7.9 Експертні системи

Найбільший прогрес серед комп'ютерних інформаційних систем відмічений в області розробки експертних систем (ЕС), заснованих на використанні елементів штучного інтелекту. Експертні системи дають можливість менеджерові або фахівцеві отримувати консультації експертів по будь-яких проблемах, на основі яких цими системами накопичені знання.

Під штучним інтелектом зазвичай розуміють здібності комп'ютерних систем до таких дій, які називалися б інтелектуальними, якби виходили від людини. Найчастіше тут маються на увазі здібності, пов'язані з людським мисленням. Роботи в області штучного інтелекту не обмежуються експертними системами. Вони також включають створення роботів, систем, що моделюють нервову систему людини, його слух, зір, нюх, здібність до навчання.

Вирішення спеціальних завдань вимагає спеціальних знань. Головна ідея використання технології експертних систем полягає в тому, аби отримати від експерта його знання і, завантаживши їх в пам'ять комп'ютера, використовувати всякий раз, коли в цьому виникне необхідність. Будучи одним з основних додатків штучного інтелекту, експертні системи є комп'ютерними програмами, що трансформують досвід експертів в якій-небудь галузі знань у форму евристичних правил. На практиці ЕС використовуються перш за все як системи-порадники в тих ситуаціях, де фахівець сумнівається у виборі правильного рішення. Експертні знання, що зберігаються в пам'яті системи, глибші і повніші, чим відповідні знання користувача.

ЕС знаходять поширення при рішенні завдань з ухваленням рішень в умовах невизначеності (неповнота) для розпізнавання образів, в прогнозуванні, діагностиці, планеруванні, управлінні, конструюванні і так далі

Типова експертна система складається з вирішувача (інтерпретатора), БД (бази даних), БЗ (бази знань), компонентів придбання знань, пояснювального і діалогового компонентів.

БД призначена для зберігання вихідних і проміжних даних, використовуваних для вирішення завдань, фактографічних даних.

Вирішувач, використовуючи вихідні дані з БД і знання з Б3, забезпечує вирішення завдань для конкретних ситуацій.

Компонент придбання знань автоматизує процес наповнення Б3.

Пояснювальний компонент пояснює, як система отримала рішення задачі (або чому не отримала) і які знання вона при цьому використовувала. Діалоговий компонент забезпечує діалог між експертною системою і користувачем в процесі рішення задачі і придбання знань.

Експертні системи створюються для вирішення різного роду завдань професійної діяльності людини, і залежно від цього виконують різні функції.

Можна назвати декілька типів сучасних експертних систем.

1. Експертні системи першого покоління. Призначені для вирішення добре структурованих завдань, що вимагають невеликого обсягу емпіричних знань. Сюди відносяться класифікаційні завдання і завдання вибору з наявного набору варіантів.

2. Оболонки ЕС. Мають механізм введення-виводу, але Б3 порожня. Потрібне налаштування на конкретну наочну область. Знання отримуються в процесі функціонування ЕС, здібною до самонавчання.

3. Гібридні ЕС. Призначені для вирішення різних завдань з використанням Б3. Це завдання з використанням методів системного аналізу, дослідження операцій, математичної статистики, обробки інформації. Користувач має доступ до объективизированным знань, що містяться в Б3 і пакетах прикладних програм.

4. Мережеві ЕС. Між собою зв'язано декілька експертних систем. Результати вирішення однієї з них є вихідними даними для іншої системи. Ефективні при розподіленій обробці інформації.

При розробці експертних систем повинні брати участь: експерт тієї наочної області, завдання якої вирішуватиме система; інженер по знаннях - фахівець з розробок систем; програміст - фахівець з розробки інструментальних засобів. Експерт визначає знання, тобто описує наочну область у вигляді сукупності даних і правил, забезпечує повноту і правильність введених в експертну систему знань. Дані визначають об'єкти, їх характеристики і значення. Правила вказують на способи маніпулювання даними.

Інженер по знаннях допомагає експертові: виявити і структурувати знання, необхідні для функціонування експертної системи; здійснити вибирання інструментальних засобів, які найбільш ефективні для вирішення завдань в даної наочної області; вказати способи представлення знань. Програміст розробляє інструментальне середовище, що включає всі компоненты експертної системи, виробляє її сполучення з іншими існуючими системами.

Види знань

1. Понятійні знання. Це набір понять, якими користується ОПР, що працює в деякій області інтелектуальної діяльності, що управляє, а також властивості і взаємозв'язку цих понять. Ця категорія знань в основному виробляється у сфері фундаментальних наук.

