Решение задач Природа человеческих знаний Экспертные системы - umotnas.ru o_O
Главная
Поиск по ключевым словам:
страница 1
Похожие работы
Название работы Кол-во страниц Размер
Реферат Принципы построения экспертных систем студент группы и-8-7... 1 119.96kb.
Курсовая работа Экспертные системы как прикладная область искусственного... 2 548.58kb.
Базы знаний интеллектуальных 7 3931.91kb.
Решение задач нелинейного программирования 1 78.92kb.
Представление знаний 1 54.76kb.
Урок № экспертные системы понятие, особенности и примеры экспертных... 1 93.77kb.
«Решение задач в целых числах» 1 310.19kb.
Решение задач оптимизации методом 1 53.98kb.
Решение задач Подведение итогов занятия Ход занятия I. Организационный... 1 75.06kb.
Системы линейных уравнений 4 914.28kb.
Решение задач по теме: «Фотоэлектрический эффект. Уравнение Эйнштейна» 1 162.58kb.
Инженерия знаний методические указания к лабораторным работам 4 529.37kb.
Викторина для любознательных: «Занимательная биология» 1 9.92kb.

Решение задач Природа человеческих знаний Экспертные системы - страница №1/1

Системы баз знаний

Велимир Срика

  1. Системы баз знаний

  2. Интеллект человека и искусственный интеллект

  3. Машинное решение задач

  4. Природа человеческих знаний

  5. Экспертные системы

  6. Другие способы применения искусственного интеллекта

  7. Будущее

Обзор

Говоря простым языком, системы баз знаний — это искусство, которое использует достижения науки. Навыки, необходимые для работы с системами баз знаний, включают в себя познания в области информатики, когнитивной психологии, поведенческой теории и компетентности в конкретной предметной области. Системы баз знаний — это системы, которые имитируют человеческий интеллект. Они включают в себя экспертные системы, системы гипермедиа, системы автоматизированной разработки программного обеспечения (CASE, computer-aided/-assisted software engineering), интеллектуальные обучающие системы и гибридные системы.

Системы баз знаний — наиболее важная ветвь прикладной инженерии знаний. Они используют теоретические концепции искусственного интеллекта, машинного решения задач и имитации декларативных и процедурных знаний живых экспертов. Эти системы разрабатываются специалистами в области инженерии знаний, в результате чего появляется компьютерная система, состоящая из базы знаний, управляющей программы и интерфейса, предназначенного для предоставления объяснений пользователям и коммуникации с ними. Такие системы, имитирующие живых экспертов, оказывают неоценимую помощь руководителям и работникам всех областей управления бизнесом и обществом.

1. Системы баз знаний

Системы баз знаний являются разновидностью прикладного искусственного интеллекта (ИИ). Эта область привлекает все большее внимание и подразумевает наличие разнообразных навыков. Хотя до сих пор не существует официальных учебных программ и не выдается дипломов по инженерии знаний, ожидается, что скоро «индустрия знаний» приобретет то же значение, что и «информационная индустрия». Системы баз знаний в какой-либо области разрабатываются специалистами и экспертами по инженерии знаний. Разработчики систем и специалисты в области поведенческой теории и информатики изучают способы решения человеком задач с целью имитации знаний, полученных от экспертов в какой-либо области или других источников, в компьютерной программе. Они систематизируют эти знания в виде базы знаний. База знаний похожа на структуру данных. Это систематизированный набор знаний в какой-либо конкретной области, который постоянно дополняется и расширяется.

Самые важные и распространенные системы баз знаний — экспертные системы. Это компьютерные программы, которые используют знания и методы рассуждений для решения задач, обычно требующих знаний живого эксперта. Другими видами систем с базой знаний являются системы гипермедиа, системы автоматизированной разработки программного обеспечения (CASE, computer-aided/assisted software engineering), интеллектуальные обучающие системы и гибридные системы. В основе гипермедиа лежит интеграция текста, звука, изображений, данных и знаний в виде мультимедийного гипертекста. Используя CD-ROM, видео-диски или жесткие диски в сочетании с программным обеспечением для поиска информации, гипермедиа позволяет вести поиск в свободной форме на основе зна­ний по соответствующим ссылкам. Гипермедиа — лучший кандидат пароль структуры баз данных компьютерных систем будущего. Технология CASE сочетает в себе интегрированные программные инструменты и методики, которые дают возможность автоматизировать жизненный цикл программного обеспечения (анализ, разработку, программирование, тестирование и поддержку программного обеспечения). Интеллектуальные обучающие системы являются приложением ИИ в сфере образования. Они имеют много общего с учебными системами баз зна­ний, которые обычно связаны с более крупными базами данных. Наряду с этим существуют гибридные системы, созданные на основе частичного наложения раз-личных систем баз знании.

