Экспертные системы. 7

     Введение

     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 возникникновение 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.

     Итак, целью нашего исследования является анализ экспертных систем.

     В ходе работы следует выполнить ряд  задач, а именно рассмотреть:

     - понятие экспертных систем;

     - историю развития экспертных систем

     - характеристику экспертных систем

     - критерий использования ЭС для решения задач

     - области применения экспертных систем

     - Экспертные системы при моделировании процессов в техносфере 
 
 
 
 
 
 
 
 
 
 
 
 
 

     Глава 1. Понятие экспертных систем

    1.1 Что такое экспертные системы?

         Экспертные системы (ЭС) - это яркое и быстро прогрессирующее направление в области искусственного  интеллекта (ИИ) [1, c. 88]. Причиной повышенного интереса, который ЭС вызывают к себе на протяжении всего своего существования является возможность их применения к решению задач из самых различных областей человеческой деятельности. Пожалуй, не найдется  такой проблемной области, в которой не было бы создано ни одной ЭС или по крайней мере, такие попытки не предпринимались бы.

         ЭС- это набор программ или  программное обеспечение, которое выполняет функции эксперта при решении какой-либо задачи в области его компетенции. ЭС, как  и эксперт-человек, в процессе своей работы оперирует со знаниями. Знания о предметной области, необходимые для работы ЭС, определенным образом формализованы и представлены в памяти ЭВМ в виде базы знаний, которая может изменяться и дополняться в процессе развития системы [3, c. 92].

         ЭС выдают советы, проводят анализ, выполняют классификацию, дают  консультации и ставят диагноз.  Они ориентированы на решение задач, обычно требующих проведения экспертизы человеком-специалистом. В отличие от машинных программ, использующий процедурный анализ, ЭС решают задачи в узкой предметной области (конкретной области экспертизы)на основе дедуктивных рассуждений. Такие системы часто оказываются способными найти решение задач, которые неструктурированны и плохо определены. Они справляются с отсутствием структурированности путем привлечения эвристик, т. е. правил, взятых “с потолка”, что может быть полезным в тех системах, когда недостаток необходимых знаний или времени исключает возможность проведения полного анализа.

     Экспертная  система может полностью взять  на себя функции, выполнение которых обычно требует привлечения опыта человека-специалиста, или играть роль ассистента для человека, принимающего решение. Другими словами, система (техническая или социальная), требующая принятия решения, может получить его непосредственно от программы или через промежуточное звено — человека, который общается с программой. Тот, кто принимает решение, может быть экспертом со своими собственными правами, и в этом случае программа может "оправдать" свое существование, повышая эффективность его работы. Альтернативный вариант — человек, работающий в сотрудничестве с такой программой, может добиться с ее помощью результатов более высокого качества. Вообще говоря, правильное распределение функций между человеком и машиной является одним из ключевых условий высокой эффективности внедрения экспертных систем.

       Главное достоинство ЭС - возможность накапливать знания, сохранять их длительное время, обновлять и тем самым обеспечивать относительную независимость конкретной организации  от наличия в ней квалифицированных специалистов [5, c. 74]. Накопление знаний позволяет повышать квалификацию специалистов, работающих на предприятии, используя наилучшие, проверенные решения.  

1.2 История развития экспертных систем

       Наиболее  известные ЭС, разработанные  в 60-70-х годах, стали в своих областях уже классическими. По происхождению, предметным областям и по преемственности применяемых идей, методов и инструментальных программных средств их можно разделить на несколько семейств [7, c. 55]:

     1. META-DENDRAL.Система DENDRAL позволяет определить наиболее вероятную структуру химического соединения по экспериментальным данным (масс- спектрографии, данным ядерном магнитного резонанса и др.).M-D автоматизирует процесс приобретения знаний для DENDRAL. Она генерирует правила построения фрагментов химических структур.

     2. MYCIN-EMYCIN-TEIREIAS-PUFF-NEOMYCIN. Это семейство медицинских ЭС и сервисных программных средств для их построения.

     3. PROSPECTOR-KAS. PROSPECTOR- предназначена для поиска (предсказания) месторождений на основе геологических анализов. KAS- система приобретения знаний для  PROSPECTOR.

