Искусственный интеллект и экспертные системы

Планирование.

 

Планирующие системы предназначены  для достижения конкретных целей  при решении задач с большим  числом переменных. Дамасская фирма Informat впервые в торговой практике предоставляет в распоряжении покупателей 13 рабочих станций, установленных в холле своего офиса, на которых проводятся бесплатные 15-минутные консультации с целью помочь покупателям выбрать компьютер, в наибольшей степени отвечающий их потребностям и бюджету. Кроме того, компания Boeing применяет ЭС для проектирования космических станций, а также для выявления причин отказов самолетных двигателей и ремонта вертолетов. Экспертная система XCON, созданная фирмой DEC, служит для определения или изменения конфигурации компьютерных систем типа VAX и в соответствии с требованиями покупателя. Фирма DEC разрабатывает более мощную систему XSEL, включающую базу знаний системы XCON, с целью оказания помощи покупателям при выборе вычислительных систем с нужной конфигурацией. В отличие от XCON система XSEL является интерактивной.

Интерпретация.

 

Интерпретирующие системы  обладают способностью получать определенные заключения на основе результатов наблюдения. Система PROSPECTOR, одна из наиболее известных  систем интерпретирующего типа, объединяет знания девяти экспертов. Используя  сочетания девяти методов экспертизы, системе удалось обнаружить залежи руды стоимостью в миллион долларов, причем наличие этих залежей не предполагал  ни один из девяти экспертов. Другая интерпретирующая система- HASP/SIAP. Она определяет местоположение и типы судов в тихом океане по данным акустических систем слежения.

Контроль и управление.

 

Системы, основанные на знаниях, могут применятся в качестве интеллектуальных систем контроля и принимать решения, анализируя данные, поступающие от нескольких источников. Такие системы уже работают на атомных электростанциях, управляют воздушным движением и осуществляют медицинский контроль. Они могут быть также полезны при регулировании финансовой деятельности предприятия и оказывать помощь при выработке решений в критических ситуациях.

Диагностика неисправностей в механических и электрических  устройствах.

 

В этой сфере системы, основанные на знаниях, незаменимы как при ремонте  механических и электрических машин (автомобилей, дизельных локомотивов  и т.д.), так и при устранении неисправностей и ошибок в аппаратном и программном обеспечении компьютеров.[5], [6], [7]

Обучение.

 

Системы, основанные на знаниях, могут входить составной частью в компьютерные системы обучения. Система получает информацию о деятельности некоторого объекта (например, студента) и анализирует его поведение. База знаний изменяется в соответствии с поведением объекта. Примером этого  обучения может служить компьютерная игра, сложность которой увеличивается  по мере возрастания степени квалификации играющего. Одной из наиболее интересных обучающих ЭС является разработанная Д. Ленатом система EURISCO, которая использует простые эвристики. Эта система была опробована в игре Т. Тревевеллера, имитирующая боевые действия. Суть игры состоит в том, чтобы определить состав флотилии, способной нанести поражение в условиях неизменяемого множества правил. Система EURISCO включила в состав флотилии небольшие, способные провести быструю атаку корабли и одно очень маленькое скоростное судно и постоянно выигрывала в течение трех лет, несмотря на то, что в стремлении воспрепятствовать этому правила игры меняли каждый год. Большинство ЭС включают знания, по содержанию которых их можно отнести одновременно к нескольким типам. Например, обучающая система может также обладать знаниями, позволяющими выполнять диагностику и планирование. Она определяет способности обучаемого по основным направлениям курса, а затем с учетом полученных данных составляет учебный план. Управляющая система может применяться для целей контроля, диагностики, прогнозирования и планирования. Система, обеспечивающая сохранность жилища, может следить за окружающей обстановкой, распознавать происходящие события (например, открылось окно), выдавать прогноз (вор-взломщик намеревается проникнуть в дом) и составлять план действий (вызвать полицию).

 

Наиболее известные ЭС, разработанные в 60-70-х годах, стали  в своих областях уже классическими. По происхождению, предметным областям и по преемственности применяемых идей, методов и инструментальных программных средств их можно разделить на несколько семейств.

META-DENDRAL.

 

Система DENDRAL позволяет определить наиболее вероятную структуру химического  соединения по экспериментальным данным (масс- спектрографии, данным ядерном магнитного резонанса и др.).М-D автоматизирует процесс приобретения знаний для DENDRAL. Она генерирует правила построения фрагментов химических структур.

