Організаційні основи експертних систем

Размещено на http://www.allbest.ru/

Організаційні основи експертних систем

Видом інтелектуальних 1С можуть бути експертні системи (БС), що орієнтуються на здобуття, обробку і використання додаткової інформації - знань. Це інтелектуальні програми, здатні здійснювати логічні виведення на підставі знань у конкретній ПрО та забезпечувати рішення специфічних задач на професійному рівні. Технології штучного інтелекту (ШІ) сприяли створенню саме таких систем. Необхідність їх створення була викликана недостатньою кількістю фахівців-експертів, які могли б у будь-який час кваліфіковано відповідати на питання своєї ПрО.

Розробка ЕС розпочалася у 60-х роках минулого століття. Основою ЕС є база знань ПрО.

Експертна система - це складна ІС, що оперує знаннями певної ПрО з метою надання рекомендацій або вирішення проблеми.

o інтерв'ювання - відповіді прямо отримують у процесі опитування, з можливістю з'ясування усіх деталей;

o мозковий штурм - генеруються всі ідеї, відсіваються непотрібні, потім відбувається обговорення саме тих, що залишилися;

o метод Delphi - його мета: при вирішенні складних проблем необхідно видалити суб'єктивні чинники;

o метод дерева цілей - дає можливість у графічному вигляді зобразити ієрархію вирішення проблеми;

o метод аналізу ієрархій - складні завдання декомпозу-ються за рівнями тощо.

Інтерфейс користувача - програми, що підтримують діалог користувача з експертною системою як на стадії введення інформації, так і при отриманні результатів.

Приклади. EC DENDRAL розроблена у Стенфордському університеті у 1960-х роках для визначення топологічних структур органічних молекул. Система виводить молекулярну структуру хімічних речовин за даними мас-спектрометрії і ядерного магнітного резонансу.

ЕС PROSPECTOR також розроблена у Стенфордському університеті протягом 1974-1983 pp. і призначена для оцінки геологами потенційної рудоносності району та реалізована на INTERLISP. Програма порівнює спостереження геологів з моделями різного роду покладів руди. Вона залучає геолога до діалогу для здобуття додаткової інформації.

Серед сучасних комерційних систем слід вирізнити експертну систему - оболонку G2 американської фірми Gensym (USA) як експертну комерційну систему для роботи з динамічними об'єктами.

OMEGAMON - це експертна мультиагентна динамічна система, що фукціонує в режимі реального часу і здійснює моніторинг позаштатних ситуацій для об'єктів корпоративної інформаційної системи,

ЕС складається з таких компонентів (рис. 8.1):

o БЗ - це ядро експертної системи, є сукупністю знань ПрО у формі зрозумілої експертові і користувачеві мови, призначеної для зберігання експертних знань ПрО, які використовуються при рішенні задач ЕС;

o БД, призначеної для зберігання фактів або гіпотез, які є проміжними рішеннями або результатом спілкування системи із зовнішнім середовищем;

Рис. 8.1. Архітектура експертної системи

o машини логічного виведення - механізму, що моделює хід міркувань експерта, оперуючи знаннями та даними з метою отримання нових даних зі знань та інших даних, що містяться в робочій пам'яті;

o інтерфейсу користувача, призначеного для ведення діалогу з користувачами для отримання фактів, необхідних для процесу міркування;

o підсистеми пояснень, що дає користувачеві можливість розуміти процес отримання результату; програма інтерфейс експертний

o підсистеми здобуття знань, призначеної для коригування і поповнення БЗ. У простому випадку це інтелектуальний редактор БЗ, який надає ІЗ можливість створення БД у діалоговому режимі. У складніших БС - засоби здобуття знань з БД, що містить неструктурований текст, графічну інформацію тощо.

База знань ЕС - це сукупність відомостей ПрО, для якої розробляється БС. Для функціонування ЕС її БЗ має бути наповнена знаннями. З цією метою запрошують експертів -- висококваліфікованих спеціалістів у тій галузі, для якої розробляється ЕС. їх завдання - формально описати усі свої знання, потрібні для функціонування ЕС.

У БЗ містяться знання двох типів:

o загальновідомі факти, явища, закономірності цієї ПрО;

o набір емпіричних правил, відповідно до яких спеціалісти приймають рішення за умов невизначеності, неповноти та суперечливості інформації.

