Примеры экспертных систем

Примеры экспертных систем

В настоящее время экспертные системы  используются для решения различных  типов задач в самых разнообразных  проблемных областях, таких, как финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, химия, образование, телекоммуникации и связь и др. Рассмотрим наиболее яркие примеры  экспертных систем.

Примеры экспертных систем в военном деле

ACES. Экспертная система выполняет картографические работы по нанесению обстановки на карты. Система получает в качестве исходных данных карту без обстановки и информацию, описывающую расположение объектов на местности. Система выдает карту, содержащую все желаемые условные обозначения и подписи, размещенные без взаимного наложения. ACES применяет объектно-ориентированную схему представления знаний и реализована на языке Loops для работы на АРМ Xerox Dolphin. Система разработана компанией ESL и доведена до уровня исследовательского прототипа.

ASTA. Экспертная система помогает аналитику определить тип радара, пославшего перехваченный сигнал. Система анализирует этот сигнал в свете имеющихся у нее общих знаний о физике радаров и специальных знаний о конкретных типах радарных систем. ASTA также помогает аналитику, обеспечивая ему доступ к соответствующим базам данных и давая объяснения своим заключениям. Знания в системе представлены в виде правил. Эта система разработана компанией Advanced Information & Decision Systems и доведена до уровня исследовательского прототипа.

DART. Экспертная система помогает обрабатывать разведданные о центрах командования, управления и связи противника. Она дает советы аналитикам по идентификации критических узлов сети командования, управления и связи и помогает обрабатывать сообщения о боевой обстановке. Система DART реализована на языках Паскаль и Си для компьютерных систем VAX 11/780. Она разработана компанией «Par Technology Corporation» и доведена до уровня исследовательского прототипа.

HANNIBAL. Экспертная система выполняет оценивание ситуаций в области разведки радиообмена противника. Система идентифицирует соединения противника и боевой порядок их связи, интерпретируя данные радиоперехвата. Эти данные включают информацию о местонахождении и характеристиках сигналов (частоте, модуляции, классе канала и другие) обнаруженных средств связи. Знания в системе представлены в рамках архитектуры доски объявлений, координирующей деятельность нескольких специалистов, или источников знаний. Система реализована с помощью средств AGE. Она разработана компанией ESL и доведена до уровня исследовательского прототипа.

I&W. Экспертная система помогает аналитикам из разведки предсказывать, когда и где произойдет следующее вооруженное столкновение. Система анализирует поступающие сообщения разведки, например донесения о местонахождении воинских соединений, их деятельности и передвижениях, применяя знания об обычных признаках активности войск. Знания представлены в рамках архитектуры доски объявлений, в которой для обеспечения компетентности применены как правила с прямой цепочкой рассуждений, так и фреймы. Система реализована на языке INTERLISP-D для АРМ Xerox 1100. Она разработана компанией ESL в сотрудничестве со Стенфордским университетом и доведена до уровня демонстрационного прототипа.

RUBRIC. Экспертная система помогает пользователю получить доступ к базам данных, содержащим неформатированные тексты. Например, когда пользователь называет какую-нибудь тему, RUBRIC автоматически разыскивает все документы, содержащие тексты, связанные с этой темой. В системе RUBRIC взаимоотношения между темами, подтемами и фразами, содержащими ключевые слова, выражены в виде правил. Правила также определяют другие варианты терминов, выражений и способов написания одной и той же темы или понятия. Пользователь может сформулировать запрос в виде правила, задающего критерий поиска, например эвристический вес, определяющий насколько сильно образец правила указывает на наличие темы правила. В ходе поиска RUBRIC предоставляет пользователю документы, которые лежат в кластере, содержащем по крайней мере один документ с весом выше заданного пользователем порога. Это предотвращает ситуацию, в которой произвольно выбранный порог мог бы разделить близкие по рангу документы. Система реализована на языке FRANZ LISP, разработана компанией «Advanced Information & Decision Systems» и доведена до уровня исследовательского прототипа.

