Основы теории экспертных систем

СОДЕРЖАНИЕ

Введение 2

1 Основы теории экспертных  систем 5

1.1 Классификации экспертных  систем 8

1.2 Этапы разработки  экспертных систем 11

1.3 Инструментальные средства  разработки экспертных систем 13

2 Описание предметной  области 15

3 Описание экспертной  системы 17

4 Алгоритм работы экспертной  системы 20

5 Реализация пользовательского  интерфейса 24

6 Результат работы  экспертной системы 26

Заключение 29

Список используемых источников 30

Приложение А 31

 

ВВЕДЕНИЕ

Искусственный интеллект, как научная дисциплина, состоит из нескольких крупных течений. Одно из них – экспертные системы.

Экспертные системы – это направление исследований в области искусственного интеллекта по созданию вычислительных систем, умеющих принимать решения, схожие с решениями экспертов в заданной предметной области.

Как правило, экспертные системы создаются для решения практических задач в некоторых узкоспециализированных областях, где большую роль играют знания «бывалых» специалистов. Экспертные системы были первыми разработками, которые смогли привлечь большое внимание к результатам исследований в области искусственного интеллекта.

Экспертные системы имеют одно большое отличие от других систем искусственного интеллекта: они не предназначены для решения каких–то универсальных задач, как например нейронные сети или генетические алгоритмы. Экспертные системы предназначены для качественного решения задач в определенной разработчиками области, в редких случаях – областях.[1]

Экспертное знание – это сочетание теоретического понимания проблемы и практических навыков ее решения, эффективность которых доказана в результате практической деятельности экспертов в данной области. Фундаментом экспертной системы любого типа является база знаний, которая составляется на основе экспертных знаний специалистов. Правильно выбранный эксперт и удачная формализация его знаний позволяет наделить экспертную систему уникальными и ценными знаниями. 

Первую экспертную систему, которую назвали Dendral, разработали в Стэнфорде в конце 1960–х г.г. Эта была экспертная система, определяющая строение органических молекул по химическим формулам и спектрографическим данным о химических связях в молекулах.

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.[2]

 

 

 

 

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[3];

В своей жизни многие сталкиваются с проблемой выбора подарка для близкого человека, поэтому тема данного курсового проекта: «Разработка экспертной системы выбора растения в качестве подарка» является актуальной.

Целью проекта является подбор растения в подарок, учитывая особенности внешности, характера, рода деятельности и вкусовых предпочтений получателя.

Для достижения данной цели были поставлены следующие задачи:

1. выявить предпочтения дарящего и получателя;
2. изучить классификацию растений;
3. выявить ассоциативные соответствия между данными, полученными от пользователя и различными представителями царства растений;
4. разработать систему в среде CLIPS;
5. разработать понятный для пользователя интерфейс обращения к системе.

 

 

 

 

 

 

1   Основы теории экспертных систем

1.1 Классификации экспертных систем

Общепринятая классификация экспертных систем отсутствует, однако наиболее часто экспертные системы различают по назначению, предметной области, методам представления знаний, динамичности и сложности. Классификация экспертных систем изображена рисунке 1:

Рисунок 1 – Классификация  экспертных систем

По назначению классификацию экспертных систем можно провести следующим образом:

– диагностика состояния систем, в том числе мониторинг (непрерывное отслеживание текущего состояния);

– прогнозирование развития систем на основе моделирования прошлого и настоящего;

– планирование и разработка мероприятий в организационном и технологическом управлении;

– проектирование или выработка четких предписаний по построению объектов, удовлетворяющих поставленным требованиям;

– автоматическое управление (регулирование);

– обучение пользователей и др[4].

По предметной области наибольшее количество экспертных систем используется в военном деле, геологии, инженерном деле, информатике, космической технике, математике, медицине, метеорологии, промышленности, сельском хозяйстве, управлении процессами, физике, филологии, химии, электронике, юриспруденции.

Классификация экспертных систем по методам представления знаний делит их на традиционные и гибридные. Традиционные экспертные системы используют, в основном, эмпирические модели представления знаний и исчисление предикатов первого порядка. Гибридные экспертные системы используют все доступные методы, в том числе оптимизационные алгоритмы и концепции баз данных[5].

