Экспертные системы. 6

Содержание

Введение

Экспертные системы возникли как значительный практический результат в применении и развитии методов искусственного интеллекта - совокупности научных дисциплин, изучающих методы решения задач интеллектуального (творческого) характера с использованием ЭВМ.

Область искусственного интеллекта 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, распознавание изображений и анализ сцен, планирование действий роботов, алгоритмы и стратегии игр.

Экспертная система - это набор программ, выполняющий функции эксперта при решении задач из некоторой предметной области. Экспертные системы выдают советы, проводят анализ, дают консультации, ставят диагноз. Практическое применение экспертных систем на предприятиях способствует эффективности работы и повышению квалификации специалистов.

Главным достоинством экспертных систем является возможность накопления знаний и сохранение их длительное время. В отличие от человека к любой информации экспертные системы подходят объективно, что улучшает качество проводимой экспертизы.

При создании экспертных систем возникает ряд затруднений. Это, прежде всего, связано с тем, что заказчик не всегда может точно сформулировать свои требования к разрабатываемой системе. Также возможно возникновение 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, так как экспертные системы не способны обучаться, они не обладают здравым смыслом, интуицией. Но в настоящее время ведутся разработки экспертных систем, реализующих идею самообучения. Также экспертные системы неприменимы в больших предметных областях и в тех областях, где отсутствуют эксперты.

Причиной повышенного интереса, который экспертные системы вызывают к себе на протяжении всего своего существования, является возможность их применения к решению задач из самых различных областей человеческой деятельности.

1 Описание предметной области

1.1   Постановка задачи

Разработать экспертную систему «».  Данная  система  должна позволять клиенту выбрать себе подходящий тур  и  в  результате предложить возможный вариант решения. Во время выбора клиент выбирает вид тура, страну, тип отеля, вид питания, количесво дней и человек, а также вид транспорта.

1.2   Понятие интеллектуальных и экспертных систем

Наиболее широкое применение методы ИИ нашли в программах, называемых экспертными системами (ЭС). Отличительной чертой этих программ является способность накапливать знания и опыт квалифицированных професионалов (экспертов) в какой-либо узкой предметной области. Затем при помощи знаний, накопленных в ЭС, специалисты с не очень высокой квалификацией могут решать сложные задачи на столь же высоком уровне, как и эксперты, иными словами, данные программы поддерживают средствами автоматизации не только и не столько вычислительные функции, сколько функции мыслительные, интеллектуальные, помогая пользователю принимать решения в сложных неоднозначных ситуациях.

Единого строгого определения ЭС пока нет. Чаще всего в литературе и среди специалистов используется понимание экспертной системы - как компьютерной программы, созданной для выполнения тех видов деятельности, которые под силу только человеку - эксперту, например проектирование, планирование, перевод, выдача рекомендаций. Эти программы моделируют образ мышления человека-эксперта на основе механизмов логического вывода и эвристических методов.

Определение, одобренное Комитетом по экспертным системам Британского компьютерного общества, гласит, что под экспертной системой понимается система, объединяющая возможности компьютера со знаниями и опытом эксперта в такой форме, что система может предложить РАЗУМНЫЙ СОВЕТ или осуществить РАЗУМНОЕ РЕШЕНИЕ поставленной задачи. Такая система должна уметь объяснять ход своих рассуждений в понятной форме.

Все экспертные системы являются системами искусственного интеллекта, но не все системы искусственного интеллекта являются ЭС. Например, программа распознования печатного текста или голосовых сообщений относится к интеллектуальным системам, но не является экспертной системой, поскольку решение подобной задачи под силу любому человеку. Для ЭС характерно наличие цели функционирования, состоящей в решении сложных проблем, решение которых под силу специалисту высокой квалификации - эксперту.

На основе приведенных определений выделим характерные черты ЭС:

   алгоритмы функционирования ЭС имитируют подход к решению проблемы со стороны человека;

   умение объяснять свои действия в понятной для человека форме;

   наличие естественно - языкового интерфейса.

Различают ЭС предметно-ориентированные и ЭС-оболочки, предназначенные для наполнения любым предметным знанием. Экспетные системы могут строиться на основе представления знаний в виде набора правил (rule - based - подход) и на базе адаптивного подхода, основанного на обучении системы на примерах (case - based - подход).

