Назначение экспертных систем

Автор работы: Пользователь скрыл имя, 09 Мая 2012 в 14:15, реферат

Краткое описание

В начале восьмидесятых годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название "экспертные системы" (ЭС). Цель исследований по ЭС состоит в разработке программ, которые при решении задач, трудных для эксперта-человека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом. Исследователи в области ЭС для названия своей дисциплины часто используют также термин "инженерия знаний", введенный Е.Фейгенбаумом как "привнесение принципов и инструментария исследований из области искусственного интеллекта в решение трудных прикладных проблем, требующих знаний экспертов".

Содержимое работы - 1 файл

Документ Microsoft Office Word (2).docx

— 121.53 Кб (Скачать файл)

Интерпретируемые  знания можно разделить на предметные знания, управляющие знания и знания о представлении. Знания о представлении содержат информацию о том, каким образом (в каких структурах) в системе представлены интерпретируемые знания.

Предметные знания содержат данные о предметной области  и способах преобразования этих данных при решении поставленных задач. Отметим, что по отношению к предметным знаниям знания о представлении  и знания об управлении являются метазнаниями. В предметных знаниях можно выделить описатели и собственно предметные знания. Описатели содержат определенную информацию о предметных знаниях, такую, как коэффициент определенности правил и данных, меры важности и сложности. Собственно предметные знания разбиваются на факты и исполняемые утверждения. Факты определяют возможные значения сущностей и характеристик предметной области. Исполняемые утверждения содержат информацию о том, как можно изменять описание предметной области в ходе решения задач. Говоря другими словами, исполняемые утверждения - это знания, задающие процедуры обработки. Однако мы избегаем использовать термин "процедурные знания", так как хотим подчеркнуть, что эти знания могут быть заданы не только в процедурной, но и в декларативной форме.

Управляющие знания можно разделить на фокусирующие и решающие. Фокусирующие знания описывают, какие знания следует использовать в той или иной ситуации. Обычно фокусирующие знания содержат сведения о наиболее перспективных объектах или правилах, которые целесообразно использовать при проверке соответствующих гипотез (см. п. 9.2). В первом случае внимание фокусируется на элементах рабочей памяти, во втором - на правилах базы знаний. Решающие знания содержат информацию, используемую для выбора способа интерпретации знаний, подходящего к текущей ситуации. Эти знания применяются для выбора стратегий или эвристик, наиболее эффективных для решения данной задачи.

Качественные  и количественные показатели экспертной системы могут быть значительно  улучшены за счет использования метазнании, т.е. знаний о знаниях. Метазнания не представляют некоторую единую сущность, они могут применяться для достижения различных целей. Перечислим возможные назначения метазнаний :

1) метазнания  в виде стратегических метаправил  используются для выбора релевантных  правил ;

2) метазнания  используются для обоснования  целесообразности применения правил  из области экспертизы;

3) метаправила  используются для обнаружения  синтаксических и семантических  ошибок в предметных правилах;

4) метаправила  позволяют системе адаптироваться  к окружению путем перестройки  предметных правил и функций;

5) метаправила  позволяют явно указать возможности  и ограничения системы, т.е.  определить, что система знает,  а что не знает.

Вопросы организации  знаний необходимо рассматривать в  любом представлении, и их решение  в значительной степени не зависит  от выбранного способа (модели) представления. Выделим следующие аспекты проблемы организации знаний :

 организация  знаний по уровням представления  и по уровням детальности;

 организация  знаний в рабочей памяти;

 организация  знаний в базе знаний.

Уравни  представления и  уровни детальности

Для того чтобы экспертная система могла  управлять процессом поиска решения, была способна приобретать новые  знания и объяснять свои действия, она должна уметь не только использовать свои знания, но и обладать способностью понимать и исследовать их, т.е. экспертная система должна иметь знания о том, как представлены ее знания о проблемной среде. Если знания о проблемной среде назвать знаниями нулевого уровня представления, то первый уровень представления содержит метазнания, т.е. знания о том, как представлены во внутреннем мире системы знания нулевого уровня. Первый уровень содержит знания о том, какие средства используются для представления знаний нулевого уровня. Знания первого уровня играют существенную роль при управлении процессом решения, при приобретении и объяснении действий системы. В связи с тем, что знания первого уровня не содержат ссылок на знания нулевого уровня, знания первого уровня независимы от проблемной среды.

