- •Федеральное агентство по образованию
- •Оглавление
- •Глава 1. Основные понятия искусственного интеллекта
- •§ 1.1. Основные термины и определения
- •§ 1.2. История развития систем ии
- •§ 1.3. Направления развития искусственного интеллекта
- •§ 1.4. Основные направления развития и применения
- •Вопросы для самоконтроля
- •Глава 2. Положения теории нечетких множеств
- •§ 2.1. Нечеткое множество. Операции над нечеткими множествами
- •§ 2.1.1. Основные операции над нечеткими множествами.
- •§ 2.2. Построение функции принадлежности
- •§ 2.2.1. Некоторые методы построения функции принадлежности.
- •§ 2.3. Нечеткие числа
- •§ 2.4. Операции с нечеткими числами (l-r)-типа
- •§ 2.5. Нечеткая и лингвистическая переменные
- •§ 2.6. Нечеткие отношения
- •§ 2.7. Нечеткая логика
- •§ 2.8. Нечеткие выводы
- •§ 2.9. Автоматизация обработки информации с использованием
- •Вопросы для самоконтроля
- •Глава 3. Основные интеллектуальные системы
- •§ 3.1. Данные и знания
- •§ 3.2. Модели представления знаний
- •Представление знаний
- •Классификация знаний
- •§ 3.3.1. Продукционные правила.
- •§ 3.3.2. Фреймы.
- •§ 3.3.3. Семантические сети.
- •Вопросы для самоконтроля
- •§ 3.4. Экспертные системы. Предметные области
- •§ 3.5. Назначение и область применения экспертных систем
- •§ 3.6. Методология разработки экспертных систем
- •§ 3.7. Основные экспертные системы
- •§ 3.8. Трудности в разработке экспертных систем и пути их
- •Вопросы для самоконтроля
- •§ 3.9. Назначение, классификация роботов
- •§ 3.10. Примеры роботов и робототехнических систем
- •§ 3.10.1. Домашние (бытовые) роботы.
- •§ 3.10.2. Роботы спасатели и исследовательские роботы.
- •§ 3.10.3. Роботы для промышленности и медицины.
- •§ 3.10.4. Военные роботы и робототехнические системы.
- •§ 3.10.5. Мозг как аналого-цифровое устройство.
- •§ 3.10.6. Роботы – игрушки.
- •§ 3.11. Проблемы технической реализации роботов
- •Вопросы для самоконтроля
- •§ 3.12. Адаптивные промышленные роботы
- •§ 3.12.1. Адаптация и обучение.
- •§ 3.12.2. Классификация адаптивных систем управления
- •§ 3.12.3. Примеры адаптивных систем управления роботами.
- •§ 3.12.4. Проблемы в создании промышленных роботов.
- •Вопросы для самоконтроля
- •§ 3.13. Нейросетевые и нейрокомпьютерные технологии
- •§ 3.13.1. Общая характеристика направления.
- •§ 3.13.2. Нейропакеты.
- •Вопросы для самоконтроля
- •§ 3.14. Нейронные сети
- •§ 3.14.1. Персептрон и его развитие.
- •3.14.1.1. Математический нейрон Мак-Каллока-Питтса.
- •3.14.1.2. Персептрон Розенблатта и правило Хебба.
- •3.14.1.3. Дельта-правило и распознавание букв.
- •3.14.1.4. Адалайн, мадалайн и обобщенное дельта-правило.
- •§ 3.14.2. Многослойный персептрон и алгоритм обратного
- •§ 3.14.3. Виды активационных функций.
- •Вопросы для самоконтроля
- •Список литературы
- •Основы искусственного интеллекта
§ 3.7. Основные экспертные системы
Создание экспертных систем традиционно считается классическим занятием для специалистов по ИИ. ЭС многократно хоронились, признавались тупиковым направлением, тем не менее компьютеры научились давать советы в конкретных областях человеческой деятельности на уровне хороших экспертов.
Спрос на экспертные системы остается на достаточно высоком уровне. Наибольшее внимание сегодня привлечено к системам принятия решений в масштабе времени, близком к реальному, средствам хранения, извлечения, анализа и моделирования знаний, системам динамического планирования.
Основной акцент в современных ЭС делается на принятии оперативных решений в реальном масштабе времени. Это объясняется нуждами современного бизнеса. Коммерческие ЭС контролируют крупные промышленные процессы, принимают решения по результатам показаний сотен периферийных устройств, управляют большими сетями, распределенными СУБД, подсказывая оператору, как поступить в сложной обстановке, а в критических ситуациях, требующих немедленного решения, берут управление на себя. Достаточно активно развивается и такое направление, как автоматическое накопление знаний, снимающее с человека рутинную работу по качественному анализу различных процессов. Практически все современные системы раскопки данных представляют собой ЭС. Основные направления внедрения в промышленности представлены на рис.3.8.