В большинстве компаний системы баз знаний используются на постоянной основе. Область их применения широка, от медицинских диагностических систем до интеллектуальных систем для проведения мультимедийных презентаций, от планировки новых заводов до систем обеспечения безопасности объектов атом — ной энергетики.



2. Интеллект человека и искусственный интеллект

В основе систем баз знаний лежат принципы работы человеческого интеллекта. Интеллектом называется способность подходить к решению какой-либо задачи с учетом имеющегося опыта. Согласно Хармону и Кингу (Harmon & King, 1985), а также Фишлеру и Фиршейну (Fischler & Firschein, 1987), для человеческого ин­теллекта характерны следующие свойства:



  • способность обучаться;

  • способность находить аналоги;

  • способность создавать новые понятия на основе известных понятий эффективность обработки неоднозначных и противоречивых сообщений;

  • способность определять относительную важность различных составных частей задачи;

  • гибкость подхода к решению задачи;

  • способность разбиения сложной задачи на составные части;

  • способность моделирования воспринимаемого мира;

  • понимание и способность использования символических средств.

Машинные знания — это то же, что искусственный интеллект (ИИ). Родоначальником в этой области является Алан Тьюринг, британский математик. Однако несмотря на то, что Тьюринг разработал первоначальную концепцию ИИ еще в 1937 г., официально ИИ появился только в 1956 г. Это произошло в Дартмутском колледже, во время встречи группы ученых, на которой обсуждался потенциал компьютеров в области стимуляции когнитивного процесса человека. Термин "искусственный интеллект» был предложен одним из организаторов конференции, Джоном Маккарти.

ИИ — это одна из ветвей информатики. Он связан с компьютерами, которые стимулируют процесс решения задачи путем дублирования функций человеческого мозга. ИИ включает в себя совокупность программного и аппаратного обеспечения и методов имитации свойственной человеку деятельности как умственной (мышление, принятие решений, рассуждения, решение задач, обучение и поиск данных), так и физической (сенсорные и моторные навыки). Комплексное решения задач моделируется с помощью представления когнитивного процесса человека, а когнитивное моделирование решает задачи, оценивая знания как человек.

Когнитивное моделирование и ИИ — родственные, но разные дисциплины. Когнитивное моделирование — это методика моделирования человеческого процесса познания, на котором строятся осмысленные рассуждения, а ИИ — методика моделирования разумного поведения, в котором рассуждение вовсе не обязательно. Правда, различия между двумя этими методиками постепенно стираются.

3. Машинное решение задач

Разработчики систем баз знаний должны изучать и применять человеческие и машинные методы и возможности решения задач. Решение задач машиной, как и человеком, построено на стратегиях поиска. Цель состоит в том, чтобы найти наиболее целесообразный путь через базу знаний, ведущий к решению задачи. В основе машинного решения задач лежат три основных понятия:



  • первоначальное состояние;

  • целевое состояние;

  • операторы.

Первоначальное состояние задается пользователем. Цели заранее определены и хранятся в базе знаний как результаты. Операторы представляют собой процедуры (от простых алгоритмов до сложных стратегий поиска), ведущие от первоначального состояния к цели, через промежуточные состояния. Этот процесс проще всего представить в виде дерева поиска. Корень дерева — это первоначальное состояние, а его ветви представляют собой возможные промежуточные и конечные состояния. Путь, ведущий к конечному состоянию, с помощью операторов находят специализированные управляющие программы. В машинных средствах решения задач, например системах баз знании, такая управляющая программа называется «машиной вывода». Машина вывода контролирует и осуществляет стратегии рассуждений при поиске в базе знаний. При поиске может быть использована одна - две базовых модели: слепой поиск (в случае, если поиск должен осу­ществляться по всем узлам дерева) и эвристический поиск (в случае, если есть возможность «сократить» путь).

4. Природа человеческих знаний

Теория проектирования систем баз знаний основана на иерархии данные — мудрость. Данные представляют собой факты и цифры, необработанную информацию и концепции, сформированные путем изложения фактов. Обработанные данные представляют собой информацию. Информация образуется при выяснении смысла данных с помощью анализа, в результате которого большой объем исходного материала преобразуется в совокупность небольших взаимосвязанных частей. Знания являются синтетической информацией. В результате синтеза формируются более сложные структуры, основанные на моделях, правильно описывающих процесс или объект, и приводятся примеры возможных действий. Люди, группы и целые культуры собирают и обрабатывают информацию и формируют знания. Их сравнивают с другими знаниями, чтобы достичь понимания и получить направляющие решения. Затем собранные знания оцениваются в соответствии с ценностями, законами, суждениями и другими (профессиональными) стандартами, и появляется мудрость. В то время как знания считаются пределом для интеллектуальных машин, мудрость является уделом человечества.