Экспертные системы первого поколения строились преимущественно на основе правилоориентированного подхода. Такие экспертные системы назывались правилоориентированными или продукционными.

В ЭС, основанных на правилах, предметные знания представляются набором правил, которые проверяются через набор фактов или знаний о текущей ситуации.

Различаются ЭС по связи с реальным временем:

1.   Статистические ЭС разрабатываются в предметных областях, в которых база знаний и интерпретируемые данные не меняются во времени. Они стабильны.
Пример: диагностика неисправностей в автомобиле.

2.   Квазидинамические ЭС интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.
Пример: микробиологические ЭС, в которых снимаются лабораторные измерения с технологического процесса и анализируется динамика полученных показателей по отношению к предыдущему измерению.

3.   Динамические ЭС работают в сопряжении с датчиками объектов в режиме реального времени с непрерывной интерпритацией поступаемых данных.
Пример: управление гибкими производственными комплексами, мониторинг в реанимационных палатах и др.

Также различаются ЭС 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) и средства манипулирования знаниями.

Специализированные продукционные системы нашли широкое приминение в различных областях человеческой деятельности. Однако наиболее популярными ЭС являются оболочки Guru, KEE, LOOPS, которые могут быть наполнены любым предметным знанием.

Основой экспертной системы является совокупность знаний (базы знаний), структурированных в целях формализации процесса принятия решений. Экспертные системы разрабатываются с расчетом на обучение и способны обосновать логику выбора решения, т.е. обладают свойствами адаптивности и ее аргументирования. У большинства экспертных систем имеется механизм объяснения. Этот механизм использует знания, необходимые для объяснения того, каким образом система пришла к данному решению. Очень важным является определение области применения экспертной системы, границ ее использования и действия.

Преимущества экспертных систем по сравнению с использованием опытных специалистов в следующем:

   достигнутая компетентность не утрачивается, может документироваться, передаваться, воспроизводиться и наращиваться;

   имеют место более устойчивые результаты, отсутствуют эмоциональные и другие факторы человеческой ненадежности;

   высокая стоимость разработки уравновешивается низкой стоимостью эксплуатации, возможностью копирования, а в совокупности они дешевле высококвалифицированных специалистов.

Недостатком экспертных систем, характерным для их современного состояния, является меньшая приспособляемость к обучению новым правилам и концепциям, к творчеству и изобретательству. Использование экспертных систем позволяет во многих случаях отказаться от высококвалифицированных специалистов, но предполагает оставить в системе место эксперту с более низкой квалификацией. Экспертные системы служат средством для расширения и усиления профессиональных возможностей конечного пользователя.

Экспертная система должна демонстрировать компетентность, т.е. достигать в конкретной предметной области того же уровня, что и специалисты - эксперты. Недостаточно находить хорошие решения, это надо делать быстро. Системы должны иметь не только глубокое, но и достаточно широкое понимание предмета. Методы нахождения решений проблем достигаются на основе рассуждений, исходящих из фундаментальных принципов в случае некорретных данных или неполных наборов правил. Такие свойства наименее разработаны в компьютерных экспертных системах, но именно они присущи специалистам высокого уровня.

От обычных компьютерных систем экспертные системы отличаются тем, что:

   манипулируют знаниями, тогда как любые другие системы - данными;

   дают эффективные оптимальные решения и способны иногда ошибаться, но в отличие от традиционных компьютерных систем они имеют потенциальную способность учиться на своих ошибках.

1.3   Классификация и применение ЭС

На рынке появилось множество интеллектуальных ПС, в первую очередь в виде экспертных систем (ЭС), автоматизирующих процесс принятия решений и играющих все возрастающую роль в деятельности многих компаний, а также в тех областях, которые имеют непосредственное отношение к вопросам принятия решений в сложных или экстремальных ситуациях. В общем случае, ЭС состоит из базы данных и знаний и программного обеспечения, поддерживающего данные базы в актуальном состоянии и симулирующего знания и аналитические способности эксперта в конкретной предметной области.

