Основные понятия экспертных систем

г) Интерпретация.

Интерпретирующие системы обладают способностью получать определенные заключения на основе результатов наблюдения. Система PROSPECTOR, одна из наиболее известных систем интерпретирующего типа, объединяет знания девяти экспертов. Используя сочетания девяти методов экспертизы, системе удалось обнаружить залежи руды стоимостью в миллион долларов, причем наличие этих залежей не предполагал ни один из девяти экспертов. Другая интерпретирующая система- HASP/SIAP. Она определяет местоположение и типы судов в тихом океане по данным акустических систем слежения.

д) Контроль и управление.

Системы, основанные на знаниях, могут применяться в качестве интеллектуальных систем контроля и принимать решения, анализируя данные, поступающие от нескольких источников. Такие системы уже работают на атомных электростанциях, управляют воздушным движением и осуществляют медицинский контроль. Они могут быть также полезны при регулировании финансовой деятельности предприятия и оказывать помощь при выработке решений в критических ситуациях.

е) Диагностика неисправностей в механических и электрических устройствах.

В этой сфере системы, основанные на знаниях, незаменимы как при ремонте механических и электрических машин (автомобилей, дизельных локомотивов и т.д.), так и при устранении неисправностей и ошибок в аппаратном и программном обеспечении компьютеров.

ж) Обучение.

Системы, основанные на знаниях, могут входить составной частью в компьютерные системы обучения. Система получает информацию о деятельности некоторого объекта (например, студента) и анализирует его поведение. База знаний изменяется в соответствии с поведением объекта. Примером этого обучения может служить компьютерная игра, сложность которой увеличивается по мере возрастания степени квалификации играющего. Одной из наиболее интересных обучающих ЭС является разработанная Д. Ленатом система EURISCO, которая использует простые эвристики. Эта система была опробована в игре Т. Тревевеллера, имитирующая боевые действия. Суть игры состоит в том, чтобы определить состав флотилии, способной нанести поражение в условиях неизменяемого множества правил. Система EURISCO включила в состав флотилии небольшие, способные провести быструю атаку корабли и одно очень маленькое скоростное судно и постоянно выигрывала в течение трех лет, несмотря на то, что в стремлении воспрепятствовать этому правила игры меняли каждый год.

 

Большинство ЭС включают знания, по содержанию которых их можно отнести одновременно к нескольким типам. Например, обучающая система может также обладать знаниями, позволяющими выполнять диагностику и планирование. Она определяет способности обучаемого по основным направлениям курса, а затем с учетом полученных данных составляет учебный план. Управляющая система может применяться для целей контроля, диагностики, прогнозирования и планирования. Система, обеспечивающая сохранность жилища, может следить за окружающей обстановкой, распознавать происходящие события (например, открылось окно), выдавать прогноз (вор-взломщик намеревается проникнуть в дом) и составлять план действий (вызвать полицию).

Обобщённая структура экспертных систем

Типичная статическая ЭС состоит из следующих основных компонентов:

•решателя (интерпретатора);

•рабочей памяти (РП), называемой также базой данных (БД);

•базы знаний (БЗ);

•компонентов приобретения знаний;

•объяснительного компонента;

•диалогового компонента.

  Классификация экспертных систем  

Классификация экспертных систем

Общепринятая классификация экспертных систем отсутствует, однако наиболее часто экспертные системы различают по назначению, предметной области, методам представления знаний, динамичности и сложности

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.

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.

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).

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.

  Инструментальные средства построения экспертных систем

Традиционные языки программирования

В эту группу инструментальных средств входят традиционные языки программирования (С, C++, Basic , SmallTalk , Fortran и т.д.), ориентированные в основном на численные алгоритмы и слабо подходящие для работы с символьными и логическими данными.

Поэтому создание систем искусственного интеллекта на основе этих языков требует большой работы программистов.

Однако большим достоинством этих языков является высокая эффективность, связанная с их близостью к традиционной машинной архитектуре.

Кроме того, использование традиционных языков программирования позволяет включать интеллектуальные подсистемы (например, интегрированные экспертные системы) в крупные программные комплексы общего назначения. Среди традиционных языков наиболее удобными считаются объектно-ориентированные ( SmallTalk , C++).

Это связано с тем, что парадигма объектно-ориентированного программирования тесно связана с фреймовой моделью представления знаний.

Кроме того, традиционные языки программирования используются для создания других классов инструментальных средств искусственного интеллекта.

Языки искусственного интеллекта

Это прежде всего Лисп ( LISP ) и Пролог ( Prolog ) [8] – наиболее распространенные языки, предназначенные для решения задач искусственного интеллекта.

Есть и менее распространенные языки искусственного интеллекта, например РЕФАЛ, разработанный в России. Универсальность этих языков меньшая, нежели традиционных языков, но ее потерю языки искусственного интеллекта компенсируют богатыми возможностями по работе с символьными и логическими данными, что крайне важно для задач искусственного интеллекта.

На основе языков искусственного интеллекта создаются специализированные компьютеры (например, Лисп-машины), предназначенные для решения задач искусственного интеллекта. Недостаток этих языков – неприменимость для создания гибридных экспертных систем.