Число уровней  представления может быть больше двух. Второй Уровень представления  содержит сведения о знаниях первого  уровня, т.е. знания о представлении  базовых понятий первого уровня. Разделение знаний по уровням представления  обеспечивает расширение области применимости системы.

Выделение уровней  детальности позволяет рассматривать  знания с различной степенью подробности. Количество уровней детальности  во многом определяется спецификой решаемых задач, объемом знаний и способом их представления. Как правило, выделяется не менее трех уровней детальности, отражающих соответственно общую, логическую и физическую организацию знаний. Введение нескольких уровней детальности  обеспечивает дополнительную степень  гибкости системы, так как позволяет  производить изменения на одном  уровне, не затрагивая другие. Изменения  на одном уровне детальности могут  приводить к дополнительным изменениям на этом же уровне , что оказывается  необходимым для обеспечения  согласованности структур данных и  программ. Однако наличие различных  уровней препятствует распространению  изменений с одного уровня на другие.

Организация знаний в рабочей  системе

Рабочая память (РП) экспертных систем предназначена  для хранения данных. Данные в рабочей  памяти могут быть однородны или  разделяются на уровни по типам данных. В последнем случае на каждом уровне рабочей памяти хранятся данные соответствующего типа. Выделение уровней усложняет  структуру экспертной системы, но делает систему более эффективной. Например, можно выделить уровень планов , уровень агенды (упорядоченного списка правил, готовых к выполнению) и уровень данных предметной области (уровень решений).

В современных  экспертных системах данные в рабочей  памяти рассматриваются как изолированные  или как связанные. В первом случае рабочая память состоит из множества  простых элементов , а во втором - из одного или нескольких (при нескольких уровнях в РП) сложных элементов (например, объектов). При этом сложный  элемент соответствует множеству  простых, объединенных в единую сущность. Теоретически оба подхода обеспечивают полноту, но использование изолированных элементов в сложных предметных областях приводит к потере эффективности.

Данные в РП в простейшем случае являются константами и (или) переменными. При этом переменные могут трактоваться как характеристики некоторого объекта, а константы - как значения соответствующих характеристик. Если в РП требуется анализировать одновременно несколько различных объектов, описывающих текущую проблемную ситуацию, то необходимо указывать, к каким объектам относятся рассматриваемые характеристики. Одним из способов решения этой задачи является явное указание того, к какому объекту относится характеристика.

Если РП состоит  из сложных элементов, то связь между  отдельными объектами указывается  явно, например заданием семантических  отношений. При этом каждый объект может  иметь свою внутреннюю структуру. Необходимо отметить, что для ускорения поиска и сопоставления данные в РП могут  быть связаны не только логически, но и ассоциативно.

Организация знаний в базе данных

Показателем интеллектуальности системы с точки зрения представления  знаний считается способность системы  использовать в нужный момент необходимые (релевантные) знания. Системы, не имеющие средств для определения релевантных знаний, неизбежно сталкиваются с проблемой "комбинаторного взрыва". Можно утверждать, что эта проблема является одной из основных причин, ограничивающих сферу применения экспертных систем. В проблеме доступа к знаниям можно выделить три аспекта: связность знаний и данных, механизм доступа к знаниям и способ сопоставления.

Связность {агрегация) знаний является основным способом, обеспечивающим ускорение поиска релевантных знаний. Большинство специалистов пришли к убеждению, что знания следует организовывать вокруг наиболее важных объектов (сущностей) предметной области. Все знания, характеризующие некоторую сущность, связываются и представляются в виде отдельного объекта. При подобной организации знаний, если системе потребовалась информация о некоторой сущности, то она ищет объект, описывающий эту сущность, а затем уже внутри объекта отыскивает информацию о данной сущности. В объектах целесообразно выделять два типа связок между элементами: внешние и внутренние. Внутренние связки объединяют элементы в единый объект и предназначены для выражения структуры объекта. Внешние связки отражают взаимозависимости, существующие между объектами в области экспертизы. Многие исследователи классифицируют внешние связки на логические и ассоциативные. Логические связки выражают семантические отношения между элементами знаний. Ассоциативные связки предназначены для обеспечения взаимосвязей, способствующих ускорению процесса поиска релевантных знаний.

