Обзор существующих экспертных систем

 

 

2.5 Экспертные  системы в химии

 

 

Экспертная система OCSS создана для анализа молекулы цепи и помогает химикам синтезировать сложные органические молекулы. Система анализирует молекулы-цели, предложенные специалистом-химиком, распознавая функциональные группы, цепи, кольца, избыточность или симметрию скелета молекулы, применяя к ним химические преобразования и оценивая получающиеся структуры молекул с точки зрения корректности, единственности и простоты. Система была реализована на ЭВМ DEC PDP-1 в Гарвардском университете.

Система SECS также как  и система OCSS помогает химикам синтезировать  сложные органические молекулы. Химик задает системе структуру желаемой молекулы, а система порождает план создания такой молекулы из набора более простых молекул — «строительных блоков». Этот план представляет в основном последовательность химических реакций, применяемых к функциональным группам атомов. Система с помощью специалиста-химика систематически ищет путь от молекулы-цели к более простым молекулам до тех пор, пока не определит маршрут от молекулы-цели до «строительных блоков». SECS реализована на Фортране. Она была разработана в Университете штата Калифорния в Санта Крус.

Экспертная система SEQ проводит анализы нуклеотидных последовательностей  и помогает в рассуждениях микробиологам. Эта система может запомнить, отыскать и проанализировать последовательности нуклеотидов нуклеиновых кислот, а также провести статистический анализ структурной гомологии и симметрии. Схема поиска у SEQ может быть приспособлена к нуждам пользователя изменением значений параметров, принимаемых по умолчанию; например, биолог может менять веса штрафной функции и размер промежутка при сглаживании по Нидлеману—Уинху. SEQ реализована на языке Лисп. Она была разработана в виде части проекта MOLGEN в Станфордском университете, дальнейшую ее разработку осуществила фирма Intellicorp. Она доведена до уровня коммерческой системы.

Система SPEX оказывает  помощь исследователям в планировании сложных лабораторных экспериментов. Исследователь описывает задействованные  объекты (например, физические условия  проведения эксперимента и структуру  исследуемого объекта), а система помогает разрабатывать схему плана для достижения цели эксперимента. Затем система уточняет каждый абстрактный шаг плана, делая его более конкретным, увязывая с методами и объектами, хранящимися в базе знаний системы. SPEX реализована на языке UNITS, ориентированном на представления в виде фреймов. Система была разработана в Станфордском университете.

Экспертная система SYNCHEM синтезирует сложные органические молекулы, не требуя участия пользователя. Система использует знания о химических реакциях для выработки плана получения молекулы-цели из заданного набора исходных молекул. Эта система использует обратный поиск, начинающийся с молекулы-цели, и пытается определить, с помощью каких реакций можно ее получить и какие материалы (молекулы) для этого нужны. Такой поиск продолжается до тех пор, пока не будет составлена вся схема от молекулы-цели до исходных материалов. Система реализована на языке PL/1. Она предшествовала разработке системы SYNCHEM2 и была разработана в Университете шт. Нью-Йорк.

Продолжение системы SYNCHEM – система SYNCHEM2 синтезирует сложные  органические молекулы без помощи и  указаний со стороны специалиста-химика. Она пытается найти последовательность реакций синтеза органических соединений, превращающих набор доступных исходных материалов в молекулу-цель. SYNCHEM2 использует знания о химических реакциях для составления плана создания молекулы-цели из молекул-«строительных блоков». Система пытается найти оптимальную схему синтеза целевого соединения из исходных материалов, применяя эвристики, ограничивающие поиск маршрутами, удовлетворяющими ограничениям задачи. Эти ограничения могут включать информацию об условиях токсичности реакций, о качестве и выходе требуемого продукта. Система реализована на языке PL/1. Она является дальнейшим развитием системы SYNCHEM и разработана в Университете штата Нью-Йорк. [13, c.115]

 

 

 

ЗАКЛЮЧЕНИЕ

Экспертные системы  используются  в решении достаточно трудных для экспертов задач  на основе накапливаемой базы знаний, отражающей опыт работы экспертов в рассматриваемой проблемной области. Достоинство применения экспертных систем заключается в возможности принятия решений в уникальных ситуациях, для которых алгоритм заранее не известен и формируется по исходным данным в виде цепочки рассуждений (правил принятия решений) из базы знаний. Причем решение задач предполагается осуществлять в условиях неполноты, недостоверности, многозначности исходной информации и качественных оценок процессов.

