Информационные технологии экспертных систем

                    Кафедра Информационных систем

Контрольная работа

по дисциплине: «Информационные технологии в экономике»

на тему:

«Информационные технологии экспертных систем». 
 
 
 
 
 
 

Выполнила:

студент 2 курса заочного отделения

По  спец-ти:  «Экономика и

управление  на предприятиях АПК»

Проверил:

Кандидат  технических наук, доцент

Содержание

Стр.

Введение                                                                                   3                    

1.Структура и назначение экспертных систем    4                   

2.Основные области применения ЭС                                                               6                        

3.Классификация экспертных систем                                                          8        

4.Характеристика структурных элементов экспертных систем                11                     

5.Этапы и средства разработки экспертных систем                                    13 

6.Инструментальные средства построения экспертных систем                 16

Заключение                                                                                                      18

Библиографический список                                                                           19

Введение

  В настоящее время среди всех СИИ (система искусственного интелекта) наибольшее распространение (по некоторым оценкам до 90 %) получили экспертные системы различных типов. Объяснение этому находится в самой истории развития технологии ИИ. Если условно проследить начало этой истории по десятилетиям, увидим, что в 60-х гг. XX в. специалисты в области ИИ пытались моделировать сложный процесс мышления, отыскивая общие методы решения широкого класса задач и реализуя их в универсальных программах.  Большая часть таких попыток была неудачной.

  Дальнейшие  исследования в 70-е гг. XXв. были сконцентрированы на разработке двух групп методов:

• методов представления задач – в стремлении сформулировать решаемую проблему так, чтобы ее было легче решить;
• методов поиска (вывода) ответа – в стремлении создать достаточно хитроумные способы управления ходом решения задачи, обеспечивающие приемлемый расход машинных ресурсов.

 Однако  и эта стратегия не принесла реальных успехов. Только в конце 70-х гг. XX в. был сделан принципиальный вывод: эффективность программы при решении интеллектуальных задач в большей степени зависит от знаний, которыми она обладает, а не только от используемых формализмов и схем вывода. Чтобы сделать систему интеллектуальной, ее нужно снабдить множеством высококачественных знаний о некоторой предметной области. Это послужило основой новой концепции развития СИИ — создания специализированных программных систем, каждая из которых является как бы экспертом в некоторой узкой предметной области. Такие программы в дальнейшем и стали называть экспертными системами. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

1. Структура и назначение экспертных систем 

       Огромный интерес  к ЭС обусловлен тремя основными  обстоятельствами:

• ЭС ориентированы на решение широкого круга задач в ранее неформализуемых областях, которые считались малодоступными для использования ЭВМ;
• ЭС предназначены для решения задач в диалоговом режиме со специалистами, от которых не требуется знания программирования — это резко расширяет сферу использования вычислительной техники, которая в данном случае выступает как инструмент подкрепления памяти специалиста и усиления его способностей к логическому выводу;
• специалист, использующий ЭС для решения своих задач, может достигать, а иногда и превосходить по результатам возможности экспертов в данной области знаний, что позволяет резко повысить квалификацию рядовых специалистов за счет аккумуляции знаний в ЭС, в том числе знаний экспертов высшей квалификации.

Свое  название ЭС получили по двум причинам:

•   информацию (знания) для них поставляют эксперты;
• ЭС выдает решения, аналогичные тем, которые формулируют эксперты.

Понятие «эксперт» заслуживает отдельного обсуждения.

  По  Д.Уотермену, эксперт (англ. йотат ехреП— знаток, специалист в области, сфере деятельности) — человек, который за годы обучения и практики научился чрезвычайно эффективно решать задачи, относящиеся к конкретной предметной области. Главным в этом определении является требование к эксперту, которое предъявляются и к ЭС: эффективность решения конкретных задач из узкой предметной области.

  В соответствии с определением П.Джонса, «эксперт — это человек, который благодаря обучению и опыту может делать то, что мы все, остальные люди, делать не умеем; эксперты работают не просто профессионально, но к тому же уверенно и эффективно. Эксперты обладают огромными познаниями и пользуются различными приемами и уловками для применения своих знаний к проблемам и заданиям; они также умеют быстро переворошить массу несущественной информации, чтобы добраться до главного, и хорошо умеют распознавать в проблемах, с которыми сталкиваются, примеры тех типовых проблем, с которыми они уже знакомы. В основе поведения экспертов лежит совокупность практически применимых знаний.  Поэтому разумно предположить, что эксперты — это те люди, к которым надо обратиться, когда мы желаем проявить компетентность, делающую возможным такое поведение, как у них». Отметим, что в обоих определениях подчеркиваются источники знаний экспертов — обучение и практика (опыт).