ЕС створюють на основі глибоких спеціальних знань про певну ПрО, отримувану від експертів. Система, що базується на знаннях (СБЗ), - це система, процес роботи якої пов'язаний з використанням символічного подання знань та правил їх обробки, а не чітких алгоритмів. ЕС належать до класу СБЗ, але, крім того, мають давати конкретний результат за певний час та з потрібною достовірністю.

ЕС акумулює знання експертів для надання можливості використовувати їх менш кваліфікованим користувачам. Вона на основі обробки цих знань може давати інтелектуальні поради, приймати рішення на рівні експерта-професіонала, а також пояснювати процес знаходження того чи іншого рішення.

ЕС властиві: спеціалізація у певній ПрО; використання БЗ; уміння пояснювати свої дії під час розв'язування задачі та доводити їх обґрунтованість; здатність імітувати діяльність експерта; використання для розв'язування задач евристик - методів, що спираються на досвід та знання експерта.

Перевагою ЕС є можливість накопичення, оновлення знань і зберігання їх упродовж тривалого часу. ЕС забезпечують незалежність оцінки від думки експертів і дають змогу підвищувати кваліфікацію фахівців компанії, використовуючи перевірені рішення.

Критерії доцільності застосування ЕС:

o знання мають бути надійними і мало змінюватися з часом;

o завдання мають бути вузькоспеціалізованими, а простір можливих рішень - відносно невеликим;

o задачі не повинні значною мірою залежати від усталених знань;

o у процесі рішення задачі мають використовуватися формальні міркування.

БС мають значне практичне застосування, широко використовуються у науці (класифікація тварин і рослин за видами), медицині (постановка діагнозу, аналіз електрокардіограм, визначення методів лікування), техніці (пошук несправностей у пристроях, спостереження за польотом космічних кораблів і супутників), соціології, криміналістиці, лінгвістиці тощо. Проте складність та висока вартість БС, а головне, вузька спеціалізація стримують їх впровадження.

У процесі розроблення такої БЗ можна виокремити три основні фази: попередню, початкову і накопичувальну.

На попередній фазі ІЗ отримує від експерта або з інших джерел загальні відомості про ПрО (основні поняття, відношення, структуру даних) і формує загальне уявлення про принципи побудови БС, а потім обирає інструментарій для створення БС (приміром, порожню БС або мову подання знань) та середовища розроблення.

На початковій фазі ІЗ заповнює систему знаннями, що визначають організацію, структуру і спосіб подання БЗ.

Накопичувальна фаза характеризується набуттям основних знань про ПрО та передбачає виявлення неповноти, некоректності або суперечливості знань ЕС та здобуття знань, що усувають ці проблеми, а також надання цим знанням вигляду, зрозумілого БС.

Набуття знань передбачає спільну роботу ІЗ з експертами, які часто обґрунтовують свої висновки загальними концепціями, не виявляючи деталей, посилаються на інтуїцію та досвід, який базується на великій кількості взаємозалежних фактів, закономірностей і навичок. Вирішити задачу створення БЗ ПрО можна за допомогою засобів автоматизованого здобуття знань.

Вимоги до ЕС:

o компетентність: у конкретній ПрО ЕС потрібно досягати того рівня, який мають спеціалісти - люди;

o ЕС має користуватися тими ж евристичними прийомами, так само глибоко і широко відображати символьні міркування;

o глибина: експертиза має вирішувати серйозні, нетривіальні задачі, що відрізняються складністю знань, використовуваних ЕС, або великим обсягом інформації;

o самосвідомість: ЕС має містити механізм пояснення того, яким чином вона приходить до розв'язання задачі.

Залежно від вирішуваних задач є такі ЕС: інтерпретації даних, діагностики, проектування, прогнозування, планування, управління, навчання.

Класифікація експертних систем

ЕС інтерпретації даних призначені для визначення семантики даних. Результати інтерпретації мають бути погодженими і коректними. У таких системах нерідко використовуються різноманітні методи аналізу даних. На сьогодні ці системи розвиваються у межах напрямку, що одержав назву Data Mining - "здобуття" чи "заготівля" даних.

Діагностичні ЕС виконують функцію віднесення об'єктів до визначених класів. Галузь застосувань таких систем широка - від встановлення несправностей у технічних системах (технічна діагностика) до розпізнавання захворювань живих організмів, а також соціальних і природних аномалій.

ЕС моніторингу виконують задачу інтерпретації даних у реальному масштабі часу і сигналізують про вихід тих чи інших параметрів за припустимі межі.