     4. CASNET-EXPERT.  Система CASNET- медицинская ЭС для диагностики выдачи рекомендаций по лечению глазных заболеваний. На ее основе разработан язык инженерии знаний EXPERT, с помощью которой создан ряд других медицинских диагностических систем.

     5. HEARSAY-HEARSAY-2-HEARSAY-3-AGE. Первые две системы этого ряда являются развитием интеллектуальной системы распознавания слитной человеческой речи, слова которой берутся из заданного словаря. Эти системы отличаются оригинальной структурой, основанной на использовании доски объявлений- глобальной базы данных, содержащей текущие результаты работы системы. В дальнейшем на основе этих систем были созданы инструментальные системы HEARSAY-3 и AGE (Attempt to Generalize- попытка общения) для построения ЭС.

     6. Системы AM (Artifical Mathematician- искусственный математик) и EURISCO были разработаны в Станфордском университете доктором Д. Ленатом для исследовательских и учебных целей. Ленат считает, что эффективность любой ЭС определяется закладываемыми в нее знаниями. По его мнению, чтобы система была способна к обучению, в нее должно быть введено около миллиона сведений общего характера. Это примерно соответствует объему информации, каким располагает четырехлетний ребенок со средними способностями. Ленат также считает, что путь создания узкоспециализированных ЭС с уменьшенным объемом знаний ведет к тупику.

     В систему AM первоначально было заложено около 100 правил вывода и более 200 эвристических алгоритмов обучения, позволяющих строить произвольные математические теории и представления. Сначала результаты работы системы были весьма многообещающими. Она могла сформулировать понятия натурального ряда и простых чисел. Кроме того, она синтезировала вариант гипотезы Гольдбаха о том, что каждое четное число, большее двух, можно представить в виде суммы двух простых чисел. До сих пор не удалось ни найти доказательства данной гипотезы, ни опровергнуть ее. Дальнейшее развитие системы замедлилось и было отмечено, что несмотря на проявленные на первых порах “математические способности”, система не может синтезировать новых эвристических правил, т.е. ее возможности определяются только теми эвристиками, что были в нее изначально заложены.

     При разработке системы EURISCO была предпринята  попытка преодолеть указанные недостатки системы AM. Как и в начале эксплуатации AM, первые результаты, полученные с помощью EURISCO, были эффективными. Сообщалось, что система EURISCO может успешно участвовать в очень сложных играх. С ее помощью в военно-стратегической игре, проводимой ВМФ США, была разработана стратегия, содержащая ряд оригинальных тактических ходов [10, c. 82]. Согласно одному из них, например, предлагалось взрывать свои корабли, получившие повреждения. При этом корабли, оставшиеся неповрежденными, получает необходимое пространство для выполнения маневра.

      Однако  через некоторое время обнаружилось, что система не всегда корректно  переопределяет первоначально заложенные в нее правила. Так, например, она  стала нарушать строгое предписание  обращаться  к программистам с вопросами только в определенное время суток. Т.о., система EURISCO, так же как и ее предшественница, остановилась в своем развитии, достигнув предела, определенного в конечном счете ее разработчиком.

     С 1990 года доктор Ленат во главе исследовательской  группы занят кодированием и вводом нескольких сот тысяч элементов знаний, необходимых, по его мнению, для создания “интеллектуальной” системы. Этот проект назван Cyc (“Цик”, от английского слова enciklopaedia) [3, c. 59]. 

1.3 Характеристики экспертных систем

     При разработке экспертной системы принято делить ее на три основных модуля, как показано на рис. 1 [2, c. 53]:

     (1)  база знаний,

     (2) машина логического вывода,

     (3)  интерфейс с пользователем.

