Клетин экспертные системы лекция 3

Клетин экспертные системы лекция 3

Идентификация проблемы

Планируется ход разработки прототипа, определяется необходимые ресурсы (вр емя люди эвм), затем источники знаний (книги , дополнительные эксперты) имеющиеся аналогичные экспертные системы. Цели создания экспертной сис (распространение опыта, автоматизация рутинных действий и т д )

Получение знаний

Получение инженером по знаниям наиболее полного представления о предметной области и способов принятия решения в ней . Средняя продолжительность 1-3 месяца. На данной стадии происходит перенос компетенции от эксперта к инженеру по знаниям с использование различных методов (Анализ текстов, диалоги, экспертные игры , лекции, дискуссии , интервью, наблюдение) -> знание

Структурирование (концептуализация знаний)

Разработка неформального описания знаний о ПО в и взаимосвязи графа, таблицы, текста, которая отражает основные концепции между понятиями предметной области. Такое описание наз полем знаний Время 2 – 4 недели. На данной стадии выявляется структура полученных знаний о ПО (предметной области), то есть определяется терминология , список основных понятий и их атрибутов, отношение между понятиями, стратегия принятия решений, структура входной и выходной инф.

Формализация знаний

Разработка базы знания на ЯПЗ (языке представления знаний), который с одной стороны соответствует структуре поля знаний , а с другой позволяет реализовать прототип системы на следующей стадии программной реализации. На этой стадии строятся формализованные представления концепций предметной области на основе выбранного ЯПЗ. На этой стадии используются продукционные модели , фреймы , семантические сети, логические методы, так же объектно-ориентированные языки. Продолжительность 1-2 месяца.

Реализация прототипа

Это разработка программного комплекса , демонстрирующего жизнеспособность подхода в целом. Средняя продолжительность 1-2 месяца. -> Программа прототип . На этой стадии создается прототип экспертной сис включающий базу знаний и остальные блоки (рисунок 1 ) при помощи одного из следующих способов :

1. программирование на традиционных языках (паскаль , С ++ и др) ,

2. программирование на спец языках , применяемых в задачах искусственного интеллекта(лисп, пролог )

3. исп инструментальных средств разработки экспертных систем

4. исп «пустых» экспертных систем или оболочек (GURU, mini expert)

Тестирование

Выявление ошибок в подходе и реализации прототипа, выработка рекомендаций по доводке системы до промышленного порядка. Продолжительность 1-2 недели. На этой стадии оценивается и проверяется работа прототипа с целью приведения в соответствие с реальными запросами пользователей. Прототип проверяется на удобство и адекватность интерфейсов ввода- вывода (характер вопросов в диалоге , связанность выводимого текста результата и т.д.) ,на эффективность стратегии управления (порядок перебора , исп нечеткого вывода и др), качество проверочных примеров и корректность Базы Знаний (Это полота и не противоречивость правил ).

Человеческий фактор при разработке экспертных систем

См лист . Человеческий фактор при разработке ЭС

Особенности разработки Экспертных Систем

На сегодняшний день сложилась след последовательность разработки экспертных систем , которая включает этапы :

1. Приобретение знаний - для системы основанной на знаниях осуществляется у эксперта

2. Представление знаний

3. Реализация (См рис 4)

Приобретение знаний - для системы, основанной на знаниях, осуществляется у эксперта в заданной ПО инженером по знаниям. Приобретение знаний может осуществляется на основе четко представленной инф в виде конкретных значений данных и описывающих их понятий, информации представленной в виде таблиц, графиков , гистограмм, а так же на основе слабо структурированной инф , представленной в виде эвристик эксперта в заданной ПО. инженера по знаниям могут выполнять: Человек, программа распознавания естественного языка, экспертная система. Известны следующие способы приобретения знаний: наблюдение за работой эксперта, опрос эксперта, интервьюирование .

Представление знаний - соглашение о том, как описывать реальный мир. Способ представления знаний в экспертной системе зависит от решаемой задачи и ее специфики. Представление знаний должно быть понятно и экспертам и пользователям системы. Представление знаний заключается в последовательной реализации след этапов : Осуществляется описание ПО с помощью таксономий или антологий .Затем необходимо определить факты правила и отношения для заданной ПО . под фактами понимаются описание значений данных, правила служат для интеграции фактов в Каузальной (причиной –следственный форме) в целях получения решения, а отношения представляют собой совокупность семантических зависимостей, используемых для интерпретации правил в стратегиях поиска решения . На следующем этапе на основании определенных выше фактов правил и отношений осуществляется идентификация знаний, причем факты и правила составляют главные компоненты знания, факты правила и отношения определяют стратегию поиска решения. Декларативные и процедурные знания выражаются в виде цепочки логических рассуждений в стратегиях поиска решения и лежат в основе организации логического вывода. Следующий этап связан с разработкой моделей представления знаний на основе одного из следующих подходов: фреймы , семантические сети, продукции логические модели. Процедура лингвистической обработки проблемной информации реализует еще один этап представления знаний и заключается в формулировке предложений и утверждений. Следующим этапом является организация логического вывода , определяемого в виде результата, совокупного применения стратегий и цепочек логических рассуждений. Цепочки логических рассуждений представляют собой интерпретацию фактов предметной области причем может быть использована как прямая так и обратная цепочка логического вывода. На основе цепочек логических рассуждений, строится соответствующая стратегия поиска решения. На заключительном этапе осуществляется оценка неопределенности в экспертной системе, которая может быть реализована на остове коэффициентов определенности формулы Баеса для оценки вероятности событий, лингвистической переменной.

