Kolokvium / ISO2

Программные средства, базирующиеся на технологии и методах искусственного интеллекта, получили значительное распространение в мире. Их важность, и в первую очередь, экспертных систем(э.с.) и нейронных сетей, состоит в том , что данные технологии значительно расширяют круг практически значимых задач, которые можно решать на компьютерах, и их решение приносит значительный экономический эффект. В то же время , технология э.с. является важнейшим средством в решении глобальных проблем традиционного программирования: длительность и высокая стоимость разработки приложений, высокая стоимость сопровождения сложных систем, повторная используемость программ и т.п. Кроме того, объединение технологии э.с. и нейронных сетей с технологией традиционного программирования добавляет новые качества к коммерческим продуктам за счет обеспечения динамической модификации приложений пользователем, а не программистом, большей “прозрачности” приложения, лучших графических средств, пользовательского интерфейса и взаимодействия. Искусственный интеллект вообще и э.с. в частности прошли долгий и тернистый путь: первые увлечения (1960 год), лженаука (1960 - 65), успехи при решении головоломок и игр (1965 - 1975), массовое коммерческое использование при решении практических задач (1993 - 95). Переход к периоду автоматизации начинается уже с 1972 года, но это только начало. Появляются первые, но еще во многом несовершенные, системы, опирающиеся на только что полученные результаты теории. И лишь к концу этого периода можно наблюдать бурное развитие процесса создания прикладных систем, появление не только демонстрационных прототипов, но и промышленной продукции.

Первыми системами, которые привлекли внимание потенциальных потребителей продукции искусственного интеллекта, были экспертные системы (э.с.). Их первые образцы появились в середине 70-х годов, а к концу десятилетия были изготовлены первые промышленные прототипы, способные решать реальные задачи в различных областях человеческой деятельности.

- За накоплением базы знаний априорными знаниями отвечает

инженер по знаниям. Такая профессия возникла с появлением э.с. Его основные обязанности состоят в установлении связей с экспертами-специалистами, извлечении из них необходимых

знаний, формализации этих знаний и заполнении ими базы знаний, он же отвечает за поддержку базы

знаний в рабочем состоянии. - Логический блок (решатель), с помощью которого происходит манипулирование знаниями, хранящимися в базе знаний, в нем реализуются либо процедуры достоверного вывода, либо схемы правдоподобных рассуждений.

- Блок общения осуществляет контакт с пользователем э.с., происходящий в удобной для пользователя форме, максимально приближенной к общению людей между собой. В этом блоке используются все достижения, полученные в искусственном интеллекте, касающиеся понимания текстов на естественном языке и синтеза ответов на этот же язык.

- Блок объяснения выдает объяснения, касающиеся пути получения решения, если они интересуют пользователя.

Э.с. с самого начала распались на два большие класса задач:

1. Это системы, предназначенные для повышения культуры работы и уровня знаний специалистов в различных областях деятельности. Эти системы - консультирующие и диагностирующие - имели незакрытые базы знаний, в которые априорно внесена информация о некотором виде деятельности, полученная от опытных специалистов в данной области. Цель системы - сделать эту информацию доступной для пользователя, когда ему необходима помощь в решении задачи. Обращение с такой системой не требует никаких специальных умений, т.к. э.с. подобного рода рассчитаны на массового потребителя. Их задача - повышение уровня работы в некоторой области человеческой деятельности.

2. Системы, рассчитанные на специалистов высокой квалификации. Их называют экспертными рабочими станциями или системами автоматизации научных исследований. Их задача - оказать помощь специалистам-исследователям в их работе. Такие системы имеют, как правило, открытую базу знаний, которая способна пополняться и видоизменяться в процессе накопления знаний. Встроенные пакеты исследовательских программ позволяют специалисту использовать систему для решения нужных ему задач, база данных играет роль хранилища, откуда берется необходимая информация.

Уже первые э.с. такого типа, созданные в середине 70-х годов, вызвали интерес среди специалистов, по их подобию стали строиться другие - МИПИН и ДЕНДРАЛ. Кол-во таких систем стремительно нарастало, к концу 70-х в США - 100 э.с., а к середине 80-х - около 1000. Стали появляться и промышленные системы. С начала 80-х годов возникают фирмы, специализирующиеся на производстве э.с., появляются коммерческие образцы, что свидетельствует о переходе к периоду зрелости искусственного интеллекта.

В первой половине 80-х искусственный интеллект переживает свой звездный час, число специалистов в этой области неуклонно растет, проводятся конференции по проблемам искусственного интеллекта, специалисты стали объединяться в профессиональные союзы и ассоциации, неуклонно растут ассигнования на развитие исследований по искусственному интеллекту.