Пример экспертной системы в информатике

CODES. Экспертная система помогает разработчику базы данных, желающему использовать подход IDEF1 для определения концептуальной схемы базы данных. Хотя в качестве подхода IDEF1 полезна, сложность ее правил часто сдерживает ее применение. Разработчик описывает, какие свойства и взаимосвязи желательны в базе данных, под руководством системы CODES, осуществляемым в форме диалога. Затем система применяет свои знания в виде правил и эвристик IDEF1 для построения концептуальной схемы разрабатываемой базы данных. Знания в CODES представлены в виде правил с применением обратной цепочки рассуждений в качестве стратегии управления. CODES реализована на языке UCI LISP. Она была разработана в Университете штата Южная Калифорния и доведена до уровня демонстрационного прототипа.

Пример экспертной системы в компьютерных системах

MIXER. Экспертная система оказывает помощь программистам в написании микропрограмм для разработанной Texas Instruments СБИС TI990. По заданному описанию микропрограммы система получает оптимизированные микропрограммы для TI990. MIXER содержит знания по микропрограммированию для TI990, взятые из руководства и из анализа микропрограммы управляющего ПЗУ TI990. Сюда относятся знания о том, как преобразовывать введенные описания в наборы промежуточных операций, как выделить соответствующие регистры под переменные и как преобразовать промежуточные операции в наборы микроопераций. MIXER использует эти знания, чтобы определить, какие микрооперации являются лучшими для реализации микропрограммы. Система представляет знания в виде правил и данных, обладает унификацией, управляемой механизмом вывода, и динамическим возвратом. MIXER реализована на языке Пролог. Она была разработана в Токийском университете и доведена до уровня демонстрационного прототипа.

Пример экспертной системы в электронике

ACE. Экспертная система определяет неисправности в телефонной сети и дает рекомендации по необходимому ремонту и восстановительным мероприятиям. Система работает без вмешательства пользователя, анализируя сводки-отчеты о состоянии, получаемые ежедневно с помощью CRAS, программы, следящей за ходом ремонтных работ в кабельной сети. ACE обнаруживает неисправные телефонные кабели и затем решает, нуждаются ли они в планово-предупредительном ремонте и выбирает, какой тип ремонтных работ вероятнее всего будет эффективным. Затем ACE запоминает свои рекомендации в специальной базе данных, к которой у пользователя есть доступ. Система принимает решения, применяя знания относительно телефонных станций, сообщения системы CRAS и стратегии анализа сетей. Представление знаний в системе основано на правилах, используется схема управления посредством прямой цепочки рассуждений. АСЕ реализована на языках OPS4 и FRANZ LISP и работает на микропроцессорах серии AT&T 3B-2, размещенных в подстанциях наблюдения состояния кабеля. Она разработана в Bell Laboratories. АСЕ прошла опытную эксплуатацию и доведена до уровня коммерческой экспертной системы.

Определение экспертных систем, достоинство и назначение

Экспертные системы - это  яркое и быстро прогрессирующее  направление в области искусственного интеллекта.

Искусственный интеллект - самое  молодое научное направление. Появление  его было подготовлено развитием  мощности вычислительных машин.

Искусственный интеллект  занимает исключительное положение. Это  связано со следующим:

часть функций программирования в настоящее время оказалось  возможным передать машине. При этом общение с машиной происходит на языке, близком к разговорному. Для этого в ЭВМ закладывают огромную базу знаний, способы решения, процедуры синтеза, программы, а также средства общения, позволяющие пользователю легко общаться с ЭВМ.

· в связи с внедрением ЭВМ во все сферы человеческой жизни становится возможным переход  к безбумажной технологии обработки  информации.

· если раньше производство ориентировалось на обязательное участие  человека, то в настоящее время  находят применение безлюдные технологии, основанные на роботизации и автоматизации  системы управления.

· интеллектуальные системы  в настоящее время начинают занимать ведущее положение в проектировании образцов изделий. Часть изделий  невозможно спроектировать без их участия.

