- •Isbn 978-5-9765-0098-3 (Флинта) isbn 978-5-02-034597-3 (Наука)
- •1.1.2. Методы воспроизведения и обработки данных
- •1.1.3. Понятие информации
- •1.1.4. Понятие контекстного метода
- •1.2. Данные
- •1.2.2. Операции
- •1.3.2. Классификация прикладных программ
- •1.3.3. Периферийные устройства
- •1.4. Интеллектуальные информационные системы
- •1.4.1. Искусственный интеллект (Artificial Intelligence)
- •1.4.2. Нейронные сети
- •1.4.3. Экспертные системы
- •2. Обзор лингвистических программ
- •2.1.1. Текстовые процессоры
- •2.1.3. Генераторы текстов и «говорящие» программы
- •2.2. Машинный перевод
- •2.2.1. Основные этапы развития машинного перевода
- •2.2.2. Как переводит компьютер
- •2.2.3. Классификация систем
- •2.3. Компьютерная лингвистика: нестандартные применения
- •2.3.1. Определение языка сообщения
- •2.3.2. Взлом шифров
- •2.3.3. Установление авторства
- •2.3.4. Построение роботов-поисковиков и снифферов
- •Заключение
- •Приложение
- •Оглавление
- •1 . Информация. Информационные
- •1.1. Информация 3
- •Информационный обмен, сигналы, данные 3
1.4.3. Экспертные системы
Проектирование экспертных систем имеет определенные отличия от создания традиционного программного продукта. Суть этого отличия в том, что разработчики не пытаются сразу построить конечный продукт, а создают прототип экспертной системы. Прототип должен удовлетворять основным требованиям, предъявляемым к системе, в частности, процесс его создания должен быть минимально трудоемким. Для удовлетворения этих требований используются разнообразные инструментальные средства (специализированные языки искусственного интеллекта, оболочки экспертных систем и др.), ускоряющие процесс разработки. Вероятно, может потребоваться создание не одного, а нескольких прототипов, базирующихся на различных способах представления знаний, с последующим выбором наиболее удачного. В том случае, когда достигнута удовлетворительная работа прототипа по всему комплексу задач, возможно принятие решения об окончательном перепрограммировании всей системы на языках низкого уровня с целью улучшения ее характеристик: увеличения быстродействия, уменьшения занимаемой памяти, повышения эргономических параметров интерфейса.
Опыт разработки экспертных систем позволяет выделить следующие этапы при их создании:
идентификация — определение проблемы, ресурсов, целей, экспертов; неформальное (вербальное) описание проблемы;
формализация — выражение введенных понятий на некото ром формальном языке, построение модели исследуемой области;
этап выполнения — создание одного или нескольких прото типов;
этап тестирования — оценка выбранного метода представ ления знаний и работоспособности всей системы в целом на основе проверки прототипа;
30
31
этап опытной эксплуатации — проверка пригодности систе мы для конечного пользователя;
модификация системы — полное перепрограммирование или доведение прототипа до состояния программного продукта.
■
Известны три основные разновидности исполнения экспертных систем.
Экспертные системы, выполненные в виде отдельных программ на некотором алгоритмическом языке, база знаний которых является непосредственно частью этой программы. Как правило, такие системы предназначены для решения задач в одной фиксированной предметной области.
Оболочки экспертных систем — программный продукт, обладающий средствами представления знаний для оп ределенных предметных областей. Задача пользователя заключается не в непосредственном программировании, а в формализации и вводе знаний с использованием пре доставленных оболочкой возможностей. Недостатком этих систем можно считать невозможность охвата одной системой всех существующих предметных областей.
Генераторы экспертных систем — мощные программные продукты, предназначенные для получения оболочек, ориентированных на то или иное представление знаний в зависимости от рассматриваемой предметной области.
Для построения и проектирования экспертных систем необходимо:
а) определение организационных и математических основ экспертных систем;
б) определение исходных понятий и логических основ, эта пов создания и средств обработки базы знаний;
в) рассмотрение этапов создания экспертной системы, про ектирование автоматизированных информационных си стем и проектирование баз данных, а также проектирова-
ние и создание интерфейса пользователя, ориентированного на мировые стандарты.
Потребность отражения человеческих знаний в памяти компьютера породила, а затем и стимулировала быстрое развитие нового направления в информатике — инженерии знаний. Предметом этого направления служит соотношение человеческих знаний и его формализованного информационного отображения на ЭВМ. Адекватное отображение знаний специалистов является центральной проблемой создания информационных систем вообще и экспертных систем в частности.
