Студопедия

Главная страница Случайная страница

КАТЕГОРИИ:

АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника






Определение 1.9

Экспертные системы (ЭС)— это наиболее распространенный класс ИС, ори­ентированный на тиражирование опыта высококвалифицированных специали­стов в областях, где качество принятия решений традиционно зависит от уров­ня экспертизы, например таких, как медицина, юриспруденция, геология, экономика, военное дело и др.

ЭС эффективны лишь в специфических "экспертных" областях, где важен эмпирический опыт специалистов.

Только в США ежегодный доход от продаж инструментальных средств раз­работки ЭС составлял в начале 90-х годов 300—400 млн. долларов, а от при­менения ЭС — 80—90 млн. долларов [Попов, 1996]. Ежегодно крупные фирмы разрабатывают десятки ЭС типа "in-house" для внутреннего пользо­вания. Эти системы интегрируют опыт специалистов компании по ключе­вым и стратегически важным технологиям. В начале 90-х гг. появилась новая наука— "управление знаниями" (knowledge management), ориентированная на методы обработки и управления корпоративными знаниями (Borghoff, 1998; Гаврилова, Хорошевский, 2001).

Современные ЭС — это сложные программные комплексы, аккумулирую­щие знания специалистов в конкретных предметных областях и распростра­няющие этот эмпирический опыт для консультирования менее квалифици­рованных пользователей. Разработка экспертных систем, как активно разви­вающаяся ветвь информатики, направлена на использование ЭВМ для обработки информации в тех областях науки и техники, где традиционные математические методы моделирования малопригодны. В этих областях важна смысловая и логическая обработка информации, важен опыт экс­пертов.

Основные факторы, влияющие на целесообразность и эффективность раз­работки ЭС (частично из [Уотермен, 1989]):

Ø нехватка специалистов, затрачивающих значительное время для оказания помощи другим;

Ø выполнение небольшой задачи требует многочисленного коллектива спе­циалистов, поскольку ни один из них не обладает достаточным знанием;

Ø сниженная производительность, поскольку задача требует полного анализа сложного набора условий, а обычный специалист не в состоянии просмотреть (за отведенное время) все эти условия;

Ø большое расхождение между решениями самых хороших и самых плохих исполнителей;

Ø наличие экспертов, готовых поделиться своим опытом. Подходящие задачи имеют следующие характеристики:

Ø не могут быть решены средствами традиционного математического моделирования;

Ø имеется "шум" в данных — некорректность определений, неточность, неполнота, противоречивость информации;

Ø условий, ограничений;

Ø являются узкоспециализированными;



Ø не зависят в значительной степени от общечеловеческих знаний или со­ображений здравого смысла;

Ø не являются для эксперта ни слишком легкими, ни слишком сложными. (Время, необходимое эксперту для решения проблемы, может составлять от трех часов до трех недель.)

Хотя экспертные системы достаточно молоды — первые системы такого рода MYCIN появились в США в середине 70-х годов. В настоящее время в мире насчитывается несколько тысяч промышленных ЭС, которые дают советы:

Ø при управлении сложными диспетчерскими пультами, например, сети распределения электроэнергии;

Ø при постановке медицинских диагнозов;

Ø при поиске неисправностей в электронных приборах, диагностика отка­зов контрольно-измерительного оборудования;

Ø по проектированию интегральных схем;

Ø по управлению перевозками;

Ø по прогнозу военных действий;

Ø по формированию портфеля инвестиций, оценке финансовых рисков, налогообложению и т. д.

Наиболее популярные приложения ИС отражены на рис. 1.11 [Durkin, 1998].

Рис. 1.11.Основные приложения ИС

Сейчас легче назвать области, не использующие ЭС, чем те, где они уже применяются. Уже в 1987 году опрос пользователей, проведенный журналом "Intelligent Technologies" (США), показал, что примерно:

Ø 25% пользователей используют ЭС;

Ø 25% собираются приобрести ЭС в ближайшие 2—3 года;

Ø 50% предпочитают провести исследование об эффективности их использования.

Главное отличие ИС и ЭС от других программных средств — это наличие базы знаний (БЗ), в которой знания хранятся в форме, понятной специали­стам предметной области, и могут быть изменены и дополнены также в по­нятной форме. Это и есть языки представления знаний — ЯПЗ.



До последнего времени именно различные ЯПЗ были центральной пробле­мой при разработке ЭС.

Для перечисленных в разд. 1.2 моделей существует соответствующая мате­матическая нотация, разработаны системы программирования, реализую­щие эти ЯПЗ, и имеется большое количество реальных коммерческих ЭС. Подробнее вопросы программной реализации прикладных ИС рассмотрены в книге далее.