Сердцевину экспертной системы составляет база знаний, которая накапливается в процессе ее построения. Знания выражены в явном виде и организованы так, чтобы упростить принятие решений.

Отметим лишь основные преимущества, которые даёт использование ЭС. Преимуществами и положительными качествами искусственной  компетенции являются:

     1) Её постоянство.  Человеческая компетенция ослабевает  со временем. Перерыв в деятельности  человека-эксперта может серьёзно  отразиться на его профессиональных  качествах.

     2) Лёгкость  передачи или воспроизведения.  Передача знаний от одного человека другому — долгий и дорогой процесс. Передача искусственной информации — это простой процесс копирования программы или файла данных.

     3) Устойчивость  и воспроизводимость результатов.  Эксперт-человек может принимать  в тождественных ситуациях разные решения из-за эмоциональных факторов. Результаты ЭС — стабильны.

     4) Стоимость.  Эксперты, особенно высококвалифицированные  обходятся очень дорого. ЭС, наоборот, сравнительно недороги. Их разработка  дорога, но они дёшевы в эксплуатации.

     Вместе с тем разработка ЭС не позволяет полностью отказаться от эксперта-человека. Хотя ЭС хорошо справляется со своей работой, тем не менее в определённых областях человеческая компетенция явно превосходит искусственную. Однако и в этих случаях ЭС может позволить отказаться от услуг высококвалифицированного эксперта, оставив эксперта средней квалификации, используя при этом ЭС для усиления и расширения его профессиональных возможностей.

Недостатком экспертных систем, характерным  для их современного состояния, является меньшая приспособляемость к обучению новым правилам и концепциям, к творчеству и изобретательству. Использование экспертных систем позволяет во многих случаях отказаться от высококвалифицированных специалистов, но предполагает оставить в системе место эксперту с более низкой квалификацией. Экспертные системы служат средством для расширения и усиления профессиональных возможностей конечного пользователя.

 

 

 

 

 

ГЛОССАРИЙ

 

№	Понятие	Содержание
	База знаний	Семантическая модель, описывающая предметную область и позволяющая отвечать на такие вопросы из этой предметной области, ответы на которые в явном виде не присутствуют в базе. База знаний является основным компонентом интеллектуальных и экспертных систем
	Интеллектуальный редактор базы знаний	Программа, предоставляющая  инженеру по знаниям возможность  создавать базу знаний в интерактивном  режиме. Интеллектуальный редактор включает в себя систему шаблонов языка  представления знаний, подсказки  и другие сервисные средства, облегчающих  работу с базой.
	Искусственный интеллект	Искусственный интеллект  – это одно из направлений информатики, цель которого разработка аппаратно-программных  средств, позволяющих пользователю-непрограммисту ставить и решать свои задачи, традиционно  считающиеся интеллектуальными, общаясь с ЭВМ на ограниченном подмножестве естественного языка.
	Консультационный режим	В экспертных системах - интерактивный режим эксплуатации базы знаний, при котором пользователь продвигается к решению задачи.
	Машина логического вывода	Программа, моделирующая механизм рассуждений и оперирующая знаниями и данными с целью получения новых данных из знаний и других данных, имеющихся в рабочей памяти. Обычно машина логического вывода использует программно реализованный механизм дедуктивного логического вывода или механизм поиска решения в сети фреймов или семантической сети.
	Подсистема общения	Программа:  - входящая в состав экспертной системы;  - служащая для ведения диалога с пользователем, в ходе которого ЭС запрашивает у пользователя необходимые факты для процесса рассуждения; и  - предоставляющая возможность пользователю в определенной степени контролировать и корректировать ход рассуждений экспертной системы.
	Подсистема объяснений	Программа, позволяющая пользователю получить ответы на вопросы:    - "Как было получено то или иное решение?"; обычно ответ на этот вопрос представляет собой трассировку всего процесса вывода решения с указанием использованных фрагментов базы знаний; и   -"Почему было принято такое решение?"; обычно ответ на этот вопрос есть ссылка на умозаключение, непосредственно предшествовавшее полученному решению.
	Подсистема приобретения знаний	Программа, предназначенная для корректировки и пополнения базы знаний.
	Пользователь в экспертных системах	Проблемный специалист, для которого предназначена экспертная система
	Программа	Формализованное описание последовательности действий устройств компьютера по реализации той или иной задачи.
	Программное обеспечение	Согласно ГОСТ 19781-90 - совокупность программ системы обработки информации и программных документов, необходимых для их эксплуатации.     По видам выполняемых функций программное обеспечение подразделяется на системное, прикладное и инструментальное.
	Эксперт	Человек, способный ясно выражать свои мысли и пользующийся репутацией специалиста, умеющего находить правильные решения проблем в конкретной предметной области. Эксперт использует свои приёмы и ухищрения, чтобы сделать поиск решения более эффективным, и ЭС моделирует все его стратегии.
	Экспертная система	Система искусственного интеллекта, включающая знания об определенной слабо структурированной и трудно формализуемой узкой предметной области и способная предлагать и объяснять пользователю разумные решения. Экспертная система состоит из базы знаний, механизма логического вывода и подсистемы объяснений.

