Интеллектуальные информационные системы

Размещено на http://www.Allbest.ru/

Федеральное государственное бюджетное образовательное

Учреждение высшего профессионального образования

Ивановский государственный университет

Учебное пособие

ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ

С.Л. Денисов

Иваново - 2012

Издательство «Ивановский государственный университет»

Денисов, С.Л.

Интеллектуальные информационные системы: учебное пособие / С.Л. Денисов. - Иваново: Иван. гос. ун-т, 2012. - 157 с.

Рассматриваются разрабатываемые на основе инженерии знаний интеллектуальные информационные системы по следующим направлениям искусственного интеллекта:

- экспертные системы;

- системы общения на естественном языке;

- системы переработки визуальной информации;

- системы речевого общения;

- системы машинного перевода.

Издание рассчитано на студентов и аспирантов всех специальностей экономических факультетов вузов.

Печатается по решению редакционно-издательского совета Ивановского государственного университета

Рецензенты:

Бобков С.П., зав. кафедрой «Информационные технологии» ИГХТУ, д.т.н.

Коровкин С.Д., проректор по информатике ИГЭУ, к.т.н.

Содержание

Предисловие

1. Экспертные системы

1.1 Назначение и принципы построения экспертных систем

1.2 Классификация экспертных систем

1.3 Методология разработки экспертных систем

1.4 Этапы разработки экспертных систем

1.5 Приобретение знаний для эксплуатации систем

1.6 Представление знаний и выводы в экспертных системах

1.7 Особенности различных методов представления знаний

2. Системы общения на естественном языке

2.1 Назначение и область применения естественно-языковых систем

2.2 Обобщенная схема естественно-языковых систем

2.3 Настройка естественно-языковых систем

2.4 Классификация естественно-языковых систем

3. Системы переработки визуальной информации

3.1 Назначение, классификация и области применения

3.2 Автоматизированные системы обработки изображений

3.3 Системы анализа изображений

3.4 Системы машинной графики

4. Системы речевого общения

4.1 Основные положения

4.2 Классификация речевых процессоров

4.2.1 Анализаторы речи

4.2.2 Синтезаторы речи

4.3 Обзор промышленных систем речевого общения

4.4 Перспективные зарубежные системы речевого общения

4.5 Тенденции применения средств речевого общения

5. Системы машинного перевода

5.1 Классификация СМП

5.2 Лингвистическое обеспечение СМП

5.2.1 Словари

5.2.2 Грамматики и алгоритмы

5.3 Математическое и программное обеспечение СМП

5.4 Оценка СМП

Список используемой литературы

Содержание

Предисловие

Искусственный интеллект (ИИ) -- одно из самых молодых научных направлений. Прошло немногим более 40 лет с момента начала работ в этой области. Но сегодняшний мир и научно-технический прогресс немыслимы без тех результатов, которые дали человечеству и обещают дать в будущем исследования в области ИИ.

Причин для столь исключительного положения работ в области ИИ несколько. Наиболее важными из них являются следующие.

1. Развитие современных информационных технологий вступило в новую фазу -- создания ЭВМ пятого и последующего поколений. Отличительной чертой новых ЭВМ является их максимальная приближенность к пользователю, освобождение пользователя от программирования решения задач. Функции программиста передаются ЭВМ, сложность общения с ней не должна превосходить сложности общения с современными бытовыми системами.

Для этого надо поднять «интеллектуальный» уровень ЭВМ и методов управления, сделав их способными выполнять творческий профессиональный труд. В памяти ЭВМ должны быть заложены большая сумма знаний о способах решения задач, специальные процедуры автоматического синтеза программ, а также средства общения с пользователем, максимально приближающие это общение к общению людей.

2. ХХI век называют веком новых информационных технологий. Благодаря массовому внедрению ЭВМ и методов управления во все сферы человеческой жизни, развитию локальных, глобальных, национальных и межгосударственных сетей передачи и обработки данных, быстрому росту хранилищ информации, распределенных в разных местах земного шара и доступных для любой ЭВМ, включенной в соответствующую сеть, станет возможным переход к относительно безбумажной технологии обработки информации. А это повлечет за собой изменение стиля человеческого общения в самых разнообразных деловых и бытовых взаимоотношениях.

3. Технология производства в промышленности и сельском хозяйстве меняет свою структуру. До сих пор она ориентировалась на человека как основное звено в трудовом процессе. Роботизация производства заставляет по-новому оценить организацию данного процесса. В роботизированных производствах нет необходимости в создании «человеческих условий» для производителей, выполнении требований к агрегатам, климатическим условиям и другим, которые определяются эргономикой и физиологией человека.

4. В проектировании новых образцов изделий и научных исследованиях интеллектуальные системы должны сыграть в ближайшее время революционизирующую роль. Они являются тем инструментом, без которого станет невозможным проектирование сверхсложных для человека изделий и решение в приемлемые сроки научных проблем, на которые не хватает сейчас жизни нескольких поколений.

Можно указать еще ряд причин (повышение эффективности управления, обучения, создание роботов-исследователей, работающих в средах, не пригодных для человека, и т.п.), но и сказанного достаточно, чтобы понять глобальную значимость того направления, которое называется «искусственный интеллект». В настоящее время вряд ли возможно какое-либо единое определение, полностью описывающее эту научную область.

Среди многих точек зрения на нее сегодня доминируют три.

Согласно первой -- исследования в области ИИ являются фундаментальными исследованиями, в рамках которых разрабатываются модели и методы решения задач, традиционно считавшихся интеллектуальными и неподдававшихся ранее формализации и алгоритмизации.