  Таким образом, можно дать следующее определение: под ЭС понимается программная система, выполняющая действия, аналогичные тем, которые выполняет эксперт в некоторой прикладной предметной области, делая определенные заключения в ходе выдачи советов и консультаций. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

  2.Основные области применения ЭС

  (в  порядке уменьшения числа ЭС, используемых в данной области) 

• проектирование  ЭС;
• медицинский диагноз и консультации по лечению;
• консультации и оказание помощи пользователю по решению задач в различных предметных областях;
• автоматическое программирование, проверка и анализ ПО;
• проектирование сверхбольших интегральных схем. Обучение в различных предметных областях;
• техническая диагностика и выработка рекомендаций по ремонту оборудования;
• планирование в различных предметных областях. Анализ данных в различных предметных областях (в том числе и статистический). Интерпретация геологических данных и выработка рекомендаций по обнаружению полезных ископаемых;
• интерпретация данных и планирование эксперимента в ходе научных исследований в области биологии. Решение задач, связанных с космическими исследованиями;
• обеспечение научных исследований в химии, выработка рекомендаций по синтезу соединений;
• управление проектированием, технологическими процессами и промышленным производством. Анализ и синтез электронных схем. Формирование математических понятий, преобразование математических выражений;

• анализ рисков в политике и экономике. 
Структура типовой ЭС представлена на рис.1. 

                            Система

                           основанная

                            на знаниях                    

Рис.1. Структура  экспертной системы 

     Следует учесть, что реальные экспертные системы  могут иметь более сложную  структуру, однако блоки, изображенные на рисунке, непременно присутствуют в любой действительно экспертной системе, поскольку являют собой негласный канон на структуру современной экспертной системы.

     Определим основные термины:

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

Инженер знаний – специалист по искусственному интеллекту, выступающий в роли промежуточного буфера между экспертом и базой знаний.

База  знаний – ядро ЭС, совокупность знаний предметной области, записанная на машинный носитель в форме, понятной эксперту и пользователю.

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

Компонент приобретения знаний – программа, представляющая инженеру по знаниям возможность создавать базу знаний в диалоговом режиме. Включает в себя систему вложенных меню, шаблонов  языка представления знаний, подсказок и других сервисных средств, облегчающих работу с базой. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

3.Классификация экспертных систем 

  Существует  множество признаков, по которым  можно  классифицировать экспертные системы. По степени сложности различают поверхностные и глубинные ЭС, по степени связанности правил продукционные ЭС делят на связные и малосвязные, по типу предметной области выделяют статические, динамические ЭС и ЭС реального времени и т. п. Процесс создания ЭС занимает немало времени, поэтому определенный интерес представляет классификация экспертных систем по стадиям разработки:

  • демонстрационный прототип (база знаний содержит 10—100 
правил);

• исследовательский прототип (200 — 500 правил);
• действующий прототип (500—1000 правил);
• промышленный образец (1000—1500 правил);
• коммерческий образец (1500 — 3000 правил).

 Классификация по решаемой задаче.

      Интерпретация данных. Это одна из традиционных задач экспертных систем. Под интерпретацией понимается определение смысла данных, результаты которого должны быть согласованными и корректными. Обычно предусматривается многовариантный анализ данных.

      Диагностика. Под диагностикой понимается обнаружение неисправности в некоторой системе. Неисправность – это отклонение от нормы. Такая трактовка позволяет с единых теоретических позиций рассматривать и неисправность оборудования в технических системах, и заболевания живых организмов, и всевозможные природные аномалии. Важной спецификой является необходимость понимания функциональной структуры диагностирующей системы.

      Мониторинг. Основная задача мониторинга – непрерывная интерпретация данных в реальном масштабе времени и сигнализация  о выходе тех или иных параметров за допустимые пределы. Главные проблемы – «пропуск» тревожной ситуации и инверсная задача «ложного» срабатывания. Сложность этих проблем в размытости симптомов тревожных ситуаций и необходимость учета временного контекста.

      Проектирование. Проектирование состоит в подготовке спецификаций на создание «объектов» с заранее определенными свойствами. Под спецификацией понимается весь набор необходимых документов – чертеж, пояснительная записка и т.д. Основные проблемы здесь – получение четкого структурного описания знаний об объекте и проблема «следа». Для организации эффективного проектирования и, в еще большей степени, перепроектирования необходимо формировать не только сами проектные решения, но и мотивы их принятия. Таким образом, в задачах проектирования тесно связываются два основных процесса, выполняемых в рамках соответствующей ЭС: процесс вывода решения и процесс объяснения.