 

 

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

 

 

1. Автоматизированные информационные технологии в экономике: Учебник/ Под ред. проф. Г.А. Титоренко. — М.: Компьютер, ЮНИТИ, 1998.
2. Алексеев А. П. Информатика.– М.: Бином, 2002 .
3. Архипенков С. Экспертные системы. 2-е изд. – М.: Диалог-МИФИ, 2003.
4. Герман О. Введение в теорию экспертных систем и обработку знаний. –М.:1995.
5. Гончаров Р.В., Матвеева Л.А., Савельева Н.Г. Информатика. – М.: 2004.
6. Информатика/ под ред. Н.В. Макарова, Л.А. Матвеева, В.Л. Бройдо. – М.: Финансы и статистика, 2006.
7. Информационные технологии: Учеб. для вузов/Б.Я. Советов, В.В. Цехановский. — М.: Высш.  шк., 2003.
8. Компьютерные системы и сети: Учеб. пособие / В.П. Косарев и др. / Под ред. В.П. Косарева и  Л.В. Еремина. – М.: Финансы и статистика, 1999.
9. Попов Э.В. и др. Статистические и динамические экспертные системы. — М.: Финансы и статистика, 1996.
10. Сафонов В. О. Экспертные системы - интеллектуальные помощники специалистов.- С.-Пб: Санкт-Петербургская организация общества “Знания”, 1992.
11. Уинкуп И. Применение экспертных систем – СПб: BHV-Санкт-Петербург, 1998.
12. Экономическая информатика: Учебник для ВУЗов / под ред. П. В. Конюховского и Д. И. Колесова. –  СПб: Питер, 2001.
13. Экспертные системы. Принцип работы и примеры. – М.:Альфа–Пресс, 2007.
14. Якупов Р.А..  Экспертная система "Лазерная рефлексотерапия".– Казань. КГМА, 2005

 

 

Интернет ресурсы 

 

15. Смолин Д.В. Экспертная система для обучения – VIPES.// http://altnet.ru/~mcsmall/index.htm
16. http://www.novatelecom.ru/products/expert/
17. http://www.tele-connect.ru/imade-news/60-2008-12-05-11-00-36
18. Хабаров С. Экспертные системы// http://firm.trade.spb.ru/serp/main_es.htm.

 

СПИСОК СОКРАЩЕНИЙ

 

БЗ – база знаний

ИИ – искусственный  интеллект

ППП – пакет прикладных программ

ЭС – экспертные системы

 

 

Приложение А

 

 

Рисунок 1 – Схема работы ЭС

 

Приложение Б

 

 

Рисунок 1 –   Классификация экспертных систем

 

Приложение В

 

 

Таблица – Типичные категории применения экспертных систем

 

Категория	Решаемая проблема
Интерпретация	Описание ситуации по информации, поступающей от датчиков.
Прогноз	Определение вероятных  последствий заданных ситуаций.
Диагностика	Выявление причин неправильного  функционирования системы по результатам  наблюдений.
Проектирование	Построение конфигурации объектов при заданных ограничениях.
Планирование	Определение последовательности действий.
Наблюдение	Сравнение результатов  наблюдений с ожидаемыми результатами.
Отладка	Составление рецептов исправления  неправильного функционирования системы.
Ремонт	Выполнение последовательности предписанных исправлений.
Обучение	Диагностика, отладка  и исправление поведения обучаемого.
Управление	Управление поведением системы как целого.