     База знаний содержит знания, относящиеся к конкретной прикладной области, в том числе отдельные факты, правила, описывающие отношения или явления, а также, возможно, методы, эвристики и различные идеи, относящиеся к решению задач в этой прикладной области. Машина логического вывода умеет активно использовать информацию, содержащуюся в базе знаний. Интерфейс с пользователем отвечает за бесперебойный обмен информацией между пользователем и системой; он также дает пользователю возможность наблюдать за процессом решения задач, протекающим в машине логического вывода. Принято рассматривать машину вывода и интерфейс как один крупный модуль, обычно называемый оболочкой экспертной системы, или, для краткости, просто оболочкой [8, c. 73].

     В описанной выше структуре собственно знания отделены от алгоритмов, использующих эти знания.

Рис. 1  Структура экспертной системы

     Такое разделение удобно по следующим соображениям. База знаний, очевидно, зависит от конкретного приложения. С другой стороны, оболочка, по крайней мере в принципе, независима от приложений. Таким образом, разумный способ разработки экспертной системы для нескольких приложений сводится к созданию универсальной оболочки, после чего для каждого приложения достаточно подключить к системе новую базу знаний. Разумеется, все эти базы знаний должны удовлетворять одному и тому же формализму, который оболочка "понимает". Практический опыт показывает, что для сложных экспертных систем наш сценарий с одной оболочкой и многими базами знаний работает не так гладко, как бы этого хотелось, за исключением тех случаев, когда прикладные области очень близки. Тем не менее даже если переход от одной прикладной области к другой требует модификации оболочки, то по крайней мере основные принципы ее построения обычно удается сохранить.

     Экспертная  система отличается от прочих прикладных программ наличием следующих признаков [11, c. 62]:

  • 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, 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.

     Экспертные  системы отличаются и от других видов  программ из области искусственного интеллекта.

  • Экспертные  системы имеют дело с предметами реального мира, операции с которыми обычно требуют наличия значительного опыта, накопленного человеком. Множество программ из области искусственного интеллекта являются сугубо исследовательскими и основное внимание в них уделяется абстрактным математическим проблемам или упрощенным вариантам реальных проблем (иногда их называют "игрушечными" проблемами), а целью выполнения такой программы является "повышение уровня интуиции" или отработка методики. Экспертные системы имеют ярко выраженную практическую направленность в научной или коммерческой области.
  • Одной из основных характеристик экспертной системы является ее производительность, т.е. скорость получения результата и его достоверность (надежность). Исследовательские программы искусственного интеллекта могут и не быть очень быстрыми, можно примириться и с существованием в них отказов в отдельных ситуациях, поскольку, в конце концов, — это инструмент исследования, а не программный продукт. А вот экспертная система должна за приемлемое время найти решение, которое было бы не хуже, чем то, которое может предложить специалист в этой предметной области.
  • Экспертная  система должна обладать способностью объяснить, почему предложено именно такое решение, и доказать его обоснованность. Пользователь должен получить всю информацию, необходимую ему для того, чтобы быть уверенным, что решение принято "не с потолка". В отличие от этого, исследовательские программы "общаются" только со своим создателем, который и так (скорее всего) знает, на чем основывается ее результат. Экспертная система проектируется в расчете на взаимодействие с разными пользователями, для которых ее работа должна быть, по возможности, прозрачной.

1.4 Области применения экспертных систем

         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 [12, c. 84]:

       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.

        
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

     Глава 2. Экспертные системы при моделировании процессов

     в техносфере

     2.1 Понятие техносферы

     Масштабы  созданной человечеством материальной культуры поистине огромны. И темпы ее развития постоянно увеличиваются в геометрической прогрессии. В наши дни так называемая техномасса (т.е. все, созданное человеком за год) уже на порядок превышает биомассу (вес диких живых организмов), соответственно 1013 т/год и 1012 т/год. Это тревожный сигнал о необходимости вдумчивого отношения к балансу составляющих системы «природа — биосфера — человек» [14, c. 124].

     Уровень воздействия человека на окружающую среду во многом определяется степенью технической вооруженности общества. Она была крайне мала на начальных этапах развития человечества. Однако в дальнейшем, с ростом его производительных сил, ситуация начала меняться кардинальным образом. XX столетие — век научно-технического прогресса. Связанный с качественно новым взаимоотношением науки, техники и технологии, он колоссально увеличил масштабы воздействия общества на природу и поставил перед человечеством целый ряд новых, чрезвычайно острых проблем.