Представление знаний в рабочей памяти (БД) .

Представление знаний в рабочей памяти складывается из двух компонентов : текущих значений данных и Агенды(список активных конфликтующих в данный момент правил ) .

Представление знаний в БЗ. Интеллектуальность экспертной системы оценивается на основе релевантности Агенды . Релевантность заключается в выборе необходимых правил для принятия решения. Релевантность обеспечивается :

1. Используемой технологией

2. Механизмом доступа к БЗ

3. Механизмом сопоставления с образцами хранящимися в БЗ, механизм сопоставления может быть синтаксическим , параметрическим, функциональным и принудительным .

4. Реализация экспертной системы предполагает выбор инструментальных средств (см рис 4).

Данные и знания

См лист данные и знания.

Лекция 4

Продукционная модель

Основные достоинства экспертных систем основанных на правилах:

Простота представления знаний и организация логического вывода

Недостатки

Сложность оценки целостного образа знаний, низкая эффективность обработки знаний и неясность взаимных отношений правил.

Вывод на знаниях

База знаний в этом случае состоит из набора правил, а сама экспертная система должна включать 3 основные компоненты: База правил, Рабочая память, Механизм вывода.

База правил – формализованные с помощью правил продукций знания о конкретной предметной области.

Рабочая память - область памяти в которой хранится множество фактов , описывающих текущую ситуацию и все пары атрибут – значение, которые установлены к определенному моменту. В простейших экспертных системах факты не изменяются в процессе решения задач, но существуют системы, в которых допускается изменение фактов в рабочей памяти.

Механизм вывода – выполняет две функции (включает в себя два компонента) . 1) просмотр существующих фактов из рабочей памяти и правил из базы правил и добавление в рабочую память новых фактов (компонент вывода). 2) определение порядка просмотра и применения правил (управляющий компонент).

Компонент вывода- его действие основано на применении правила вывода обычно называемого «модус поненс » суть которого заключается в следующем – пусть известно ,что истинно утверждение А и существует правило «Если А то В», тогда утверждение В также истинно. Правила срабатывают, когда находятся факты, удовлетворяющие их первой части. Если истинно посылка , то должно быть истинно и заключение. Такой вывод легко реализуется на ЭВМ. Компонент вывода должен обладать способностью функционировать в условиях недостатка информации, т.е. механизм вывода должен быть способен продолжать рассуждать и со временем найти решения даже при недостатке информации. Это решение может и не быть точным , однако система не должна не в коем случае останавливаться из-за того , что отсутствует какая либо часть входной инф.

Управляющий компонент – опред. порядок применения правил , а так же устанавливает имеются ли еще факты , которые могут быть изменены в случае продолжения работы. Механизм вывода работает циклически, при этом в одном цикле может срабатывать только одно правило. Схема цикла показана на рис 7. В цикле выполняются следующие операции: выборка, сопоставление , разрешение конфликтов и выполнение.

Рабочая память

Выборка

сопоставление

Разрешение конфликтов

Выполнение или модификация рабочей памяти

База правил

Активный набор данных и правил

Конфликтный набор выбранных модулей

Выбранный модуль

Рис 7

НА этапе выборки осуществляется подмножества элементов рабочей памяти и подмножества правил базы правил, которые могут быть использованы в текущем цикле. В результате работы этого этапа происходит выделение активного набора правил, то есть осуществляется фокусирование внимания системы на опред., огран, кол-ве данных и правил.

На этапе сопоставления , какие активные правила и на каких активных данных готовы к работе. Правило готово к работе , если среди активных данных есть данные , удовлетворяющие условиям этого правила, указанном в его образце. Такие правила называются «Означенными». Результатом работы , является набор выбранных модулей, который называют конфликтным набором (агенда) подчеркивая этим тот факт , что к работе готовы все правила набора, но механизм вывода пока не знает какое из них предпочесть.

На этапе разрешения конфликтов механизм вывода выбирает из конфликтного набора то правило , которое будет выполнятся в текущем цикле.

