу. Она не относится к числу систем, основанных на знаниях, поскольку использует процедуры и алгоритмы традиционного программирования. Хотя пока еще отсутствуют ЭС, которые способны за счет своей информации о конъюнктуре рынка помочь вам увеличить капитал, прогнозирующие системы уже сегодня могут предсказывать погоду, урожайность и поток пассажиров. Даже на персональном компьютере, установив простую систему, основанную на знаниях, вы можете получить местный прогноз погоды.

в) Планирование. Планирующие системы предназначены для достижения конкретных целей при решении задач с большим числом переменных. Дамасская фирма Informat впервые в торговой практике предоставляет в распоряжении покупателей 13 рабочих станций, установленных в холле своего офиса, на которых проводятся бесплатные 15-минутные консультации с целью помочь покупателям выбрать компьютер, в наибольшей степени отвечающий их потребностям и бюджету. Кроме того, компания Boeing применяет ЭС для проектирования космических станций, а также для выявления причин отказов самолетных двигателей и ремонта вертолетов. Экспертная система XCON, созданная фирмой DEC, служит для определения или изменения конфигурации компьютерных систем типа VAX и в соответствии с требованиями покупателя. Фирма DEC разрабатывает более мощную систему XSEL, включающую базу знаний системы XCON, с целью оказания помощи покупателям при выборе вычислительных систем с нужной конфигурацией. В отличие от XCON система XSEL является интерактивной.

г) Интерпретация. Интерпретирующие системы обладают способностью получать определенные заключения на основе результатов наблюдения. Система PROSPECTOR, одна из наиболее известных систем интерпретирующего типа, объединяет знания девяти экспертов. Используя сочетания девяти методов экспертизы, системе удалось обнаружить залежи руды стоимостью в миллион долларов, причем наличие этих залежей не предполагал ни один из девяти экспертов. Другая интерпретирующая система- HASP/SIAP. Она определяет местоположение и типы судов в тихом океане по данным акустических систем слежения.

д) Контроль и управление. Системы, основанные на знаниях, могут применятся в качестве интеллектуальных систем контроля и принимать решения, анализируя данные, поступающие от нескольких источников. Такие системы уже работают на атомных электростанциях, управляют воздушным движением и осуществляют медицинский контроль. Они могут быть также полезны при регулировании финансовой деятельности предприятия и оказывать помощь при выработке решений в критических ситуациях.

е) Диагностика неисправностей в механических и электрических устройствах. В этой сфере системы, основанные на знаниях, незаменимы как при ремонте механических и электрических машин (автомобилей, дизельных локомотивов и т.д.), так и при устранении неисправностей и ошибок в аппаратном и программном обеспечении компьютеров.

ж) Обучение. Системы, основанные на знаниях, могут входить составной частью в компьютерные системы обучения. Система получает информацию о деятельности некоторого объекта (например, студента) и анализирует его поведение. База знаний изменяется в соответствии с поведением объекта. Примером этого обучения может служить компьютерная игра, сложность которой увеличивается по мере возрастания степени квалификации играющего. Одной из наиболее интересных обучающих ЭС является разработанная Д. Ленатом система EURISCO, которая использует простые эвристики. Эта система была опробована в игре Т. Тревевеллера, имитирующая боевые действия. Суть игры состоит в том, чтобы определить состав флотилии, способной нанести поражение в условиях неизменяемого множества правил. Система EURISCO включила в состав флотилии небольшие, способные провести быструю атаку корабли и одно очень маленькое скоростное судно и постоянно выигрывала в течение трех лет, несмотря на то, что в стремлении воспрепятствовать этому правила игры меняли каждый год.

Большинство ЭС включают знания, по содержанию которых их можно отнести одновременно к нескольким типам. Например, обучающая система может также обладать знаниями, позволяющими выполнять диагностику и планирование. Она определяет способности обучаемого по основным направлениям курса, а затем с учетом полученных данных составляет учебный план. Управляющая система может применяться для целей контроля, диагностики, прогнозирования и планирования. Система, обеспечивающая сохранность жилища, может следить за окружающей обстановкой, распознавать происходящие события (например, открылось окно), выдавать прогноз (вор-взломщик намеревается проникнуть в дом) и составлять план действий (вызвать полицию).