По степени сложности экспертные системы делят на поверхностные и глубинные. Поверхностные экспертные системы представляют знания в виде правил «ЕСЛИ–ТО». Условием выводимости решения является безобрывность цепочки правил. Глубинные экспертные системы обладают способностью при обрыве цепочки правил определять (на основе метазнаний) какие действия следует предпринять для продолжения решения задачи. Кроме того, к сложным относятся предметные области в которых текст записи одного правила на естественном языке занимает более 1/3 страницы.

Классификация экспертных систем по динамичности делит экспертные системы на статические и динамические. Предметная область называется статической, если описывающие ее исходные данные не изменяются во времени. Статичность области означает неизменность описывающих ее исходных данных. При этом производные данные (выводимые из исходных) могут и появляться заново, и изменяться (не изменяя, однако, исходных данных)[4].

Если исходные данные, описывающие предметную область, изменяются за время решения задачи, то предметную область называют динамической. В архитектуру динамической экспертной системы, по сравнению со статической, вводятся два компонента:

– подсистема моделирования внешнего мира;

– подсистема связи с внешним окружением.

Последняя осуществляет связи с внешним миром через систему датчиков и контроллеров. Кроме того, традиционные компоненты статической экспертной системы (база знаний и механизм логического вывода) претерпевают существенные изменения, чтобы отразить временную логику происходящих в реальном мире событий[6].

 

 

 

 

1.2 Этапы разработки экспертной системы

В ходе работ по созданию ЭС сложилась определенная технология их разработки, включающая шесть следующих этапов, изображенных на рисунке 1:

Рисунок 2 – Этапы разработки ЭС

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[7].

На этапе выполнения осуществляется наполнение экспертом базы знаний. В связи с тем, что основой ЭС являются знания, данный этап является наиболее важным и наиболее трудоемким этапом разработки ЭС. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, понятном ЭС. Процесс приобретения знаний осуществляется инженером по знаниям на основе анализа деятельности эксперта по решению реальных задач.

Создание первого прототипа должно подтвердить, что выбранные методы решений и способы представления пригодны для успешного решения, по крайней мере, ряда задач из актуальной предметной области, а также продемонстрировать тенденцию к получению высококачественных и эффективных решений для всех задач предметной области по мере увеличения объема знаний.[8]

В ходе этапа тестирования производится оценка выбранного способа представления знаний в ЭС в целом. Для этого инженер по знаниям подбирает примеры, обеспечивающие проверку всех возможностей новой ЭС.

Критерии оценки ЭС зависят от точки зрения. При тестировании промышленной системы превалирует точка зрения инженера по знаниям, которого в первую очередь интересует вопрос оптимизации представления и манипулирования знаниями. И, наконец, при тестировании ЭС после опытной эксплуатации оценка производится с точки зрения пользователя, заинтересованного в удобстве работы и получения практической пользы.

На этапе опытной эксплуатации проверяется пригодность экспертных систем для конечного пользователя. Пригодность экспертных систем для пользователя определяется в основном удобством работы с ней и ее полезностью. Под полезностью ЭС понимается ее способность в ходе диалога определять потребности пользователя, выявлять и устранять причины неудач в работе, а также удовлетворять указанные потребности пользователя (решать поставленные задачи). В свою очередь, удобство работы с ЭС подразумевает естественность взаимодействия с ней (общение в привычном, не утомляющем пользователя виде), гибкость ЭС (способность системы настраиваться на различных пользователей, а также учитывать изменения в квалификации одного и того же пользователя) и устойчивость системы к ошибкам (способность не выходить из строя при ошибочных действиях неопытного пользователях)[6].

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

          1.3  Структура экспертной системы

Выделяют два типа экспертных систем: статические и динамические. Статические экспертные системы используются в тех приложениях, где можно не учитывать изменения окружающего мира, происходящие за время решения задачи. Первые экспертные системы, получившие практическое использование, были статическими. Динамические экспертные системы по сравнению со статическими содержат дополнительно два следующих компонента: подсистему моделирования внешнего мира и подсистему взаимодействия с внешним миром. Структура статической экспертной системы представлена на рисунке 3:

Рисунок 3 – Структура статической ЭС