Согласно второй точке зрения -- новое направление связано с новыми идеями решения задач на ЭВМ, разработкой принципиально иной технологии программирования, переходом к архитектуре ЭВМ, отвергающей классическую архитектуру, которая восходит еще к первым ЭВМ.

Наконец, сторонники третьей точки зрения полагают, что в результате работ в области ИИ рождается множество прикладных систем, решающих задачи, для которых ранее создаваемые системы были непригодны (не формализуемые).

Конечно, вышеприведенные точки зрения взаимосвязаны. В области ИИ развиваются фундаментальные исследования, новая технология программирования, новая архитектура технических средств, и все это используется для создания прикладных систем, предназначенных для работы в самых разнообразных областях.

ИИ определяется как электронно-вычислительная система, которая на основе своих внутренних ресурсов может приспосабливаться к внешней ситуации, определять взаимосвязь между различными факторами, характеризующими эту ситуацию, их место в окружающей систему среде и после обработки заданной информации получать набор возможных решений [5].

В настоящее время в экономической информатике твердо определилось научное направление -- ИИ. Это одно из новых направлений, предусматривающих создание информационных систем, способных «рассуждать». Многие ведущие специалисты в данной области с самого начала полагали, что ИИ должен представлять собой инженерную дисциплину, задачей которой в общем виде является создание конструкций [1, c. 100]. Однако основные усилия ученых в области ИИ были направлены на поиск универсальных методов его реализации. Здесь получены значительные результаты, которые составляют основу ИИ как научной дисциплины [6, 9]. Считают, что ИИ -- раздел информатики, связанный с разработкой интеллектуальных программ для компьютеров.

Можно сказать, что сегодня работы по созданию систем ИИ выполняются преимущественно по следующим направлениям [1, с. 101]:

1) системы общения на естественном языке (ЕЯ), облегчающие доступ к ЭВМ специалистам, не имеющим квалификации программистов;

2) системы переработки визуальной информации, позволяющие поднять на новый уровень автоматизацию производственных процессов, обработку и интерпретацию визуальной информации;

3) системы речевого общения;

4) системы машинного перевода;

5) экспертные системы (ЭС), копирующие поведение экспертов при принятии решений в отдельных узкоспециализированных областях знаний.

Все вышеперечисленные направления рассмотрены автором в нескольких разделах данного учебного пособия.

1. РАЗДЕЛ. ЭКСПЕРТНЫЕ СИСТЕМЫ

1.1 Назначение и принципы построения экспертных систем

В течение последнего десятилетия в рамках исследований по ИИ сформировалось самостоятельное направление -- экспертные системы (ЭС), или инженерия знаний. Основными авторами методологии создания ЭС являются англичане. Существует специальная группа по экспертным системам Британского компьютерного сообщества, которая предложила следующее формальное определение ЭС: экспертная система -- это результат создания в компьютере основанной на знаниях компоненты, соответствующей опыту эксперта, в такой форме, которая позволяет системе дать разумный совет или принять разумное решение о функции обработки данных, а также компьютерная программа, использующая экспертные знания для обеспечения высокоэффективного решения задач в узкой предметной области (см.: [1, c. 104]).

Инженерия знаний заняла свое место как технология их применения, когда вышла из недр искусственного интеллекта и начала интенсивно развиваться. Рассмотрим кратко историю инженерии знаний. Существом искусственного интеллекта можно считать научный анализ и автоматизацию интеллектуальных функций человека, однако для большинства проблем, за исключением таких сравнительно легко автоматизируемых, как поиск, тотальной реальностью является трудность их машинного воплощения.

Всевозможные исследования по искусственному интеллекту позволили бесповоротно утвердиться во мнении, что подлинно необходимыми для решения проблем являются знания экспертов. Стало очевидным, что если создать систему, способную запоминать и использовать знания экспертов, то она найдет применение в практической деятельности. И когда исследователи по искусственному интеллекту действительно разработали подобного рода системы, все эти воззрения были подтверждены. Поскольку такие системы накапливают в памяти компьютера знания экспертов и используют их для решения проблем, извлекая при необходимости из памяти, то они получили название экспертных, а профессор Е. Фейгенбаум, являющийся одним из создателей ЭС, предложил для данной области техники название «инженерия знаний». Все методы и подходы инженерии знаний получили всеобщую поддержку исследователей. В последующем в США было разработано большое число ЭС, которые нашли самое широкое применение в Японии и европейских странах.

Знания, которыми обладает специалист в какой-либо области (дисциплине), можно разделить на формализованные (точные) и неформализованные (неточные). Формализованные знания формулируются в книгах и руководствах в виде общих и строгих суждений (законов, формул, моделей, алгоритмов и т.п.), отражающих универсальные знания. Неформализованные знания, как правило, не попадают в книги и руководства в связи с их неконкретностью, субъективностью и приблизительностью. Знания этого рода являются результатом обобщения многолетнего опыта работы и интуиции специалистов. Они обычно представляют собой многообразие эмпирических (эвристических) приемов и правил.

В зависимости от того, какие знания преобладают в той или иной области (дисциплине), ее относят к формализованным (если преобладают точные знания) или к неформализованным (если преобладают неточные знания) описательным областям. Задачи, решаемые на основе точных знаний, называют формализованными, а задачи, решаемые с помощью неточных знаний, -- неформализованными. (Речь идет не о неформализуемых, а о неформализованных задачах, т.е. о задачах, которые, возможно, и формализуемы, но эта формализация пока неизвестна.)

Традиционное программирование в качестве основы для разработки программы использует алгоритм, т.е. формализованное знание. Поэтому до недавнего времени считалось, что ЭВМ не приспособлены для решения неформализованных задач. Расширение сферы использования ЭВМ показало, что неформализованные задачи составляют очень важный класс задач, вероятно, значительно больший, чем класс формализованных задач. Неумение решать неформализованные задачи сдерживает внедрение ЭВМ в описательные науки. По мнению академика А.А. Дородницына, основной задачей информатики является внедрение ее методов в описательные науки и дисциплины. На основании этого можно утверждать, что исследования в области ЭС занимают значительное место в информатике.

