1.2.2 Поиск решения, на основе базы знаний (системы основанные на знаниях)

Типичная экспертная система состоит из следующих основных компонентов: механизма вывода (интерпретатора правил), базы зна­ний (БЗн), включающей рабочую память (РП) или базу данных (БД) и базу правил, компонентов приобретения знаний, объяснительного и диалогового.

База знаний в ЭС предназначена для хранения долгосрочных знаний, описывающих рассматриваемую предметную область, и включает в себя базу данных (РП), которая предназначена для хра­нения исходных и промежуточных данных решаемой в текущий мо­мент задачи, и базу правил, описывающих целесообразные преобра­зования данных этой области.

Механизм вывода, используя исходные данные из РП и знания из БЗн, формирует такую последовательность правил, которые, бу­дучи примененными к исходным данным, приводят к решению зада­чи. Одним из важных вопросов, возникающих при проектировании управляющей компоненты систем, основанных на знаниях, является выбор метода поиска решения, т.е. стратегии вывода. От выбранного метода поиска будет зависеть порядок применения и срабатывания правил. Процедура выбора сводится к определению направления поиска и способа его осуществления. Процедуры, реализующие по­иск, обычно «зашиты» в механизм вывода, поэтому в большинстве систем инженеры знаний не имеют к ним доступа и, следовательно, не могут в них ничего изменять по своему желанию.

При разработке стратегии управления выводом необходимо от­ветить на два вопроса:

1. Какую точку в пространстве состояний принять в качестве исходной? Дело в том, что еще до начала поиска решения система, основанная на знаниях, должна каким-то образом выбрать исходную точку поиска. От выбора этой точки зависит и метод осуществления поиска - в прямом или в обратном направлении.

2. Как повысить эффективность поиска решения? Чтобы добить­ся повышения эффективности поиска решения, необходимо найти эвристики разрешения конфликтов, связанных с существованием нескольких возможных путей для продолжения поиска в простран­стве состояний, поскольку требуется отбросить те из них, которые заведомо не ведут к искомому решению.

В системах с обратным выводом вначале выдвигается некоторая гипотеза, а затем механизм вывода в процессе работы как бы возвра­щается назад, переходя от нее к фактам, и пытается найти среди них те, которые подтверждают эту гипотезу. Если она оказалась правиль­ной, то выбирается следующая гипотеза, детализирующая первую и являющаяся по отношению к ней подцелью. Далее отыскиваются факты, подтверждающие истинность подчиненной гипотезы. Обрат­ный поиск применяется в тех случаях, когда цели известны и их сравнительно немного.

В системах с прямым выводом по известным фактам отыскива­ется заключение, которое из этих фактов следует. Если такое заклю­чение удастся найти, то оно заносится в рабочую память.

В системах, база знаний которых насчитывает сотни правил, весьма желательно использование стратегии управления выводом, позволяющей минимизировать время поиска решения и тем самым повысить эффективность вывода. К числу наиболее известных стра­тегий относятся поиск в глубину, поиск в ширину, разбиение на подзадачи и альфа-бета алгоритм.

Компонент приобретения знаний реализует процесс наполнения ЭС знаниями.

Объяснительный компонент поясняет, как система получила ре­шение задачи (или почему она не получила решения) и какие знания она при этом использовала, что облегчает эксперту тестирование и отладку системы и повышает доверие пользователя к полученному результату.

Диалоговый компонент ориентирован на организацию дружест­венного интерфейса для всех категорий пользователей и использует­ся как в ходе решения задач, так и приобретения знаний, объясне­ния результатов работы.

Качество экспертной системы определяется размером и качеством базы знаний (правил или эвристик). Система функциони­рует в следующем циклическом режиме: выбор (запрос) данных или результатов анализов, наблюдение, интерпретация результатов, ус­воение новой информации, выдвижение с помощью правил времен­ных гипотез и затем выбор следующей порции данных или результа­тов анализов. Такой процесс продолжается до тех пор, пока не по­ступит информация, достаточная для окончательного заключения.

К основным понятиям данного алгоритма можно отнести– Модель,одно из возможных реализаций «реального мира». Возможные миры могут рассматриваться как (потенциально) реальные варианты среды, в которых может находиться или не находиться агент, а модели представляют собой математические абстракции, каждая из которых устанавливает, является ли истинным или ложным каждое высказывание, относящееся к данной модели.

“m является моделью высказывания α, если оно истинно в модели m “

В любой момент времени в системе содержатся три типа знаний:

1. структурированные статические знания о предметной области;

2. структурированные динамические знания — изменяемые знания о предметной области;

3. рабочие знания, применяемые для решения конкретной задачи или проведения консультации.

Технологию построения экспертных систем называют инже­нерией знаний. Этот процесс требует специфической формы вза­имодействия создателя экспертной системы, которого называют инженером знаний, и одного или нескольких экспертов в некото­рой предметной области. Инженер знаний «извлекает» из экспер­тов процедуры, стратегии, эмпирические правила, которые они используют при решении задач, и встраивает эти знания в экс­пертную систему.