Под базой знаний понимается отражение знаний эксперта о предметной области, способы анализа поступающих фактов и методы вывода, т.е. порождение новых знаний на основании имеющихся и вновь поступивших. Наиболее определенными и широко используемыми в современных информационных системах являются следующие виды знаний:
глубинные и поверхностные;
качественные и количественные;
приближенные (неопределенные) и точные (определенные);
конкретные и общие;
описательные и предписывающие.
При построении экспертной системы с особой остротой встал вопрос о том, какие знания должны быть в них представлены и в какой форме. Структура знаний зависит от сферы их использования и может носить довольно сложный характер. Эта структура включает в себя:
а) различные факты из предметной области;
б) взаимосвязи между ними;
в) правила действий.
Знание, полученное инженером знания, затем загружается в компьютерную систему в специализированном формате — в блоке, названном базой знаний. Эта база знаний содержит пра-
32
3 Заказ 105
33
вила и заключения, которые используются при принятии решений, а также параметры, или факты, необходимые для решения.
Экспертные системы относят к числу интеллектуальных вычислительных систем. Они предназначены для моделирования или имитации опытных специальных экспертов при решении задач по какому-либо узкому вопросу. Экспертные системы призваны оказывать помощь специалистам, когда их собственных знаний, опыта и интуиции не хватает для самостоятельного решения возникающих проблем. Такие системы представляют собой машинные программы, решающие задачи примерно так же, как решает их эксперт в реальной обстановке. Это позволяет накапливать, систематизировать и сохранять знания и профессиональный опыт тех экспертов, которые выполняют конкретные задачи наилучшим образом.
Стандартная архитектура экспертной системы представлена на рис. 2.
Р ис. 2. Архитектура экспертной системы
Характеристики экспертных систем:
способность рассуждать при неполных и противоречи вых данных;
способность объяснять цепочку рассуждений понятным для пользователя способом;
конструкция системы должна обеспечивать возможность эволюционного наращивания базы знаний;
34
на выходе экспертная система должна выдавать совет — не таблицу цифр или красивые картинки, а четкий совет;
система должна быть экономически выгодна.
Не останавливаясь на подробном перечне многочисленных областей применения, отметим лишь некоторые сферы, в которых экспертные системы были успешно опробованы: химия, сельское хозяйство, электроника, образование, финансы, геология, медицина, военное дело, программное обеспечение и многие другие. Ныне эти системы активно используются в разнообразных процессах компьютерной обработки лингвистических данных.
Из перечня основных типов решаемых ими задач можно выделить интерпретацию, прогноз, диагностику, проектирование, планирование, управление, наблюдение, отладку, ремонт, обучение.
В качестве критериев, по которым можно судить о возможности создания экспертной системы, следует отметить следующие:
необходимость символьных рассуждений; очевидно, нет смыс ла разрабатывать экспертную систему для численных расче тов, например, для преобразований Фурье, интегрирования, решения систем алгебраических уравнений и др.;
наличие экспертов, компетентных в избранном круге вопро сов, которые согласны сотрудничать при создании ЭС;
важность и актуальность поставленной проблемы. Это могут быть проблемы, требующие высокого уровня экспертизы, либо простые, но трудоемкие, многократно повторяющиеся проверки. Нет смысла тратить время на решение проблем, которые возникают редко и могут быть разрешены челове ком с обычной квалификацией;
четкое ограничение круга решаемых задач, т.е. выбор доста точно «узкой» предметной области, чтобы избежать «комби наторного взрыва» объема информации, необходимой для компетентного решения поставленной задачи;
наличие согласованных мнений экспертов о том, как следует решать поставленные задачи, какие факты необходимо ис пользовать и каковы общие правила вынесения суждений.
35
В противном случае невозможно расширить базу знаний за пределы опыта одного человека и осуществить сплав экспертных знаний из нескольких областей;
достаточность исходных данных для проверки работоспособ ности экспертной системы в выбранной предметной облас ти, чтобы разработчики смогли убедиться в достижимости некоторого заданного уровня ее функционирования;
обеспечение возможности постепенного наращивания систе мы. База знаний должна легко расширяться и корректиро ваться, так как правила часто меняются с появлением новых фактов.
Ценность использования ЭС проявляется, как правило, в следующих аспектах:
в сборе, оперативном уточнении, кодировании и распрост ранении экспертных знаний;
в эффективном решении проблем, сложность которых пре вышает человеческие возможности и для которых требуются экспертные знания нескольких областей;
в сохранении наиболее уязвимой ценности коллектива — кол лективной памяти.
Создание баз знаний открывает широкие возможности, которые обусловлены безошибочностью и тщательностью, присущими ЭВМ, и синтезом знаний экспертов. Если база знаний объединяет информацию по нескольким дисциплинам, то такой сплав знаний приобретает дополнительную ценность.
■
-