К неформализованным задачам следует относить те, которые обладают одной или несколькими из следующих особенностей:

-- алгоритмическое решение задачи неизвестно (хотя, возможно, и существует) или не может быть использовано из-за ограниченности ресурсов ЭВМ (времени, памяти);

-- задача не может быть определена в числовой форме (требуется символьное представление);

-- цели задачи не могут быть выражены в терминах точно определенной целевой функции.

Как правило, неформализованные задачи обладают неполнотой, ошибочностью, неоднозначностью и (или) противоречивостью знаний (как данных, так и используемых правил преобразования).

Экспертные системы не отвергают и не заменяют традиционного подхода к программированию, они отличаются от традиционных программ тем, что ориентированы на решение неформализованных задач и обладают следующими особенностями:

-- самостоятельное построение ЭС неизвестного заранее алгоритма решений с помощью символических рассуждений, базирующихся на эвристических приемах;

-- ясность полученных решений, т.е. система «осознает» в терминах пользователя, как она получила решение;

-- способность анализа и объяснения своих действий и знаний;

-- способность приобретения новых знаний от пользователя-эксперта, не знающего программирования, и изменения в соответствии с ними своего поведения;

-- обеспечение «дружественного», как правило, естественно-языкового (ЕЯ) интерфейса с пользователем.

Обычно к ЭС относят системы, основанные на знании, т.е. системы, вычислительная возможность которых является в первую очередь следствием их наращиваемой базы знаний (БЗ) и только во вторую очередь определяется используемыми методами.

Огромный интерес к ЭС со стороны пользователей вызван по крайней мере тремя причинами. Во-первых, они ориентированы на решение широкого круга задач в неформализованных областях, на приложения, которые до недавнего времени считались малодоступными для вычислительной техники. Во-вторых, с помощью ЭС специалисты, не знающие программирования, могут самостоятельно разрабатывать интересующие их приложения, что позволяет резко расширить сферу использования вычислительной техники. В-третьих, ЭС при решении практических задач достигают результатов, не уступающих, а иногда и превосходящих возможности людей-экспертов, не оснащенных ЭС.

В настоящее время ЭС применяются в различных областях человеческой деятельности. Наибольшее распространение они получили в проектировании интегральных микросхем, поиске неисправностей, военных приложениях и автоматизации программирования. Применение ЭС позволяет [9, c. 162]:

1) при проектировании интегральных микросхем повысить (по данным фирмы NEC) производительность труда в 3--6 раз, при этом выполнение некоторых операций ускоряется в 10--15 раз;

2) ускорить поиск неисправностей в устройствах в 5--10 раз;

3) повысить производительность труда программистов (по данным фирмы «Toshiba») в 5 раз;

4) при профессиональной подготовке сократить (без потери качества) в 8--12 раз затраты на индивидуальную работу с обучаемым.

В настоящее время ведутся разработки ЭС для следующих приложений: раннее предупреждение национальных и международных конфликтов и поиск компромиссных решений; принятие решений в кризисных ситуациях; охрана правопорядка; законодательство; образование; планирование и распределение ресурсов системы организационного управления (кабинет министров, муниципалитет) и т.д.

Цель использования ЭС -- обеспечение пользователя выводами и решениями, которые были бы верны в соответствии с заложенными в систему фактами и знаниями. Причем специалисты средней квалификации с помощью ЭС должны принимать решения на уровне лучших экспертов в конкретных областях знаний.

Существует определенный перечень характеристик ЭС [9, c. 36]:

1) ограничение определенной сферой экспертиз;

2) способность рассуждать при сомнительных данных;

3) способность объяснить цепочку рассуждений понятным способом;

4) четкое разграничение фактов и механизма вывода;

5) структура, позволяющая постепенно наращивать систему;

6) функционирование, основанное на использовании правил;

7) способность на выходе выдавать четкий ответ (решение);

8) эффективность функционирования.

ЭС содержит базу данных, базу знаний и машину вывода. В соответствии с перечнем характеристик ЭС сюда следует добавить системы извлечения знаний и объяснения рекомендуемого совета или решения.

Коротко раскроем содержание каждого из элементов ЭС.

Система извлечения знаний. Прежде чем рассмотреть вопросы, связанные с извлечением знаний, необходимо определить смысловое содержание индустрии знаний.

Экономическая деятельность человека невозможна без информации. Что же такое информация в широком понимании? В настоящее время информация во многом заменяет землю, труд и капитал, заняв место наиболее важного входного ресурса современного производства. Она снижает потребность в земле, труде и капитале, уменьшает расход сырья и энергии. Информация порождает новые виды производства, сама является товаром и служит исходным сырьем для бурно растущего сектора экономики -- индустрии знаний. К примеру, неплодородные земли благодаря соответствующей информации и последующей обработке превращаются в высокоурожайные; неподготовленные

рабочие после обучения становятся высококвалифицированными; бесполезная, как ранее считалось, энергия морских волн, солнечных лучей, внутриземных горячих водных источников может быть превращена в полезную для человечества энергию, если знать, как это сделать, т.е. иметь нужную информацию.

Исходя из вышесказанного относительно раскрытия понятия информации, ее важности в современном развитии экономики следует ожидать, что в ближайшее время появится новый раздел в экономической науке -- информационная экономика. Последняя, включая отдельным элементом информационную технологию, позволит существенно изменить всю сферу человеческой деятельности, начиная от перестройки нашего быта (при помощи контроля температуры, влажности, уровня шума, освещенности), организации отдыха, образования и кончая созданием гибких интегрированных производств, которые больше будут походить на гигантские сложные машины (полностью роботизированные производства будут подсоединены к полностью автоматизированным управляющим системам).