Что же послужило причиной столь невероятного бума вокруг исследований по искусственному интеллекту? Что было причиной появления новой отрасли индустрии - производства интеллектуальных систем?

1. Развитие ЭВМ, до сих пор шедшее по линии изменения их технологической базы и архитектуры, увеличения производительности и надежности, уменьшения размеров почти исчерпало свои возможности. Кроме того, появление персональных компьютеров заставило иными глазами взглянуть на будущее развитие вычислительной техники.

Но для того, чтобы наступила эпоха массовой компьютеризации, необходимо приблизить компьютеры к непрограммирующему пользователю. Для этого надо обеспечить общение с обычным пользователем на уровне естественного языка. Таким образом на пути широкого распространения ЭВМ новых поколений стоит проблема создания интеллектуального интерфейса, при создании которого нужно решить ряд задач: создание диалоговой системы общения, базы знаний, в которой хранится необходимая информация для работы интеллектуального интерфейса, => дальнейшее развитие ЭВМ невозможно без искусственного интеллекта.

2. Мы стоим на пороге нового информационного общества. Информация становится товаром: ее производят, продают и покупают. ЭВМ, объединенные в сети, распространяют ее по всему миру, то есть ненужными становятся потоки бумаг, газет, книг и т.д., так как это заменяется электронной почтой. Рождается новая информационная технология, в создании которой играют роль не только результаты развития самой компьютерной техники, но и достижения в области искусственного интеллекта.

3. Меняется не только информационная технология, но изменяется и работа в с/х и промышленности. До сих пор вся деятельность в этих сферах реализовывалась в основном людьми, снабженными орудиями труда, а при переходе к роботизированным производствам нет необходимости сохранять то, что было вызвано участием человека в производственном процессе. Но все это требует, чтобы на рабочем месте находился робот с достаточно высоким уровнем интеллекта, он должен в автономном режиме решать непростые задачи, которые решаются специалистами по искусственному интеллекту.

4. Общество постоянно накапливает новые знания, но обучение требует времени, которого порой не хватает. Вывод один - изменить сам процесс обучения, используя для обучения интеллектуальные системы. Э.с. могут помочь в деле подготовки хороших специалистов, но есть и специальные обучающие системы - тьюторы, которые содержат в базе знаний все необходимые сведения, нужные для организации обучения.

5. Решение многих крупных задач иногда охватывает по своим масштабам огромные территории. Многие специалисты различных областей должны принять участие в решении. В процессе решения таких задач возникает необходимость в логических обоснованиях, расчетах, информационном поиске, поэтому системы такого типа называются расчетно-логическими информационными системами, в их создании наряду с другими специалистами участвовали и специалисты по искусственному интеллекту, так как без них системы такого типа создать невозможно.

6. Наш земной шар уже не может рассматриваться как совокупность отдельных регионов и государств. Современный уровень НТП связал все человеческие сообщества в единое целое. Наше общение друг с другом достигло высокого уровня активности. Этим объясняется тот большой интерес к компьютеризации сферы общественных связей, к более высокой формализации и точности тех моделей, в рамках которых принимаются решения, имеющие важнейшее значение для будущего человечества. Формализация гуманитарных знаний не мыслима без решения традиционных для искусственного интеллекта проблем: создания больших хранилищ знаний и процедур работы с ними, моделирования схем рассуждений людей, планирования целесообразного поведения.

После всего этого становится ясным феномен взрыва активности в исследованиях по искусственному интеллекту, который произошел в начале 80-х годов. Искусственный интеллект из несколько экзотической области науки вдруг стал объектом внимания общественности, в значительной степени определяющим фактором НТП всего человечества.

По мнению специалистов, в недалекой перспективе э.с. будут играть ведушую роль во всех фазах проектирования, разработки, производства, распределения, продажи, поддержки и оказания услуг. Их технология, получив коммерческое распространение, обеспечит революционный прорыв в интеграции приложений из готовых интеллектуально-взаимодействующих модулей.

Поиск .новых систем представления знаний должен привести к широкому распространению в и.с. сращивания обработки текстовой и зрительной информации, появлению интегрированных систем. Такие гибридные системы будут куда эффективнее решать интеллектуальные задачи. Развитие средств ногнитивной графики сделает такие системы незаменимыми при автоматизации научных исследований и прогнозирования технических систем.

