Размещено на http://www.allbest.ru/

МИНИСТЕРСТВО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ

ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

«ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ НЕФТЕГАЗОВЫЙ УНИВЕРСИТЕТ»

КАФЕДРА АВТОМАТИЗАЦИИ и ВЫЧИСЛИТЕЛЬНОЙ ТЕХНИКИ

КОНТРОЛЬНАЯ РАБОТА

по дисциплине: «Системы искусственного интеллекта»

на тему: Структура экспертных систем

Вариант: № 7

Выполнил: студент группы АСОиУз-09-1

А.А. Иванова

Проверила: преподаватель каф. АВТ

С.М. Каратун

Тюмень 2014

Содержание

1. Назначение экспертных систем

2. Структура экспертных систем

3. Примеры экспертных систем в технике

4. Список литературы

1. Назначение экспертных систем

экспертный программа решение задача

В начале восьмидесятых годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название "экспертные системы" (ЭС). Цель исследований по ЭС состоит в разработке программ, которые при решении задач, трудных для эксперта-человека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом. Исследователи в области ЭС для названия своей дисциплины часто используют также термин "инженерия знаний", введенный Е.Фейгенбаумом как "привнесение принципов и инструментария исследований из области искусственного интеллекта в решение трудных прикладных проблем, требующих знаний экспертов".

Программные средства (ПС), базирующиеся на технологии экспертных систем, или инженерии знаний (в дальнейшем будем использовать их как синонимы), получили значительное распространение в мире. Важность экспертных систем состоит в следующем:

ь технология экспертных систем существенно расширяет круг практически значимых задач, решаемых на компьютерах, решение которых приносит значительный экономический эффект;

ь технология ЭС является важнейшим средством в решении глобальных проблем традиционного программирования: длительность и, следовательно, высокая стоимость разработки сложных приложений;

ь высокая стоимость сопровождения сложных систем, которая часто в несколько раз превосходит стоимость их разработки; низкий уровень повторной используемости программ и т.п.;

ь объединение технологии ЭС с технологией традиционного программирования добавляет новые качества к программным продуктам за счет: обеспечения динамичной модификации приложений пользователем, а не программистом; большей "прозрачности" приложения (например, знания хранятся на ограниченном ЕЯ, что не требует комментариев к знаниям, упрощает обучение и сопровождение); лучшей графики; интерфейса и взаимодействия.

По мнению ведущих специалистов, в недалекой перспективе ЭС найдут следующее применение:

Ё ЭС будут играть ведущую роль во всех фазах проектирования, разработки, производства, распределения, продажи, поддержки и оказания услуг;

Ё технология ЭС, получившая коммерческое распространение, обеспечит революционный прорыв в интеграции приложений из готовых интеллектуально-взаимодействующих модулей.

ЭС предназначены для так называемых неформализованных задач, т.е. ЭС не отвергают и не заменяют традиционного подхода к разработке программ, ориентированного на решение формализованных задач.

Неформализованные задачи обычно обладают следующими особенностями:

ь ошибочностью, неоднозначностью, неполнотой и противоречивостью исходных данных;

ь ошибочностью, неоднозначностью, неполнотой и противоречивостью знаний о проблемной области и решаемой задаче;

ь большой размерностью пространства решения, т.е. перебор при поиске решения весьма велик;

ь динамически изменяющимися данными и знаниями.

Следует подчеркнуть, что неформализованные задачи представляют большой и очень важный класс задач. Многие специалисты считают, что эти задачи являются наиболее массовым классом задач, решаемых ЭВМ.

Экспертные системы и системы искусственного интеллекта отличаются от систем обработки данных тем, что в них в основном используются символьный (а не числовой) способ представления, символьный вывод и эвристический поиск решения (а не исполнение известного алгоритма).

Экспертные системы применяются для решения только трудных практических (не игрушечных) задач. По качеству и эффективности решения экспертные системы не уступают решениям эксперта-человека. Решения экспертных систем обладают "прозрачностью", т.е. могут быть объяснены пользователю на качественном уровне. Это качество экспертных систем обеспечивается их способностью рассуждать о своих знаниях и умозаключениях. Экспертные системы способны пополнять свои знания в ходе взаимодействия с экспертом. Необходимо отметить, что в настоящее время технология экспертных систем используется для решения различных типов задач (интерпретация, предсказание, диагностика, планирование, конструирование, контроль, отладка, инструктаж, управление) в самых разнообразных проблемных областях, таких, как финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, металлургия, горное дело, химия, образование, целлюлозно-бумажная промышленность, телекоммуникации и связь и др.

