Обзор существующих экспертных систем

Механизм объяснения. В процессе или по результатам решения задачи пользователь может запросить объяснение или обоснование хода решения. С этой целью ЭС должна предоставить соответствующий механизм объяснения. Объяснительные способности ЭС определяются возможностью механизма вывода запоминать путь решения задачи. Тогда на вопросы пользователя "Как?" и "Почему?" получено решение или запрошены те или иные данные, система всегда может выдать цепочку рассуждений до требуемой контрольной точки, сопровождая выдачу объяснения заранее подготовленными комментариями. В случае отсутствия решения задач объяснение должно выдаваться пользователю автоматически. Полезно иметь возможность и гипотетического объяснения решения задачи, когда система отвечает на вопросы, что будет в том или ином случае.

Однако, не всегда пользователя может интересовать полный вывод решения, содержащий множество ненужных деталей. В этом случае система должна уметь выбирать из цепочки только ключевые моменты с учетом их важности и уровня знаний пользователя. Для этого в базе знаний необходимо поддерживать модель знаний и намерений пользователя. Если же пользователь продолжает не понимать полученный ответ, то система должна быть способна в диалоге на основе поддерживаемой модели проблемных знаний обучать пользователя тем или иным фрагментам знаний, т.е. раскрывать более подробно отдельные понятия и зависимости, если даже эти детали непосредственно в выводе не использовались.

Механизм приобретения знаний. База знаний отражает знания экспертов (специалистов) в данной проблемной области о действиях в различных ситуациях или процессах решения характерных задач. Выявлением подобных знаний и последующим их представлением в базе знаний занимаются специалисты, называемые инженерами знаний. Для ввода знаний в базу и их последующего обновления ЭС должна обладать механизмом приобретения знаний. В простейшем случае это интеллектуальный редактор, который позволяет вводить единицы знаний в базу и проводить их синтаксический и семантический контроль, например, на непротиворечивость; в более сложных случаях извлекать, знания путем специальных сценариев интервьюирования экспертов, или из вводимых примеров реальных ситуаций, как в случае индуктивного вывода, или из текстов, или из опыта работы самой интеллектуальной системы.

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 (и в первую очередь не текущих, а долгосрочных), хранимых в системе. [2, с.101]

1.3  Классификация  экспертных  систем

Класс «экспертные системы» сегодня объединяет несколько тысяч различных программных комплексов, которые можно классифицировать по различным критериям. Полезными могут оказаться следующие классификации (рис. 1 Приложение Б).

Классификация по решаемой задаче:

• Интерпретация данных. Это одна из традиционных задач для экспертных систем. Под интерпретацией понимается определение смысла данных, результаты которого должны быть согласованными и корректными. Обычно предусматривается многовариантный анализ данных.
• Диагностика. Под диагностикой понимается 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 необходимость понимания функциональной структуры («анатомии») диагностирующей системы.
• Мониторинг. 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.
• Проектирование. 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 здесь – получение четкого структурного 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 ЭС: процесс вывода решения и процесс объяснения.
• Прогнозирование. 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.
• Планирование. Под планированием понимается нахождение планов действий, относящихся к объектам, способным выполнять некоторые функции. В таких ЭС используются модели поведения реальных объектов с тем, чтобы логически вывести последствия планируемой деятельности.
• Обучение. Системы обучения диагностируют ошибки при изучении какой-либо дисциплины с помощью ЭВМ и подсказывают правильные решения. Они аккумулируют знания о гипотетическом «ученике» и его характерных ошибках, затем в работе способны диагностировать слабости в знаниях 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.[6, c.505]

В общем случае все  системы, основанные на знаниях, можно  подразделить на системы, решающие задачи анализа, и на системы, решающие задачи синтеза. Основное отличие задач анализа от задач синтеза заключается в следующем: если в задачах анализа множество решений может быть перечислено и включено в систему, то в задачах синтеза множество решений потенциально строится из решений компонентов или подпроблем.

Задача анализа –  это интерпретация данных, диагностика; к задачам синтеза относятся проектирование, планирование. Комбинированные задачи: обучение, мониторинг, прогнозирование.

Классификация по связи  с реальным временем:

Статические ЭС. ЭС разрабатываются в предметных областях, в которых база знаний и интерпретируемые данные не меняются во времени. Они стабильны такие ЭС получили название статических ЭС и имеют структуру, аналогичную рис.1.3.1. Эти ЭС используются в тех приложениях, где можно не учитывать изменения окружающего мира за время решения задачи.

Рисунок 1.3.1 – Структура статической ЭС

Однако существует более  высокий класс приложений, где  требуется учитывать динамику изменения  окружающего мира за время исполнения приложения. Такие экспертные системы  получили название динамических ЭС и  их обобщённая структура будет иметь вид, приведённый на рис.1.3.2.

Динамические ЭС осуществляет связи с внешним миром через  систему контроллеров и датчиков. Кроме того компоненты БЗ и механизма  вывода существенно изменяются, чтобы  отразить временную логику происходящих в реальном мире событий.

Рисунок 1.3.2 – Динамическая экспертная система

Динамические ЭС – экспертные системы реального времени, предназначены для мониторинга, диагностики, оптимизации, планирования и управления динамическим процессом.

Квазидинамические ЭС интерпретируют ситуацию, которая меняется с некоторым  фиксированным интервалом времени.[9, с.157]

Классификация по степени  интеграции с другими программами:

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

Гибридные ЭС представляют программный комплекс, агрегирующий стандартные пакеты прикладных программ (например, математическую статистику, линейное программирование или системы управления базами данных) и средства манипулирования знаниями. Это может быть интеллектуальная надстройка над ППП или интегрированная среда для решения сложной задачи с элементами экспертных знаний.