      Прогнозирование. Прогнозирующие системы логически выводят вероятные следствия из заданных ситуаций. В прогнозирующей системе обычно используется параметрическая динамическая модель, в которой значения параметров «подгоняются» под заданную ситуацию. Выводимые из этой модели следствия составляют основу для прогнозов с вероятностными оценками.

      Планирование. Под планированием понимается нахождение планов действий, относящихся к объектам, способным выполнять некоторые функции, В таких ЭС используются модели поведения реальных объектов с тем, чтобы логически вывести последствия планируемой деятельности.

      Обучение. Системы обучения диагностируют ошибки при изучении какой-либо дисциплины с помощью ЭВМ и подсказывают правильные решения. Они аккумулируют знания о гипотетическом «ученике» и его характерных ошибках, затем в работе способны диагностировать слабости в знаниях обучаемых и находить соответствующие средства для их ликвидации. Кроме того, они планируют акт общения с учеником в зависимости от успехов ученика с целью передачи знаний.

      В общем случае все системы, основанные на знаниях, можно подразделить на системы, решающие задачи анализа и на системы, решающие задачи синтеза.

Основное  отличие задач анализа от задач  синтеза заключается в следующем: если в задачах анализа множество  решений может быть перечислено  и включено в систему, то в задачах  синтеза множество решений потенциально строится из решений компонентов и подпроблем. Задача анализа – это интерпретация данных, диагностика; к задачам синтеза относятся проектирование, планирование. Комбинированные задачи: обучение, мониторинг, прогнозирование. 

      Классификация по связи с реальным временем.

      Статистические  ЭС разрабатываются в предметных областях, в которых база данных и интерпретируемые данные не меняются во времени. Они стабильны (например, диагностика неисправностей в автомобиле).

      Квазидинамические ЭС интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени (например, микробиологические ЭС, в которых снимаются лабораторные изменения с технологического процесса один раз в 4-5 ч и анализируется динамика полученных показателей по отношению к предыдущему измерению).

      Динамические  ЭС работают в сопряжении с датчиками объектов в режиме реального времени с непрерывной интерпретацией поступаемых данных (например, управление гибкими производственными комплексами, мониторинг в реанимационных палатах и т.д.). 

            Классификация по типу ЭВМ

На сегодняшний  день существуют:

• ЭС для уникальных стратегических важных задач на суперЭВМ;
• ЭС на ЭВМ средней производительности;
• ЭС на символьных процессорах и рабочих станциях;
• ЭС на мини- и супермини-ЭВМ;
• ЭС на персональных компьютерах.

Классификация по степени интеграции с другими программами

      Автономные  ЭС работают непосредственно в режиме консультаций с пользователем для специфически «экспертных» задач, для решения которых не требуется привлекать традиционные методы обработки данных (расчеты, моделирование и т.д.).

      Гибридные ЭС представляют программный комплекс, агрегирующий стандартные пакеты прикладных программ (например, математическую статистику, линейное программирование или системы управления базами данных) и средства манипулирования знаниями.

      Несмотря  на внешнюю привлекательность гибридного подхода, следует отметить, что разработка таких систем являет собой задачу, на порядок более сложную, чем  разработка автономной ЭС. Стыковка не просто разных пакетов, а разных методологий (что происходит в гибридных системах) порождает целый комплекс теоретических и практических трудностей. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

4.Характеристика структурных элементов ЭС. 

  Система, основанная на знаниях, представляет собой  программную систему, состоящую из трех элементов: базы знаний, механизма (машины) логического вывода и рабочей памяти.

 База  данных — часть ЭС (системы, основанной на знаниях), предназначенная для генерации и поддержания динамической модели знаний о предметной области.

  Механизм (машина) логического  вывода — часть ЭС (системы, основанной на знаниях), реализующая анализ поступающей в ЭС и имеющейся в ней информации и формирование на ее основе новых заключений ответ на запрос к системе.

  Рабочая память — часть ЭС (системы, основанной на знаниях), предназначенная для информационного обеспечения работы механизма логического вывода, прежде всего в части хранения и обработки поступивших (новых) фактов и промежуточных результатов логического вывода.

  Лингвистический процессор предназначен для обеспечения комфортного интерфейса между конечным пользователем и ЭС. В нем реализуются процедуры морфологического, синтаксического и семантического контроля поступающих в систему запросов и приведение их к виду, «понятному» ЭВМ. При выдаче ответной информации осуществляется обратная операция — заключение «переводится» на ограниченный естественный язык, понятный конечному пользователю. Отметим, что в первых ЭС лингвистический процессор отсутствовал, так как общение с машиной осуществлялось на формальном языке. В дальнейшем (особенно при переходе к ЭВМ пятого поколения) значимость лингвистического процессора в составе ЭС будет возрастать.