Специальный программный инструментарий

В эту группу программных средств искусственного интеллекта входят специальные инструментарии общего назначения. Как правило, это библиотеки и надстройки над языком искусственного интеллекта Лисп: КЕЕ ( Knowledge Engineering Environment ), FRL ( Frame Representation Language ), KRL ( Knowledge Represantation Language ), ARTS и др. [1,4,7,8,10], позволяющие пользователям работать с заготовками экспертных систем на более высоком уровне, нежели это возможно в обычных языках искусственного интеллекта.

"Оболочки"

Под "оболочками" ( shells ) понимают "пустые" версии существующих экспертных систем, т.е. готовые экспертные системы без базы знаний. Примером такой оболочки может служить EMYCIN ( Empty MYCIN – пустой MYCIN ) [8], которая представляет собой незаполненную экспертную систему MYCIN .

Достоинство оболочек в том, что они вообще не требуют работы программистов для создания готовой экспертной системы. Требуется только специалист(ы) в предметной области для заполнения базы знаний.

Однако если некоторая предметная область плохо укладывается в модель, используемую в некоторой оболочке, заполнить базу знаний в этом случае весьма не просто.

Применение экспертных систем в медицине

 В России довольно интенсивно развиваются локальные медицинские информационные системы (МИС) и сети. В настоящее время широко применяются в практике медицины компьютеризированные истории болезни и системы классификации терминов. При этом важную роль играет язык общения между базами данных и терминология.

 На повестке дня стоит создание территориальных, а затем глобальных МИС.

 Развитие информационных технологий и современных коммуникаций, появление в клиниках большого количества автоматизированных медицинских приборов, следящих систем и отдельных компьютеров привели к новому витку интереса и к значительному росту числа медицинских информационных систем (МИС) клиник, причем, как в крупных медицинских центрах с большими потоками информации, так и в медицинских центрах средних размеров и даже в небольших клиниках или клинических отделениях. Только в США затраты клиник в этой области составляют около 8,5 млрд. долл. в год, и по оценкам специалистов ожидается рост затрат до 12-14 млрд. долл. в связи с планируемой заменой или модернизацией устаревших МИС.

 Современная концепция информационных систем предполагает объединение электронных записей о больных (electronic patient records) с архивами медицинских изображений и финансовой информацией, данными мониторинга с медицинских приборов, результатами работы автоматизированных лабораторий и следящих систем, наличие современных средств обмена информацией (электронной внутрибольничной почты, Internet, видеоконференций и т.д.).

 По мнению сотрудников американского института медицинских записей (Medical Records Institute, USA), фактически можно выделить 5 различающихся уровней компьютеризации для МИС.

 ПЕРВЫМ уровнем МИС являются автоматизированные медицинские записи. Этот уровень характеризуется тем, что только около 50 % информации о пациенте вносится в компьютерную систему, и в различном виде выдается ее пользователям в виде отчетов. Иными словами, такая компьютерная система является неким автоматизированным окружением вокруг "бумажной" технологии ведения пациента. Такие автоматизированные системы обычно охватывают регистрацию пациента, выписки, внутрибольничные переводы, ввод диагностических сведений, назначения, проведение операций, финансовые вопросы, идут параллельно "бумагообороту" и служат прежде всего для разного вида отчетности.

 ВТОРЫМ уровнем МИС является система компьютеризированной медицинской записи (Computerized Medical Record System). На этом уровне развития МИС те медицинские документы, которые ранее не вносились в электронную память (прежде всего речь идет об информации с диагностических приборов, получаемой в виде различного рода распечаток, сканограмм, топограмм и пр.), индексируются, сканируются и запоминаются в системах электронного хранения изображений (как правило, на магнитооптических накопителях). Успешное внедрение таких МИС началось практически только с 1993 г.

 ТРЕТЬИМ уровнем развития МИС является внедрение электронных медицинских записей (Electronic Medical Records). В этом случае в медицинском учреждении должна быть развита соответствующая инфраструктура для ввода, обработки и хранения информации со своих рабочих мест. Пользователи должны быть идентифицированы системой, им даются права доступа, соответствующие их статусу. Структура электронных медицинских записей определяется возможностями компьютерной обработки. На третьем уровне развития МИС электронная медицинская запись может уже играть активную роль в процессе принятия решений и интеграции с экспертными системами, например, при постановке диагноза, выборе лекарственных средств с учетом настоящего соматического и аллергического статуса пациента и т.п.

 На ЧЕТВЕРТОМ уровне развития МИС, который авторы назвали системами электронных медицинских записей (Electronic Patient Record Systems или же по другим источникам Computer-based Patient Record Systems), записи о пациенте имеют гораздо больше источников информации. В них содержится вся соответствующая медицинская информация о конкретном пациенте, источниками которой могут являться как одно, так и несколько медицинских учреждений. Для такого уровня развития необходима общегосударственная или интернациональная система идентификации пациентов, единая система терминологии, структуры информации, кодирования и пр.