Экспертные системы (эс)
Экспертные системы (ЭС) 1
Назначение экспертных систем 1
Структура экспертных систем 1
Участники разработки 2
Режимы работы 3
Продукционная модель знаний 3
Фреймовая модель знаний 4
Семантические сети для представления знаний 6
Сравнение моделей знаний 6
Приобретение знаний 7
Назначение экспертных систем
В начале 80-х годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название «экспертные системы» (инженерия знаний).
Экспертные системы предназначены для решения неформализованных задач.
Такие задачи характеризуются:
-
ошибочностью, неоднозначностью, неполнотой и противоречивостью данных и знаний о предметной области и решаемой задаче;
-
большой размерностью пространства решения;
-
динамической изменчивостью данных и знаний.
Экспертные системы основаны на эвристическом поиске решения, а не на исполнении известного алгоритма.
Технология экспертных систем используется для решения самых различных задач (интерпретация, предсказание, диагностика, планирование, конструирование, контроль, отладка, инструктаж, управление и др.) в самых различных областях (финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, металлургия, горное дело, химия, образование, целлюлозно-бумажная промышленность, телекоммуникации и связь и др.).
Коммерческие успехи к фирмам-разработчикам систем искусственного интеллекта пришли не сразу. На протяжении 1960-1985 гг. успехи искусственного интеллекта касались в основном исследовательских разработок. Начиная примерно с 1985 г., а в массовом масштабе с 1988-1990 гг., экспертные системы стали активно использоваться в коммерческих приложениях.
Структура экспертных систем
Экспертные системы разделяются на статические и динамические.
Статическая экспертная система имеет следующую структуру:
Рабочая память, называемая также базой данных, предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи.
База знаний предназначена для хранения долгосрочных данных, описывающих предметную область, и правил, описывающих целесообразные преобразования данных этой области.
Решатель, называемый также интерпретатором, используя исходные данные из рабочей памяти и знания из базы знаний, формирует правила, применение которых к исходным данным приводит к решению задачи.
Компонент приобретения знаний автоматизирует процесс наполнения экспертной системы знаниями эксперта.
Объяснительный компонент объясняет, как система получила решение задачи или почему она это решение не получила, и какие знания она при этом использовала. Компонент облегчает эксперту тестирование системы и повышает доверие пользователя к полученному результату.
Диалоговый компонент обеспечивает дружественный интерфейс с пользователем как в ходе решения задачи, так и в процессе приобретения знаний и объяснения результатов работы.
Статические экспертные системы используются в тех приложениях, где можно не учитывать изменения окружающего мира, происходящие во время решения задачи. Первые экспертные системы, получившие практическое применение, были статическими.
В структуру динамической экспертной системы дополнительно вводятся два компонента: подсистема моделирования внешнего мира и подсистема связи с внешним окружением. Последняя осуществляет связи с внешним миром через систему датчиков и контроллеров.