Сбор данных, анализ и синтез информации и ее преобразование в мудрость — иерархический процесс. Кто способен осуществить преобразование данные — информация - знания, именуется экспертом. Экспертная оценка обычно ограничивается знаниями в конкретной предметной области.

Знания можно определить как набор моделей, которые используются для интерпретации, прогнозирования и управления внешним миром. Они представляют собой совокупность декларативных (факты) и процедурных (методы) утверждений. Знания имеют разные уровни: есть вещи, которые легко изучить и объяснить, а есть вещи, которые изучить и объяснить трудно. Низший уровень знаний — это факты, которые можно констатировать, приводить в виде таблиц, перечней, диаграмм, иллюстраций и графиков. Следующий уровень знаний — это понятия, которые суть обобщения. Они поясняют группы объектов, символов, процессов и событий с общими атрибутами. Это означает, что классификация по сути своей искусственна. Понятия бывают конкретными и абстрактными. Следующий уровень знаний — правила, которые вырабатываются путем анализа фактов и поня­тий. Правила представляют собой наборы операций и шагов, направленных на решение задачи, достижение цели или получение какого-либо продукта. Правила представляют знания в виде операторов или алгоритмов типа «если, то» и используются при разработке стратегии решения задач.

Высшим уровнем знаний являются правила высокого порядка и эвристическое решение задач. Эвристические знания основаны на создании правил и их применении в нестандартных ситуациях, что дает возможность выхода за пределы знаний, основанных на правилах и алгоритмах. Это синтез новых фактов и понятий на основе ранее изученных правил. Факты из какой-либо предметной области могут быть взяты из банка фактов. Наборы фактов могут объединяться в понятия. Понятия получают определение, «очищаются» и преобразуются в правила. Затем факты, понятия и правила синтезируются, а их границы расширяются с целью создания эвристических знаний.

Эвристические знания уникальны для каждого человека. Они основываются на индивидуальных «эмпирических» правилах или «систематических догадках». В то время как для решения стандартных и четко определенных задач применяются алгоритмы, эвристические правила относятся к задачам, возможные исходы и решения которых не определены. Эвристические знания основаны большей ча­стью на методах и правилах открытий и инноваций.



Декларативные и процедурные знания

Инженерия знаний определяет их как набор фактов, понятий, правил и эвристики, направленных па решение задач. Знания о каком-либо предмете могут быть разделены на две группы: декларативные и процедурные. Декларативные знания — это описательное представление в какой-либо предметной области. Это поверхностные знания о том, что собой представляет предмет, как он выглядит и что он означает. Знание того, «что» представляет собой отчет о прибылях и убытках, является примером декларативного знания (знания фактов). Процедурные знания являются набором интеллектуальных способностей, направлен­ных на знание того, «как» сделать что-либо (например, как подготовить годовой отчет о прибылях и убытках фирмы). Процедурные знания являются предписывающими: они используют процедурные знания для определения образа действий.

Факты и понятия по большей части относятся к декларативным знаниям. Правила и алгоритмы являются примерами процедурных знаний. Наличие процедуры выполнения какого-либо действия не обязательно означает наличие навыков, необходимых для осуществления задачи. Декларативные и процедурные знания отдельного человека основаны на его опыте, воспитании и обучении. Знания подразумевают изучение, осведомленность и компетентность в различных вопросах, которые представлены в ментальных моделях (интеллектуальные модели).

Существует особый вид знаний, называемых здравым смыслом. Он формируется со временем и представляет собой накопленные декларативные и процедурные знания, которые сами собой разумеются для большинства людей. Здравый смысл, построенный на основе информации, представляет собой совокупность информации по какому-либо вопросу, которую «следует знать» всем. Такие знания также называются знаниями общего плана и могут быть описаны как процедуры, установленные порядки и процессы, направленные на эффективное выпол­нение различных (профессиональных) задач.

Наиболее важным аспектом знаний является их долговечность. Неизменные знания, такие как чаконы природы, не меняются со временем. Статичные знания, такие как политика бизнеса или его процедуры, статичны лишь какое-то время — рано или поздно их ждут перемены. Динамичные знания, такие как условия рын­ка или норма возврата инвестиций, изменяются от одного приложения к другому.