Как же можно представить информацию (знания) в памяти ЭВМ? Известно, что многие специалисты не способны объяснить, каким образом они приходят к определенным решениям, а если и дают такого рода объяснения, то их никак нельзя формализовать, т.е. представить в виде экономического алгоритма.

В режиме приобретения знаний общение с ЭС осуществляется через посредничество инженера по знаниям с экспертом. Эксперт описывает предметную область в виде совокупности данных и правил. Данные определяют объекты, их характеристики и значения, существующие в области экспертизы. Правила определяют способы манипулирования данными, характерные для рассматриваемой предметной области. Эксперт, используя компонент приобретения знаний, наполняет систему знаниями, которые позволяют ЭС самостоятельно (без эксперта) решить задачи из предметной области.

Важную роль в режиме приобретения знаний играет система объяснения (объяснительный компонент). Именно благодаря ей эксперт на этапе тестирования локализует причины неудачной работы ЭС, что позволяет ему целенаправленно модифицировать старые или вводить новые знания. Обычно объяснительный компонент сообщает следующее: как правила используют информацию пользователя; почему использовались или не использовались данные или правила; какие были сделаны выводы и т.п. Все объяснения делаются обычно на ограниченном естественном языке или языке графики.

Отметим, что режиму приобретения знаний при традиционном подходе к разработке программ соответствуют этапы алгоритмизации, программирования и отладки, выполняемые программистом. Таким образом, в отличие от традиционного подхода разработку программ осуществляет эксперт (с помощью ЭС), не владеющий программированием, а не программист.

База данных предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи. Этот термин совпадает по названию, но не по смыслу с термином, используемым в информационно-поисковых системах (ИПС) и системах управления базами данных (СУБД). База данных предназначена для обозначения всех данных (и в первую очередь не текущих, а долгосрочных), хранимых в системе.

База знаний содержит факты (или утверждения) и правила. Факты представляют собой краткосрочную информацию: они могут изменяться. Правила -- более долговременная информация о том, как возникают новые факты или гипотезы на основании того, что сейчас известно.

Существуют три группы способов представления знаний в ЭС -- методы, основанные на правилах, семантические сети и фреймы [1, c. 104--108].

Более подробно эти методы будут рассмотрены далее.

Система выбора совета или решения. ЭС чаще всего предназначаются для пользователя, не имеющего специальной подготовки для работы на ЭВМ. В связи с этим система должна быть приспособлена для работы с конечным пользователем на естественном или естественно-ограниченном языке, максимально учитывающим специфику данной области знаний.

В ЭС существуют две цепочки рассуждений -- прямая и обратная -- для получения логического вывода в целом. Прямая цепочка связана с рассуждениями, ведущимися от данных к гипотезам, тогда как обратная цепочка -- с поиском данных для доказательства или опровержения некоторой гипотезы. Существует также и комбинированная цепочка рассуждений, сочетающая в себе достоинства прямой и обратной.

Для ЭС характерна работа с ненадежными данными, т.е. такими, которые в основном связывают нас с реальным миром. Есть множество способов работы с неуверенностью в данных: нечетная логика, байесовская логика, коэффициенты уверенности, многозначная логика и др. Для получения разумного совета, выдаваемого ЭС, необходима правильная организация знаний. В большинстве баз знаний предусмотрена избыточность, позволяющая ЭС прийти к верному заключению несколькими различными маршрутами, обеспечив при этом получение правильных совета и решения.

Система объяснения. Во многих случаях пользователю для проверки правильности полученного решения, особенно если оно не совпадает с его собственным решением поставленной задачи или вызывает сомнение, необходимо проследить всю цепочку рассуждений, выполненных ЭС. В любой момент работы с ЭС можно спросить ее, почему она задала такой вопрос или выполнила определенную дедукцию. В ЭС, основанных на системах правил, ответ обычно получается путем повторного прослеживания тех шагов рассуждений, которые привели к данному вопросу или заключению. Это выполняется очень быстро и просто.

В режиме консультации общение с ЭС осуществляет конечный пользователь, которого интересует результат и (или) способ получения решения. Пользователь в зависимости от назначения ЭС может не быть специалистом в данной предметной области, в этом случае он обращается к ЭС за советом, поскольку не способен получить ответ сам. Пользователь-специалист обращается к ЭС, чтобы либо ускорить процесс получения результата, либо возложить на ЭС рутинную работу. Термин «пользователь» является многозначным, т.к. кроме конечного пользователя применять ЭС может и эксперт, и инженер по знаниям, и программист. Поэтому, когда хотят подчеркнуть, что речь идет о том, для кого делалась ЭС, используют термин «конечный пользователь».

В режиме консультации данные о задаче пользователя обрабатываются диалоговым компонентом, который выполняет следующие действия:

-- распределяет роли участников (пользователя и ЭС) и организует их взаимодействие в процессе кооперативного решения задачи;

-- преобразует данные пользователя о задаче, представленные на привычном для пользователя языке, во внутренний язык системы;

-- преобразует сообщения системы, представленные на внутреннем языке, в сообщения на языке, привычном для пользователя (обычно это ограниченный естественный язык или язык графики).

В отличие от традиционных программ ЭС в режиме решения задачи не только исполняет предписанную последовательность операций, но и предварительно формирует ее. Если ответ ЭС не понятен пользователю, то он может потребовать объяснения, как этот ответ получен.