ЕС прогнозування виводять ймовірні наслідки із заданих ситуацій. У прогнозуючих системах часто використовуються параметричні моделі, у яких значення параметрів "підганяються" під аналізовану ситуацію. Крім того, останнім часом для рішення задачі нерідко застосовуються інші підходи, зокрема нейрономп'ютерний підхід та різні алгоритми пошуку логічних закономірностей у структурах багатомірних даних.

ЕС для планування належать до об'єктів, здатних виконувати певні функції планування. У таких системах використовуються моделі поведінки реальних об'єктів для того, щоб послідовно вивести результати запланованої діяльності.

Стосовно призначення ЕС бувають загального призначення і спеціалізовані (предметно орієнтовані і проблемно орієнтовані).

Щодо складності вирішуваних задач їх поділяють на: прості (до 1000 простих правил), середні (від 1000 до 10 000 стр^к-турованих правил), складні (більше 10 000 структурованйх правил).

Можна класифікувати ЕС за ступенем інтеграції з іншими програмами.

Автономні ЕС застосовуються для рішення "експертних" задач у режимі консультації, коли не потрібно залучати додаткові методи обробки даних (розрахунки, моделювання тощо).

Гібридні ЕС поєднують стандартні пакети прикладних програм (наприклад, пакети для аналізу даних, лінійного програмування). Вони становлять інтелектуальні надбудови і виконують функції моніторингу стосовно відомого ПЗ.

Можна класифікувати ЕС за типом ЕОМ, що використовуються для унікальних стратегічно важливих завдань, які вирішуються на потужних ЕОМ, а також для системи середньої продуктивності та для персональних ПК.

Різновидом ЕС є навчальні системи, здатні давати обґрунтовані, методично ефективні для навчання пояснення з адаптивним ступенем деталізації щодо розглянутих рішень. Ці системи застосовують насамперед для професійного навчання майбутніх фахівців. Часто ЕС класифікують за призначенням.

ЕС, що виконують інтерпретацію, як правило, використовують інформацію від датчиків для опису ситуації. Це може бути, наприклад, інтерпретація показників вимірювальних приладів на заводі для визначення стану процесу. Такі ЕС мають справу не з чітким символьним поданням проблемної ситуації, а безпосередньо з реальними даними, що призводить до ускладнень, яких немає в інших ЕС, оскільки їм доводиться обробляти недостатню, неповну, ненадійну або помилкову інформацію. Вони використовують спеціальні методи реєстрації характеристик безупинних потоків даних, сигналів або зображень і методи їх символьного подання.

ЕС, що здійснюють прогноз, визначають імовірні наслідки заданих ситуацій. Прикладами проблем, вирішуваних такими ЕС, є прогноз збитків урожаю від деяких видів шкідливих комах, оцінка попиту на нафту на світовому ринку, прогнозування місця виникнення наступного збройного конфлікту на підставі даних розвідки. Системи прогнозування іноді використовують імітаційне моделювання, тобто програми, що відображають причиннО-наслідкові взаємозв'язки в реальному світі, щоб генерувати ситуації або сценарії, які можуть виникнути за тих або інших вхідних даних. Можливі ситуації разом зі знаннями про процеси, що породжують ці ситуації, створюють передумови для прогнозу. На сьогодні розроблено порівняно мало систем для прогнозування, можливо, тому, що дуже важко взаємодіяти з імітаційними моделями і створювати їх.

ЕС виконують діагностику, використовуючи описи ситуацій, характеристики поведінки або знання про конструкцію компонентів, щоб установити ймовірні причини неправильного функціонування системи. Прикладами цього є визначення причин захворювання за симптомами, що спостерігаються в пацієнтів, локалізація несправностей в електронних схемах і визначення відмов у системі охолодження ядерних реакторів. Діагностичні системи часто є консультантами, що не тільки ставлять діагноз, але й допомагають у налагоджуванні. Вони можуть взаємодіяти з користувачем, щоб надати допомогу в пошуку несправностей, а потім запропонувати порядок дій з їх усунення. Медицина - цілком природна галузь для діагностики, і справді, у ній було розроблено більше діагностичних систем, ніж у будь-якій іншій ПрО, проте зараз багато діагностичних систем розробляють для застосування в інженерній справі та комп'ютерних системах.

