Экспертные системы

Экспертная система - это методология адаптации алгоритма успешных решений одной сферы научно-практической деятельности в другую. С распространением компьютерных технологий это тождественна (подобная, основанная на оптимизирующему алгоритме) интеллектуальная компьютерная программа, содержащая знания и аналитические способности одного или нескольких экспертов по некоторой области применения и способна делать логические выводы на основе этих знаний, тем самым обеспечивая решение специфических задач (консультирование, обучения, диагностика, тестирования, проектирование и т.д.) без присутствия эксперта (специалиста в конкретной проблемной области). Также определяется как система, которая использует базу знаний для решения задач (выдачи рекомендаций) в некоторой предметной области. Этот класс программного обеспечения изначально разрабатывался исследователями искусственного интеллекта в 1960-е и 1970-е и получил коммерческое применение, начиная с 1980-х. Часто термин система, основанная на знаниях используется в качестве синонима экспертной системы, однако возможности экспертных систем шире возможности систем, основанных на детерминированных (ограниченных, реализованных на текущее время) знаниях. [1]

Однако согласованного определения экспертных систем не существует [2]. Зато авторы дают определение в зависимости от применения, структуры таких систем. Ранние определения экспертных систем предполагали применение вывода новых знаний на основе правил.

Похожие действия выполняет программа-мастер (wizard). Как правило, мастера применяют в системных программах для интерактивного общения с пользователем (например, при установки ПО). Главное отличие мастеров от ЭС - отсутствие базы знаний; все действия жестко запрограммированы. Это просто набор форм для заполнения пользователем.

Другие подобные программы - поисковые или справочные системы. По запросу пользователя они предоставляют наиболее подходящие ( релевантные) разделы базы статей, альтернативность выбора которых определяет субъект формирования запроса.

Поэтому мы видим ограничения методологии экспертных систем при наличии полезных качеств в корректных рамках применения.


1. Характеристики ЕС

Экспертная система отличается от других приложений наличием следующих признаков: [1]

  • Имитирует механизм мышления человека при применении для решения задач в этой предметной области. Это существенно отличает экспертные системы от систем математического моделирования или компьютерной анимации. Однако, ЕС не должны полностью воспроизводить психологическую модель специалиста в этой области, а должны лишь воспроизводить с помощью компьютера некоторые методики решения проблем, используемых экспертом.
  • Система, помимо выполнения вычислительных операций, формирует определенные выводы, основываясь на тех знаниях, которыми она обладает. Знания в системе, как правило, описаны некоторой специализированной языке и хранятся отдельно от кода, который формирует выводы. Компонент сохранения знаний принято называть базой знаний.
  • При решении задач основную роль играют эвристические и приближенные методы, что, в отличие от алгоритмических, не всегда гарантируют успех. Эвристика, в принципе, является правилом влияния ( англ. rule of thumb ), Что в машинном виде отражает некоторое знание, приобретенное человеком вместе с накоплением практического опыта решения аналогичных проблем. Такие методы являются приближенными в том смысле, что, во-первых, они не нуждаются в исчерпывающей исходной информации, а во-вторых, существует определенная степень уверенности (или неуверенности) в том, что предложенный решение является правильным.

Экспертные системы отличаются и от других видов программ из области искусственного интеллекта.

  • Экспертные системы применяются для предметов реального мира, операции с которыми обычно требуют большого опыта, накопленного человеком. Экспертные системы имеют ярко выраженную практическую направленность для применения в научной или коммерческой сфере.
  • Одной из основных характеристик экспертной системы является ее быстродействие, т.е. скорость получения результата и его достоверность (надежность). Исследовательские программы искусственного интеллекта могут быть и не очень быстрыми, зато экспертная система должна за приемлемое время найти решение, был бы не хуже решение, может предложить специалист в этой предметной области.
  • Экспертная система должна иметь возможность объяснить, почему предложено именно это решение и довести его обоснованность. Пользователь должен получить всю необходимую ему для того, чтобы убедиться в обоснованности предложенного решения.

