Вопрос 3. Экспертные системы

Традиционные информационные системы независимо от доступных средств или применяемых технологий обеспечивают пользователя «сырой» информацией без каких-либо дополнительных пояснений. Они просто обрабатывают и распространяют данные, хранящиеся в базе данных. Системы поддержки принятия решений состоят не только из базы данных, но также из базы, содержа­щей техники, методы, прогнозы и статистику, что делает возможным комплексную обработку доступной информации. Они дают возможность «индивидуализированного» вывода информации, соответствующего потребностям пользователя. Основной возможностью систем поддержки принятия решений является их способность предоставления ответов на вопросы типа «что, если».

Экспертные системы — это специализированные системы, которые могут заменить живого эксперта в определенных областях знаний. Они имитируют рассуждения живых экспертов по определенным предметам и иногда называются интеллектуальными помощниками.

Экспертная система:

• полностью заменяет живого эксперта;

• охватывает узкую, специфичную область знаний;

• поясняет цепочку заключений (разъясняет, каким путем она пришла к какому-либо выводу);

• при работе со стохастической задачей для каждой альтернативы предоставляет степень се вероятности.

Количество инструментов и приложений по экспертным системам удваивается каждый год, особенно для персональных компьютеров. Сегодня существует масса коммерческих прикладных экспертных систем для различных типов производства, обслуживания и других видов организаций. Среди многочисленных причин, обуславливающих разработку экспертной системы в какой-либо предметной области, можно назвать следующие:

• использование экспертной системы выгоднее, чем привлечение реальных экспертов;

• в большинстве организаций реальных экспертов мало и всем не хватает;

• число информационных продуктов выросло невероятно — актуальным экспертам за ними не угнаться;

• недостаток актуальных экспертов, способных выполнять ту или иную работу;

• обучать новых экспертов дорого и долго;

• программное и аппаратное обеспечение, необходимое для системы с базой знаний, ощутимо подешевело;

• более быстрый отклик на быстроменяющееся окружение.

В большинстве видов бизнеса экспертные системы будут играть важную роль и могут оказаться даже важнее, чем появление компьютеров.

Компоненты

В основе современных экспертных систем лежат различные подходы, технологии и компьютерные конфигурации, поэтому не существует каких-либо стандартных решений. Большинство экспертных систем имеют три общих компонента:

• базу знаний;

• управляющую программу;

• механизм выработки решений

Основным элементом экспертной системы является база знаний. Ее ценность зависит от качества ее содержимого и динамичности, с которой она может адаптироваться к изменениям в предметной области. Она состоит из декларативных (факты, понятия) и процедурных знаний (правила и действия), которые используются экспертами при решении задач. База знаний проектируется специалистами по разработке баз знаний и экспертами в предметной области таким образом, чтобы она отображала навыки экспертов, их знания и опыт. Знания в базе представляются посредством продукционных правил, семантических сетей, фреймов и других способов представления знаний.

Продукционные правила являются наиболее распространенной формой представления знаний. Они состоят из предпосылок и заключения. Предпосылки представляют собой условия в форме оператора «ЕСЛИ» и выражают часть декларативных знаний. Заключение представляет собой решение в виде оператора «ТО», Оно описывает действие, которое будет предпринято в соответствии с процедурными знаниями. Завершенная база знаний может содержать от десятка до нескольких тысяч таких процедурных правил. Пример продукционного правила приведен ниже.

ЕСЛИ завтра пятница и

ЕСЛИ по пятницам проводится собрание совета в 15-00,

ТО завтра в 15-00 члены совета должны присутствовать на собрании.

Семантическая сеть является способом визуального описания связей между любыми видами объектов. Она состоит из узлов (например, людей, мест, предме­тов, понятий, событий или действий) и связей (взаимоотношении между узлами типа «является», «имеет», «сделай из» и т. п.). Семантические сети используются разработчиками систем с базой знаний для определения тех элементов базы знаний, которые связаны с декларативным описанием объектов, связей и взаимоотношений. Семантические сети наиболее широко используются при подтверждении правильности знаний экспертами в данной предметной области. Пример семантической сети приведен на рис. 4.3.

