Введение в экспертные системы

Рисунок 1.3 Классификация  экспертных систем 

 

Структуру (Рисунок 1.3) называют структурой статической экспертной системы. Экспертные системы данного типа используются в тех приложениях, где можно не учитывать изменения окружающего мира, происходящие за время решения задачи. Первые экспертные системы, получившие практическое использование, были статическими.

В архитектуру  динамической экспертной системы по сравнению со статической экспертной системы 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 экспертной системы (база знаний и машина вывода) претерпевают существенные изменения, чтобы отразить временную логику происходящих в реальном мире событий.

№ 3 Классификация экспертных систем

Класс экспертных систем сегодня объединяет несколько тысяч различных программных комплексов, которые можно классифицировать по различным критериям. Одна из возможных классификаций экспертных систем представлена на рисунке 1.3.

Интерпретация данных экспертных систем

 

Это одна из традиционных задач для экспертных систем. Интерпретация – процесс определения смысла данных, результаты которого должны быть согласованными и корректными. Обычно предусматривается многовариантный анализ данных.  
Примеры:

1. Обнаружение и идентификация различных типов океанских судов по результатам аэрокосмического сканирования – SIAP.
2. Определение основных типов свойств личности по результатам психодиагностического тестирования в системах АВАНТЕСТ и МИКРОЛЮШЕР.

 
Рисунок 1.3 Классификация  экспертных систем

 

Диагностика экспертных систем

 

Диагностика – процесс соотнесения объекта с некоторым классом объектов и/или обнаружение неисправности в некоторой системе. Неисправность – это отклонение от нормы. Такая трактовка позволяет с единых теоретических позиций рассматривать и неисправность оборудования в технических системах, и заболевания живых организмов, и всевозможные природные аномалии. Важной спецификой является здесь необходимость понимание функциональной структуры («анатомии») диагностируемой системы. 
Примеры:

1. Диагностика и терапия сужения коронарных сосудов – ANGY.
2. Диагностика ошибок в аппаратуре и математическом обеспечении ЭВМ – CRIB.

Мониторинг экспертных систем

 

Основная  задача мониторинга – непрерывная  интерпретация данных в реальном масштабе времени и сигнализация о выходе тех или иных параметров за допустимые пределы. Главные проблемы – пропуск тревожной ситуации и инверсная задача «ложного» срабатывания. Сложность этих проблем в размытости симптомов тревожных ситуаций и необходимость учета временного контекста. 
Примеры:

1. Контроль работы электростанций  СПРИНТ, помощь диспетчерам атомного реактора – REACTOR.
2. Контроль аварийных датчиков на химическом заводе – FALCON.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

№ 4 Проектирование экспертных систем

 

Проектирование  состоит в подготовке спецификаций на создание «объектов» с заранее определенными свойствами. Под спецификацией понимается весь набор необходимых документов – чертеж, пояснительная записка и т.д. Основные проблемы – получение четко структурированного описания знаний об объекте и проблема «следа». Для организации эффективного проектирования и в еще большей степени перепроектирования необходимо формировать не только сами проектные решения, но и мотивы их принятия. Таким образом, в задачах проектирования тесно связываются два основных процесса. Выполняемых в рамках соответствующей экспертной системы: процесс вывода решения и процесс объяснения. 
Примеры:

1. Проектирование конфигураций ЭВМ VAX-11/780 в системе XCON, проектирование БИС – CADHELP.
2. Синтез электрических цепей – SYN.

 

                      Прогнозирование экспертных систем

Прогнозирование позволяет предсказать последствия  некоторых событий или явлений на основании анализа имеющихся данных. Прогнозирующие системы логически выводят вероятные следствия из заданных ситуаций. В прогнозирующей системе обычно используется параметрическая динамическая модель, в которой значения параметров «подгоняются» под заданную ситуацию. Выводимые из этой модели следствия составляют основу для прогнозов с вероятностными оценками. 
Примеры:

1. Предсказание погоды – WIILARD.
2. Оценки будущего урожая – PLANT.
3. Прогнозы в экономике – ECON.

 

                    Планирование экспертных систем

Под планированием  понимается нахождение планов действий, относящихся к объектам, способным  выполнять некоторые функции. В  таких экспертных системах используются модели поведения реальных объектов с тем, чтобы логически вывести последствия планируемой деятельности. Примеры:

1. Планирование поведения робота – STRIPS.
2. Планирование промышленных заказов – ISIS.
3. Планирование эксперимента – MOLGEN.

 

 

Обучение экспертным системам

Под обучением  понимается использование компьютера для обучения какой-то дисциплине или  предмету. Системы обучения диагностируют  ошибки при изучении какой-либо дисциплины с помощью компьютера и подсказывают правильные решения. Они содержат знания о гипотетическом «ученике» и его характерных ошибках, затем в работе они способны диагностировать слабые места в познаниях обучаемых и находить соответствующие средства для их ликвидации. Кроме того, они планируют акт общения с учеником в зависимости от успехов ученика с целью передачи знаний. 
Примеры:

1. Обучение языку программирования LISP в системе «учитель ЛИСПа».
2. Обучение языку Паскаль – система PROUST.