3. Структура и режимы ЭС

Выделяют два типа экспертных систем: статические и динамические. Статические экспертные системы используются в тех приложениях, где можно не учитывать изменения окружающего мира, происходящие за время решения задачи. Первые экспертные системы, получившие практическое использование, были статическими. Динамические экспертные системы по сравнению со статическими содержат дополнительно два следующих компонента: подсистему моделирования внешнего мира и подсистему взаимодействия с внешним миром. [9]

Механизм логического вывода (МЛВ) предназначен для получения новых фактов на основе сопоставления исходных данных из рабочей памяти и знаний из базы знаний. Механизм логического вывода во всей структуре экспертной системы занимает наиболее важное место. Он реализует алгоритмы прямого и/или обратного вывода и формально может быть представлен четверкой: < V, S, K, W >

· V - процедура выбора из базы знаний и рабочей памяти правил и фактов;

· S - процедура сопоставления правил и фактов, в результате которой определяется множество фактов, к которым применимы правила для присвоения значений;

· K - процедура разрешения конфликтов, определяющая порядок использования правил, если в заключении правила указаны одинаковые имена фактов с разными значениями;

· W - процедура, осуществляющая выполнение действий, соответствующих полученному значению факта (заключению правила).

Рабочая память предназначена для хранения исходных и промежуточных фактов решаемой в текущий момент задачи. Как правило, размещается в оперативной памяти ЭВМ и отражает текущее состояние предметной области в виде фактов с коэффициентами уверенности (КУ) в истинности этих фактов. [9]

Следующий элемент в структуре экспертной системы не менее важен, чем механизм логического вывода. Это - база знаний. База знаний предназначена для хранения долгосрочных фактов, описывающих рассматриваемую область, правил, описывающих отношения между этими фактами и других типов декларативных знаний о предметной области. Кроме правил и фактов, образующих декларативную часть базы знаний, в нее может входить процедурная часть - множество функций и процедур, реализующих оптимизационные, расчетные и другие требуемые алгоритмы.

Экспертные системы относятся к классу интеллектуальных систем, основывающихся на понимании факта. Другими словами экспертные системы основываются на знаниях специалиста-эксперта о предметной области. Высококачественный опыт наиболее квалифицированных специалистов, доступный для всех пользователей системы, становится фактором, резко повышающим качество принимаемых решений для организации, использующей экспертные системы в целом.

Подсистема приобретения и пополнения знаний автоматизирует процесс наполнения экспертной системы знаниями, осуществляемый пользователем-экспертом, и адаптации базы знаний системы к условиям ее функционирования. Адаптация экспертной системы к изменениям в предметной области реализуется путем замены правил или фактов в базе знаний.

Подсистема объяснения объясняет, как система получила решение задачи (или почему она не получила решения) и какие знания она при этом использовала, что облегчает эксперту тестирование системы и повышает доверие пользователя к полученному результату. Возможность объяснять свои действия является одним из самых важных свойств экспертной системы, так как:

· повышается доверие пользователей к полученным результатам;

· облегчается отладка системы;

· создаются условия для пользователей по вскрытию новых закономерностей предметной области;

· объяснение полученных выводов может служить средством поиска точки в парето-оптимальном множестве решений.

Структура экспертной системы была бы неполной без подсистемы диалога. Подсистема диалога ориентирована на организацию дружественного интерфейса со всеми категориями пользователей, как в ходе решения задач, так и в ходе приобретения знаний и объяснения результатов работы.

Создаваемая специализированная экспертная система (ЭС) состоит из следующих основных блоков: [4]

1. Блок формального описания искомых объектов путём иерархического задания составляющих их элементов и отношений между этими элементами.

2. Блок преобразования описания (моделей) объектов.

3. Блок перевода декларативного описания объекта в соответствующее процедурное (т.е. сопоставление описанию объекта процедуры для его обнаружения на изображении).

4. Блок реализации полученных алгоритмов путём модификации типовых метаалгоритмов, соответствующих стандартным метамоделям.

5. Блок вероятностного описания элементов и моделей и расчёта характеристик достоверности их обнаружения.

6. Блок статистического анализа результатов обработки изображения.

7. Банк данных о программно-аппаратных характеристиках типовых процедур.