Применение знаний

Мышление, решение задач и рассуждения — это пути развития и применения человеческих знаний. Как гласят различные определения, мышление — это направленная, ориентированная на цель деятельность, сконцентрированная па решении задач. Это также активный мыслительный процесс, направленный на разработку и изменение ментальных моделей. Ментальные модели — это структуры знаний, которые создаются во время изучения или выполнения различных задач. Мышление подразумевает активную интеграцию новых знаний с существующими знаниями и навыками. Это основа обучения, процесса разработки новых и более совершенных ментальных моделей и когнитивных навыков. Наиболее эффективное приобретение новых знаний — это «обучение на деле». Ре­шения задач и затруднений часто находятся там, откуда их никто не ждет. Ре­зультат решения — это переход из первоначального состояния в желаемое (целевое) состояние.

При решении задач человек использует четыре типа рассуждения: рассуждение с привлечением здравого смысла, рассуждение с проведением аналогий, дедуктивное рассуждение и индуктивное рассуждение. Рассуждение с привлечением здравого смысла основано на индивидуальном опыте и фактах, усвоенных человеком за его жизнь. Современные системы с базой знаний не работают с. таким видом рассуждений из-за его сложности. Исключением является только так называемый эвристический поиск, разновидность эмпирических правил, с помощью которых можно исключить наименее вероятные альтернативы. Современные системы с базой знаний не используют и рассуждения с проведением аналогий, поскольку они основаны на сравнении рассматриваемой задачи с уже известным и принятым стандартом поведения в аналогичной ситуации. Проведение таких аналогий основано на способности распознавать сходство ситуации с прошлым опытом. В основе дедуктивных рассуждений лежат логические цепочки, построенные на предпосылках, ведущих к заключениям. Предпосылки состоят из истинных утверждений и правил. При дедуктивных рассуждениях происходит переход от общего к частностям. Используя общие факты, истины и утверждения, человек приходит к какому-либо выводу либо выбирает направление деятельности. Ин­дуктивное рассуждение, напротив, идет от частностей к общему, поэтому оно не такое точное, как дедуктивное. При интерпретации логики, которая описывает имевшие место факты, оно зачастую основывается на подходе наилучшей догадки. Дедуктивные и индуктивные рассуждения широко используются при разработке систем с базой знаний.

Источники знаний

Для разработчиков систем источник знаний — это в первую очередь его преподаватели и учителя, исследователи, работающие в этой области, работники, которые применяют знания в этой области, и живые эксперты. В качестве других источников можно назвать книги, руководства, научные труды, записки, материалы исследований, физические записи (видео- и аудиозаписи, диски CD-ROM, фильмы, слайды и т. д.) и компьютерные ресурсы (базы данных, электронные доски объявлений, и т. д.). При разработке базы знаний надо учитывать ее размер, степень сложности, стабильность и форму знаний. Эти вопросы определяют выбор методологии, а также программного и аппаратного обеспечения, которое планируется использовать при создании базы знаний.



Эксперты

При разработке систем с базой знаний экспертом является компетентный человек, который решает задачи в какой-то предметной области, владеет методиками и обладает способностями, превышающими средний уровень его коллег. Эксперты разрабатывают комплексные стратегии обработки информации, отбирают необходимое, используют то, что требуется в настоящий момент, и сохраняют то, что может понадобиться в будущем. Эксперты получают свой статус благодаря их способности применять полученные знания и личный опыт. Эксперты решают задачи быстро и эффективно. Как правило, им известен предел собственных возможностей и, если они его достигли, то ссылаются на кого-либо другого. Эксперт используется в качестве информационного источника, решателя задач или учите­ля. Эксперты отличаются от всех остальных своей способностью активно отслеживать и видоизменять свои когнитивные модели и процессы.

Эксперты, занимающиеся разработкой баз знаний, должны обладать как декларативными, так и процедурными знаниями в предметной области. Они должны быть способны не только решить задачу, но также объяснить свои решения дру­гим. Если у одного эксперта знаний недостаточно, привлекают группу экспертов,

5. Экспертные системы

В контексте развития коммерческой обработки информации обычно рассматривают три понятия:



  • информационные системы;

  • системы поддержки принятия решений;

  • системы с базой знаний.