Наряду с э.с., используемыми для консультаций, обучения и пр., широкое развитие получат э.с., помогающие искать новые решения, обнаруживать аналогию в различных областях, способные образовывать сообщества э.с. при необходимости. Получат широкое распространение э.с. других типов: интеллектуальные ППП, информационные системы с высоким интеллектуальным уровнем, расчетно-логические системы. Насыщенность всей человеческой деятельности ЭВМ связана с увеличением числа э.с. и их влиянием на деятельность человека.

Использование э.с. и нейронных сетей приносит значительный экономический эффект. Так, например:

- American Express сократила свои потери на 27 млн. долларов

в год благодаря э.с., определяющей целесообразность выдачи или отказа в кредите той или иной фирме;

- Dec ежегодно экономит 70 млн. Долларов в год благодаря системе XCON/XSEL, которая по заказу покупателя составляет конфигурацию вычислительной системы VAX. Ее использование сократило число ошибок от 30 до 1%

- Sira сократила затраты на строительство трубопровода в Австралии на 40 млн. Долларов за счет управляющей трубопроводом э.с.

Коммерческие успехи к э.с. и нейронным сетям пришли не сразу. На протяжении ряда лет успехи касались в основном исследовательских разработок, демонстрировавших пригодность систем искусственного интеллекта для практического использования. Начиная примерно с 1985 года э.с. стали активно ипользоваться в реальных приложениях.

Причины, приведшие системы искусственного интеллекта к коммерческому успеху, следующие:

1. Специализация. Переход от разработки инструментальных средств общего назначения к проблемно\предметно специализированным средствам, что обеспечивает сокращение сроков разработки приложений, увеличивает эффективность использования инструментария, укрощает и ускоряет работу эксперта, позволяет повторно использовать информационное и програмное обеспечение.

2. Использование языков традиционного программирования и рабочих станций. Переход от систем, основанных на языках искусственного интеллекта, к языкам традиционного программирования упростил “интегрированность” и требования приложений к быстродействию и емкости памяти. Использование рабочих станций вместо ПК резко увеличило круг возможных приложений методов искусственного интеллекта.

3. Интегрированность. Разработаны инструментальные средства искусственного интеллекта, легко интегрирующиеся с другими информационными технологиями и средствами.

4. Открытость и переносимость. Разработки ведутся с соблюдением стандартов, обеспечивающих данные характеристикти.

5. Архитектура клиент/сервер. Разработка распределенной информационной системы в данной архитектуре позволяет снизить стоимость оборудования, используемого в приложении, децентрализовать приложения, повысить надежность и общую производительность, поскольку сокращается объем информации, пересылаемой между ЭВМ, и каждый модуль приложения выполняется на адекватном оборудовании.

Перечисленные причины могут рассматриваться как общие требования к инструментальным средствам создания систем искусственного интеллекта.

Среди специализированных систем, основанных на знаниях, наиболее значимы э.c. реального времени, или динамические э.с. На их долю приходится 70% этого рынка.

Значимость инструментальных средств реального времени определяется не только их бурным коммерческим успехом, но в первую очередь тем, что только с помощью подобных средств создаются стратегически значимые приложения в таких областях, как управление непрерывными производственными процессами в химии, фармакологии, производстве цемента, продуктов питания и т.п., аэрокосмические исследования, транспортировка и переработка нефти, управление атомными и тепловыми электростанциями, финансовые операции, связь и многие другие.

Классы задач, решаемых э.с. реального времени таковы: мониторинг в реальном масштабе времени, системы управления верхнего уровня, системы обнаружения неисправностей, диагностика, составление расписаний, планирование,оптимизация,системы-советчики оператора, системы проектирования.

Статические э.с. не способны решать подобные задачи, т.к. они не выполняют требования, предъявленные к системам работающим в реальном времени:

1. Представлять изменяющиеся во времени данные, поступающие от внешних источников, обеспечивать хранение и анализ изменяющихся данных.

2. Выполнять временные рассуждения о нескольких различных асинхронных процессах одновременно .

3. Обеспечивать механизм рассуждения при ограниченных ресурсах. Реализация этого механизма предъявляет требования к высокой скорости работы системы, способности одновременно решать несколько задач.

4. Обеспечивать “предсказуемость” поведения системы, т.е. гарантию того,что каждая задача будет запущена и завершена в строгом соответствии с временными ограничениями. Например, данное не допускает использование в э.с. реального времени механизма “сборки мусора”, свойственного языку Lisp.

5. Моделировать окружающий мир, рассматриваемый в данном приложении, обеспечивать создание различных его состояний.

6. Протоколировать свои действия и действия персонала, обеспечивать восстановление после сбоя.

7. Обеспечивать наполнение базы знаний для приложений реальной степени сложности с минимальными затратами времени и труда.

8. Обеспечивать настройку системы на решаемые задачи.