Экспертная система работает в двух режимах: режиме приобретения знаний и в режиме консультаций (называемом также режимом решения или режимом пользования экспертной системой). [8]

В режиме приобретения знаний общение с экспертной системой осуществляет эксперт. В этом режиме эксперт, используя компонент приобретения знаний, наполняет систему знаниями, которые позволяют экспертной системе в режиме консультаций самостоятельно (без эксперта) решать задачи из проблемной области. Эксперт описывает проблемную область в виде совокупности данных и правил. Данные определяют объекты, их характеристики и значения, существующие в области экспертизы. Правила определяют способы манипулирования с данными, характерные для рассматриваемой области. [8]

В режиме консультации общение с экспертной системой осуществляет конечный пользователь, которого интересует результат и (или) способ его получения. Необходимо отметить, что в зависимости от назначения экспертной системы пользователь может не быть специалистом в данной проблемной области (в этом случае он обращается к экспертной системе за результатом, не умея получить его сам), или быть специалистом (в этом случае пользователь может сам получить результат, но он обращается к экспертной системе с целью либо ускорить процесс получения результата, либо возложить на экспертную систему рутинную работу). Следует подчеркнуть, что термин «пользователь» является многозначным, так как использовать экспертную систему кроме конечного пользователя может и эксперт, и инженер по знаниям, и программист. [8]

В режиме консультации данные о задаче пользователя после обработки их диалоговым компонентом поступают в рабочую память. Решатель на основе входных данных из рабочей памяти, общих данных о проблемной области и правил из базы знаний формирует решение задачи.

Хорошо построенная экспертная система должна иметь возможность самообучаться на решаемых задачах, пополняя автоматически свою базу знаний результатами полученных выводов и решений.

Вывод

Экспертные системы являются наиболее известным и распространённым видом интеллектуальных систем.

Как и любые другие системы, они имеют ряд своих особенностей:

· экспертные системы ориентированы на решение широкого круга задач в неформализованных областях, на приложения, которые до недавнего времени считались малодоступными для вычислительной техники.

· с помощью экспертных систем специалисты, не знающие программирования, могут самостоятельно разрабатывать интересующие их приложения, что позволяет резко расширить сферу использования вычислительной техники.

· при решении практических задач экспертные системы достигают результатов, не уступающих, а иногда и превосходящих возможности людей-экспертов, не оснащённых ЭВМ.

Особенно широкое применение экспертные системы получили в медицине, математике, машиностроении, химии, геологии, вычислительной технике, бизнесе, законодательстве, обороне.

А также в настоящее время особенно актуально использование экспертных систем в таких приложениях, как образование, психолого-педагогическая диагностика и тестирование.

Экспертные системы строятся для решения широкого круга проблем в таких областях, как:

· прогнозирование - проектирование возможных последствий данной ситуации.

· диагностика - определение причин неисправностей в сложных ситуациях на основе наблюдаемых симптомов.

· проектирование - нахождение конфигурации компонентов системы, которая удовлетворяет целевым условиям и множеству проектных ограничений.

· планирование - разработка последовательности действий для достижения множества целей при данных начальных условиях и временных ограничениях.

· мониторинг - сравнение наблюдаемого поведения системы с её ожидаемым поведением.

· инструктирование - помощь в образовательном процессе по изучению технической области.

· управление - управление поведением сложной среды.

Таким образом, проблема разработки и использования экспертных систем является весьма актуальной в современном обществе.

Список использованной литературы

1. Bramer М.А. (Ed.) (1999) Knowledge Discovery and Data Mining, IEEE Press.

2. Fetzer J.Н. (2001) Computers and Cognition: Why Minds Are Not Machines, Kluwer Academic Publishers, р. 25 -- 182.

3. Lajoie S.P. (Ed.) (2000) Computers As Cognitive Tools, Volume Two: No More Walls, Lawrence Erlbaum Associates, Publishers.

4. Буряк Д.Ю. Метод автоматизированного конструирования процедур обнаружения объектов по их структурному описанию/ Д.Ю. Буряк, Ю.В. Визильтер// Журнал радиоэлектроники. - 2003. - № 4. - URL:

5. Гаврилов А.В. Назначение экспертных систем. Разработка экспертных систем. / А.В. Гаврилов, Ю.В. Новицкая. - Н.: НГТУ. - URL:.

6. Джаррано Д. Экспертные системы: принципы разработки и программирование. / Д. Джаррано, Г. Райли. - М.: "Вильямс", 2007. -- 1152 с.

7. Джексон П. Введение в экспертные системы/ П. Джексон. - М.: Изд-во «Вильямс», 2001. - 624 с.

8. Режимы работы экспертных систем: Портал искусственного интеллекта. - URL: http://www.aiportal.ru/articles/expert-systems/modes-work.html.

9. Структура экспертной системы: Портал искусственного интеллекта. - URL: http://www.aiportal.ru/articles/expert-systems/structure.html.

10. Экспертная система: Википедия. - URL: http://ru.wikipedia.org/wiki/Экспертная_система.

Размещено на Allbest.ru

...