     Изучение  влияния техники на биосферу и  природу в целом нуждается  не только в прикладном, но и в  глубоком теоретическом осмыслении. Техника все менее остается только вспомогательной силой для человека, все больше проявляется ее автономность (автоматические линии, роботы, межпланетные станции, сложнейшие компьютерные самоналаживающиеся системы).

     Понятие «совокупность техники и технических  систем» лишь начинает обретать право  на существование в науке. По аналогии с «живым веществом», лежащим в основе биосферы, мы можем говорить о техновеществе как совокупности всех существующих технических устройств и систем (своеобразных техноценозов).

     Структура техновещества рассматривается  сегодня с разных точек зрения. Так, в одном случае классификация ее структуры производится точно по аналогии со структурой и взаимодействием составляющих живого вещества (Р.К. Баландин, Л.Г. Бондарев). И в ее состав включают: во-первых, технические устройства, добывающие полезные ископаемые и вырабатывающие энергию, подобно зеленым растениям в биосфере; во-вторых, технический блок по переработке полученного сырья и производству средств производства; в-третьих, технику, производящую средства потребления; в-четвертых, технические системы по передаче, использованию и хранению средств информации. В особый блок выделяют автономные многофункциональные системы (роботы, автоматические межпланетные станции и др.). В последнее время появляются также техносистемы по переработке и утилизации отходов, включению их в непрерывный цикл безотходной технологии. Это своего рода «технические санитары», действующие аналогично биологическим, природным подсистемам. Таким образом, структура техновещества (как союкупность отдельных технических устройств и целых подсистем-техноценозов) все больше воспроизводит аналогичную организацию естественных природных живых систем.

     Другой  подход в понимании структуры  и роли техновещества предлагает швейцарский экономист и географ Г. Беш. Он выделяет в мировом хозяйстве три крупнейшие отрасли: первичную (добыча природных ресурсов), вторичную (обработка добытой продукции), третичную (обслуживание производства: наука, управление) [15, c. 92].

     По  силе своего воздействия на планету  техновещество в виде системы  техноценозов уже в состоянии как минимум на равных спорить с живым веществом. Развитие техники со всей очевидностью требует просчета оптимальных вариантов взаимодействия составных подсистем техновещества и последствий их влияния на природу, и в первую очередь на биосферу.

     В результате преобразования человеком естественной среды обитания можно говорить уже о реальном существовании нового ее состояния — о техносфере. Техносфера есть совокупность технических устройств и систем вместе с областью технической деятельности человека. Ее структура достаточно сложна, так как включает техногенное вещество, технические системы, живое вещество, верхнюю часть земной коры, атмосферу, гидросферу. Более того, с началом эры космических полетов техносфера вышла далеко за пределы биосферы и охватывает уже околоземный космос.

     Нет смысла современному человеку подробно говорить о роли и значении техносферы в жизни общества и природы. Техносфера все больше преобразует природу, изменяя прежние и создавая новые ландшафты, активно влияя на все другие сферы и оболочки Земли, и в первую очередь на биосферу [4, c. 82].

     Отмечая важнейшее значение техники в  жизни человека, нельзя не остановиться на постоянно обостряющейся проблеме необходимости гуманизации техносферы. До последнего времени наука и техника были нацелены главным образом на максимальную эксплуатацию природных ресурсов, удовлетворение нужд человека и общества любой ценой. Последствия непродуманного, некомплексного и, как следствие, антигуманного воздействия на природу удручают. Технические ландшафты из отходов производства, уничтожение признаков жизни в целых регионах, загнанная в резервации природа — реальные плоды отрицательного влияния человека, вооруженного техникой, на окружающую среду. Все это является также следствием недостаточного взаимодействия естественных и общественных наук в осмыслении данной проблемы. 
 
 
 
 
 
 

     2.2 Экспертные системы  при моделировании процессов