ЕС, що виконують проектування, розробляють конфігурацію об'єктів, враховуючи обмеження ПрО. Прикладами їх можуть бути генна інженерія та синтез складних органічних молекул.

ЕС, зайняті плануванням, проектують дії. Вони визначають повну послідовність дій перед тим, як починається їх виконання. Це, наприклад, створення плану використання послідовності хімічних реакцій для синтезу складних органічних сполук або створення плану повітряного бою з метою нейтралізації певного чинника боєздатності ворога.

ЕС, що виконують спостереження, порівнюють справжню поведінку системи з очікуваною, наприклад, спостереження за показаннями вимірювальних приладів у ядерних реакторах мають виявляти аварійні ситуації, а оцінка даних моніторингу хворих у блоках інтенсивної терапії - небезпеку для життя людини. БС порівнюють результати спостереження з даними, що притаманні стандартним ситуаціям. Такі БС за своєю природою мають працювати в режимі реального часу і здійснювати залежну як від часу, так і від контексту інтерпретацію поведінки об'єкта спостереження.

ЕС, що навчають, аналізують та коригують поведінку того, кого навчають. Ці системи створюють модель знань того, хто навчається, і модель того, як він ці знання застосовує для вирішення проблеми. ЕС діагностує помилки і вказує на них, здійснює аналіз і пропонує шляхи виправлень цих помилок.

ЕС, що здійснюють керування, адаптивно керують поведінкою системи в цілому. Це, наприклад, керування виробництвом і поділом комп'ютерних систем або контроль за станом хворих при інтенсивній терапії. Такі ЕС мають містити компоненти спостереження, щоб відслідковувати поведінку об'єкта.

"Порожні" ЕС - це інструментальні засоби для побудови інших ЕС. Вони не містять конкретних правил ПрО. Прикладом такої системи є інструментальний комплекс ІндЕкс, що призначається для автоматичної розробки консультуючих систем. Цей комплекс містить бібліотеку алгоритмів індуктивного здобуття знань, підсистему візуалізації дерева рішень, інтелектуальний інтерфейс користувача, засоби пояснення та механізм інтерпретації дерева рішень. Система здатна обробляти неповні й нечіткі дані. За допомогою ІндЕкс були створені прикладні БС для оцінювання якості геологічних досліджень, прогнозування масового розмноження шкідливих комах, оптимізації медико-біологічних досліджень осіб, що потерпіли внаслідок аварії на Чорнобильській АБС, економічного прогнозування тощо.

Інструментальні засоби створення ЕС:

o символьні мови програмування, орієнтовані на створення БС і систем ШІ;

o мови інженерії знань, тобто мови високого рівня, орієнтовані на побудову ЕС (наприклад, ОРБб, Пролог);

o системи, що автоматизують розробку систем ШІ, орієнтованих на знання;

o оболонки ЕС.

За зв'язком з реальним часом ЕС поділяють на статичні, квазідинамічні, динамічні.

Статичні ЕС застосовуються для рішення задач, у яких БЗ і дані, що інтерпретуються, не змінюються з часом (наприклад, ЕС діагностики несправностей автомобіля певної марки).

Квазідинамічні ЕС працюють у ситуаціях, що не змінюються протягом певного фіксованого часу. Такими є, зокрема, ЕС у мікробіології, де лабораторні виміри технологічного процесу здійснюються кожні 4-5 год і аналізується динаміка отриманих показників стосовно попередніх вимірів.

Динамічні ЕС обробляють дані, що постійно змінюються, часто в поєднанні з датчиками об'єктів, іноді в режимі реального часу з безупинною інтерпретацією даних, що надходять. Наприклад, гнучкі виробничі системи, моніторинг у реанімаційних палатах тощо.

Статичні ЕС розробляються для ПрО, в яких БЗ та дані, інтерпретовані нею, стабільні та незмінні. Приклад статичної системи: ЕС для діагностики несправностей автомобіля.

Квазідинамічні БС здатні інтерпретувати ситуацію, що змінюється протягом певного часу. Приклад квазідинамічної системи: БС для обробки лабораторних вимірів технологічного процесу.

Динамічні БС здатні обробляти інформацію від датчиків у режимі реального часу. Вони, зокрема, використовуються гнучкими виробничими комплексами.

БС не взаємодіють безпосередньо з навколишнім середовищем: вони одержують інформацію не через датчики, а через користувача та інші ЕС, проте їх поведінка має багато спільних рис з агентами.

Размещено на Allbest.ru