Коммерческие успехи к фирмам-разработчикам систем искусственного интеллекта (СИИ) пришли не сразу. На протяжении 1960 - 1985 гг. успехи ИИ касались в основном исследовательских разработок, которые демонстрировали пригодность СИИ для практического использования. Начиная примерно с 1985 г. (в массовом масштабе с 1988 - 1990 гг.), в первую очередь ЭС, а в последние годы системы, воспринимающие естественный язык (ЕЯ-системы), и нейронные сети (НС) стали активно использоваться в коммерческих приложениях.

Следует обратить внимание на то, что некоторые специалисты (как правило, специалисты в программировании, а не в ИИ) продолжают утверждать, что ЭС и СИИ не оправдали возлагавшихся на них ожиданий и умерли. Причины таких заблуждений состоят в том, что эти авторы рассматривали ЭС как альтернативу традиционному программированию, т.е. они исходили из того, что ЭС в одиночестве (в изоляции от других программных средств) полностью решают задачи, стоящие перед заказчиком. Надо отметить, что на заре появления ЭС специфика используемых в них языков, технологии разработки приложений и используемого оборудования (например, Lisp-машины) давала основания предполагать, что интеграция ЭС с традиционными, программными системами является сложной и, возможно, невыполнимой задачей при ограничениях, накладываемых реальными приложениями. Однако в настоящее время коммерческие инструментальные средства (ИС) для создания ЭС разрабатываются в полном соответствии с современными технологическими тенденциями традиционного программирования, что снимает проблемы, возникающие при создании интегрированных приложений.

Причины, приведшие СИИ к коммерческому успеху, следующие.

Интегрированность. Разработаны инструментальные средства искусственного интеллекта (ИС ИИ), легко интегрирующиеся с другими информационными технологиями и средствами (с CASE, СУБД, контроллерами, концентраторами данных и т.п.).

Открытость и переносимость. ИС ИИ разрабатываются с соблюдением стандартов, обеспечивающих открытость и переносимость [14].

Использование языков традиционного программирования и рабочих станций. Переход от ИС ИИ, реализованных на языках ИИ (Lisp, Prolog и т.п.), к ИС ИИ, реализованным на языках традиционного программирования (С, C++ и т.п.), упростил обеспечение интегриро-ванности, снизил требования приложений ИИ к быстродействию ЭВМ и объемам оперативной памяти. Использование рабочих станций (вместо ПК) резко увеличило круг приложений, которые могут быть выполнены на ЭВМ с использованием ИС ИИ.

Архитектура клиент-сервер. Разработаны ИС ИИ, поддерживающие распределенные вычисления по архитектуре клиент-сервер, что позволило:снизить стоимость оборудования, используемого в приложениях, децентрализовать приложения, повысить надежность и общую производительность (так как сокращается количество информации, пересылаемой между ЭВМ, и каждый модуль приложения выполняется на адекватном ему оборудовании).

Проблемно/предметно-ориентированные ИС ИИ. Переход от разработок ИС ИИ общего назначения (хотя они не утратили свое значение как средство для создания ориентированных ИС) к проблемно/предметно-ориентированным ИС ИИ [9] обеспечивает: сокращение сроков разработки приложений; увеличение эффективности использования ИС; упрощение и ускорение работы эксперта; повторную используемость информационного и программного обеспечения (объекты,классы,правила,процедуры).

2. Структура экспертных систем

Экспертная система (ЭС), используя знания, полученные от специалистов в данной предметной области, решает те же проблемы, экспертами в которых являются эти специалисты. Экспертные системы, использующие эвристические знания, применяются в тех случаях, когда сформулировать решение задачи в традиционных математических терминах не удается. Для всех наиболее успешных применений экспертных систем характерна по крайней мере одна общая черта - они работают в одной ограниченной предметной области знаний. Попытки расширить предметную область, даже в пределах одной области знаний, в подавляющем большинстве случаев успеха не давали.

Экспертная система - это сложная интеллектуальная система, способная делать логические выводы на основании знаний в конкретной предметной области и обеспечивающая решение специфических задач. Она наделена функциями, позволяющими решать задачи, которые в отсутствие эксперта - специалиста в конкретной предметной области - невозможно правильно решить. Функционирование ЭС можно представить следующим образом: пользователь, желающий получить необходимую информацию, через пользовательский интерфейс посылает запрос; решатель, пользуясь базой знаний, генерирует и выдает пользователю подходящую рекомендацию, объясняя ход своих рассуждений при помощи подсистемы объяснений. Обобщенная структура экспертной системы представлена на рис. 1.