Экспертные системы наилучшим образом отвечают задачам, требующим принятия решений в сложных ситуациях. Примером могут служить задачи медицинского диагноза или технической диагностики, в которых критическим фактором является не только достоверный диагноз, но и время. Когда у пациента имеет место неизвестная совокупность симптомов, врач может прибегнуть к консультации с ЭС, чтобы поставить диагноз и назначить соответствующий курс лечения. Именно поэтому для задач данного класса были разработаны первые ЭС и число их постоянно растет. Для такого типа ЭС многовековая медицинская практика накопила обширные знания и опыт лечения, что существенно облегчает задачу создания соответствующих баз знаний и данных.

Вторым классом задач, хорошо отвечающим ЭС - технологии, являются задачи по принятию решений в случае, когда в прикладной области имеется ограниченное число высоко квалифицированных экспертов, которые могут давать наиболее оптимальные рекомендации для принятия необходимых решений. Например, фирма Honeywell создала ЭС, ориентированную на задачи диагностики коммерческих воздушных кондиционеров. И хотя технический персонал фирмы имеет квалификацию не ниже средней, наличие ЭС обеспечивает неизменно высокое качество обслуживания. Положительные аспекты данного подхода состоят и в том, что затраты на обслуживание не возрастают при необходимости увеличения числа экспертов либо при увольнении их из фирмы.

К третьему классу задач, стимулирующих создание ЭС, относятся задачи, требующие постоянного и длительного по времени принятия решений в трудных или экстремальных условиях. Например, фирма NLBaroid, специализирующаяся на обслуживании нефтебурения, создала систему MUDMAN, позволяющую анализировать параметры закачиваемой в скважины жидкости с целью обеспечения нормальных режимов работы бура и облегчения процесса бурения. На глубоких или трудных скважинах обслуживающему инженеру часто приходится анализировать свыше 20 параметров, по крайней мере, дважды в день. ЭС обеспечивает аналитическую обработку и делает фирму более конкурентноспособной. Наряду с перечисленными существуют еще целый ряд классов задач, применение ЭС в которых может давать существенный и разноплановый эффект.

В настоящее время создано и поставляется на рынок большое количество разнообразных ЭС, ориентированных на различные типы ПК и сферы приложений. В настоящее время ЭС широко используются в таких прикладных областях, как: медицинская и техническая диагностика, планирование, прогнозирование, мониторинг, интерпритация результатов наблюдений, контроль и управление, обучение и др. В этом заключается один из основных практических выходов исследовательских работ по ИИ - проблематике. Данная группа ПС обеспечивает формирование баз знаний и работу с ними для тех областей деятельности, где невозможно формализованное описание процессов обработки информации и принятия решений.

ЭС как инструмент в работе пользователей совершенствуют свои возможности решать трудные, неординарные задачи в ходе практической работы. ЭС создаются для решения разного рода проблем, типы которых можно сгруппировать в категории. Типичные категории ЭС систем приведены в таблице 1.

Таблица 1

Типичные категории применения ЭС

Продолжение таблицы 1

Типичные категории применения ЭС

В настоящее время ЭС нашли применение в различных сферах деятельности человека:

   медицина;

   геология;

   химия;

   вычислительная техника;

   электронная торговля, а также коммерция и бизнес;

   научные исследования, проектирование, конструирование и производство;

   коммуникации транспортные и информационные;

   юриспруденция,

   отдельныt социально – экономические области и др. приложения.

19

2.Структура разработки ЭС

2.1 Основные компоненты экспертных систем

Типичная экспертная система состоит из следующих основных компонентов: решателя (интерпретатора), рабочей памяти (РП), называемой также базой данных (БД), базы знаний (БЗ), компонентов приобретения знаний, объяснительного и диалогового компонентов .

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) для обозначения всех данных (и в первую очередь не текущих, а долгосрочных), хранимых в системе.

База знаний в экспертной системе предназначена для хранения долгосрочных данных, описывающих рассматриваемую область (а не текущих данных), и правил, описывающих целесообразные преобразования данных этой области.

Решатель, используя исходные данные из РП и знания из БЗ, формирует такую последовательность правил, которые, будучи применёнными к исходным данным, приводят к решению задачи.

Объяснительный компонент объясняет, как система получила решение задачи (или почему она не получила решения) и какие знания она при этом использовала, что облегчает эксперту тестирование системы и повышает доверие пользователя к полученному результату.

Диалоговый компонент ориентирован на организацию дружелюбного общения со всеми категориями пользователей как в ходе решения задач, так и приобретения знаний, объяснения результатов работы.