Фрейм также является структурой для представления отдельных частей знаний. В противоположность семантическим сетям, здесь знания сгруппированы в отдельную единицу, называемую фреймом. Фрейм имеет матричную структуру и содержит взаимосвязанные знания, касающиеся характеристик понятия, значения характеристик и соответствующие модели поведения. Специалисты по зна­ниям используют фреймы для представления в базе знаний декларативных и процедурных знаний. Пример приведен на рис. 4.4.

Управляющая программа (также называемая машиной вывода или интерпретатором правил) — это процедура, контролирующая процесс рассуждений, проводимый па базе знаний. Она направляет поиск по базе знаний, целью которого является получение какого-либо факта, решения или выбор следующего действия. Управляющая программа может взаимодействовать с пользователем системы, когда факт или правило не найдены в базе знаний. Также управляющая програм­ма управляет работой системы путем выбора правил, их оценки, исполнения и определения параметров изображения.

Рис. 4.3. Семантическая сеть

Рис.4.4 Фрейм

Механизм выработки решений является третьей важной составляющей экспертной системы. Его основные элементы — пользовательский интерфейс и средства по объяснению хода рассуждений. Пользовательский интерфейс делает возмож­ным разъяснение задачи, предоставление запрошенной информации и получение советов или предложений от экспертной системы. Работу пользовательского интерфейса обеспечивают различные устройства ввода (клавиатура, устройства считывания рукописной информации, голосовых данных, сенсорные экраны, мышь) и вывода (монитор, принтер, голосовое устройство). Выводимая информация, предназначенная для пользователя, включает в себя правила, графические объекты и изображения, пояснения, вспомогательные сообщения и решения.

Средства разъяснения задачи есть в любой экспертной системе. Они предназначены для поддержки пользователя в случаях, когда возникает необходимость дополнительных коммуникаций с системой: например, когда опции, предоставляемые системой, непонятны пользователю, или выводы сомнительны, или пользователь хочет узнать правила, па основе которых было принято решение. Средств; разъяснения также имеют большое значение при обучении и тренировке.

Классификация

Как правило, экспертные системы классифицируются в соответствии с размером базы знаний; они могут быть небольшими (менее 500 правил), средними (от 50 до 10 тыс. правил) и большими (более 10 тыс. правил). Однако ввиду стремительного развития аппаратного и программного обеспечения эта классификация уже устарела.

В зависимости от методики разработки, экспертные системы делятся на систе­мы, создающиеся с помощью языков программирования (например, С, LISP или Pascal) или с помощью оболочки. Оболочки представляют собой компьютерные программы, в которых реализованы механизм представления знаний, управляющая программа, необходимая для обработки базы знаний, и пользовательский интерфейс.

В соответствии с подходом, использующимся при создании базы знаний, существуют продукционные системы (основаны на правилах), индукционные системы (основаны на примерах) и интегрированные экспертные системы. База знаний систем первого типа состоит из продукционных правил, построенных на понятиях условий («ЕСЛИ») и последующих действий («ТО»). Эти си­стемы переходят от условия к условию путем взаимодействия с пользователем. Такие системы являются наилучшим решением в случае, если декларативные и процедурные знания могут быть представлены в виде правил. Системы, основанные на примерах, генерируют правила, заключения и решения на основе примеров, имевших место в прошлом и хранящихся в базе знаний. Хотя в данных системах возможны ошибки из-за того, что выводы делаются на основе ограниченного набора примеров, они являются наилучшим решением в случае, когда правила неизвестны и системе приходится иметь дело с прогнозами, суждениями и эвристическими знаниями. В основе интегрированных систем лежат разнообразные методики проектирования баз знаний и поиска в них. В таких системах могут сочетаться использование продукционных правил, фреймов или дедукции с индукционными примерами.

Что касается подхода к имитации человеческого способа рассуждений, существуют дедуктивные и индуктивные экспертные системы. Дедуктивные системы, так же как и продукционные системы, используют правила для того, чтобы прийти к каким-либо заключениям путем дедуктивных рассуждений. Наиболее распространенными примерами применения дедуктивного рассуждения в системах с базой знаний являются: объединение (интеграция отдельных частей в единое целое); планирование (последовательность событий, необходимых для выполнения задачи); проектирование (применение известных принципов для создания чего-либо нового). Индуктивные системы интерпретируют базу знаний как основанную на примерах и производят оценку с использованием индуктивных рассуждений. Наиболее распространенными образцами применения индуктивного рассуждения в системах с базой знании являются: постановка диагноза (определение причин задачи); тестирование (определение соответствия каким-либо критериям); и прогнозирование (экстраполяция известных результатов на область будущего).