Системы, относящиеся к  системам искусственного интеллекта в  настоящее время:

· экспертные системы. Первые системы, которые нашли широкое  применение. Их элементы используются в системах проектирования, диагностики, управления и играх. Основаны на вводе  знаний высококвалифицированных специалистов (экспертов) в ЭВМ и разработке специальной системы по их использованию.

· системы естественно-языкового  общения (подразумевается письменная речь). Данные системы позволяют  производить обработку связанных  текстов по какой-либо тематике на естественном языке.

· системы речевого общения.

· системы обработки визуальной информации. Находят применение в  обработке аэрокосмических снимков, данных, поступающих с датчиков.

· системы машинного перевода. Подразумеваются естественные языки  человеческого общения.

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

Экспертные системы 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, экспертные системы 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  путём привлечения эвристик, то есть правил, взятых «с потолка», что может  быть полезным в тех системах, когда  недостаток необходимых знаний или  времени исключает возможность  проведения полного анализа.

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

Практическое применение искусственного интеллекта на машиностроительных предприятиях и в экономике основано на экспертных системах, позволяющих  повысить качество и сохранить время  принятия решений, а также способствующих росту эффективности работы и  повышению квалификации специалистов.

1.2. Классификация экспертных систем

Схема классификации

Класс «экспертные системы» сегодня объединяет несколько тысяч  различных программных комплексов, которые можно классифицировать по различным критериям.

Классификация по решаемой задаче

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

Пример:

· обнаружение и идентификация  различных типов океанских судов - SIAP;

· определение основных свойств  личности по результатам психодиагностического  тестирования в системах АВТАН-

ТЕСТ и МИКРОЛЮШЕР и  других.

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 («анатомии») диагностирующей системы.

Пример:

· диагностика и терапия  сужения коронарных сосудов - ANGY;

· диагностика ошибок в  аппаратуре и математическом обеспечении  ЭВМ - система СRIB и другие.

Мониторинг. Основная задача мониторинга - непрерывная интерпретация данных в I 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 учёта временного контекста.

Пример:

· контроль за работой электростанций СПРИНТ, помощь

диспетчерам атомного реактора - REACTOR;

· контроль аварийных датчиков на химическом заводе - FALCON и другие.

Проектирование. Проектирование состоит в подготовке спецификаций на создание «объектов» с заранее определёнными свойствами. Под спецификацией понимается весь набор необходимых документов - чертёж, пояснительная записка и так далее. Основные проблемы здесь - получение чёткого структурного описания знаний об объекте и проблема «следа». Для организации эффективного проектирования и, в ещё 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 экспертной системы: процесс вывода и процесс объяснения.

Пример:

· проектирование конфигураций ЭВМ VАХ - 11/780 в системе ХСОN (или R1), проектирование БИС - САDHELР;

· синтез электрических цепей - SYN и другие.

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.

Пример:

· предсказание погоды - система WILLARD;

· оценки будущего урожая - РLANT;

· прогнозы в экономике - ЕСОN и другие.

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

Пример:

· планирование поведения  робота - STRIPS;

· планирование промышленных заказов - ISIS;

· планирование эксперимента - МОLGЕN и другие.

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.

Пример:

· обучение языку программирования Лисп в системе «Учитель Лиспа»;

· система РROUSТ - обучение языку Паскаль и другие.

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 или подпроблем. Задача анализа - это интерпретация данных, диагностика; к задачам синтеза относятся проектирование, планирование. Комбинированные задачи: обучение, мониторинг, прогнозирование.

Классификация по связи с реальным временем

Статические экспертные системы разрабатываются в предметных областях, в которых база знаний и интерпретируемые данные не меняются во времени. Они стабильны.

Пример.

Диагностика неисправностей в автомобиле.

Квазидинамические экспертные системы интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.

Пример. Микробиологические экспертные системы, в которых снимаются лабораторные измерения с технологического процесса один раз в 4-5 ч. (например, производство лизина) и анализируется динамика полученных показателей по отношению к предыдущему измерению.

Динамические экспертные системы работают в сопряжении с датчиками объектов в режиме реального времени с непрерывной интерпретацией поступаемых данных.

