Интеллектуальные средства разработки экспертных систем

Федеральная служба по интеллектуальной собственности, патентам и торговым знакам 

РОССИЙСКАЯ  ГОСУДАРСТВЕННАЯ  АКАДЕМИЯ ИНТЕЛЛЕКТУАЛЬНОЙ СОБСТВЕННОСТИ 

(РГАИС) 
 

Факультет управления интеллектуальной собственностью 
 

Кафедра управления инновациями и коммерциализация интеллектуальной собственности. 
 
 
 

Реферат 

по дисциплине Информационные технологии управления 
 
 

на тему:

«Интеллектуальные средства разработки

экспертных  систем» 
 
 
 
 
 
 

                          

                           Исполнитель:

                  Н.А.Люкманова

       Студент 812 группы 3 курса

                                   Дневного отделения 

          Преподаватель:

           доцент Л.Н. Устинова

                              
 
 
 
 
 
 
 
 
 

Москва

Введение

Технология экспертных систем является одним из направлений  новой области исследования, которая  получила наименование искусственного интеллекта. Исследования в этой области  сконцентрированы на разработке и внедрении  компьютерных программ, способных имитировать, воспроизводить те области деятельности человека, которые требуют мышления, определенного мастерства и накопленного опыта. К ним относятся задачи принятия решений, распознавания образов  и понимания человеческого языка. Эта технология уже успешно применяется  в некоторых областях техники  и жизни общества — органической химии, поиске полезных ископаемых, медицинской  диагностике. Вот в этом заключается  актуальность. А точнее актуальность темы моей работы заключается в том  что, именно интеллектуальные информационные технологии и экспертные системы  являются последними прогрессами науки  в области информатики и информационного  общества. 

Классификация экспертных систем

Одним из наиболее значительных достижений искусственного интеллекта стала разработка мощных компьютерных систем, получивших название "экспертных", или основанных на "знаниях" систем. В современном  обществе при решении задач управления сложными многопараметрическими и  сильно связанными системами, объектами, производственными и технологическими процессами приходится сталкиваться с решением неформализуемых либо трудноформализуемых задач. Такие задачи часто возникают в следующих областях: авиация, космос и оборона, нефтеперерабатывающая промышленность и транспортировка нефтепродуктов, химия, энергетика, металлургия, целлюлозно-бумажная промышленность, телекоммуникации и связь, пищевая промышленность, машиностроение, производство цемента, бетона и т. п. транспорт, медицина и фармацевтическое производство, административное управление, прогнозирование и мониторинг. Наиболее значительными достижениями в этой области стало создание систем, которые ставят диагноз заболевания, предсказывают месторождения полезных ископаемых, помогают в проектировании электронных устройств, машин и механизмов, решают задачи управления реакторами и другие задачи

Итак, под экспертной системой (ЭС) понимают программу, которая использует знания специалистов (экспертов) о некоторой конкретной узкоспециализированной предметной области и в пределах этой области способна принимать решения на уровне эксперта-профессионала. 

Главное достоинство  ЭС - возможность накапливать знания, сохранять их длительное время, обновлять  и тем самым обеспечивать относительную  независимость конкретной организации  от наличия в ней квалифицированных  специалистов. Накопление знаний позволяет  повышать квалификацию специалистов, работающих на предприятии, используя  наилучшие, проверенные решения. 
 

Осознание полезности систем, которые могут копировать дорогостоящие или редко встречающиеся  человеческие знания, привело к широкому внедрению и расцвету этой технологии в 1980-1990-е годы прошлого века. Основу успеха ЭС составили два важных свойства, отмечаемые рядом исследователей

• в ЭС знания отделены от данных, и мощность экспертной системы обусловлена в первую очередь мощностью базы знаний и только во вторую очередь — используемыми методами решения задач;
• решаемые ЭС задачи являются неформализованными или слабо формализованными и используют эвристические, экспериментальные, субъективные знания экспертов в определенной предметной области.

Основными категориями  решаемых ЭС задач являются: диагностика, управление (в том числе технологическими процессами), интерпретация, прогнозирование, проектирование, отладка и ремонт, планирование, наблюдение (мониторинг), обучение.

Обобщенная схема  ЭС приведена на рис. 6.2, здесь она более подробная, чем в предыдущей лекции. Основу ЭС составляет подсистема логического вывода, которая использует информацию из базы знаний (БЗ), генерирует рекомендации по решению искомой задачи. Чаще всего для представления знаний в ЭС применяются системы продукций и семантические сети. Допустим, БЗ состоит из фактов и правил (если <посылка>, то <заключение>). Если ЭС определяет, что посылка верна, то правило признается подходящим для данной консультации и запускается в действие. Запуск правила означает принятие заключения данного правила в качестве составной части процесса консультации.

Обязательными частями любой ЭС являются также  модуль приобретения знаний, модуль отображения  и объяснения решений. В большинстве  случаев реальные ЭС в промышленной эксплуатации работают также на основе баз данных (БД). 