9.Обеспечивать создание и поддержку пользовательских интерфейсов для различных категорий пользователей.

10. Обеспечивать уровень защиты информации и предотвращать несанкционированный доступ.

Подчеркнем, что кроме этих 10 требований средства создания э.с. реального времени должны удовлетворять и перечисленным выше общим требованиям.

Специфические требования, предъявляемые к э.с. реального времени, приводят к тому, что их архитектура отличается от архитектуры статических систем. Не вдаваясь в детали, отметим появление двух новых подсистем - моделирования внешнего окружения и сопряжения с внешним миром - и значительные изменения, которым подвергаются оставшиеся подсистемы.

Для того , чтобы понять, что представляет из себя среда для создания эс. реального времени, опишем ниже жизненный цикл такой системы, а также ее основные компоненты:

Разработка прототипа приложения.

Разработчиком обычно является специалист в конкретной области знаний. Он в ходе обсуждения с конечным пользователем определяет функции, выполняемые прототипом. При разработке прототипа не используется традиционное программирование. Создание прототипа обычно занимает от 1 до 2 недель. Прототип ,как и приложение, создается на структуированном естественном языке, с использованием объектной графики, иерархии классов объектов, правил, динамических моделей внешнего мира. Многословность языка сведена к минимуму путем введения операции клонирования, позволяющей размножить любую сущность базы знаний.

Расширение прототипа до приложения.

Конечный пользователь предлагает этапность проведения работ, направления развития базы знаний, указывает пропуски в ней. Разработчик может расширить и модифицировать базу знаний в присутствие пользователя даже в тот момент, когда приложение исполняется. В ходе этой работы прототип развивается до такого состояния, что начинает удовлетворять представлениям конечного пользователя. В крупных приложениях команда разработчиков может разбить приложение на отдельные модули, которые интегрируются в единую базу знаний.

Возможен и альтернативный подход к созданию приложения. При этом подходе каждый разработчик имеет доступ к базе знаний, находящейся на сервере при помощи средства, называемого Telewindows, обычно расположенного на компьютере - клиенте.

Тестирование приложения на наличие ошибок.

Ошибки в синтаксисе показываются непосредственно при вводе конструкций в базу данных. Могут быть введены только конструкции не содержащие синтаксических ошибок. .Таким образом, отпадает целая фаза отладки приложения, что ускоряет его разработку.

Для выявления ошибок и неопределенностей реализована возможность “Inspect”, позволяющая рассматривать различные аспекты базы знаний, например “показать все утверждения со ссылками на неопределенные сущности”, “показать графическую иерархию заданного класса объектов”.

Тестирование логики приложений и ограничений (по времени и памяти).

Блок динамического моделирования позволяет при тестировании воссоздать различные ситуации, адекватные внешнему миру, таким образом, логика приложения будет проверяться в тех условиях, для которых она создавалась. Конечный пользователь может принять непосредственное участие в тестировании благодаря управлению цветом и анимации. Благодаря этому он сможет понять и оценить логику работы приложения не анализируя правила и процедуры, а рассматривая графические изображения управляемого процесса, технического сооружения и т.п.

Для проверки выполнения ограничений используется возможность “Meters” , вычисляющая статистику по производительности и используемой памяти. Полученное приложение полностью переносимо на различные платформы в среду Unix и Windows NT. База знаний сохраняется в обычном ASCII - файле, который однозначно интерпретируется на любой из поддерживаемых платформ. Перенос приложения не требует его перекомпиляции и заключается в простом перемещении файлов. Функциональные возможности и внешний вид приложения не претерпевают при этом никаких изменений. Приложений может работать как в “полной” среде, так и под runtime, которая не позволяет модифицировать базу знаний.

Сопровождение приложения.

Не только сам разработчик данного приложения, но и любой пользователь может легко его понять и сопровождать, так как все объекты\классы, правила, процедуры, функции, формулы, модели хранятся в базе знаний в виде структуированного естественного языка и в виде графических объектов. Для ее просмотра используется система “Inspect”. Сопровождение упрощается за счет того, что различным группам пользователей выдается не вся информация, а только ее часть, соответствующая их потребностям.

Основные компоненты: э.с. реального времени состоит из базы знаний, машины вывода, подсистемы моделирования и планировщика.

1. База знаний.

Все знания в э.с. хранятся в двух типах файлов: базы знаний и библиотеки знаний. В файлах первого типа хранятся знания о приложениях: определения всех объектов, объекты , правила, процедуры и т.п. В файлах библиотек хранятся общие знания, которые могут быть использованы более, чем в одном приложении, например , определение стандартных объектов. Файлы баз знаний могут преобразовываться в библиотеки знаний обратно.