В разработке экспертной системы участвуют представители следующих специальностей:

- эксперт в той проблемной области, задачи которой будет решать экспертная система;

- инженер по знаниям - специалист по разработке экспертных систем;

- программист - специалист по разработке инструментальных средств (ИС).

Необходимо отметить, что отсутствие среди участников разработки инженера по знаниям (то есть его замена программистом) либо приводит к неудаче процесс создания экспертной системы, либо значительно удлиняет его. Эксперт определяет знания (данные и правила), характеризующие проблемную область, обеспечивает полноту и правильность введения в экспертную систему знаний.

Инженер по знаниям помогает эксперту выявить и структурировать знания, необходимые для работы экспертной системы, осуществляет выбор того ИС, которое наиболее подходит для данной проблемной области, и определяет способ того представления знаний в этом ИС, выделяет и программирует (традиционными средствами) стандартные функции (типичные для данной проблемной области), которые будут использоваться в правилах, вводимых экспертом.

Программист разрабатывает ИС, содержащее в пределе все основные компоненты экспертной системы, осуществляет сопряжение ИС с той средой, в которой оно будет использовано.

Экспертная система работает в двух режимах: приобретения знаний и решения задач (называемом также режимом консультации или режимом использования экспертной системы).

В режиме приобретения знаний общение с экспертной системой осуществляется через посредничество инженера по знаниям. Эксперт описывает проблемную 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 проблемной области. Эксперт, используя компонент приобретения знаний, наполняет систему знаниями, которые позволяют экспертной системе в режиме решения самостоятельно (без эксперта) решать задачи из проблемной области.

Важную роль в режиме приобретения знаний играет объяснительный компонент. Именно благодаря ему эксперт на этапе тестирования локализует причины неудачной работы экспертной системы, что позволяет эксперту целенаправленно модифицировать старые или вводить новые знания. Обычно объяснительный компонент сообщает следующее: как правильно используют информацию пользователя; почему искались или не использовались данные или правила; какие были сделаны выводы и так далее. Все объяснения делаются, как правило, на ограниченном естественном языке или языке графики.

Режиму приобретения знаний при традиционном подходе к разработке программ соответствуют этапы алгоритмизации, программирования и отладки, выполняемые программистом. В отличие от традиционного подхода разработку программ осуществляет эксперт (с помощью экспертной системы), не владеющий программированием, а не программист.

В режиме консультации общение с экспертной системой осуществляет конечный пользователь, которого интересует результат и (или) способ получения решения. Пользователь в зависимости от назначения экспертной системы может не быть специалистом в данной проблемной области, в этом случае он обращается к экспертной системе за советом, не умея получить ответ сам, или быть специалистом, в этом случае он обращается к экспертной системе, чтобы либо ускорить процесс получения результата, либо возложить на экспертную систему рутинную работу. Термин «пользователь» означает, что им является и эксперт, и инженер по знаниям, и программист. Поэтому, когда хотят подчеркнуть, что речь идёт о том, для кого делалась экспертная система, используют термин «конечный пользователь».

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

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

- преобразует данные пользователя о задаче, представленные на привычном для пользователя языке, на 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).

После обработки данные поступают в РП. На основе входных данных в РП, общих данных о проблемной области и правил из БЗ решатель (интерпретатор) формирует решение задачи.

В отличие от традиционных программ экспертная система в режиме решения задачи не только исполняет предписанную последовательность, но и предварительно формирует её. Если ответ экспертной системы не понятен пользователю, то он может потребовать объяснения, как ответ получен.

2.2 Представления знаний в ЭС

Существует много стандартных способов представления знаний, и при построении ЭС может быть использован любой из них, сам по себе или в сочетании с другими. Отметим, что, ИС, имеющие в своем составе более одного способа представления знаний, называют гибридными. Наличие разнообразных способов представления знаний, вызвано, в первую очередь, стремлением с наибольшей эффективностью представить различные типы проблемных сред. Каждый способ позволяет получить программу с некоторыми преимуществами – делает ее более эффективной, облегчает ее понимание и модификацию.

Обычно способ представления знаний в ЭС характеризуется моделью представления знаний. К основным моделям представления знаний относят: правила, семантические сети, фреймы,  объектно-ориентированные модели. Большинство современных ИС, как правило, используют объектно-ориентированную модель, объединенную с правилами.