 
Рис. 6.2.  Структура экспертной системы

Только одновременная  работа со знаниями и большими объемами информации из БД позволяет ЭС получить неординарные результаты, например, поставить  сложный диагноз (медицинский или  технический), открыть месторождение  полезных ископаемых, управлять ядерным  реактором в реальном времени.

Важную роль при создании ЭС играют инструментальные средства. Среди инструментальных средств для создания ЭС наиболее популярны такие языки программирования, как LISP и PROLOG, а также экспертные системы-оболочки (ЭСО): KEE, CENTAUR, G2 и GDA, CLIPS, АТ_ТЕХНОЛОГИЯ, предоставляющие в распоряжение разработчика — инженера по знаниям широкий набор для комбинирования систем представления знаний, языков программирования, объектов и процедур

Рассмотрим различные  способы классификации ЭС.

По назначению ЭС делятся на:

• ЭС общего назначения;
• специализированные ЭС.

В свою очередь, специализированные ЭС делятся на:

• проблемно-ориентированные для задач диагностики, проектирования, прогнозирования;
• предметно-ориентированные для специфических задач, например, контроля ситуаций на атомных электростанциях.

 

По степени  зависимости от внешней среды  выделяют:

• статические ЭС, не зависящие от внешней среды;
• динамические, учитывающие динамику внешней среды и предназначенные для решения задач в реальном времени. Время реакции в таких системах может задаваться в миллисекундах, и эти системы реализуются, как правило, на языке С++.

По типу использования  различают:

• изолированные ЭС;
• ЭС на входе/выходе других систем;
• гибридные ЭС или, иначе говоря, ЭС, интегрированные с базами данных и другими программными продуктами (приложениями).

По сложности  решаемых задач различают:

• простые ЭС — до 1000 простых правил;
• средние ЭС — от 1000 до 10000 структурированных правил;
• сложные ЭС — более 10000 структурированных правил.

По стадии создания выделяют:

• исследовательский образец ЭС, разработанный за 1-2 месяца с минимальной БЗ;
• демонстрационный образец ЭС, разработанный за 2-4 месяца, например, на языке типа LISP, PROLOG, CLIPS;
• промышленный образец ЭС, разработанный за 4-8 месяцев, например на языке типа CLIPS с полной БЗ;
• коммерческий образец ЭС, разработанный за 1,5-2 года, например на языке типа С++, Java с полной БЗ.

Технология разработки экспертных систем.

 Этапы разработки экспертных систем.

Процесс разработки промышленной экспертной системы, опираясь на традиционные технологии, можно  разделить на шесть более или  менее независимых этапов (рис 2.1.), практически не зависимых от предметной области.

Последовательность  этапов дана для общего представления  о создании идеального проекта. Конечно, последовательность эта не вполне фиксированная. В действительности каждый последующий  этап разработки ЭС приносит новые  идеи, которые могут повлиять на предыдущие решения и даже привести к их переработке. Именно поэтому  многие специалисты по информатике  весьма критично относятся к методологии  экспертных систем. Они считают, что  расходы на разработку таких систем очень большие, время разработки слишком длительное, а полученные в результате программы ложатся  тяжелым бременем на вычислительные ресурсы. 
 

В целом за разработку экспертных систем целесообразно браться  организации, где накоплен опыт по автоматизации  рутинных процедур обработки информации, например:

• информационный поиск;
• сложные расчеты;
• графика;
• обработка текстов.

Решение таких  задач, во-первых, подготавливает высококвалифицированных  специалистов по информатике, необходимых  для создания интеллектуальных систем, во-вторых, позволяет отделить от экспертных систем неэкспертные задачи.

Этап 1. Выбор  подходящей проблемы. Этот этап включает деятельность, предшествующую решению  начать разрабатывать конкретную ЭС. Он включает:

• определение проблемной области и задачи;
• нахождение эксперта, желающего сотрудничать при решении проблемы, и назначение коллектива разработчиков;
• определение предварительного подхода к решению проблемы;
• анализ расходов и прибыли от разработки;
• подготовку подробного плана разработки.

 

 
 

 
 
 

 
 

 
 
 

 
 

 
 
 

• Рис. 2. 1. Этапы разработки ЭС

Правильный выбор  проблемы представляет, наверное, самую  критическую часть разработки в  целом. Если выбрать неподходящую проблему, можно очень быстро увязнуть в "болоте" проектирования задач, которые никто  не знает, как решать. Неподходящая проблема может также привести к  созданию экспертной системы, которая  стоит намного больше, чем экономит. Дело будет обстоять еще хуже, если разработать систему, которая работает, но не приемлема для пользователей. Даже если разработка выполняется самой  организацией для собственных целей, эта фаза является подходящим моментом для получения рекомендаций извне, чтобы гарантировать удачно выбранный и осуществимый с технической точки зрения первоначальный проект. При выборе области применения следует учитывать, что если знание, необходимое для решения задач, постоянное, четко формулируемое, и связано с вычислительной обработкой, то обычные алгоритмические программы, по всей вероятности, будут самым целесообразным способом решения проблем в этой области.