- •Реалізація методів штучного інтелекту у середовищі Visual Prolog
- •Теоретична частина Методи розв’язання задач.
- •Розв’язання задач методом пошуку в просторі станів.
- •Загальна схема алгоритму Харта, Нільсона і Рафаеля
- •Розв’язання задач методом редукції.
- •Розв’язання задач дедуктивного вибору
- •Розв’язання задач, що використовують немонотонні логіки, імовірнісні логіки.
- •Експертні системи.
- •Експертна система, заснована на правилах
- •Експертні системи, що базуються на логіці.
- •Модуль (компонент) пояснення.
- •Модуль набуття знань (компонент набуття знань).
- •Етапи проектування ес.
- •Відмінність експертних систем від традиційних програм
- •Основи програмування на мові Visual Prolog Загальний огляд мови Пролог
- •Основні теоретичні відомості Основні визначення мови Visual Prolog (далі просто Пролог)
- •Структура програми на мові Пролог (для Visual Prolog 5.2)
- •Предикати введення - виведення
- •Об’єкти даних
- •Завдання 1.
- •Вбудовані механізми мови Пролог. Управління бектрекінгом.
- •Організація циклів. Рекурсія.
- •Моделювання недетермінованого скінченного автомата.
- •Використання динамічної бази даних
- •Рекомендації для створення програм на Пролозі.
- •Завдання 2.
- •Рекурсивні структури даних
- •Структура даних типу дерева
- •Обходи дерева
- •Бінарний пошук на дереві.
- •Сортування по дереву
- •Лексикографічне впорядкування
- •Реалізація деяких методів пошуку в просторі станів на Пролозі.
- •Завдання 3.
- •Короткі відомості про засоби програмування інтерфейсів (vpi) Visual Prolog 5.2
- •Створення найпростішого додатку.
- •Додавання пункту меню.
- •Додавання речення для реагування на вибір пункту меню
- •Вставка предикату dlg_Note в речення.
- •Використання діалогових вікон, створених користувачем.
- •Завдання 4.
- •Тема 1. Консультуюча інтерактивна експертна система по визначенню оптимальної конфігурації пеом.
- •Тема 2. Діагностична інтерактивна експертна система пошуку причини й усунення несправності кольорового телевізора lg cf-20f60k.
- •Тема 3. Консультуюча експертна система для вибору породи собаки.
- •Тема 4. Медична консультуюча експертна система на вибір лікарських трав.
- •Тема 5. Експертна система для визначення мінерального добрива.
- •Тема 6. Консультуюча інтерактивна експертна система,яка допомагає директору фірми при прийомі кандидата на роботу. Експертна система дозволяє визначити яку посаду у фірмі може зайняти кандидат.
- •Тема 7. Консультуюча експертна система прогнозу повені і необхідності евакуації міста n.
- •Тема 8. Діагностична медична експертна система.
- •Додаток Експертна система ідентифікації птахів Північної Америки.
- •Експертна система фінансового планування.
- •Список літератури.
Модуль (компонент) пояснення.
Як показано на структурі ЕС ( мал. ) експертна система повиння мати модуль пояснення. Без механізму пояснень користувач не довірятиме отриманим результатам і ЕС не матиме попиту. Призначення модуля пояснень – зробити ЕС “прозорою” для користувача, тобто надати можливість користувачу розуміти логіку дій ЕС, дати надіну гарантію вірності щодо отриманих результатів.
В деяких випадках важливість пояснення для користувача дещо переоцінюють, тому що воно не завжди корисне для нього. Це має місце через природу “інтелекту” ЕС.
Правила найчастіше відображають емпіричні, або “компільовані” знання. Вони є зведенням наближених правил експерта, а не його глибинних знань, що ведуть до цих наближених правил. Наприклад, розглянемо наступний діалог з ЕС, розробленої для надання порад при поломці автомобіля:
Автомобіль заводиться? – ні.
Двигун прокручується? – так.
Пахне бензином? – так.
Порада – Почекайте 5 хвилин і попробуйте завести знову.
Чому?.
Я використала правило: якщо автомобіль не заводиться і двигун прокручується і пахне бензином тоді порада така “Почекайте 5 хвилин і попробуйте завести знову.”
Це правило є вірним для автомобіля, в карбюратор якого попала вода, але в ньому немає ніяких знань про те, що таке карбюратор і чому допоможе п’ятихвилинна пауза. Якби користувач дійсно захотів зрозуміти що сталося, йому була би потрібна невелика дисертація на тему карбюратор, як він працює, і його зв’язок з педаллю газу.
Щоб зробити корисними пояснення для таких систем, необхідно не просто показувати якими правилами користувалася система. Один підхід полягає в тому, щоб анотувати правила більш глибокими поясненнями. Інший підхід - це розміщувати більш глибокі знання в систему і використовувати їх як для висновків, так і для пояснення.
З іншого боку існують системи в яких знання експерта є чисто емпіричними. У цьому випадку пояснення системи корисне для користувача. В цю категорію попадають системи класифікації, наприклад система ідентифікації птахів (див додаток). Система могла б пояснити ідентифікацію laysan альбатрос правилами, які використовуються для його ідентифікації. Немає ніякої теорії, чому білий альбатрос є laysan альбатрос, а чорний є чорноногим альбатросом. Це просто правила для їх класифікації.
В той час як пояснення системи інколи не має користі для користувача, для розробника ЕС воно має дуже важливе значення. Пояснення ЕС відіграє ту ж діагностичну роль, як і трасування для звичайних програм. Якщо система поводить себе некоректно, експерт може використати пояснення для визначення помилкового правила. Інженер із знань використовує пояснення для кращого настроювання бази знань з метою більш реалістичного діалогу з користувачем.
Існує чотири типи пояснень, які звичайно застосовуються в ЕС:
трассування правил, яке повідомляє про прогрес консультації;
пояснення того, як система прийшла до даного висновку;
пояснення того, чому система задає питання;
пояснення того, чому система не дала висновку;