Основными элементами любой информационной системы (см. УПРАВЛЕНЧЕСКИЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ) являются: пользователь (тот, кто хочет удовлетворить свою потребность в информации); база данных (совокупность доступных данных и информации) и коммуникационный интерфейс (пути и способы, с помощью которых пользователь извлекает информацию из базы данных). Традиционные информационные системы независимо от доступных средств или применяемых технологий обеспечивают пользователя «сырой» информацией без каких-либо дополнительных пояснений. Они просто обрабатывают и распространяют данные, хранящиеся в базе данных. Системы поддержки принятия решений состоят не только из базы данных, но также из базы, содержа­щей техники, методы, прогнозы и статистику, что делает возможным комплексную обработку доступной информации. Они дают возможность «индивидуализированного» вывода информации, соответствующего потребностям пользователя. Основной возможностью систем поддержки принятия решений является их способность предоставления ответов на вопросы типа «что, если».

Экспертные системы — это специализированные системы, которые могут заменить живого эксперта в определенных областях знаний. Они имитируют рассуждения живых экспертов по определенным предметам и иногда называются интеллектуальными помощниками. Экспертная система:



  • полностью заменяет живого эксперта;

  • охватывает узкую, специфичную область знаний;

  • поясняет цепочку заключений (разъясняет, каким путем она пришла к какому-либо выводу);

  • при работе со стохастической задачей для каждой альтернативы предоставляет степень се вероятности.

Количество инструментов и приложений по экспертным системам удваивается каждый год, особенно для персональных компьютеров. Сегодня существует масса коммерческих прикладных экспертных систем для различных типов производства, обслуживания и других видов организаций. Среди многочисленных причин, обуславливающих разработку экспертной системы в какой-либо предметной области, можно назвать следующие:

  • использование экспертной системы выгоднее, чем привлечение реальных экспертов;

  • в большинстве организаций реальных экспертов мало и всем не хватает;

  • число информационных продуктов выросло невероятно — актуальным экспертам за ними не угнаться;

  • недостаток актуальных экспертов, способных выполнять ту или иную работу;

  • обучать новых экспертов дорого и долго;

  • программное и аппаратное обеспечение, необходимое для системы с базой знаний, ощутимо подешевело;

  • более быстрый отклик на быстроменяющееся окружение.

В большинстве видов бизнеса экспертные системы будут играть важную роль и могут оказаться даже важнее, чем появление компьютеров.

Компоненты

В основе современных экспертных систем лежат различные подходы, технологии и компьютерные конфигурации, поэтому не существует каких-либо стандартных решений. Большинство экспертных систем имеют три общих компонента:



  • базу знаний;

  • управляющую программу;

  • механизм выработки решений

Основным элементом экспертной системы является база знаний. Ее ценность зависит от качества ее содержимого и динамичности, с которой она может адаптироваться к изменениям в предметной области. Она состоит из декларативных (факты, понятия) и процедурных знаний (правила и действия), которые используются экспертами при решении задач. База знаний проектируется специалистами по разработке баз знаний и экспертами в предметной области таким образом, чтобы она отображала навыки экспертов, их знания и опыт. Знания в базе представляются посредством продукционных правил, семантических сетей, фреймов и других способов представления знаний.

Продукционные правила являются наиболее распространенной формой представления знаний. Они состоят из предпосылок и заключения. Предпосылки представляют собой условия в форме оператора «ЕСЛИ» и выражают часть декларативных знаний. Заключение представляет собой решение в виде оператора «ТО», Оно описывает действие, которое будет предпринято в соответствии с процедурными знаниями. Завершенная база знаний может содержать от десятка до нескольких тысяч таких процедурных правил. Пример продукционного правила приведен ниже.

ЕСЛИ завтра пятница и ЕСЛИ по пятницам проводится собрание совета в 15-00,

ТО завтра в 15-00 члены совета должны присутствовать на собрании.

Семантическая сеть является способом визуального описания связей между любыми видами объектов. Она состоит из узлов (например, людей, мест, предме­тов, понятий, событий или действий) и связей (взаимоотношении между узлами типа «является», «имеет», «сделай из» и т. п.). Семантические сети используются разработчиками систем с базой знаний для определения тех элементов базы знаний, которые связаны с декларативным описанием объектов, связей и взаимоотношений. Семантические сети наиболее широко используются при подтверждении правильности знаний экспертами в данной предметной области. Пример семантической сети приведен на рис. 1.

Фрейм также является структурой для представления отдельных частей знаний. В противоположность семантическим сетям, здесь знания сгруппированы в отдельную единицу, называемую фреймом. Фрейм имеет матричную структуру и содержит взаимосвязанные знания, касающиеся характеристик понятия, значения характеристик и соответствующие модели поведения. Специалисты по зна­ниям используют фреймы для представления в базе знаний декларативных и процедурных знаний. Пример приведен на рис. 2.