На этапе выполнения осуществляется выполнение правил, выбранных на предыдущем этапе, в ходе этого этапа осуществляется модификация рабочей памяти. В каждом цикле срабатывает только одно правило. В действительности экспертная система не располагает процедурами, которые могли бы построить сразу весь путь решения задачи, более того часто даже не удается определить имеется ли решения. Траектория поиска решения полностью определяется данными , получаемыми от пользователя в процессе вывода.

Стратегии поиска

Стратегия управления выводом зависит от выбранного метода поиска, от него будет зависеть порядок применения и срабатывания правил, процедура вывода сводится к определению, направлению поиска и способу его осуществления. Процедуры реализующие поиск , как правило не доступны инженеру по знаниям. Поиск можно вести в 2-х направлениях : от исходных данных задачи (фактов ) к цели и в обратном направлении – от цели к исходным данным (фактам).

При прямом поиске (поиске на основе данных) исследователь начинает процесс исследования задачи, анализируя ее условия , а затем применяет правила к известным фактам для получения новых фактов, которые в свою очередь используются для генерации новых фактов и тд. Этот процесс продолжается до тех пор пока не повезет и не будет достигнуто целевое состояние.

При обратном поиске в начале выдвигают цель , а затем возвращаются назад к фактам , которые могут подтвердить эту цель. Если цель оказалась правильной выбирается следующая цель , которая детализирует первую и является по отношению к ней подцелью. Далее отыскиваются факты подтверждающие истинность подтвержденной цели. Поиск продолжается от подцелей, пока не будут достигнуты исходные данные задачи. Такую стратегию поиска , называют управляемой целями.

Выбор стратегии зависит от структуры решаемой задачи. Процесс поиска от цели рекомендуется применять в тех случаях когда цель поиска присутствует в постановке задаче. Поиск на основе данных применим к решению задач в которых данные определены в постановке задачи и когда сформулировать цель достаточно трудно.

В системах диагностики обычно применяется прямой поиск, а в планирующих системах более эффективным оказывается обратный поиск.

Определив направление поиска (от данных или цели) алгоритм поиска должен определить порядок исследования состояний дерево или граф. На практике чаще всего используются две возможных стратегии это поиск в глубину и поиск в ширину.

При поиске в глубину в качестве очередной подцели выбирается та , которая соответствует следующему более детальному уровню описания задачи, то есть после исследования факта с начало необходимо оценить всех его потомков и их потомков , а затем исследовать любую из вершин «братьев», если дальнейшие потомки фактов не найдены , рассматриваются вершины «братья».

При поиске в ширину система в начале анализирует все факты , находящиеся на одном уровне пространства состояний и лишь потом переходит к фактам следующего уровня детализации (Рис 8) .

Рис 8 .

Прямой поиск

Начало поиска в глубину

1

2

6

8

3

9

4

5

7

10

факты

11

цель

начало поиска в ширину

1

2

7

8

3

факты цель

Обратный поиск в глубину

Начало поиска

5

6

4

7

3

8

2

1

факты цель

Начало поиска в ширину

7

3

4

1

2

факты цель

5

Пример :

Б.П:

D->E

M&N ->F

Q->Z

A*F->D

E&A ->N

B->M

F&C ->Q

C&M->x

A&C->F

X&N->W

Факты А, В , С

Вопрос : Как бы вы использовали прямую цепочку рассуждений для демонстрации истинности Z

Решение:

Мы двигаемся от фактов к данным!

Просматриваются все правила верху в них и срабатывает только одно правило

1. A*F->D получаем факт D

2. D-> E получаем факт E

3. E&A ->N N

4. B->M M

5. M&N ->F

6. F&C ->Q

7. Q->Z Задача решена Z найденна

Вопрос как бы вы использовали обратную цепочку рассуждений для демонстрации Z

D->E

M&N ->F

Q->Z

A*F->D

E&A ->N

B->M

F&C ->Q

C&M->x

A&C->F

X&N->W

Факты А, В , С

Решение

1. Новой подцелью становится Q

2. Для Q нужно F&C ->Q ищем F

3. M&N ->F

4. E&A ->N

5. E&A ->N

6. D->E

7. A*F->D далее появилось F , D и все остальное

Вопрос Как бы вы использовали обратную цепочку рассуждений для демонстрации истинности W ?

1. X*N->W

2. C&M->x

3. B->M подтвердили Х

4. Новая цель N

5. E&A ->N

6. D->E

7. A*F->D

8. A&C->F

Решение найдено w - достижимо

Пример 2:

A->M

F->Y

A->P

b->p

B*C->L

C*M->X

D*A->N

X*A->Z

P*y->w

ФАКТЫ A B C

Найти Z

1. A->M

2. A->P

3. b->p

4. B*C->L

5. C*M->X

6. X*A->Z достижимо

Обратная цепочка

1. X*A->Z

2. C*M->X

3. … не достижимо не можем найти F.

Лабораторная работа №2