1.1. Известны экспертные системы

Например, можно привести такие известные экспертные системы:

  • CLIPS - язык, используемый для создания экспертных систем
  • Dendral - анализ данных масс-спектрометрии
  • Dipmeter Advisor - анализ данных, полученных во время поиска нефти
  • Jess - от англ. Java Expert System Shell , Оболочка экспертных систем на Java. Двигатель CLIPS реализован на языке программирования Java, используется для создания экспертных систем
  • MQL 4 - MetaQuotes Language 4, специализированный язык программирования для описания финансовой стратегии
  • Mycin - диагностика инфекционных болезней крови и рекомендация антибиотиков
  • Prolog - язык, используемый для создания экспертных систем
  • R1 / XCON (экспертная система) - обработка заказов
  • SHINE Real-time Expert System - от англ. Spacecraft Health INference Engine , Двигатель для получения данных о состоянии и безопасность космического корабля
  • STD Wizard - экспертная система для рекомендации и выбора медицинских анализов (диагностики)

2. Структура ЕС

Структура типичной экспертной системы. [3]

Типичные экспертные системы могут иметь следующую структуру: [4] [2]

База знаний состоит из правил анализа информации от пользователя по конкретной проблеме. ЕС анализирует ситуацию и, в зависимости от направленности ЭС, дает рекомендации по решению проблемы.

ЕС создается с помощью двух групп людей:

  1. инженеров, которые разрабатывают ядро ​​ЕС и, зная организацию базы знаний, заполняют ее с помощью:
  2. экспертов (эксперта) по специальности.

3. Представление знаний

Представление знаний - одна из функций экспертной системы. Теория представления знаний - отдельная область исследований, тесно связана с философией формализма и когнитивной психологией. Предмет исследования в этой области - методы ассоциативного хранения информации, подобные тем, что существуют в мозгу человека.

В области искусственного интеллекта проводится работа по созданию языков представления знаний, то есть компьютерных языков, ориентированных на организацию описаний объектов и идей. Основными критериями для представления знаний является логическая адекватность, эвристическая мощность и естественность нотации.



4. Классификация ЕС

  • Классификация ЕС по связи с реальным временем
  • Классификация ЕС по типу проблемного среды
  • Классификация по типу ЭВМ
  • Классификация по степени интеграции с другими программами
  • Классификация ЕС по задачей, решаемой

5. Этапы разработки ЭС

  • Этап идентификации проблем - определяются задачи, которые подлежат решению, выявляются цели разработки, определяются эксперты и типы пользователей.
  • Этап извлечения знаний - проводится содержательный анализ проблемной области, выявляются понятия и их взаимосвязи, определяются методы решения задач.
  • Этап структурирования знаний - выбираются ИС и определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решений, средств представления и манипулирования знаниями.
  • Этап формализации - осуществляется наполнение экспертом базы знаний. В связи с тем, что основой ЭС являются знания, данный этап является наиболее важным и наиболее трудоемким этапом разработки ЭС. Процесс приобретения знаний разделяют на извлечение знаний эксперта, организацию знаний, обеспечивает эффективную работу системы, и представление знаний в виде, понятном ЭС. Процесс приобретения знаний осуществляется инженером по знаниям на основе анализа деятельности эксперта по решению реальных задач.
  • Реализация ЭС - происходит создание одного или нескольких прототипов ЭС которые решают поставленные задачи.
  • Этап тестирование - проводится оценка выбранного способа представления знаний в ЭС в целом.

6. Преимущества и слабые места экспертных систем

Экспертные системы отмечаются определенными преимуществами над людьми-экспертами при использовании. В частности, экспертная система:

  • преобладает возможности человека при решении чрезвычайно громоздких проблем;
  • не имеет предвзятых мнений, тогда как эксперт может пользоваться побочными знаниями и легко поддается влиянию внешних факторов;
  • не оказывает поспешных выводов, пренебрегая определенными этапами нахождения решения;
  • обеспечивает диалоговый режим работы;
  • разрешает работу с информацией, содержащей символьные переменные;
  • обеспечивает корректную работу с информацией, содержащей ошибки, за счет использования вероятностных методов исследований;
  • позволяет проводить одновременную обработку альтернативных версий;
  • по требованию объясняет ход шагов реализации программы;
  • обеспечивает возможность обоснования решения и воспроизведения пути его принятия.

Но даже лучшие из существующих экспертных систем имеют определенные ограничения по сравнению с человеком- экспертом, которые сводятся к следующему:

  • Большинство экспертных систем Не вполне пригодны для широкого использования. Если пользователь не имеет некоторый опыт работы с этими системами, у него могут возникнуть серьезные трудности. Многие экспертных систем доступны только тем экспертам, которые создавали их базы знаний. Поэтому нужно параллельно разрабатывать соответствующий интерфейс, который бы обеспечил конечному пользователю присущий ему режим работы;
  • "Навыки" системы не всегда "растут" после сеанса экспертизы, даже когда проявляются новые знания;
  • Все еще остается проблемой приведение знаний, полученных от эксперта, к виду, который обеспечивал бы их эффективное использование;
  • Экспертные системы, как правило, не могут приобретать качественно новых знаний, не предусмотренных при разработке, и тем более не обладают здравым смыслом. Человек-эксперт при решении задач обычно обращается к своей интуиции или здравого смысла, если отсутствуют формальные методы решения или аналоги решения данной проблемы.