Пользователь - специалист предметной области, для которого предназначена система. Обычно его квалификация недостаточно высока, и поэтому он нуждается в помощи и поддержке своей деятельности со стороны ЭС.

Рис. 1 Структура экспертной системы

Интерфейс пользователя реализует диалог пользователя с ЭС как на стадии ввода информации, так и при получении результатов.

База знаний - ядро ЭС, совокупность знаний предметной области, записанная на машинный носитель в форме, понятной эксперту и пользователю (обычно на некотором языке, приближенном к естественному).

Механизм логического вывода моделирует ход рассуждений эксперта на основании знаний, имеющихся в базе знаний, т.е. экспертная система может подстраиваться под стиль мышления эксперта, имитировать приемы его работы, становиться в определенных границах как бы продолжением его «Я».

Модуль советов и объяснений позволяет пользователю получить ответы на вопросы: «Как была получена та или иная рекомендация?» и «Почему система приняла такое решение?» Ответ на вопрос «как» - это трассировка всего процесса получения решения с указанием использованных фрагментов базы знаний, всех шагов цепи умозаключений. Ответ на вопрос «почему» - ссылка на умозаключение, непосредственно предшествовавшее полученному решению, то есть отход на один шаг назад.

Модуль приобретения знаний предоставляет возможность создавать базу знаний в диалоговом режиме, включает в себя систему сервисных средств, облегчающих работу с базой.

База данных содержит исходные, промежуточные или окончательные данные о решаемой в текущий момент задаче, данные здесь - это информация, существующая в ходе консультации.

В реальных ЭС функции отдельных структурных элементов могут быть усилены или расширены. Решающую роль в повышении эффективности ЭС играет база знаний, особенно категория знаний, основанных на многолетнем опыте и интуиции специалистов. Традиционное программирование в качестве основы для разработки программ использует алгоритм - формализованное знание. Основное отличие ЭС в том, что они ориентированы на решение неформализованных задач, алгоритм решения которых заранее неизвестен, и строится самой ЭС на основе символических рассуждений, опирающихся на эвристические приемы специалиста [19].

3. Примеры экспертных систем в технике

Экспертная система DRILLING ADVISOR помогает буровому мастеру при бурении нефтяных скважин решать вопросы, связанные с прихваткой долота. Система диагностирует наиболее вероятные причины прихватки (например, коническая форма скважины, закупорка буровой колонны разбуренной породой) и рекомендует ряд мер для преодоления трудностей и снижения вероятности их повторения (например, подъем и/или опускание буровой колонны). Система основывает свои решения на знании геологической обстановки в месте нахождения скважины и соотношений между наблюдаемыми симптомами и предполагаемыми причинами неполадок. Знания в системе представлены в виде правил, доступ к которым осуществляется механизмом цепочек рассуждений. Система разработана компанией Teknowledge в сотрудничестве с Societe Nationale Elf Aquitaine и доведена до уровня исследовательского прототипа.

Разработанная в Lockeed Palo Alto Research Laboratory экспертная система BDS использует показания аппаратуры для обнаружения неисправных печатных плат, из-за которых могла бы возникнуть неисправность радиосистем. Она основывает свой диагноз на стратегиях эксперта-диагноста и на знаниях о структуре, функциях и причинных связях компонентов радиоэлектронных устройств. Знания в BDS представлены в виде продукций.

Экспертная система CADHELP моделирует эксперта, демонстрирующего работу графических компонент подсистемы автоматизированного проектирования цифровых логических схем. Она объясняет пользователю, как использовать подсистему САПР, генерируя текст объяснения в динамическом режиме исходя из описаний различных режимов работы подсистем САПР. Знания в системе организованы в виде совокупности сотрудничающих подсистем, управляемых программой-администратором. Операционная среда системы, разработанной в университете штата Коннектикут, - UNIX.

Экспертная система CRITTER помогает инженерам-разработчикам интегральных схем анализировать корректность, временные характеристики и быстродействие СБИС. Пользователь вводит электронную схему и характеристики вход-выход, по которым система строит модель ее работы. Система обобщает информацию с оценкой функциональных возможностей схемы, а также информацию по диагностированию и ремонту. Принципиальные схемы представлены в виде фреймов, а остальные знания - в виде формул и исчисления предикатов. Система реализована на языке Лисп. Разработчики - сотрудники Rutgers University.

