Лабораторная работа по "Информатике"

 

 

                                           ЛАБОРАТОРНАЯ    РАБОТА  №  7

                                   Тема:     Экспертные системы

  В начале 80-х годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление , получившее название ЭКСПЕРТНЫЕ СИСТЕМЫ (ЭС). Предтечи экспертных систем были предложены в 1832 году С.Н. Корсаковым создавшим механические устройства, так называемые «интеллектуальные машины» ,позволявшие находить решения по заданным условиям, например определять наиболее подходящие лекарства по наблюдаемым у пациента симптомам заболевания.

Цель исследований по ЭС состоит в разработке программ, которые используются при решении задач, трудные для эксперта-человека, получают результаты, не уступающие качеству и эффективности решениям, получаемым экспертом. Исследователем в области ЭС для названия своей дисциплины часто используют так же термин «Инженерия знаний», введенный Е. Фейтенбаумом как «Привнесение принципов и инструментария исследований из области искусственного интеллекта в решение трудных прикладных проблем, требующих знаний экспертов» Програмные средства базирующиеся на технологии Экспертных систем получили значительное распространение в мире.

  В информатике экспертные системы рассматриваются совместно с базами знаний как модели поведения экспертов в определенной области знаний с использованием процедур логического вывода и принятия решений, а  базы знаний как совокупность фактов и правил логического вывода в выбранной предметной области деятельности похожие действия выполняет такой программный инструмент такой как мастер(wizard). Мастера применяются как в системных программах, так ив прикладных  для упрощения интерактивного общения с пользователем(например при установке  ПО).Главное отличие мастеров от экспертных систем- отсутствие базы данных, все действия жестко запрограмированны. Это просто набор форм для заполнения пользователем. Другие подобные программы – поисковые или справочные (энциклопедические) системы. По запросу пользователя они предоставляют наиболее подходящие релевантные разделы базы статей(представления об объектах областей знаний, их виртуальную модель).

С Экспертными Системами связаны некоторые распространенные  заблуждения: заблуждение  первое: ЭС  будут делать не более(а скорее даже менее) того, что может эксперт- человек, создавший данную систему. Для опровержения данного постулата можно построить самообучающуюся ЭС в области, в которой вообще нет экспертов, либо объединить  в одной ЭС  знания  нескольких экспертов, и получить в результате систему, которая может то, что ни один из её создателей  не может.

Заблуждение второе: ЭС  никогда не заменят человека-эксперта. Уже заменяют, иначе зачем бы их создавали.

 Важность экспертных систем состоит в следующем:

технология экспертных систем существенно расширяет круг практически значимых задач, решаемых на компьютерах, решение которых  приносит значительный экономический  эффект;

технология ЭС является важнейшим средством в решении глобальных проблем традиционного программирования: длительность и, следовательно, высокая стоимость разработки сложных приложений;

высокая стоимость  сопровождения сложных систем, которая  часто в несколько раз превосходит  стоимость их разработки; низкий уровень  повторной используемости программ и т.п.;

 объединение технологии ЭС с технологией традиционного программирования добавляет новые качества к программным продуктам за счет: обеспечения динамичной модификации приложений пользователем, а не программистом; большей "прозрачности" приложения (например, знания хранятся на ограниченном ЕЯ, что не требует комментариев к знаниям, упрощает обучение и сопровождение); лучшей графики; интерфейса и взаимодействия.

По мнению ведущих  специалистов , в недалекой перспективе ЭС будут играть ведущую роль во всех фазах проектирования, разработки, производства, распределения, продажи, поддержки и оказания услуг;

ЭС предназначены для так называемых неформализованных задач, т.е. ЭС не отвергают и не заменяют традиционного подхода к разработке программ, ориентированного на решение формализованных задач. Неформализованные задачи обычно обладают ошибочностью, неоднозначностью, неполнотой и противоречивостью исходных данных, большой размерностью пространства решения, т.е. перебор при поиске решения весьма велик;

Следует подчеркнуть, что неформализованные задачи представляют большой и очень важный класс  задач. Многие специалисты считают, что эти задачи являются наиболее массовым классом задач, решаемых ЭВМ.

Экспертные системы и системы искусственного интеллекта отличаются от систем обработки данных тем, что в них в основном используются символьный (а не числовой) способ представления, символьный вывод и эвристический поиск решения (а не исполнение известного алгоритма). Экспертные системы применяются для решения только трудных практических (не игрушечных) задач. По качеству и эффективности решения экспертные системы не уступают решениям эксперта-человека. Решения экспертных систем обладают "прозрачностью", т.е. могут быть объяснены пользователю на качественном уровне. Это качество экспертных систем обеспечивается их способностью рассуждать о своих знаниях и умозаключениях. Экспертные системы способны пополнять свои знания в ходе взаимодействия с экспертом. Необходимо отметить, что в настоящее время технология экспертных систем используется для решения различных типов задач (интерпретация, предсказание, диагностика, планирование, конструирование, контроль, отладка, инструктаж, управление ) в самых разнообразных проблемных областях, таких, как финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, металлургия, горное дело, химия, образование, целлюлозно-бумажная промышленность, телекоммуникации и связь и др.

Коммерческие успехи к  фирмам-разработчикам систем искусственного интеллекта (СИИ) пришли не сразу. На протяжении 1960 - 1985 гг. успехи ИИ касались в основном исследовательских разработок, которые  демонстрировали пригодность СИИ  для практического использования. Начиная примерно с 1985 г. (в массовом масштабе с 1988 - 1990 гг.), в первую очередь ЭС, а в последние годы системы, воспринимающие естественный язык (ЕЯ-системы), и нейронные сети (НС) стали активно использоваться в коммерческих приложениях.