Опыт решений крупных оптимизационных задач, при которых не поясняется выбор единственного лучшего варианта, хотя он и найден вполне известным и проверенным методом, показывает, что успех использования их результатов в производстве во многом предопределен тем, понятно ли решение производственному персоналу. Таким образом, метод поиска решения задачи, который не может быть объяснен человеку, является неудовлетворительным, даже если с его помощью система работает лучше, чем конкретный производственный персонал.

1.2 Классификация экспертных систем

Экспертные системы как любой сложный объект можно определить только совокупностью характеристик. Выделим следующие характеристики ЭС: назначение, предметная область, глубина анализа предметной области, тип используемых методов и знаний, класс системы, стадия существования, инструментальные средства (ИС). Перечисленный набор характеристик не претендует на полноту (в связи с отсутствием общепринятой классификации, а определяет ЭС как целое, не выделяя отдельных компонентов (способ представления знаний, решения задачи и т.п.).

Назначение ЭС устанавливается исходя из следующей совокупности параметров: цель создания -- для обучения специалистов, для решения задач, для автоматизации рутинных работ, для тиражирования знаний экспертов и т.п.; основной пользователь -- неспециалист в области экспертизы, специалист, учащийся.

Проблемная область может быть определена предметной областью и задачами, решаемыми в ней, при этом каждый из параметров может рассматриваться с точки зрения, как конечного пользователя, так и разработчика ЭС.

С точки зрения пользователя, предметную область можно характеризовать ее описанием в терминах пользователя, включающим наименование области, перечень и взаимоотношение подобластей и т.п., а задачи, решаемые существующими ЭС, -- их типом. Обычно выделяют следующие типы задач:

-- интерпретация символов или сигналов (составление смыслового описания по входным данным);

-- предсказание (определение последствий наблюдаемых ситуаций);

-- диагностика (определение неисправностей, болезней, по симптомам);

-- конструирование (разработка объекта с заданными свойствами при соблюдении установленных ограничений);

-- планирование (определение последовательности действий, приводящих к желаемому состоянию объекта);

-- слежение (наблюдение за изменяющимся состоянием объекта и сравнение его показателей с установленными или желаемыми);

-- управление (воздействие на объект для достижения желаемого поведения).

С точки зрения разработчика, целесообразно выделять статические и динамические предметные области. Предметная область называется статической, если описывающие ее исходные данные не изменяются во времени (точнее, рассматриваются как неизменяющиеся за время решения задачи). Статичность области означает неизменность описывающих ее исходных данных. При этом производные данные (выводимые из исходных) могут и появляться заново, и изменяться (не изменяя, однако, исходных данных). Если исходные данные, описывающие предметную область, изменяются за время решения задачи, то предметную область называют динамической. Кроме того, предметные области можно характеризовать следующими аспектами: числом и сложностью сущностей; их атрибутов и значений атрибутов; связностью сущностей и их атрибутов; полнотой знаний; точностью знаний (знания точны или правдоподобны; правдоподобность знаний представляется некоторым числом или высказыванием).

Решаемые задачи, с точки зрения разработчика ЭС, также можно разделить на статические и динамические. Будем говорить, что ЭС решает динамическую и статическую задачу, если процесс решения задачи изменяет или не изменяет исходные данные о текущем состоянии предметной области.

В подавляющем большинстве существующих ЭС исходят из предположения статичности предметной области и решают статические задачи, будем называть такие ЭС статическими. ЭС, которые имеют дело с динамическими предметными областями и решают статические или динамические задачи, будем называть динамическими. В настоящее время начинают появляться первые динамические ЭС. По нашему мнению, решение многих важнейших практических неформализованных задач возможно только с помощью динамических, а не статических ЭС. Следует подчеркнуть, что на традиционных (числовых) последовательных ЭВМ с помощью существующих методов инженерии знаний можно решать только статические задачи, а для решения динамических задач, составляющих большинство реальных приложений, необходимо использовать специализированные символьные ЭВМ.

Решаемые задачи, кроме того, можно характеризовать следующими аспектами: числом и сложностью правил, используемых в задаче; связностью правил; пространством поиска; количеством активных агентов, изменяющих предметную область; классом решаемых задач.

По степени сложности выделяют простые и сложные правила. К сложным относят правила, текст записи которых на естественном языке занимает 1/3 страницы и больше. Правила, текст которых занимает менее 1/3 страницы, считают к простыми.

По степени связности правил задачи делят на связные и малосвязные. К связным относят задачи (подзадачи), которые не удается разбить на независимые задачи. Малосвязные задачи поддаются разбиению на некоторое количество независимых подзадач.

Можно сказать, что степень сложности задачи определяется не просто общим количеством правил данной задачи, а количеством правил в ее наиболее связной независимой подзадаче.

Пространство поиска может быть определено по крайней мере тремя подаспектами: размером, глубиной и шириной. Размер пространства поиска дает обобщенную характеристику сложности задачи. Выделяют малые (до 10 состояний) и большие (свыше 10 состояний) пространства поиска. Глубина пространства поиска характеризуется средним числом последовательно применяемых правил, преобразующих исходные данные в конечный результат, ширина пространства -- средним числом правил, пригодных к выполнению в текущем состоянии.

Количество активных агентов существенно влияет на выбор метода решения. Выделяют следующие значения данного аспекта: ни одного агента, один агент, несколько агентов.

Класс задач характеризует методы, используемые ЭС для решения задачи. Данный аспект в существующих ЭС принимает следующие значения: задачи расширения, доопределения, преобразования. Задачи расширения и доопределения являются статическими, а задачи преобразования -- динамическими.

К задачам расширения относятся задачи, в процессе решения которых осуществляется только увеличение информации о предметной области, не приводящее ни к изменению ранее выведенных данных, ни к выбору другого состояния области. Типичной задачей этого класса являются задачи классификации.