Управляющая программа (также называемая машиной вывода или интерпретатором правил) — это процедура, контролирующая процесс рассуждений, проводимый па базе знаний. Она направляет поиск по базе знаний, целью которого является получение какого-либо факта, решения или выбор следующего действия. Управляющая программа может взаимодействовать с пользователем системы, когда факт или правило не найдены в базе знаний. Также управляющая програм­ма управляет работой системы путем выбора правил, и
х оценки, исполнения и определения параметров изображения.
Рис. 1


Совет

1 5 членов

Члены совета

встречаются каждую пятницу

Собрания совета

проводятся в 15-00

Голубая комната

Место встречи совета

Рис.2

Механизм выработки решений является третьей важной составляющей экспертной системы. Его основные элементы — пользовательский интерфейс и средств; по объяснению хода рассуждений. Пользовательский интерфейс делает возмож­ным разъяснение задачи, предоставление запрошенной информации и получение советов или предложений от экспертной системы. Работу пользовательского интерфейса обеспечивают различные устройства ввода (клавиатура, устройства считывания рукописной информации, голосовых данных, сенсорные экраны, мышь) и вывода (монитор, принтер, голосовое устройство). Выводимая информация, предназначенная для пользователя, включает в себя правила, графические объекты и изображения, пояснения, вспомогательные сообщения и решения.

Средства разъяснения задачи есть в любой экспертной системе. Они предназначены для поддержки пользователя в случаях, когда возникает необходимость дополнительных коммуникаций с системой: например, когда опции, предоставляемые системой, непонятны пользователю, или выводы сомнительны, или пользователь хочет узнать правила, па основе которых было принято решение. Средств; разъяснения также имеют большое значение при обучении и тренировке.

Классификация

Как правило, экспертные системы классифицируются в соответствии с размером базы знаний; они могут быть небольшими (менее 500 правил), средними (от 50 до 10 тыс. правил) и большими (более 10 тыс. правил). Однако ввиду стремительного развития аппаратного и программного обеспечения эта классификация уже устарела.

В зависимости от методики разработки, экспертные системы делятся на систе­мы, создающиеся с помощью языков программирования (например, С, LISP или Pascal) или с помощью оболочки. Оболочки представляют собой компьютерные программы, в которых реализованы механизм представления знаний, управляющая программа, необходимая для обработки базы знаний, и пользовательский интерфейс.

В соответствии с подходом, использующимся при создании базы знаний, существуют основанные на правилах, основанные на примерах и интегрированные экспертные системы. Системы, основанные на правилах, также называют продукционными системами. Их база знаний состоит из продукционных правил, построенных на понятиях условий («ЕСЛИ») и последующих действий («ТО»). Эти си­стемы переходят от условия к условию путем взаимодействия с пользователем. Такие системы являются наилучшим решением в случае, если декларативные и процедурные знания могут быть представлены в виде правил. Системы, основанные на примерах, генерируют правила, заключения и решения на основе примеров, имевших место в прошлом и хранящихся в базе знаний. Поскольку выводы делаются на основе ограниченного набора примеров, такие системы также называют индукционными системами. Они являются наилучшим решением в случае, когда правила неизвестны и системе приходится иметь дело с прогнозами, суждениями и эвристическими знаниями. В основе интегрированных систем лежат разнообразные методики проектирования баз знаний и поиска в них. В таких системах могут сочетаться использование продукционных правил, фреймов или дедукции с индукционными примерами.

Что касается подхода к имитации человеческого способа рассуждений, существуют дедуктивные и индуктивные экспертные системы. Дедуктивные системы, так же как и продукционные системы, используют правила для того, чтобы прийти к каким-либо заключениям путем дедуктивных рассуждений. Наиболее распространенными примерами применения дедуктивного рассуждения в системах с базой знаний являются: объединение (интеграция отдельных частей в единое целое); планирование (последовательность событий, необходимых для выполнения задачи); проектирование (применение известных принципов для создания чего-либо нового). Индуктивные системы интерпретируют базу знаний как основанную на примерах и производят оценку с использованием индуктивных рассуждений. Наиболее распространенными образцами применения индуктивного рассуждения в системах с базой знании являются: постановка диагноза (определение причин задачи); тестирование (определение соответствия каким-либо критериям); и прогнозирование (экстраполяция известных результатов на область будущего).