Пример. Управление гибкими производственными комплексами, мониторинг в реанимационных палатах и так далее.

Классификация по типу ЭВМ

На сегодняшний день существуют:

· экспертные системы для  уникальных стратегически важных задач  на суперЭВМ (Эльбрус, CRAY, CONVEX и другие.);

· экспертные системы на ЭВМ  средней производительности (типа mainfrave);

· экспертные системы на символьных процессорах и рабочих станциях (SUN, АРОLLО);

· экспертные системы на мини- и супермини-ЭВМ (VАХ, micro-VАХ и другие);

· экспертные системы на персональных компьютерах (IВМ РС, МАС II и подобные).

Классификация по степени интеграции с другими  программами

Автономные экспертные системы работают непосредственно в режиме консультаций с пользователем для специфических «экспертных» задач, для решения которых не требуется привлекать традиционные методы обработки данных (расчёты, моделирование и так далее.).

Гибридные экспертные системы представляют программный комплекс, агрегирующий стандартные пакеты прикладных программ (например, математическую статистику, линейное программирование или системы управления базами данных) и средства манипулирования знаниями. Это может быть интеллектуальная надстройка над ППП или интегрированная среда для решения сложной задачи с элементами экспертных знаний.

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

Диагностика экспертных систем

Диагностика – процесс соотнесения объекта с некоторым классом объектов и/или 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 здесь необходимость понимание функциональной структуры («анатомии») диагностируемой системы. 
Примеры:

1. Диагностика и терапия сужения коронарных сосудов – ANGY.
2. Диагностика ошибок в аппаратуре и математическом обеспечении ЭВМ – CRIB.

Мониторинг  экспертных систем

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. 
Примеры:

1. Контроль работы электростанций  СПРИНТ, помощь диспетчерам атомного реактора – REACTOR.
2. Контроль аварийных датчиков на химическом заводе – FALCON.

Проектирование  экспертных систем

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 – получение четко структурированного 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 экспертной системы: процесс вывода решения и процесс объяснения. 
Примеры:

1. Проектирование конфигураций ЭВМ VAX-11/780 в системе XCON, проектирование БИС – CADHELP.
2. Синтез электрических цепей – SYN.

Прогнозирование экспертных систем

Прогнозирование позволяет предсказать последствия  некоторых событий или явлений  на основании анализа имеющихся  данных. 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. 
Примеры:

1. Предсказание погоды – WIILARD.
2. Оценки будущего урожая – PLANT.
3. Прогнозы в экономике – ECON.

Планирование  экспертных систем

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

1. Планирование поведения робота – STRIPS.
2. Планирование промышленных заказов – ISIS.
3. Планирование эксперимента – MOLGEN.

Обучение  экспертным системам

Под обучением  понимается использование компьютера для обучения какой-то дисциплине или  предмету. Системы обучения диагностируют  ошибки при изучении какой-либо дисциплины с помощью компьютера и подсказывают правильные решения. Они содержат знания о гипотетическом «ученике» и  его характерных ошибках, затем  в работе они способны диагностировать  слабые места в познаниях 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. 
Примеры:

1. Обучение языку программирования LISP в системе «учитель ЛИСПа».
2. Обучение языку Паскаль – система PROUST.

Управление  экспертными системами

Под управлением  понимается функция организованной системы, поддерживающая определенный режим деятельности. Такого рода экспертные системы осуществляют управление поведением сложных систем с заданными спецификациями. 
Примеры:

1. Помощь в управлении газовой котельной – GAS.
2. Управление системой календарного планирования – Project Assistant.

Поддержка принятия решений в экспертных системах

Поддержка принятия решений – это совокупность процедур, обеспечивающая лицо, принимающее решения, необходимой информацией и рекомендациями, облегчающими процесс принятия решения. Эти экспертные системы помогают специалистам выбрать и/или сформировать нужную альтернативу среди множества  выборов при принятии решений. 
Примеры:

1. Выбор стратегии выхода фирмы из кризисной ситуации – CRYSIS.
2. Помощь в выборе страховой компании или инвестора – CHOICE.