2. Конструктивні знання (близькі до понятійних знань). Це знання про структуру і взаємодію частин різних об'єктів. Вони в основному складають вміст технічних, прикладних наук. Наприклад, якщо узяти програмування, то понятійне знання - знання про структуру операторів, даних, мови програмування. Конструктивне знання - це знання про пристрій конкретних програм, про типові алгоритми.

3. Процедурні знання. До них відносяться методичні правила вирішення різних завдань, з якими ОПР вже стикався і їх вирішувати. У виробничій сфері аналогом процедурних знань є технологічні знання різних виробничих процесів. Процедурні знання - це досвід інтелектуальної діяльності ЛПР, що управляє, в певної наочної області.

4. Фактографічні знання. Вони включають кількісні і якісні характеристики конкретних об'єктів, явищ і їх елементів. Їх накопичення ведеться у вигляді таблиць, довідників, файлів, БД.

Способи формалізованого представлення знань в БЗ

Формалізоване представлення знань в інформаційних технологіях управління у вигляді інтелектуальних систем є первинним. Розглянемо поширені способи їх формалізованої вистави.

1. Представлення знань продукційними правилами. Продукційні правила представляють знання у формі ЯКЩО - ТЕ. Системи, що використовують представлення знань продукційними правилами, називаються продукційними. Це найнаочніший і простіший спосіб. У таких системах представлення знань є засоби, що дозволяють використовувати в даних і правилах нечітку інформацію з певною вірогідністю, званій чинником упевненості.

2. Логіка предикатів (розділ математичної логіки). Константи і змінні визначають окремі об'єкти і позначаються буквами або набором букв (U, V, W, X, Y). Послідовність з n констант або змінних (n - звичайно, n > 1) називається функцією. Атомарним предикатом називається послідовність з n єств і понять, описаних константами, змінними або функціями.

Предикат приймає одне з двох значень: істина або брехня. Предикат, в якому всі змінні, константи і функції зв'язані між собою, називається пропозицією. Пропозиції використовуються для представлення знань. Логіка предикатів забезпечує високий рівень модульності знань (представляє їх як єдине ціле в певної наочної області) і дозволяє з'ясувати, є або відсутні протиріччя між новими і такими, що вже існують знаннями. Але надмірний рівень формалізації представлення знань, трудність їх прочитання знижують ефективність обробки. Окрім цього, в логіці предикатів всі стосунки описуються предикатами, що не дозволяє при комп'ютерній обробці повністю відобразити властивості структури даних. Для програмування використовується мова логічного типа ПРОЛОГ.

3. Модель дошки оголошень. Модель представляється як сукупність окремих проблем, кожна з яких складає окрему безліч знань. Вся безліч моделі використовується погоджено як єдине ціле і управляються через загальну робочу область пам'яті, звану дошкою оголошень. Окрема безліч знань називається джерелом знань (З), і кожен З будується як продукційна система.

4. Семантичні мережі. Знання можна розглядати як стосунки між поняттями і єствами, конкретними об'єктами реального світу, що є. Поняття і стосунки можна представити у вигляді семантичної мережі, що складається з вершин і дуг. У вершинах розташовуються поняття, а направлені зв'язки між вершинами відповідають різного роду стосункам між цими поняттями. Семантичні мережі можуть бути виконані виучуваними і зростаючими, що означає можливість автоматичного додавання в мережу нових вузлів у міру появи в досвіді її використання нових понять, а також збільшення вагових коефіцієнтів, відповідних дугам. В процесі її навчання між існуючими вузлами також можуть встановлюватися додаткові зв'язки.

5. Фреймові системи. Фрейми розглядаються як структура опису окремого єства або поняття. Вони можуть бути у вигляді їх совокупностей, що представляються як окрема безліч знань, що відносяться до одного об'єкту. Кожен фрейм складається з безлічі елементів, званих слотами, які у свою чергу представляються певною структурою даних. Кожен фрейм і слот мають ім'я, єдине у всій фреймовій системі. У значення слота містить конкретну інформацію.

Фрейми не зв'язані в мережу. Управління великим числом джерел знань виконується самим користувачем шляхом виклику потрібних процедур (у інших способах це виконує сама система). Для пошуку потрібного об'єкту задаються значення слотів. Якщо дані задовольняють умовам всіх слотів, то об'єкт вважається знайденим.

Сфери застосування ЕС

ЕС в завданнях інтерпретації, як правило, використовують інформацію від датчиків для опису ситуації. Як приклад приведемо інтерпретацію свідчень вимірювальних приладів на хімічному заводі для визначення стану процесу.