Экспертные системы бывают либо автономными, либо встроенными. Автономные программы запускаются как отдельное приложение. Встроенная экспертная система является частью другой программы. Она может быть либо частью стандартной программы, и тогда доступ к ней осуществляется по необходимости, либо она может выполняться одновременно с другими приложениями.

Татхилл (Tuthill, 1990) классифицирует экспертные системы в соответствии с уровнем рабочих характеристик. Системы более высокого уровня обеспечивают функционирование систем более низких уровней. Системы с базой знаний 0-го уровня самодостаточны и не обращаются за пределы своей базы знаний. Такие системы автоматически выводят на экран используемые правила, предоставляют объяснения и распечатывают простые отчеты. Системы 1-го уровня используют обращения к внешним программам и обеспечивают обмен данными между пользователем и периферийными устройствами. Системы 2-го уровня построены с использованием обратной связи. Посредством замкнутого контура они отслеживают процесс, выявляют нестандартные ситуации и отправляют сообщения с целью модификации контролируемых операций. Системы 3-го уровня предлагают более высокий уровень функциональности при работе с различными приложениями и работе в различных программных и аппаратных средах. Системы 4-го уровня могут обучаться и автоматически изменять свою базу знаний. Такие системы можно встретить только в исследовательских лабораториях.

Экспертные системы также классифицируются по областям их применения:



  • производственные экспертные системы предназначены для повышения эффективности различных стадий производственного процесса (планирования, проектирования, производства, контроля);

  • финансовые экспертные системы используются при управлении денежными средствами (в банковском деле, бухгалтерском учете, страховании);

  • образовательные экспертные системы предназначены для разработки и непосредственного осуществления процесса обучения (обучения в школе, профессионального обучения, медиа);

  • медицинские экспертные системы используются при диагностике, анализе симптомов, выписке лекарств и определении методов терапии;

  • научные экспертные системы используются во всех областях науки, вплоть до анатомии и зоологии;

  • военные экспертные системы используются для разработки стратегии и тактики военных действий и для других военных целей;

  • общественные экспертные системы, предоставляющие разнообразные интеллектуальные услуги, от игр и домашнего бюджета до юридических консультаций и прогноза погоды.

По своему предназначению экспертные системы бывают трех типов: совещательные и консультативные системы; экспертные системы, замещающие «живое» принятие решений (см. ПРИНЯТИЕ РЕШЕНИЙ), и экспертные системы для создания нового опыта в какой-либо конкретной предметной области. Уотерман (Waterman, 1986) считает, что существует десять видов предназначения экспертных систем:

  • интерпретация, или формирование описаний на базе сенсорных данных;

  • прогнозирование, или определение последствий каких-либо ситуаций;

  • диагностика, или определение причин неисправностей по видимым проявлениям; проектирование, или создание объектов в соответствии с заданными характеристиками;

  • планирование, или определение последовательности действий;

  • мониторинг, или сравнение результатов наблюдений с ожидаемыми результатами;

  • отладка, или определение способов устранения неисправностей;

  • ремонт, или устранение неисправностей по предписанному плану;

  • инструкции, или постановка диагноза и предписание определенных действий;

  • контроль, или управление поведением всей системы.

Хотя основная цель современных пользователей — получение долговременной денежной выгоды, применение систем с базой знаний ограничено только человеческим воображением.

Разработка

Процесс создания экспертной системы начинается с постановки задачи и определения перспектив. Когда задача определена, начинается процесс создания прототипа. Создание прототипа — наиболее трудоемкая стадия процесса и подразумевает интервьюирование экспертов в интересующей области и изучение других источников знаний с целью сбора материала, необходимого для создания базы знаний. Когда определена методика (методики) представления знаний, создается код системы и первый рабочий прототип системы. Затем он выносится на суд экспертов и пользователей, и выслушиваются их комментарии. Результатом этого итерационного процесса является серия новых прототипов, в которые внесены изменения в соответствии с высказанными пожеланиями, И наконец, приступают к производству системы, ее реализации, и если это необходимо, то дальнейшей поддержке системы с целью улучшения ее функциональности. Большинство систем с базой знаний остаются незавершенными в связи с ростом и повышением сложности знаний в предметной области. Их надо постоянно обновлять.