 

 

                    Управление экспертными системами

 

Под управлением  понимается функция организованной системы, поддерживающая определенный режим деятельности. Такого рода экспертные системы осуществляют управление поведением сложных систем с заданными спецификациями. 
Примеры:

1. Помощь в управлении газовой котельной – GAS.
2. Управление системой календарного планирования – Project Assistant.

 

 

Поддержка принятия решений в экспертных системах

Поддержка принятия решений – это совокупность процедур, обеспечивающая лицо, принимающее  решения, необходимой информацией  и рекомендациями, облегчающими процесс принятия решения. Эти экспертные системы помогают специалистам выбрать и/или сформировать нужную альтернативу среди множества выборов при принятии решений. 
Примеры:

1. Выбор стратегии выхода фирмы из кризисной ситуации – CRYSIS.
2. Помощь в выборе страховой компании или инвестора – CHOICE.

В общем случае, все системы, основанные на знаниях, можно подразделить на системы, решающие задачи анализа и системы, решающие задачи синтеза. Основное отличие задач анализа от задач синтеза заключается в том, что если в задачах анализа множество решений может быть перечислено и включено в систему, то в задачах синтеза множество решений потенциально не ограничено и строится из компонент или подпроблем. Задачами анализа являются интерпретация данных, диагностика, поддержка принятия решения; к задачам синтеза относится проектирование, планирование, управление. Комбинированные задачи – обучение, мониторинг, прогнозирование.

Классификация экспертных систем по связи с реальным временем

В экспертных системах классификация по связи с реальным временем существует:

Статические экспертные системы, квазидинамические экспертные системы и Динамические экспертные системы

Статические экспертные системы разрабатываются в предметных областях, в которых база знаний и интерпретируемые данные не меняются во времени. Они стабильны. 
Пример: Диагностика неисправностей в автомобиле. 

Квазидинамические экспертные системы интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени. 
Пример: Микробиологические ЭС, в которых снимаются лабораторные измерения с технологического процесса один раз в 4-5 часов (например, производство лизина) и анализируется динамика полученных показателей по отношению к предыдущему измерению. 

Динамические  экспертные системы работают в сопряжении с датчиками объектов в режиме реального времени с непрерывной интерпретацией поступающих в систему данных. 
Примеры:

• Управление гибкими производственными комплексами, мониторинг в реанимационных палатах.

Программный инструментарий для разработки динамических систем – G2

 

 

 

 

№5 Классификация экспертных систем по типу ЭВМ

 

На сегодняшний  день существуют:

1. Экспертные системы для уникальных стратегически важных задач на супер-ЭВМ –  CRAY, CONVEX.
2. Экспертные системы на ЭВМ средней производительности типа Mainframe.
3. Экспертные системы на символьных процессорах и рабочих станциях SUN, Silicon Graphics, APOLLO.
4. Экспертные системы на мини- и супермини-ЭВМ VAX, micro-VAX.
5. Экспертные системы на персональных компьютерах.

Классификация по степени интеграции с другими  программами

Автономные экспертные системы работают непосредственно в режиме консультаций с пользователем для специфических «экспертных» задач, для решения которых не требуется привлекать традиционные методы обработки данных (расчеты, моделирование и т.д.).

Гибридные экспертные системы представляют программный комплекс, агрегирующий стандартные пакеты прикладных программ (например, матстатистика, линейное программирование, СУБД) и средства манипулирования знаниями. Это может быть интеллектуальная надстройка над пакетами прикладных программ или интегрированная среда для решения сложной задачи с элементами экспертных знаний.

Несмотря на внешнюю привлекательность гибридного подхода, следует отметить, что разработка таких систем представляет собой  задачу, на порядок более сложную, чем разработка автономной экспертной системы. Стыковка не просто разных пакетов, а разных методологий (что происходит в гибридных системах) порождает целый комплекс теоретических и практических трудностей.

Этапы разработки экспертных систем

Этапы разработки экспертных систем (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  экспертные системыследует только тогда, когда разработка ЭС возможна, оправдана и методы инженерии знаний соответствуют решаемой задаче. Чтобы разработка экспертных систем 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 экспертных системах; 
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 экспертных систем в данном приложении может быть возможно, но не оправдано. Применение ЭС может быть оправдано одним из следующих факторов:

1. решение задачи принесет значительный эффект, например экономический;
2. использование человека-эксперта невозможно либо из-за недостаточного количества экспертов, либо из-за необходимости выполнять экспертизу одновременно в различных местах;
3. использование ЭС целесообразно в тех случаях, когда при передаче информации эксперту происходит недопустимая потеря времени или информации;

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