Экспертные системы бывают либо автономными, либо встроенными. Автономные программы запускаются как отдельное приложение. Встроенная экспертная система является частью другой программы. Она может быть либо частью стандартной программы, и тогда доступ к ней осуществляется по необходимости, либо она может выполняться одновременно с другими приложениями.

Татхилл (Tuthill, 1990) классифицирует экспертные системы в соответствии с уровнем рабочих характеристик. Системы более высокого уровня обеспечивают функционирование систем более низких уровней. Системы с базой знаний 0-го уровня самодостаточны и не обращаются за пределы своей базы знаний. Такие системы автоматически выводят на экран используемые правила, предоставляют объяснения и распечатывают простые отчеты. Системы 1-го уровня используют обращения к внешним программам и обеспечивают обмен данными между пользователем и периферийными устройствами. Системы 2-го уровня построены с использованием обратной связи. Посредством замкнутого контура они отслеживают процесс, выявляют нестандартные ситуации и отправляют сообщения с целью модификации контролируемых операций. Системы 3-го уровня предлагают более высокий уровень функциональности при работе с различными приложениями и работе в различных программных и аппаратных средах. Системы 4-го уровня могут обучаться и автоматически изменять свою базу знаний. Такие системы можно встретить только в исследовательских лабораториях.

Экспертные системы также классифицируются по областям их применения:

• производственные экспертные системы предназначены для повышения эффективности различных стадий производственного процесса (планирования, проектирования, производства, контроля);

• финансовые экспертные системы используются при управлении денежными средствами (в банковском деле, бухгалтерском учете, страховании);

• образовательные экспертные системы предназначены для разработки и непосредственного осуществления процесса обучения (обучения в школе, профессионального обучения, медиа);

• медицинские экспертные системы используются при диагностике, анализе симптомов, выписке лекарств и определении методов терапии;

• научные экспертные системы используются во всех областях науки, вплоть до анатомии и зоологии;

• военные экспертные системы используются для разработки стратегии и тактики военных действий и для других военных целей;

• общественные экспертные системы, предоставляющие разнообразные интеллектуальные услуги, от игр и домашнего бюджета до юридических консультаций и прогноза погоды.

По своему предназначению экспертные системы бывают трех типов: совещательные и консультативные системы; экспертные системы, замещающие «живое» принятие решений, и экспертные системы для создания нового опыта в какой-либо конкретной предметной области. Уотерман (Waterman, 1986) считает, что существует десять видов предназначения экспертных систем:

• интерпретация, или формирование описаний на базе сенсорных данных;

• прогнозирование, или определение последствий каких-либо ситуаций;

• диагностика, или определение причин неисправностей по видимым проявлениям; проектирование, или создание объектов в соответствии с заданными характеристиками;

• планирование, или определение последовательности действий;

• мониторинг, или сравнение результатов наблюдений с ожидаемыми результатами;

• отладка, или определение способов устранения неисправностей;

• ремонт, или устранение неисправностей по предписанному плану;

• инструкции, или постановка диагноза и предписание определенных действий;

• контроль, или управление поведением всей системы.

Хотя основная цель современных пользователей — получение долговременной денежной выгоды, применение систем с базой знаний ограничено только человеческим воображением.

Разработка

Процесс создания экспертной системы начинается с постановки задачи и определения перспектив. Когда задача определена, начинается процесс создания прототипа. Создание прототипа — наиболее трудоемкая стадия процесса и подразумевает интервьюирование экспертов в интересующей области и изучение других источников знаний с целью сбора материала, необходимого для создания базы знаний. Когда определена методика (методики) представления знаний, создается код системы и первый рабочий прототип системы. Затем он выносится на суд экспертов и пользователей, и выслушиваются их комментарии. Результатом этого итерационного процесса является серия новых прототипов, в которые внесены изменения в соответствии с высказанными пожеланиями. Наконец, приступают к производству системы, ее реализации, и если это необходимо, то дальнейшей поддержке системы с целью улучшения ее функциональности. Большинство систем с базой знаний остаются незавершенными в связи с ростом и повышением сложности знаний в предметной области. Их надо постоянно обновлять.