  Компонент приобретения знаний предназначен для обеспечения работы инженера знаний по поддержанию модели знаний, адекватной реальной предметной области (генерации базы знаний, ее тестирования, пополнения новыми знаниями, исключения неверных знаний и т.п.).

  Наличие компонента объяснений, обеспечивающего по запросу пользователя выдачу информации о ходе и исходе логического вывода, принципиально отличает ЭС от всех других программных систем. Дело в том, что в большинстве случаев конечному пользователю недостаточно сообщить лишь конечное заключение ЭС, которое он должен (может) использовать в своей профессиональной деятельности. Гораздо большее доверие вызывает у него конечный вывод, подтвержденный понятными промежуточными рассуждениями. Кроме того, с помощью компонента объяснений можно организовать процесс обучения конечных пользователей работе с ЭС. В обучающих ЭС компонент объяснений играет еще более важную роль.

  Важным  классом систем, основанных на знаниях, является класс ИППП (интеллектуальный пакет прикладных программ).

  ИППП  дают возможность конечному пользователю решать прикладные задачи по их описаниям  и исходным данным без программирования — генерация («сборка») программы «под задачу» осуществляется автоматически механизмом логического вывода. База знаний в ИППП может строиться по любому из известных эвристических методы, лишь бы настраиваемая машиной логического вывода программа была эффективна для решения поставленной задачи. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

5.Этапы и средства разработки

экспертных  систем 

  Масштабы  разработки экспертных систем предопределили создание специальных инструментальных (аппаратных и программных) средств, систематизированное представление которых составляет содержание рис. 2. 
 
 

  Рис. 2 Инструментальные средства разработки экспертных систем

  Следует отметить, что первоначально разработка экспертных систем осуществлялась на традиционных алгоритмических языках программирования с реализацией на универсальных ЭВМ. В дальнейшем были созданы как специализированные аппаратные и программные средства, так и средства автоматизации программирования. Появились и оболочки экспертных систем, которые по задумке авторов должны были существенно упростить (и удешевить) разработку систем. Однако в полной мере эти надежды не оправдались (как показало дальнейшее развитие прикладных программных средств не только в области ИИ, и не могли оправдаться). Это связано с принципиальной сложностью использования конкретной экспертной системы для решения совершенно других задач, а именно таким путем создавались первые оболочки экспертных систем. Еще более проблематичной представляются попытки создания так называемых универсальных оболочек, пригодных для применения «во всех» предметных областях.

  При создании экспертных систем наибольшую трудность представляет разработка совершенной базы знаний, т. е. моделирование знаний экспертов о некоторой предметной области. Разработка любой модели—в том числе и модели знаний — представляет собой полностью неформализуемый процесс, содержащий элементы творчества и строго формальных действий.                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                         

  Очевидно, что разработка ЭС является коллективным трудом, в котором принимают участие различные специалисты. Центральное место в схеме взаимодействия участников создания ЭС занимает инженер знаний. Именно он организует, все важнейшие работы и осуществляет их координацию. Ему принадлежит право выбора типовых или — при необходимости и наличии соответствующих ресурсов – заказа новых инструментальных средств разработки ЭС. Он работает с предметными экспертами, генерирует, тестирует и пополняет базу знаний и т.д.

        Разработка ЭС возможна при совместном выполнении следующих основных условий:

• задача не требует общедоступных знаний;
• решение задачи требует только интеллектуальных действий;
• существуют подлинные (компетентные) эксперты;
• эксперты способны описать свои методы (приемы, уловки и т.п.) решения задачи;
• эксперты единодушны в своих решениях;
• задача понятна и «не слишком» трудна.

  Разработка  ЭС оправдана, если выполняется хотя бы одно из следующих основных условий:

• получение решения задачи высокорентабельно;
• человеческий опыт решения задачи по различным причинам утрачивается;
• число экспертов в рассматриваемой предметной области мало;
• опыт решения задачи востребован во многих местах;

• опыт нужно применять во враждебных человеку условиях. 
Наконец, разработка ЭС разумна, если совместно выполняются следующие основные условия:

• задача требует эвристических решений;
• задача требует оперирования символами;
• задача «не слишком» проста;
• задача представляет практический интерес;
• задача имеет размерность, допускающую реализацию.

  При всей условности и субъективности проверки наличия, перечисленных обстоятельств можно по-новому взглянуть на причины столь широкой представительности перечня областей применения ЭС.

  В заключение напомним о принципиальной важности совершенства базы знаний для эффективности ЭС. Другим важнейшим составным элементом любой системы, основанной на знаниях, в том числе и ЭС, является механизм логического вывода.