ЕС в завданнях прогнозування визначають вірогідні наслідки заданих ситуацій. Прикладами служать прогноз збитку урожаю від деякого вигляду шкідливих комах, оцінювання попиту на нафту на світовому ринку залежно від геополітичної ситуації, що складається, і прогнозування місця виникнення наступного озброєного конфлікту на підставі даних розвідки. Системи прогнозування інколи використовують імітаційне моделювання, тобто програми, які відображають причинно-наслідкові взаємозв'язки на реальному світі, аби згенерувати ситуації або сценарії, які можуть виникнути при тих або інших вхідних даних. Ці можливі ситуації разом із знаннями про процеси, що породжують ці ситуації, утворюють передумови для прогнозу.

ЕС в завданнях діагностики використовують описи ситуацій, характеристики поведінки або знання про конструкцію компонент, аби встановити вірогідні причини неправильного функціонування системи, що діагностується. Прикладами служать: визначення причин захворювання по симптомах, спостережуваних у пацієнтів; локалізація несправностей в електронних схемах і визначення несправних компонент в системі охолоджування ядерних реакторів. Діагностичні системи часто є консультантами, які не лише ставлять діагноз, але також допомагають у відладці. Вони можуть взаємодіяти з користувачем, аби надати допомогу при пошуку несправностей, а потім запропонувати порядок дій з їх усунення. Медицина представляється сповна природною областю для діагностування, і дійсно, в медичної області було розроблено більше діагностичних систем, чим в будь-якої іншої окремо взятої наочної області.

ЕС, вживані в області проектування, розробляють конфігурації об'єктів з врахуванням набору обмежень, властивих проблемі. Враховуючи те, що проектування настільки тісно пов'язане з планеруванням, багато проектуючих систем містять механізми розробки і уточнення планів для досягнення бажаного проекту. Найбільш сфери застосування плануючих ЕС, що часто зустрічаються, - хімія, електроніка і військова справа.

ЕС, які використовуються для вирішення завдань спостереження, порівнюють дійсну поведінку з очікуваною поведінкою системи. Прикладами можуть служити стеження за свідченнями вимірювальних приладів в ядерних реакторах з метою виявлення аварійних ситуацій або оцінку даних моніторингу хворих, поміщених в блоки інтенсивної терапії. Спостерігаючі ЕС підшукують спостережувану поведінку, яка підтверджує їх чекання відносно нормальної поведінки або їх припущення про можливі відхилення. Спостерігаючі ЕС по самій своїй природі повинні працювати в режимі реального часу.

ЕС в завданнях відладки знаходять рецепти для виправлення непра­вильного поведінки пристроїв. Прикладами можуть служити налаштування комп'ютерної системи з метою здолати деякий вигляд скрути в її роботі; вибір типа обслуговування, необхідного для усунення несправностей в телефонному кабелі; вибір ремонтної операції для виправлення відомої несправності в насосі.

ЕС в завданнях ремонту апаратури слідують плану, який наказує деякі рецепти відновлення. Прикладом є налаштування мас-спектрометра, тобто установка ручок регулювання приладу в положення, що забезпечує досягнення оптимальної чутливості, сумісної з правильним відношенням величин піків і їх форми. Поки що було розроблено дуже мало ремонтних ЕС частково тому, що необхідність фактичного виконання ремонтних процедур на об'єктах реального світу додатково ускладнює завдання. Ремонтним системам також необхідні діагностуючі, відлагоджуючі і плануючі процедури для проведення ремонту.

ЕС в області навчання піддають діагностиці, "відладці" і виправленню ("ремонту") поведінки виучуваного. Як приклади приведемо навчання студентів відшуканню несправностей в електричних ланцюгах, навчання військових моряків поводженню з двигуном на кораблі і навчання студентів-медиків вибору антимікробної терапії. Навчальні системи створюють модель того, що той, що виучується знає і як він ці знання застосовує до вирішення проблеми. Системи діагностують і вказують тому, що виучується його помилки, аналізуючи модель і будуючи плани виправлень вказаних помилок. Вони виправляють поведінку тих, що виучуються, виконуючи ці плани за допомогою безпосередніх вказівок тим, що виучується.

ЕС в завданнях управління адаптивно керують поведінкою системи в цілому. Прикладами служать управління виробництвом і розподілом комп'ютерних систем або контроль за станом хворих при інтенсивній терапії. Керівники ЕС повинні включати спостерігаючі компоненти, аби відстежувати поведінку об'єкту впродовж часу, але вони можуть мати потребу також і в інших компонентах для виконання будь-яких або всіх з вже розглянутих типів завдань: інтерпретації, прогнозування, діагностики, проектування, планування, відладки, ремонту і навчання. Типова комбінація завдань складається із спостереження, діагностики, відладки, планування і прогнозу.