Несмотря на внешнюю  привлекательность гибридного подхода, следует отметить, что разработка таких систем являет собой задачу, на порядок более сложную, чем  разработка автономной ЭС. Стыковка не просто разных пакетов, а разных методологий (что происходит в гибридных системах) порождает целый комплекс теоретических и практических трудностей.[10, c.210]

2 ОБЛАСТИ ПРИМЕНЕНИЯ ЭКСПЕРТНЫХ СИСТЕМ

Экспертные системы как инструмент в работе пользователей совершенствуют свои возможности решать трудные, неординарные задачи в ходе практической работы.

Экспертные системы создаются  для решения разного рода проблем, типы которых можно сгруппировать в категории ( см. Приложение В).

Ниже перечислены некоторые  из предметных областей, в которых применяются экспертные системы. [1, c.108]

2.1  Экспертные  системы в образовании

В 1997-1999 годах на кафедре «Информационные систем в экономике» АлтГТУ была разработана оболочка информационно-образовательной среды «Chopin», предназначенная для разработки и поддержки авторских образовательных курсов в режиме «один преподаватель - много студентов», а также в режиме «компьютер-студент». Разработанная система содержит следующие основные блоки: оболочка тестирования, консоль анализа данных (результатов тестирования), оболочка многопользовательской экспертной системы с визуальным интерфейсом, база данных обучения и тестирования, файловая система данных тестов и учебных курсов, оболочка обучения, служебный модуль. В состав программного комплекса «Сhopin» входит оболочка сетевой многопользовательской экспертной системы с визуальным интерфейсом VIPES - visual interface production expert shell. Экспертная оболочка предназначена для организации обучения в режиме «компьютер-студент». Обучение в составе информационно-образовательной среды «Chopin» происходит по индивидуальному учебному плану и в индивидуальном темпе, что позволяет говорить об оптимизации процесса обучения. Экспертная оболочка в среде выполняет роль советчика, который на основе реальных достижений обучаемого, зафиксированных в базе данных результатов тестирования и обучения, строит план обучения и принимает решения о достижении обучаемым некоторого уровня знаний о предметной области. Таким образом, оболочка VIPES является гибридной. Объем данных, используемых для формирования планов обучения значителен и поэтому предпочтительно размещение базы данных на сервере.

То есть, VIPES предназначена для  работы в сети. По замыслу разработчиков  обучение в информационно-образовательной  среде «Chopin» проходит в достаточно свободной форме, когда обучаемый сам волен выбирать учебник, темп и график работы, последовательность изучения тем и т.п. Задачи среды состоят в том, чтобы во-первых предоставить обучаемому достаточно полную информацию о предметной области (обычно овеществлена в электронных учебных пособиях), а во- вторых предоставить обучаемому четкие критерии достижения учебных целей (система контроля), а также, (при желании обучаемого) помочь ему построить оптимальный индивидуальный график обучения. Последнюю задачу и решает экспертная система. Экспертная система сопровождает обучаемого все время прохождения курса, выдавая рекомендации по обучению и прохождению контроля. Процесс консультаций, таким образом, является весьма долгим и обычно состоит из нескольких сеансов. Поэтому в VIPES предусмотрена возможность сохранения результатов предыдущих консультаций. Это позволяет возобновить прерванную консультацию в любое время.

Используя одну и ту же оболочку с  одной и той же базой знаний различные пользователи могут одновременно получать различные консультации. Таким образом VIPES - является многопользовательской ЭС. Следующей важной особенностью данной экспертной системы является графический интерфейс пользователя. Применение нового типа интеллектуального интерфейса основано на представлении процесса обучения в виде «и-или» дерева целей обучения. При построении дерева целей обучения используются 2 типа узлов: вычисляемые и терминальные. Каждый узел может находиться в одном из трех состояний: достигнут, завален, не определен. Каждому узлу приписан ряд атрибутов: наименование, тесты, учебные курсы, пояснения и др. Особым образом отмечен порядок достижения подцелей - текущий сценарий обучения. Применение такого абстрактного представления позволяет разместить на экране компьютера огромный объем информации в естественной форме.

Советы экспертной системы  и реакция обучаемого представляются действиями с визуальными объектами - узлами и дугами графа. Обучаемый  в каждый момент времени четко  представляет себе, что и зачем он изучает, каковы критерии оценки, как можно достичь той же цели действуя иначе. Удачной находкой явилось использование цвета и элементов анимации для организации диалога. Так, например цвет узла четко связан с его состоянием: зеленый - достигнут, желтый - завален, белый - не определен. Мерцающий узел - предложение проконсультироваться по данной части учебной программы. Базы знаний для VIPES (в «Chopin» они названы «экспертами») пишутся на специальном ПРОЛОГ - подобном языке EDL v.1.00. - expert description language. Синтаксис языка EDL v.1.00. очень прост и интуитивно понятен не специалистам в области искусственного интеллекта. Кроме того, в блок служебных программ оболочки информационно-образовательной среды «Chopin» входит визуальный построитель экспертов (баз знаний).

Предметные специалисты и преподаватели способны самостоятельно создавать и редактировать базы знаний для оболочки VIPES. [15]

Экспертная система Expert – визуальная среда быстрой разработки прикладных систем искусственного интеллекта различной сложности. С помощью ЭС Expert специалисты, смогут разработать экспертную систему в своей предметной области, не обладая никакими навыками в программировании. Система имеет открытую архитектуру, что позволяет достаточно просто адаптировать ее к решению специфических задач в любой сфере деятельности.

Интегральная среда  поддержки экспертных и обучающих  систем "Expert" предназначена для  автоматизации процесса разработки экспертных и тестовых систем. Система дает возможность разрабатывать экспертную систему пользователю без специальных навыков программирования.