В России в исследования и разработку ЭС большой вклад внесли работы Д. А. Поспелова (основателя Российской ассоциации искусственного ин­теллекта и его первого президента), Э. В. Попова, В. Ф. Хорошевского, В. Л. Стефанюка, Г. С. Осипова, В. К. Финна, В. Л. Вагина, В. И. Городецкого и многих других.

Современное состояние разработок в области ЭС в России можно охаракте­ризовать как стадию все возрастающего интереса среди широких слоев спе­циалистов — финансистов, топ-менеджеров, преподавателей, инженеров, медиков, психологов, программистов, лингвистов. В последние годы этот интерес имеет пока достаточно слабое материальное подкрепление — явная нехватка учебников и специальной литературы, отсутствие символьных процессоров и рабочих станций, ограниченное финансирование исследова­ний в этой области, слабый отечественный рынок программных продуктов для разработки ЭС.

Поэтому появляется возможность распространения "подделок" под эксперт­ные системы в виде многочисленных диалоговых систем и интерактивных пакетов прикладных программ, которые дискредитируют в глазах пользова­телей это чрезвычайно перспективное направление. Процесс создания экс­пертной системы требует участия высококвалифицированных специалистов в области искусственного интеллекта, которых пока готовит небольшое ко­личество высших учебных заведений страны.

Наибольшие трудности в разработке ЭС вызывает сегодня не процесс машинной реализации систем, а домашинный этап анализа знаний и проектирования базы знаний. Этим занимается специальная наука — инженерия знаний (см. гл. 2).

Обобщенная структура экспертной системы представлена на рис. 1.12. Сле­дует учесть, что реальные ЭС могут иметь более сложную структуру, однако блоки, изображенные на рисунке, непременно присутствуют в любой дейст­вительно экспертной системе, поскольку представляют собой стандарт де-факто структуры современной ЭС.

Рис. 1.12.Структура экспертной системы

В целом процесс функционирования ЭС можно представить следующим образом: пользователь, желающий получить необходимую информацию, че­рез пользовательский интерфейс посылает запрос к ЭС; решатель, пользуясь базой знаний, генерирует и выдает пользователю подходящую рекомен­дацию, объясняя ход своих рассуждений при помощи подсистемы объяс­нений.

Так как терминология в области разработки ЭС постоянно модифицирует­ся, определим основные термины в рамках данной книги:

 

Ø Пользователь— специалист предметной области, для которого преднаначена система. Обычно его квалификация недостаточно высока и поэтому он нуждается в помощи и поддержке своей деятельности со стороны ЭС.

Ø Инженер по знаниям — специалист в области искусственного интеллекта, выступающий в роли промежуточного буфера между экспертом и базой знаний. Синонимы: когнитолог, инженер-интерпретатор, аналитик.

Ø Интерфейс пользователя — комплекс программ, реализующих диалог пользователя с ЭС как на стадии ввода информации, так и при получении результатов.

Ø База знаний (БЗ) — ядро ЭС, совокупность знаний предметной области, записанная на машинный носитель в форме, понятной эксперту и пользователю (обычно на некотором языке, приближенном к естественному).

Параллельно такому "человеческому" представлению существует БЗ во внутреннем "машинном" представлении.

Ø Решатель — программа, моделирующая ход рассуждений эксперта на основании знаний, имеющихся в БЗ. Синонимы: дедуктивная машина, машина вывода, блок логического вывода.

Ø Подсистема 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 БЗ, т. е. всех шагов цепи умозаключений. Ответ на вопрос "почему" — ссылка на умозаключение, непосредственно предшествовавшее полученному решению, т. е. отход на один шаг назад. Развитые подсистемы объяснений поддерживают и другие типы вопросов.

Ø Интеллектуальный редактор БЗ — программа, представляющая инженеру по знаниям возможность создавать БЗ в диалоговом режиме. Включает в себя систему вложенных меню, шаблонов языка представления знаний, подсказок ("help" — режим) и других сервисных средств, облегчающих работу с базой.

Еще раз следует подчеркнуть, что представленная на рис. 1.12 структура яв­ляется минимальной, что означает обязательное присутствие указанных на ней блоков. Если система объявлена разработчиками как экспертная, только наличие всех этих блоков гарантирует реальное использование аппарата об­работки знаний. Однако промышленные прикладные ЭС могут быть су­щественно сложнее и дополнительно включать базы данных, интерфейсы обмена данными с различными пакетами прикладных программ, электрон­ными библиотеками и т. д.


mylektsii.ru - Мои Лекции - 2015-2018 год. (0.006 сек.)Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав Пожаловаться на материал