7.4. Понятие и назначение экспертной системы [3,4]

Решение специальных задач требует специальных знаний. Однако не каждая компания может себе позволить держать в своем штате экспертов по всем связанным с ее работой проблемам или даже при­глашать их каждый раз, когда проблема возникла.

Главная идея использования технологии экспертных систем заключается в том, чтобы получить от эксперта его знания и, загрузив их в память компьютера, использовать всякий раз, когда в этом возник­нет необходимость.

Являясь одним из основных приложений искусственного интеллекта, экспертные системы (ЭС) пред­ставляют собой компьютерные программы, трансформирующие опыт экспертов в какой-либо области знаний в форму эвристических правил (эвристик). Эвристики не гарантируют получения оптимального результата с такой же уверенностью, как обычные алгоритмы, используемые для решения задач в рам­ках технологии поддержки принятия решений. Однако часто они дают в достаточной степени приемле­мые решения для их практического использования.

Экспертная система – это система искусственного интеллекта, которая включает в себя базу зна­ний с набором правил и механизмом вывода, позволяющую на основании этих правил и предостав­ляемых пользователем фактов распознавать ситуацию, ставить диагноз, формулировать решения или давать рекомендации для выбора действия.

Экспертная система представляет собой программный комплекс, содержащий теоретические и практические знания специалистов из определенной предметной области, обеспечивающий консультациями менее квалифицированных пользователей и способный давать им рекомендации по проблемам в этой области с высокой степенью надежности. Экспертная система может полностью взять на себя функции, выполнение которых обычно требует привлечения опыта человека-специалиста, или играть роль ассистента для человека, принимающего решение.

Разработка ЭС направлена на использование ЭВМ для обработки информации в тех областях науки техники, где традиционные математические модели малопригодны. В этих областях важна смысловая и логическая обработка информации, важен опыт экспертов.

ЭС используются для решения неформализованных задач. К неформализованным относят те задачи, которые обладают одной из следующих характеристик:

задачи не могут быть заданы в числовой форме;

цели не могут быть выражены в терминах точно определенной целевой функции;

неоднозначностью, неполнотой и противоречивостью исходных данных о проблемной области и решаемой задаче;

не существует алгоритмического решения задач;

алгоритмическое решение существует, но его нельзя использовать из-за ограниченности ресурсов (время, память).

Наиболее широкое применение ЭС нашли в медицине (диагностика), в технике (отыскание неисправностей оборудования), в экономике, химии, геологии и других областях. Первые системы такого рода (MYCIN и DEN­DRAL) были созданы в конце 70-х годов. В настоящее время в мире насчитывается несколько тысяч промышленных ЭС, которые дают советы:

при управлении сложными диспетчерскими пультами (например, в сетях распределения электроэнергии);

при постановке медицинских диагнозов;

при поиске неисправностей в электронных приборах и других технических средствах;

по проектированию интегральных микросхем;

по управлению перевозками;

по прогнозу военных действий;

по формированию портфеля инвестиций, оценке финансовых рынков;

по налогообложению.

ЭС моделирует не столько физическую (или иную) природу определенной проблемной области, сколько механизм мышления человека применительно к решению задач в этой проблемной области. Это существенно отличает ЭС от систем математического моделирования или компьютерной анимации.

ЭС, помимо выполнения вычислительных операций, формирует определенные соображения и выводы, основываясь на тех знаниях, которыми она располагает. Знания в системе представлены, как правило, на некотором специальном языке и хранятся в базе знаний, отдельно от собственно программного кода, который и формирует выводы и соображения.

При решении ЭС задач основными являются эвристические и приближенные методы, которые, в отличие от алгоритмических, не всегда гарантируют успех.

ЭС отличаются от систем обработки данных тем, что в них используется в основном символьный (а не числовой) способ представления информации. Одной из основных характеристик экспертной системы является ее производительность, т.е. скорость получения результата и его достоверность (надежность). Исследовательские программы ИИ могут и не быть очень быстрыми, можно примириться и с существованием в них отказов в отдельных ситуациях. А вот ЭС должна за приемлемое время найти решение, которое было бы не хуже, чем то, которое могут предложить специалисты в этой предметной области.

ЭС должна обладать способностью объяснить, почему предложено именно такое решение, и доказать его обоснованность.

7.5. Структура и функции экспертной системы [4]

Основными функциями экспертных систем являются:

1. Приобретение знаний – это передача потенциального опыта решения проблемы конкретной ЭС и преобразование его в вид, который позволяет использовать эти знания при дальнейшей работе данной ЭС и разработке новых ЭС. Передача знаний выполняется в процессе достаточно длительных и пространных собеседований между специалистом по проектированию экспертной системы (инженером по знаниям) и экспертами в определенной предметной области, способными достаточно четко сформулировать имеющийся у них опыт.

2. Представление знаний – это процедура отыскания методов формального описания полезной информации с целью ее последующей передачи пользователю.

3. Управление процессом поиска решения. Знание о том, какие знания нужны в той или иной конкретной ситуации, и умение ими распорядиться – важная часть процесса функционирования экспертной системы. Такие знания получили наименование метазнаний – т.е. знаний о знаниях.