Основной проблемой  при работе с большой базой  знаний является проблема поиска знаний, релевантных решаемой задаче. В связи  с тем, что в обрабатываемых данных может не содержаться явных указаний на значения, требуемые для их обработки, необходим более общий механизм доступа, чем метод прямого доступа (метод явных ссылок). Задача этого  механизма состоит в том, чтобы  по некоторому описанию сущности , имеющемуся в рабочей памяти, найти , базе знаний объекты, удовлетворяющие этому  описанию. Очевидно, что упорядочение и структурирование знаний могут  значительно ускорить процесс поиска.

Нахождение желаемых объектов в общем случае уместно  рассматривать как двухэтапный  процесс. На первом этапе, соответствующем  процессу выбора по ассоциативным связкам, совершается предварительный выбор  в базе знаний потенциальных кандидатов на роль желаемых объектов. На втором этапе  путем выполнения операции сопоставления  потенциальных кандидатов с описаниями кандидатов осуществляется окончательный  выбор искомых объектов. При организации  подобного механизма доступа  возникают определенные трудности: Как выбрать критерий пригодности  кандидата? Как организовать работу в конфликтных ситуациях? и т.п.

Операция сопоставления  может использоваться не только как  средство выбора нужного объекта  из множества кандидатов; она может  быть использована для классификации, подтверждения, декомпозиции и коррекции. Для идентификации неизвестного объекта он может быть сопоставлен  с некоторыми известными образцами. Это позволит классифицировать неизвестный  объект как такой известный образец, при сопоставлении с которым  были получены лучшие результаты. При поиске сопоставление используется для подтверждения некоторых кандидатов из множества возможных. Если осуществлять сопоставление некоторого известного объекта с неизвестным описанием, то в случае успешного сопоставления будет осуществлена частичная декомпозиция описания.

Операции сопоставления  весьма разнообразны. Обычно выделяют следующие их формы: синтаксическое, параметрическое, семантическое и принуждаемое сопоставления. В случае синтаксического сопоставления соотносят формы (образцы), а не содержание объектов. Успешным является сопоставление, в результате которого образцы оказываются идентичными. Обычно считается, что переменная одного образца может быть идентична любой константе (или выражению) другого образца. Иногда на переменные, входящие в образец, накладывают требования, определяющие тип констант, с которыми они могут сопоставляться. Результат синтаксического сопоставления является бинарным: образцы сопоставляются или не сопоставляются . В параметрическом сопоставлении вводится параметр, определяющий степень сопоставления. В случае семантического сопоставления соотносятся не образцы объектов, а их функции. В случае принуждаемого сопоставления один сопоставляемый образец рассматривается с точки зрения другого. В отличие от других типов сопоставления здесь всегда может быть получен положительный результат. Вопрос состоит в силе принуждения. Принуждение могут выполнять специальные процедуры, связываемые с объектами. Если эти процедуры не в состоянии осуществить сопоставление, то система сообщает, что успех может быть достигнут только в том случае, если определенные части рассматриваемых сущностей можно считать сопоставляющимися.

Методы  поиска решений в  экспертных системах

Методы решения  задач, основанные на сведении их к  поиску, зависят от

психодиагностика  в психосоматике, а также другие системы. особенностей предметной области, в которой решается задача, и от требований, предъявляемых пользователем  к решению. Особенности предметной области с точки зрения методов  решения можно характеризовать  следующими параметрами:

 размер, определяющий  объем пространства, в котором  предстоит искать решение;

 изменяемость  области, характеризует степень  изменяемости области во времени  и пространстве (здесь будем выделять  статические и динамические области);

 полнота модели, описывающей область, характеризует  адекватность модели, используемой  для описания данной области.  Обычно если модель не полна,  то для описания области используют  несколько моделей, дополняющих  друг друга за счет отражения  различных свойств предметной  области;

 определенность  данных о решаемой задаче, характеризует  степень точности (ошибочности) и  полноты (неполноты) данных. Точность (ошибочность) является показателем  того, что предметная область  с точки зрения решаемых задач  описана точными или неточными  данными; под полнотой (неполнотой) данных понимается достаточность  (недостаточность) входных данных  для однозначного решения задачи.

Информация о работе Назначение экспертных систем