Вцелях обеспечения повторной используемости приложений реализовано средство, позволяющее объединять с текущим приложением ранее созданные базы и библиотеки знаний. При этом конфликты в объединяемых знаниях выявляются и отображаются на дисплее.

Знания структурируются: предусмотрены иерархия классов, иерархия модулей, иерархия рабочих пространств. Каждую из них можно показать на дисплее.

2.Машина вывода.

Главный недостаток прямого и обратного вывода, используемых в статических э.с., - непредсказуемость затрат времени на их выполнение. С точки зрения динамических систем, полный перебор возможных к применению правил - непозволительная роскошь. В связи с тем, что э.с. ориентирована на приложения работающие в реальном времени, в машине вывода должны быть средства для сокращения перебора, для реакции на непредвиденные события и т.д. Для машины вывода характерен богатый набор способа правил. Предусмотрено 9 случаев:

1. Данные, входящие в антецедент правила изменились.

2. Правило определяет значение переменой, которое требуется другому правилу или процедуре.

3. Каждые n секунд, где n - число, определенное для данного правила (сканирование - scan).

4. Явное или неявное возбуждение другим правилом - путем применения действий фокусирования и возбуждения.

5.Каждый раз при запуске приложения.

6. Входящей в антецедент переменной присвоено значение,независимо от того, изменилось оно или нет.

7.Определенный объект на экране перемещен

пользователем или другим правилом.

8. Переменная не получила значения в результате

обращения к своему источнику.

9. Определенное отношение между объектами установлено или уничтожено.

3. Планировщик.

В связи с тем, что приложение управляет множеством одновременно исполняемых задач, необходим планировщик. Хотя пользователь никогда не взаимодействует с ним, планировщик контролирует всю активность, видимую пользователем, и активность фоновых задач. Планировщик определяет порядок обработки задач, взаимодействует с источниками данных и пользователями, запускает процессы и осуществляет коммуникацию с другими процессами в сети.

4. Подсистема моделирования.

Подсистема моделирования - достаточно автономная , но очень важная часть системы. На различных этапах жизненного цикла прикладной системы она служит достижению различных целей. Во время разработки подсистема моделирования используется вместо объектов реального мира для имитации показаний датчиков. На этапе эксплуатации прикладной системы процедуры моделирования выполняются параллельно функциям мониторинга и управления процессом, что обеспечивает следующие возможности:

- верификация показаний датчиков во время исполнения приложения

- подстановка модельных значений переменных при невозможности получения реальных значений.

Как видим, играя роль самостоятельного агента знаний, подсистема моделирования повышает жизнеспособность и надежность приложений.

ЗАКЛЮЧЕНИЕ.

Рассмотренные тенденции развития искусственного интеллекта позволяют утверждать , что одним из основных направлений в этой области являются экспертные системы реального времени.

В заключение хотелось бы привести примеры э.с., могущих появиться в скором времени , о которых рассказывается в книге “Пятое поколение: искусственный интеллект и японский вызов Миру в области компьютеров”, написанной американским кибернетиком Эдвардом Фейгенбаумом:

Конструктивно такая система выглядит как небольшой чемоданчик, который легко может брать с собой куда угодно, скажем, врач, практикующий в сельской местности. Раскрыв его у постели больного или у себя дома, владелец чемодана может ввести в микро-ЭВМ данные о болезни. В ответ машина выдает рекомендации, соответствующие мнению лучших экспертов-медиков, поскольку специальная служба регулярно опрашивает их и следит за тем, чтобы вовремя заменить врученные практикующему врачу гибкие диски с базой данных и программой ее использования, как только появится на горизонте нечто новое , рожденное в клиниках и научно-исследовательских институтах. Разумеется, врач волен следовать полученным советам - провести предложенный ему цикл исследований, прописать рекомендованное компьютером лекарство, остановиться на схеме лечения, появившейся на экране, но волен и поступать по своему. Экспертная система запоминает все принятые им решения, следит за их эффективностью и помогает врачу выработать свой “почерк”, отнюдь не нивелируя его индивидуальность, а, наоборот, всячески способствуя ее формированию.

Стоит лишь заменить вставляемый в систему диск, и данная э.с. превращается в высококвалифицированного помощника инженера или тренера, или представителя любой другой профессии, которому довольно часто приходится прибегать к коллективному опыту коллег. Нечего говорить, что такая система вдобавок помогает врачу провести все необходимые вычисления и выкладки, подготовить любую документацию, послужит рабочим дневником, записной книжкой ,часами, будильником.