[5] [6] [7] [8] [9] [10] [11] [12]


7. Сфера применения и перспективы развития

Экспертные системы достаточно давно используются в диагностике, в частности в медицинской и автомобильной.

Экспертная система состояния двигателя SUN SMP 4000

Также экспертные системы можно использовать в прогнозировании, планировании, контроле, управлении и обучении. Например, экспертные системы уже применяются в банковском деле в таких направлениях:

  • программах анализа инвестиционных проектов;
  • программах анализа состояния валютного, денежного и фондового рынка;
  • программах анализа кредитоспособности или финансового состояния предприятий и банков.

Процесс создания экспертных систем значительно изменился за последние годы. Благодаря появлению специальных инструментальных средств построения экспертных систем значительно сократились сроки и уменьшилась трудоемкость их разработки. Инструментальные средства, используемые при создании экспертных систем, можно разбить на три класса:

На американском и западноевропейских рынках систем искусственного интеллекта организациям, желающим создать экспертную систему, фирмы-разработчики предлагают сотни инструментальных средств для их построения. Начисляются тысячи разработанных узкоспециализированных экспертных систем. Это свидетельствует о том, что экспертные системы составляют весьма существенную часть программных средств.


8. Источники информации

  1. а б П. Джексон, "Введение в экспертные системы", Вильямс, 2001. ISBN 5-8459-0150-2, ISBN 0-201-87686-8
  2. а б Carol E. Brown и Daniel E. O'Leary, INTRODUCTION TO ARTIFICIAL INTELLIGENCE AND EXPERT SYSTEMS просмотренных 7 февраля 2008
  3. Алгоритмы искусственного интеллекта на языке PROLOG, 3-е издание. : Пер. с англ. - М.: Издательский дом "Вильяме", 200-1. - 640 с. : Ил. - Парал. тит. англ. ISBN 5-8459-0664-4
  4. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. Учебник. - СПб.: Питер, 2000.
  5. Автоматизированные информационные технологии в экономике. Под. ред. Г.А.Титоренко - М. Компьютер ЮНИТИ, 1998, - 336 с.
  6. Бердтис А. Структуры данных. - М.: Статистика, 1974, - 408 с.
  7. Бойко В.В., Савинков В.М. Проектирование баз данных информационных систем. -М.: Финансы и статистика, 1992.
  8. Бойков.В., Савинков В.М. Проектирование баз данных информационных систем. М. Мир 1997.
  9. Боэм Б.У. Инженерное программирование для проектирования программного обеспечения. -М.: Радио и связь, 1985,-512с.
  10. Вершинин А.В. Компьютер для менеджера. - М.: Высшая школа, 1990.
  11. Вычислительные машины, системы и сети / Под ред. А.П.Пятибратова. - М.: Финансы и статистика, 1991.
  12. Герасименко В.А. Защита информации в автоматизированных системах обработки данных. - В 2-х кн. - М.: Энергоатомиздат, 1994.

9. Смотрите также

Литература

Ссылка

Философия
Nuvola apps Talk.PNG
Направления
Применение
Исследователи
Артур Сэмюэль ? Норберт Винер ? Алан Тьюринг ? В. М. Глушков ? Г. С. Осипов ? Д. Е. Попов ? Д. А. Поспелов ? М. Г. Гаазе-Рапопорт ? Т. А. Гаврилова ? В. Ф. Хорошевский ? Г. С. Поспелов ? Марвин Мински ? Джон Маккарти ? Фрэнк Розенблат ? Чарльз Бэббидж ? Аллен Ньюэлл ? Герберт Саймон ? Авраам Хомский ? Джуда Перл ? Сеймур Пейперт ? Клод Шеннон ? Джозеф Вейценбаум ? Патрик Уинстон ? В.К. Финн
Организации
Государственный университет информатики и искусственного интеллекта ? Singularity Institute for Artificial Intelligence
Портал ? Все статьи


Компьютер Это незавершенная статья о компьютеры.
Вы можете помочь проекту, исправив и дополнив ее.