                                  

Структура экспертных систем состоит из

• решателя (интерпретатора);
• рабочей памяти (РП), называемой также базой данных (БД);
• базы знаний (БЗ);
• компонентов приобретения знаний;
• объяснительного компонента;
• диалогового компонента.

 

 

База  данных (рабочая память) 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 (в первую очередь долгосрочных), хранимых в системе.

База  знаний (БЗ) в ЭС 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 рабочей памяти и знания из БЗ, формирует такую последовательность правил, которые, будучи примененными к исходным данным, приводят к решению задачи.

Компонент приобретения знаний автоматизирует процесс наполнения ЭС знаниями, осуществляемый пользователем-экспертом.

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

Диалоговый  компонент ориентирован на организацию дружественного общения с пользователем как в ходе решения задач, так и в процессе приобретения знаний и объяснения результатов работы.

В разработке ЭС участвуют  представители следующих специальностей:

эксперт в проблемной области, задачи которой будет решать ЭС;

инженер по знаниям - специалист по разработке ЭС (используемые им технологию, методы называют технологией (методами) инженерии знаний);

программист по разработке инструментальных средств (ИС), предназначенных  для ускорения разработки ЭС.

Необходимо отметить, что  отсутствие среди участников разработки инженеров по знаниям (т. е. их замена программистами) либо приводит к неудаче  процесс создания ЭС, либо значительно  удлиняет его.

"Почему система  задает тот или иной вопрос?", "как ответ, собираемый системой, получен?".

 Статические ЭС данного типа используются в тех приложениях, где можно не учитывать изменения окружающего мира, происходящие за время решения задачи. Первые ЭС, получившие практическое использование, были статическими.

На рис. 1.2 показано, что  в архитектуру динамической ЭС по сравнению со статической ЭС вводятся два компонента: подсистема моделирования внешнего мира и подсистема связи с внешним окружением. Последняя осуществляет связи с внешним миром через систему датчиков и контроллеров. Кроме того, традиционные компоненты статической ЭС (база знаний и машина вывода) претерпевают существенные изменения, чтобы отразить временную логику происходящих в реальном мире событий.

Этапы разработки экспертных систем

Разработка ЭС имеет существенные отличия от разработки обычного программного продукта. Опыт создания ЭС показал, что использование при их разработке методологии, принятой в традиционном программировании, либо чрезмерно затягивает процесс создания ЭС, либо вообще приводит к отрицательному результату.

Использовать ЭС следует только тогда, когда разработка ЭС возможна, оправдана и методы инженерии знаний соответствуют решаемой задаче. Чтобы разработка ЭС была возможной для данного приложения, необходимо одновременное выполнение по крайней мере следующих требований:

1) существуют эксперты  в данной области, которые решают  задачу значительно лучше, чем  начинающие специалисты;

2) эксперты сходятся в  оценке предлагаемого решения,  иначе нельзя будет оценить  качество разработанной ЭС;

3) эксперты способны вербализовать (выразить на естественном языке) и объяснить используемые ими методы, в противном случае трудно рассчитывать на то, что знания экспертов будут "извлечены" и вложены в ЭС;

4) решение задачи требует  только рассуждений, а не действий;

5) задача не должна  быть слишком трудной (т.е. ее  решение должно занимать у  эксперта несколько часов или  дней, а не недель);

6) задача хотя и не  должна быть выражена в формальном  виде, но все же должна относиться к достаточно "понятной" и структурированной области, т.е. должны быть выделены основные понятия, отношения и известные (хотя бы эксперту) способы получения решения задачи;

7) решение задачи не  должно в значительной степени  использовать "здравый смысл" (т.е. широкий спектр общих сведений  о мире и о способе его  функционирования, которые знает  и умеет использовать любой  нормальный человек), так как подобные  знания пока не удается (в  достаточном количестве) вложить  в системы искусственного интеллекта.

Использование ЭС в данном приложении может быть возможно, но не оправдано. Применение ЭС может быть оправдано одним из следующих факторов:

решение задачи принесет значительный эффект, например экономический;

использование человека-эксперта невозможно либо из-за недостаточного количества экспертов, либо из-за необходимости  выполнять экспертизу одновременно в различных местах;

использование ЭС целесообразно в тех случаях, когда при передаче информации эксперту происходит недопустимая потеря времени или информации;

использование ЭС целесообразно при необходимости решать задачу в окружении, враждебном для человека.

Приложение соответствует методам ЭС, если решаемая задача обладает совокупностью следующих характеристик:

1) задача может быть  естественным образом решена  посредством манипуляции с символами  (т.е. с помощью символических  рассуждений), а не манипуляций  с числами, как принято в  математических методах и в  традиционном программировании;

2) задача должна иметь  эвристическую, а не алгоритмическую  природу, т.е. ее решение должно  требовать применения эвристических  правил. Задачи, которые могут быть  гарантированно решены (с соблюдением  заданных ограничений) с помощью  некоторых формальных процедур, не подходят для применения  ЭС;

3) задача должна быть  достаточно сложна, чтобы оправдать  затраты на разработку ЭС. Однако она не должна быть чрезмерно сложной (решение занимает у эксперта часы, а не недели), чтобы ЭС могла ее решать;

4) задача должна быть  достаточно узкой, чтобы решаться  методами ЭС, и практически значимой.

В ходе работ по созданию ЭС сложилась определенная технология их разработки, включающая шесть следующих этапов (рис. 1.4):

идентификацию, концептуализацию, формализацию, выполнение, тестирование, опытную эксплуатацию. На этапе идентификации определяются задачи, которые подлежат решению, выявляются цели разработки, определяются эксперты и типы пользователей.

 

 

На этапе концептуализации проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.

На этапе формализации выбираются ИС и определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решений, средств представления и манипулирования знаниями.