Задачи доопределения включают задачи с неполной или неточной информацией о реальной предметной области, цель решения которых -- выбор из множества альтернативных текущих состояний предметной области того, которое адекватно исходным данным. В случае неточных данных альтернативные текущие состояния возникают как результат ненадежности данных и правил, что приводит к многообразию различных доступных выводов из одних и тех же исходных данных. При неполных данных альтернативные состояния есть результат доопределения области, т.е. результат предположений о возможных значениях недостающих данных.

К задачам преобразования относятся задачи, которые осуществляют изменения исходной или выведенной ранее информации о предметной области, являющиеся следствием изменений либо реального мира, либо его модели.

Большинство существующих ЭС решают задачи расширения, в которых нет ни изменений предметной области, ни активных агентов, преобразующих предметную область. Подобное ограничение неприемлемо при работе в динамических областях.

По степени сложности структуры ЭС делятся на поверхностные и глубинные. Поверхностные ЭС представляют знания об области экспертизы в виде правил (условия -- действие). Условия каждого правила определяют образец некоторой ситуации, при соблюдении которой правило может быть выполнено. Поиск решения состоит в выполнении тех правил, образцы которых сопоставляются с текущими данными (текущей ситуацией в рабочей памяти). При этом предполагается, что в процессе поиска решения последовательность формируемых таким образом ситуаций не оборвется до получения решения, т.е. не возникнет неизвестной ситуации, которая не сопоставится ни с одним правилом. Глубинные ЭС, кроме возможностей поверхностных систем, обладают способностью при возникновении неизвестной ситуации определять с помощью некоторых общих принципов, справедливых для области экспертизы, какие действия следует выполнять.

По типу используемых методов и знаний выделяют традиционные и гибридные ЭС. Традиционные ЭС используют в основном нетрадиционные методы инженерии знаний и неформализованные знания, полученные от экспертов. Гибридные ЭС используют и методы инженерии знаний, и формализованные методы, а также данные традиционного программирования и математики.

Совокупность рассмотренных выше характеристик позволяет определить особенности конкретной ЭС. Однако пользователи зачастую стремятся охарактеризовать ЭС каким-либо одним обобщенным параметром. В этом случае говорят о поколениях ЭС. В настоящее время выделяют ЭС первого и второго поколения. По нашему мнению, целесообразно говорить о трех поколениях ЭС. К первому поколению следует относить статические поверхностные ЭС, ко второму -- статические глубинные ЭС (иногда ко второму поколению относят гибридные ЭС), а к третьему -- динамические ЭС (вероятно, они, как правило, будут глубинными и гибридными).

В последнее время выделяют два больших класса ЭС (существенно отличающихся по технологии их проектирования), которые мы условно называем простыми и сложными ЭС. Простая ЭС может быть охарактеризована следующими значениями основных параметров: поверхностная, традиционная ЭС (реже гибридная), выполненная на персональной ЭВМ (ПЭВМ); коммерческая стоимость -- от 100 до 25 тыс. дол.; стоимость разработки -- от 50 до 300 тыс. дол.; время разработки -- от 3 месяцев до одного года (при использовании развитых ИС); БЗ содержит от 200 до 1000 правил. Сложная ЭС -- глубинная, гибридная система, выполненная либо на символьной ЭВМ, либо на мощной универсальной ЭВМ, либо на интеллектуальной рабочей станции; коммерческая стоимость разработки -- 5--10 млн дол.; время разработки от 1 до 5 лет; БЗ содержит от 1500 до 10 тыс. правил.

Стадия существования характеризует степень проработанности и отлаженности ЭС. Обычно выделяют следующие стадии: демонстрационный прототип, исследовательский прототип, промышленная система, коммерческая система.

Демонстрационным прототипом называют ЭС, которая решает часть требуемых задач, демонстрируя жизнеспособность метода инженерии знаний. При наличии развитых ИС для разработки демонстрационного прототипа требуется в среднем 1--2 месяца, а при отсутствии 12--18 месяцев. Демонстрационный прототип работает, имея в базе данных 50--100 правил. Развитие демонстрационного прототипа приводит к исследовательскому прототипу.

Действующий прототип надежно решает все задачи, но для решения сложных задач может потребоваться чрезмерно много времени и (или) памяти. Период доведения системы до стадии действующего прототипа составляет 6--12 месяцев, при этом количество правил в БЗ увеличивается до 500--1000.

Экспертная система, достигшая промышленной стадии, обеспечивает высокое качество решений всех задач при минимуме времени и памяти. Обычно процесс преобразования действующего прототипа в промышленную систему состоит в расширении БЗ (до 1000--1500 правил) и переписывании программ с использованием более эффективных ИС, например в перепрограммировании на языках низкого уровня. Для доведения ЭС от начала разработки до стадии промышленной системы требуется 1--1,5 года.

Обобщение задач, решаемых ЭС на стадии промышленной системы, позволяет перейти к стадии коммерческой системы, пригодной не только для собственного использования, но и для продажи различным потребителям. Для доведения системы до коммерческой стадии требуется 1,5--3 года и 0,3--5 млн дол. При этом количество правил в БЗ системы увеличивается до 1500--3000 правил.

Инструментальные средства определяют программные и аппаратные средства, используемые в рассматриваемой ЭС.

1.3 Методология разработки экспертных систем

Разработка (проектирование) ЭС существенно отличается от разработки обычного программного продукта. Опыт создания ранних ЭС показал, что использование методологии, принятой в традиционном программировании, либо чрезмерно затягивает процесс разработки ЭС, либо вообще приводит к отрицательному результату. Дело в том, что неформализованность задач, решаемых ЭС, отсутствие завершенной теории ЭС и методологии их разработки вызывают необходимость модифицировать принципы и способы построения ЭС в ходе процесса проектирования по мере того, как увеличивается знание разработчиков о предметной области.