Средства разработки

Что касается технической стороны вопроса, то экспертные системы могут разрабатываться на любом языке программирования, в котором реализовано условие «ЕСЛИ». Исследование, проведенное Келли (Kelly, 1991), показало, что при разра­ботке коммерческих систем с базой знаний используется множество языков про­граммирования, начиная Basic, COBOL, DSP, PROLOG, Pascal, и FORTRAN и за­канчивая OPS5, Nexpert, EPITOOL и GKS (Graphical Kernel System). В 90% рассмотренных случаев для создания экспертной системы использовалось более одного языка. Однако некоторые языки не подходят для программирования, в основе которого лежат правила и фреймы. Наиболее широко используемым языком создания ИИ является LISP (List Processor),за ним идет PROLOG (PROgramming in LOGic), язык программирования, основанный на исчислении предикатов, который используется преимущественно в Европе.

Экспертные системы относятся к программному обеспечению пятого поколения, но средства, которые используются для их написания, как правило, принадлежат к четвертому поколению. Наиболее известными средствами (оболочками) четвертого поколения для разработки экспертных систем являются OPS5, EPITOOL и Nexpert, которые написаны на языках программирования высокого уровня, относящихся к третьему поколению (BLISS, LISP и С соответственно).

6. Другие способы применения
искусственного интеллекта

Наряду с системами с базой знаний существуют другие приложения ИИ, такие как игры, решение головоломок, обработка естественного языка, распознавание речи, машинное зрение, робототехника, интеллектуальное обучение, обучение машины и решение общих задач. Развитие этих направлений будет способствовать разработке более совершенных и более «похожих на человека» систем с базой знаний.

Игры и решение головоломок (например, шахматы) были первой областью приложения ИИ и инженерии знаний, где имела место имитация человеческого интеллекта и способностей по решению задач. Средства обработки естественных языков дают возможность компьютерам понимать сообщения на различных языках и осуществлять вербальные коммуникации с живыми пользователями. Они снабжены базой знаний (словарем) и в настоящее время используются для создания интерактивного интерфейса с компьютером в таких областях, как электронные таблицы, программы управления базами данных, операционные системы и системы автоматического перевода. В будущем обработка естественных языков будет использоваться для сканирования, интерпретации и обобщения массивом данных для различных прикладных систем с базой знаний. Распознавание речи и машинное зрение имитируют два наиболее важных человеческих чувства и таким образом упрощают взаимодействие живого эксперта и компьютера. Робототехника занимается копированием физических характеристик человека и их машинной реализацией. Интеллектуальное обучение применяется в основном при обучении с помощью компьютера. Обучение машины — это попытка имитации обучения человека с использованием дедуктивных и индуктивных процессов. Системы решения общих задач предназначены для решения различных видов задач, которые представлены на формальном языке, с использованием алгоритмов и эвристики.

7. Будущее

Как и в других областях, настоящее инженерии знаний принадлежит реалистам, которые адаптируют технологии к удовлетворению существующих потребностей. Однако будущее инженерии знаний зависит от мечтателей, предвосхищающих появление технологий, которые будут служить людям в будущем.

В распоряжении инженеров по знаниям будет более совершенное аппаратное и программное обеспечение. Быстрое действие и большая емкость запоминающих устройств позволит использовать знания, основанные на здравом смысле, и предоставит возможность одновременно обрабатывать правила, фреймы и другие структуры знаний. Станет необходимой обработка данных с массовым параллелизмом и применение суперкомпьютеров. Программное обеспечение позволит обучение на базе опыта и обновление его базы данных. Также оно будет обладать возможностями динамического отклика на изменяющиеся входные условия или функцию. Системы с базой знаний будут полагаться на автоматизированное программное обеспечение по получению знаний. В качестве пользовательских интерфейсов будут использоваться распознавание речи и ввод рукописной информа­ции. Коммуникации будут многоязычными, появятся возможности машинного перевода. Специалисты в области проектирования систем с базой знаний останутся редкими и дорогостоящими.

Приобретение знаний — это то, что ограничивает развитие систем с базой знаний. Мы сможем разработать более эффективные системы с базой знаний только в том случае, если мы лучше поймем способы обработки знаний, их хранения и поиска, свойственные человеческому разуму, а также принципы накопления человеком опыта.



У компьютера большие возможности искусственного интеллекта. Он превратится из устройства для обработки данных в устройство для обработки знаний. Обладая сенсорными связями и роботами, система с базой знаний сможет собирать и анализировать информацию, а также действовать бел вмешательства человека. Языковое программное обеспечение будет имитировать интуицию. Дополнительные технологии, такие как нейросети или «широкомасштабная» параллельная обработка, подготовят почву для появления интеллектуальных машин более высокого уровня.

Velimir Srica
University of Zagreb
(Источник: Информационные технологии в бизнесе / Под ред. М.Желены. – СПб: Питер, 2002.)