Экспертные
системы
АСУ
производством Электроника Роботы
и робототехнические системы Компьютерные
системы
Оценка
обстановки Диагностика Интерпретация
информации Прогнозирование
Проектирование
Планирование Принятие
решений Диагностика
Управление Планирование Выдача
команд управления Проектирование
Диагностика,
отладка Отладка
Обучение Контроль
выполнения команд Планирование
Наблюдение
Организация
обеспечения
Контроль
состояния Отладка
Наблюдение Диагностика
Управление
Рис. 3.8. Основные области внедрения ЭС в промышленности
Важным свойством ЭС является наличие «дружественного» интерфейса с пользователем и системы объяснения предлагаемых решений. Обычным для ЭС является режим, при котором выдается 2…3 варианта решений с пояснением преимуществ и недостатков каждого. Это обеспечивает доверие к ЭС со стороны должностного лица и сокращение времени на уяснение и утверждение решения.
Правда, старая схема ЭС, основанных на системе правил и создававшихся на базе версий Лиспа и Пролога, сегодня не столь популярна, как раньше. Практически во всех коммерческих продуктах применяются более гибкие походы – нечеткие технологии (когда вместо обычной двоичной логики "да-нет" используется логика с бесконечным числом состояний), Bayesian-сети, учитывающие вероятности перехода узлов в другие состояния, и т. д.
Например, система MOBAL дает возможность строить модель понятия в терминах логических правил и фактов, позволяя с помощью языка поиска похожих объектов Query-by-Similarity в сочетании с нечеткой логикой создавать очень гибкие системы хранения и обработки информации.
Интеллектуальный решатель C-PRS (Procedural Reasoning System in C), написанный на стандарте ANSI C, используется НАСА, в авиапромышленности, в системах управлении перевозками и мобильными роботами. Он переносим, очень компактен и с помощью кросс-платформных компиляторов допускает встраивание практически в любое оборудование.
В России осуществлено несколько внедрений крупной ЭС контроля, управления и моделирования сложных процессов Gensym G2.
Группа адаптивных систем корпорации Microsoft трудится над совершенствованием технологии Office Assistant, которая позволяет отслеживать поведение пользователя и подсказывать ему правильные действия в запутанных ситуациях.
В открытый проект AIOS приглашаются все желающие. Он посвящен созданию ОС с элементами ИИ. В нее будут встроены технологии обработки естественной речи, автоматического решения задач и самообучения.
Коммерческие системы имеют довольно большой ценовой диапазон, и если простые настольные системы стоят несколько сотен долларов, то цена промышленных приложений возрастает в тысячу раз, что свидетельствует об их востребованности.
Рассмотрим примеры некоторых крупномасштабных экспертных систем.
MICIN — экспертная система для медицинской диагностики. Разработана группой по инфекционным заболеваниям Стенфордского университета. Ставит соответствующий диагноз, исходя из представленных ей симптомов, и рекомендует курс медикаментозного лечения любой из диагностированных инфекций. База данных состоит из 450 правил.
PUFF — анализ нарушения дыхания. Данная система представляет собой MICIN, из которой удалили данные по инфекциям и вставили данные о легочных заболеваниях.
DENDRAL — распознавание химических структур. Данная система старейшая, из имеющих звание экспертных. Первые версии данной системы появились еще в 1965 году во все том же Стенфордском университете. Пользователь дает системе DENDRAL некоторую информацию о веществе, а также данные спектрометрии (инфракрасной, ядерного магнитного резонанса и масс-спектрометрии), и та в свою очередь выдает диагноз в виде соответствующей химической структуры.
PROSPECTOR — экспертная система, созданная для содействия поиску коммерчески оправданных месторождений полезных ископаемых.
DELTA – экспертная система, оказывающая помощь обслуживающему персоналу обнаруживать и устранять неполадки в дизель-электровозах, применяя диагностические стратегии по техническому обслуживанию локомотивов.
SACON помогает инженерам определить стратегии решения конкретных задач анализа конструкций.
CARGuide помогает водителям автотранспорта находить маршруты и ориентироваться на улицах города.
PROJCON помогает руководителю проекта разработки программного обеспечения обнаруживать трудности проекта и их причины. Система консультируется с руководителем проекта и строит модель конкретного проекта и его затруднений. После возможных причин она выводит свой диагноз и объясняет процесс рассуждений.
CRIB оказывает помощь разработчикам и обслуживающему персоналу компьютеров при обнаружении неисправностей в аппаратуре и программном обеспечении компьютера.
Особенно большие успехи достигнуты в технологии создания ЭС военного назначения. По оценкам специалистов заинтересованность в создании и совершенствовании ЭС как важного инструмента обеспечения качества отработки решений должностными лицами органов военного руководства – сохранится и даже увеличится в обозримой перспективе.