Перед тем как приступить к созданию ЭС, инженер по знаниям должен рассмотреть вопрос, следует ли разрабатывать ЭС для данного приложения. В обобщенном виде ответ может быть таким: использовать ЭС следует тогда, когда проектирование ЭС возможно, оправдано и методы инженерии знаний соответствуют решаемой задаче. Ниже будут уточнены употребленные понятия «возможно», «оправдано», «соответствует».

Чтобы разработка ЭС была возможной (для данного приложения), необходимо одновременное выполнение по крайней мере следующих требований (рисунок 1):

-- существуют эксперты в данной области, которые решают задачу значительно лучше, чем начинающие специалисты;

-- эксперты должны сходиться в оценке предлагаемого решения, иначе нельзя будет оценить качество разработанной ЭС;

-- эксперты должны уметь выразить на естественном языке (вербализовать) и объяснить используемые ими методы, в противном случае трудно рассчитывать на то, что знания экспертов будут «извлечены» и вложены в ЭС;

-- задача, возложенная на ЭС, требует только рассуждений, а не действий (если нужны действия, то необходимо объединять ЭС с роботами);

-- задача не должна быть слишком трудной, ее решение должно занимать у эксперта несколько часов, а не дней или недель;

-- необходимо, чтобы задача, хотя она и не должна быть выражена в формальном виде, все же относилась к достаточно «понятной» структурированной области, т.е. можно было выделить основные понятия, отношения и известные (хотя бы эксперту) способы получения решения задачи;

-- решение задачи не должно в значительной степени использовать «здравый смысл» (т.е. широкий спектр общих сведений о мире и о способе его функционирования, которые знает и умеет использовать любой нормальный человек), т.к. подобные знания пока не удается (в достаточном количестве) вложить в интеллектуальные системы.

Рисунок 1. Требования, необходимые для возможности разработки экспертной системы

Использование ЭС в данном приложении может быть возможно, но не оправдано. Применение ЭС будет оправдано одним из следующих факторов (рисунок 2):

-- решение задачи обеспечит значительный эффект, например, использование ЭС для поиска полезных ископаемых в случае успеха может принести доход в сотни и более миллиардов рублей;

-- использование человека -- эксперта -- невозможно либо из-за недостаточного количества экспертов, либо из-за необходимости выполнять экспертизу одновременно в различных местах;

-- при передаче информации эксперту происходит недопустимая потеря времени или информации;

-- при необходимости решать задачу в окружении, враждебном для человека.

Рисунок 2. Условия, при которых разработка экспертной системы оправдана

Приложение соответствует методам ЭС, если решаемая задача обладает совокупностью следующих характеристик (рисунок 3):

-- может быть естественным образом решена посредством манипуляции с символами (т.е. с помощью символьных рассуждений), а не с числами (как принято в математических методах и в традиционных программах);

-- имеет эвристическую (не алгоритмическую) природу, т.е. ее решение должно сводиться к применению эвристических правил; задачи, которые могут быть гарантированно решены (с соблюдением заданных ограничений) с помощью определенных формальных процедур, не подходят для ЭС;

-- является достаточно сложной (решение занимает у эксперта часы, а не недели).

Рисунок 3. Особенности предметной области, делающие применение экспертной системы подходящим

При разработке ЭС используется концепция «быстрого прототипа». Суть ее состоит в том, что разработчики не пытаются сразу создать конечный продукт. На начальном этапе они проектируют прототип (прототипы) ЭС, который должен удовлетворять двум противоречивым требованиям: с одной стороны, решать типичные задачи конкретного приложения, а с другой -- иметь весьма незначительные время и трудоемкость разработки, чтобы можно было максимально «запараллелить» процесс накопления и отладки знаний (осуществляемый экспертом) с процессом выбора (разработки) программных средств (осуществляемым инженером по знаниям и программистом). Для удовлетворения указанных требований при создании прототипа, как правило, используются разнообразные ИС, ускоряющие процесс проектирования.

Прототип должен продемонстрировать пригодность методов инженерии знаний для данного приложения. В случае успеха эксперт с помощью инженера по знаниям расширяет знания прототипа о предметной области. При неудаче может потребоваться создание нового прототипа или разработчики могут прийти к выводу о непригодности методов инженерии знаний для данного приложения. По мере увеличения знаний прототип может достичь такого состояния, когда он успешно решает все задачи данного приложения. Преобразование прототипа ЭС в конечный продукт обычно приводит к перепрограммированию ЭС на языках низкого уровня, обеспечивающих как повышение быстродействия ЭС, так и уменьшение требуемой памяти. Трудоемкость и время создания ЭС в значительной степени зависят от типа используемого ИС.

Рисунок 4. Технология разработки ЭС

В ходе работ по созданию ЭС сложилась определенная технология их разработки, включающая шесть следующих этапов: идентификация, концептуализация, формализация, выполнение, тестирование, опытная эксплуатация (рисунок 4).

На этапе идентификации определяются задачи, которые подлежат решению, выявляются цели разработки, ресурсы, эксперты и категории пользователей.

На этапе концептуализации проводится содержательный анализ предметной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.

На этапе формализации устанавливаются способы представления всех видов знаний, способы их интерпретации, формализуются основные понятия, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решения, средств представления и манипулирования знаниями.

На этапе выполнения осуществляется формирование экспертом БЗ системы. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, понятном ЭС. Эвристический характер знаний приводит к тому, что процесс их приобретения является весьма трудоемким.