FOREST локализует и диагностирует неисправности в электронном оборудовании. Знания представлены экспертной составляющей и специфической составляющей, содержащей информацию об использовании принципиальных схем и принципах их отладки. Знания кодируются в виде продукций с коэффициентами уверенности. Экспертная система реализована на языке Пролог в Университете Пенсильвания.

Разработанная в университете г. Ватерлоо экспертная система «Message Trece Analyzer» помогает отлаживать системы, работающие в режиме реального времени, такие, как большие коммутационные устройства сети связи, содержащие сотни процессоров. Система изучает записи последовательности посылок, которыми обменивались процессоры, обнаруживая неправильные, по которым определяет, какой из процессоров неисправен.

Экспертная система «Palladio», разработанная в Станфордском университете, помогает инженерам проектировать и тестировать новые СБИС. Среда проектирования электронных схем включает интерактивные графические редакторы, оперирующие электронными компонентами высокого уровня; редактор правил, помогающий модифицировать функциональные характеристики элементов схемы; моделирующую программу, использующую функциональные характеристики элементов схемы для моделирования ее поведения; механизмы создания и уточнения параметров проекта на различных уровнях общения. Экспертная система реализована на языке, обеспечивающем объектное ориентирование. В ней используются логические механизмы представления знаний.

Экспертная система «Redesign» помогает инженерам перепроектировать цифровые схемы с целью удовлетворения изменившимся требованиям к их функциональным характеристикам. Получив цель, система порождает возможные локальные изменения, которые нужно внести, ранжирует их по трудности реализации, степени удовлетворения поставленной цели и проверяет, какие нежелательные побочные эффекты связаны с этими изменениями. Знания в системе представлены в виде модулей и трактов передачи информации. Система разработана в университете г. Рутжерс.

«Talib» (университет Карнеги-Меллон) автоматически синтезирует топологию интегральных схем. В качестве входной информации система получает описание элементов схемы, которые нужно разместить на кремниевой подложке и их соединения друг с другом, а также топологические и геометрические требования относительно краевой зоны вдоль периметров схемы. По этим спецификациям система создает и уточняет планы размещения элементов и их соединений, а затем реализует их, применяя знания о характеристиках соединений, ограничениях между расположением подсхем. Система использует знания, основанные на правилах. Язык разработки - OPS5 [20].

Экспертная система «Консультант», созданная в Центральном научно-исследовательском институте министерства обороны Российской Федерации, предназначена для организаций, разрабатывающих и закупающих радиоэлектронную аппаратуру. Она служит для проведения экспертизы радиочастотных заявок, квалифицированного заполнения заявки на выделение радиочастоты, получения справок о технической документации и распределении частот между радиослужбами.

Экспертная система по антеннам, описанная в работе А.В. Чечкина «Математическая информатика», охватывает два вида объектов и одну функциональную связь между ними. Один вид объектов - это непосредственно антенны, а другой вид - их электромагнитное поле излучения. Связь между антенной и ее полем излучения определяется законами электродинамики. Информационная область экспертной системы строится из наборов типовых модулей контроля и проектирования. В модулях контроля решаются прямые задачи получения информации о поле излучения по информации об антенне. В модулях проектирования решаются обратные задачи. Диалог с экспертной системой позволяет инженеру-конструктору проводить вычислительный эксперимент, который на определенных стадиях гораздо эффективнее физического эксперимента с реальными дорогостоящими конструкциями и установками. Математической моделью антенны является операторное соотношение

где

d - диаграмма направленности излучения, зависящая от угловых координат;

х - вектор возбуждения антенны;

- оператор излучения антенны.

Система рассматривает задачи проектирования антенн с заданными параметрами, которые представляют собой однокритериальные и многокритериальные оптимизационные задачи на экстремум и решаются методами классической математики [22].

Для реализации экспертной системы необходимо соответствующее представление знаний о исследуемой предметной области.

4. Список литературы

1) Маренко В.А., Панфилов С.А., Каратун С.М. Аспекты современной информатики. Учебное пособие. Тюмень: Изд-во ТюмГНГУ, 2004. 113 с.

2) Интернет ресурс. http://www.mari-el.ru/mmlab/home/AI/7_8/#part_6 - Экспертные системы.

Размещено на Allbest.ru