4. Разъяснение принятого решения. Способность системы объяснить методику принятия решения иногда называют прозрачностью системы. Под этим понимается, насколько просто персоналу выяснить, что делает программа и почему. Эту характеристику системы следует рассматривать в совокупности с режимом управления, поскольку последовательность этапов принятия решения тесно связана с заданной стратегией поведения.

Структура экспертной системы зависит от ее назначения и решаемых задач. Обобщенную структуру современной экспертной системы можно представить в виде следующих основных компонент (рис. 7.2): база знаний, решатель, интеллектуальный редактор базы знаний, подсистема объяснений и интерфейс пользователя. Следует учесть, что реальные экспертные системы могут иметь более сложную структуру, однако перечисленные основные компоненты присутствуют в любой действительно экспертной системе, поскольку являют собой негласный канон на структуру современной экспертной системы.

Рис. 7.2. Обобщенная структура экспертной системы

Определение и взаимодействие компонентов ЭС и людей, имеющих к ней непосредственное отношение, может быть описано следующим образом.

Эксперт – это специалист предметной области, способный принимать экспертные решения и формулирующий знания о предметной области для ввода их в базу знаний.

Инженер по знаниям (инженер-аналитик, инженер-когнитолог) – это специалист в области искусственного интеллекта, отвечающий за структуру и наполнение базы знаний.

Пользователь – это также специалист в данной предметной области, но его квалификация недостаточно высока, и поэтому он нуждается в помощи и поддержке своей деятельности со стороны ЭС.

База знаний – это совокупность знаний о предметной области, организованных в соответствии с принятой моделью представления знаний.

База знаний содержит факты (или утверждения) и правила. Фак­ты представляют собой краткосрочную информацию в том отношении, что они могут изменяться (например, в ходе консультации). Правила представляют более долговременную информацию о том, как порождать новые факты или гипотезы из того, что сейчас известно. Основное отли­чие базы знаний от базы данных состоит в том, что база знаний обладает большими творческими возможностями, а база данных обычно пассивна: данные либо там есть, либо их нет. База знаний обычно записывается на машинный носитель в форме, понятной эксперту и пользователю (обычно на некотором языке, приближенном к естественному). Параллельно такому «человеческому» представлению существует база знаний во внутреннем «машинном» представлении. При необходимости база знаний по­полняется новой и недостающей информацией.

Решатель или подсистема логического вывода (интерпретатор, машина вывода, дедуктивная машина, блок логического вывода) – это программа, моделирующая ход рассуждений эксперта на основании знаний, имеющихся в базе знаний. Решатель формирует последовательность правил, которая приводит к решению задачи, используя исходные данные из рабочей памяти и базы знаний. Различают прямую и обратную цепочку рассуждений. Прямая цепочка рассуждений ведет от данных к гипоте­зам, обратная – является попыткой найти данные для доказательства или опровержения некоторой гипотезы.

Редактор базы знаний – это программа, предназначенная для ввода в базу знаний новых знаний о предметной области и их представления в ней.

Подсистема объяснений – это программа, которая позволяет пользователю получить ответы на вопросы: «Как была получена та или иная рекомендация?», «Почему система приняла такое решение?» и др. Это повышает доверие пользователя к полученному результату.

Взаимодействие пользователя с ЭС осуществляется через интерфейс пользователя на близком к естественному или профессиональному языку предметной области непроцедурном языке.

Интерфейс пользователя – это комплекс программно-технических средств, обеспечивающих взаимодействие пользователя с ЭС как на стадии ввода информации, так и при получении результатов (в процессе приобретения знаний и объяснения результатов работы).

Это взаимодействие обычно включает несколько функций:

Обработка данных, полученных с клавиатуры или других устройств ввода и отображение вводимых и выводимых данных на мониторе.

Поддержка диалога между пользователем и системой.

Диалог – это общая форма консультации с экспертной системой. Консультация должна завершаться ясным утверждением, выдаваемым системой, и объяснением последовательности вывода, приведшей к этому утверждению.

Распознавание ситуации непонимания между пользователем и системой.

Система должна реагировать соответствующим образом на эту ситуацию. Например, не должно произойти сбоя системы, если пользователь вводит не тот ответ, который ожидается или когда он задает бессмысленный вопрос.

Обеспечение "дружественности" по отношению к пользователю.

Система пользовательского интерфейса должна быть "дружелюбной" к пользователю. Например, последовательность меню, показывающая задачи, которые пользователь может выбрать, является необходимой чертой экспертной системы.

Промышленные прикладные ЭС могут быть существенно сложнее рассмотренной выше упрощенной схемы, и дополнительно включать базы и банки данных, интерфейсы обмена данными с различными пакетами прикладных программ, электронными библиотеками и т.д.

База данных предназначена для хранения исходных и про­межуточных данных решаемой в текущий момент задачи.

Банк данных или хранилище данных – это автоматизированная информационная система централизованного хранения и коллективного использования данных. В ее состав входят одна или несколько баз данных, справочник баз данных, система управления базами данных, а также библиотека за­просов и прикладных программ.