На этапе опытной эксплуатации проверяется пригодность ЭС для конечных пользователей. По результатам этого этапа может потребоваться существенная модификация ЭС.

Процесс создания ЭС не сводится к строгой последовательности перечисленных выше этапов. В ходе разработки приходится неоднократно возвращаться на более ранние этапы и пересматривать принятые там решения.

1.4 Этапы разработки экспертных систем

Рассмотрим более детально этапы разработки ЭС (рисунок 4).

Этап идентификации. На данном этапе идентифицируется задача (задачи), определяются участники процесса проектирования, их роли, ресурсы и цели.

Определение участников и их ролей сводится к установлению количества экспертов и инженеров по знаниям, а также форм их взаимоотношения. Обычно в основном цикле разработки ЭС участвует не менее трех-четырех человек -- один эксперт, один или два инженера по знаниям и один программист, привлекаемый для модификации и согласования инструментальных средств. К процессу разработки ЭС могут привлекаться и другие участники. Например, инженер по знаниям иногда приглашает других экспертов, чтобы убедиться в правильности своего понимания основного эксперта, представительности тестов, демонстрирующих особенности рассматриваемой задачи, совпадении взглядов различных экспертов на качество предлагаемых решений. Кроме того, для сложных приложений целесообразно привлекать к основному циклу разработки несколько экспертов. Однако в этом случае, как правило, требуется, чтобы один из экспертов отвечал за непротиворечивость знаний, сообщаемых всеми экспертами, т.е. выполнял функции руководителя экспертов.

Применяются следующие формы взаимоотношения экспертов и инженеров: эксперт выполняет роль информирующего или роль учителя, а инженер -- ученика. По нашему мнению, форма «учитель -- ученик» больше соответствует методологии ЭС. Вне зависимости от выбранной формы взаимоотношений инженер по знаниям должен быть готов и способен изучить особенности той предметной области, в рамках которой предстоит работать создаваемой ЭС. Несмотря на то, что основу знаний ЭС будут составлять знания эксперта, для достижения успеха инженер по знаниям должен использовать (особенно в начале работы) дополнительные источники знаний в виде книг, инструкций, отчетов, которые ему рекомендовал эксперт.

Идентификация решаемой задачи заключается в составлении ее неформального (вербального) описания. В этом описании указываются: общие характеристики задачи; подзадачи, выделяемые внутри данной задачи; ключевые понятия (объекты), характеристики и отношения; входные (выходные) данные; предположительный вид решения; знания; примеры (тесты) решения задачи.

Цель этапа идентификации задачи -- охарактеризовать задачу и структуру поддерживающих ее знаний и таким образом обеспечить начальный импульс для развития БЗ. Если исходная задача оказывается слишком сложной с точки зрения имеющихся ресурсов, то этап идентификации может потребовать несколько итераций.

В ходе идентификации задачи (задач) необходимо ответить на следующие вопросы: какие задачи предлагается решать ЭС и как они могут быть охарактеризованы и определены; на какие подзадачи разбивается каждая задача и какие данные они используют; каковы основные понятия взаимоотношения, используемые при формулировании в ходе решения задач; какие знания релевантны решаемой задаче; какие ситуации препятствуют решению; как эти препятствия будут влиять на ЭС.

В процессе идентификации задачи инженер и эксперт работают в тесном контакте. Начальное неформальное описание задачи экспертом используется инженером по знаниям для уточнения терминов ключевых понятий. Эксперт конкретизирует описание задачи, объясняет, как решать ее и какие рассуждения лежат в основе решения. После нескольких циклов уточняющих описаний эксперт и инженер по знаниям получают окончательное неформальное описание задачи.

При проектировании ЭС типичными ресурсами являются: источники знаний, время разработки, вычислительные средства (возможности ЭВМ и программного ИС) и объем финансирования. Для достижения успеха эксперт и инженер должны использовать при построении ЭС все доступные им источники знаний. Для эксперта источниками знаний могут быть его предшествующий опыт по решению задачи, книги, конкретные примеры задач и реализованных решений, а для инженера по знаниям -- опыт в решении аналогичных задач, методы решения и представления знаний, программное ИС. При установлении (назначении) времени разработки необходимо иметь ввиду, что сроки разработки и внедрения ЭС составляют (за редким исключением) не менее года (при трудоемкости 5 чел./лет). Задача определения ресурсов является весьма важной, поскольку ограниченность какого-либо ресурса существенно влияет на процесс разработки. Так, при недостаточном объеме финансирования предпочтение может быть отдано не разработке оригинальной новой системы, а адаптации существующей.

Идентификация целей заключается в формулировании в явном виде целей построения ЭС. При этом важно отличать цели, ради которых создается ЭС, от задач, которые она должна решать. Примерами возможных целей являются: формализация неформальных знаний экспертов; улучшение качества решений, принимаемых экспертом; автоматизация рутинных аспектов работы эксперта (пользователя), тиражирование знаний эксперта.

На первом этапе инженер по знаниям должен ответить на основной вопрос: подходят ли методы инженерии знаний для решения предложенной задачи. Для положительного ответа на этот вопрос необходимо, чтобы задача относилась к узкой, специальной области знаний и для ее решения не требовалось использовать то, что принято называть «здравым смыслом». Кроме того, качество ЭС зависит в конечном итоге от уровня сложности решаемой задачи и ясности ее формулировки. Задача не должна быть ни слишком легкой, ни слишком трудной. Говоря другими словами, назначение ЭС в том, чтобы решать некоторую задачу в данной области, а не в том, чтобы быть экспертом в этой области. Для обеспечения ясности формулировки задачи следует обратить внимание на точное описание входа-выхода и наличие разнообразных примеров решения рассматриваемой задачи.

...