MYCIN-EMYCIN-TEIREIAS-PUFF-NEOMYCIN.

 

Это семейство медицинских  ЭС и сервисных программных средств для их построения.

PROSPECTOR-KAS.

 

PROSPECTOR- предназначена для поиска (предсказания) месторождений на основе геологических анализов. KAS- система приобретения знаний для PROSPECTOR.

CASNET-EXPERT.

 

Система CASNET- медицинская  ЭС для диагностики выдачи рекомендаций по лечению глазных заболеваний. На ее основе разработан язык инженерии  знаний EXPERT, с помощью которой  создан ряд других медицинских диагностических  систем.

HEARSAY-HEARSAY-2-HEARSAY-3-AGE.

 

Первые две системы  этого ряда являются развитием интеллектуальной системы распознавания слитной  человеческой речи, слова которой  берутся из заданного словаря. Эти  системы отличаются оригинальной структурой, основанной на использовании доски  объявлений - глобальной базы данных, содержащей текущие результаты работы системы. В дальнейшем на основе этих систем были созданы инструментальные системы HEARSAY-3 и AGE (Attempt to Generalize- попытка общения) для построения ЭС.

Системы AM (Artifical Mathematician- искусственный математик) и EURISCO.

 

Были разработаны в  Станфордском университете доктором Д. Ленатом для исследовательских и учебных целей.

Среди современных коммерческих систем хочется выделить экспертную систему - оболочку G2 американской фирмы  Gensym (USA) [8] как непревзойденную экспертную коммерческую систему для работы с динамическими объектами. Работа в реальном времени с малыми временами ответа часто необходима при анализе ситуаций в корпоративных информационных сетях, на атомных реакторах, в космических полетах и множестве других задач. В этих задачах необходимо принимать решения в течение миллисекунд с момента возникновения критической ситуации.

В качестве примера быстродействующей  системы для отслеживания состояния  корпоративной информационной сети (КИС) можно привести основанную на знаниях систему мониторинга OMEGAMON  [10] фирмы Candle (IBM с 2004 г.) . OMEGAMON - типичный представитель современных экспертных мультиагентных динамических систем, работающих в реальном времени. OMEGAMON позволяет за считанные минуты ввести и отладить правила мониторинга внештатных ситуаций для объектов КИС.

 Итак, основными областями  применения ЭС являются:

медицина

электроника

вычислительная техника

геология

математика

космос

сельское хозяйство

управление

финансы

юриспруденция и т.д.

 В России исследования  и разработки в области ЭС  включены в ряд государственных  и отраслевых научно-технических  программ. Системы с базами знаний  не только стали находить практическое  применение в бизнесе и в  решении серьезных информационных  задач, но и продемонстрировали  ощутимый эффект от их использования.  Например, чрезвычайно эффективными  с точки зрения применения  ЭС оказались системы поддержки  организационного управления и  планирования распределения ресурсов.

 

2.1 Типовая структура экспертных  систем 

 

Обобщенная структура  экспертной системы представлена на рисунке [17]. Следует учесть, что реальные ЭС могут иметь более сложную  структуру, однако блоки, изображенные на рисунке, непременно присутствуют в  любой действительно экспертной системе, поскольку представляют собой  стандарт структуры современной ЭС.

 

 

 

Экспертные системы имеют  две категории пользователей  и два отдельных "входа", соответствующих  различным целям взаимодействия пользователей с ЭС:

обычный пользователь (эксперт), которому требуется консультация ЭС - диалоговый сеанс работы с ней, в процессе которой она решает некоторую экспертную задачу. Диалог с ЭС осуществляется через диалоговый процессор - специальную компоненту ЭС. Существуют две основные формы  диалога с ЭС - диалог на ограниченном подмножестве естественного языка  ( с использованием словаря-меню (при котором на каждом шаге диалога система предлагает выбор профессионального лексикона экспертов) и диалог на основе из нескольких возможных действий);

экспертная группа инженерии  знаний, состоящая из экспертов в  предметной области и инженеров  знаний. В функции этой группы входит заполнение базы знаний, осуществляемое с помощью специализированной диалоговой компоненты ЭС - подсистемы приобретения знаний, которая позволяет частично автоматизировать этот процесс.

2.2 Интерфейс пользователя.

Интерфейс пользователя - это  система программных и аппаратных средств, обеспечивающих для конечного  пользователя использование компьютера для решения задач, которые возникают  в среде его профессиональной деятельности либо без посредников либо с незначительной их помощью. Это совокупность средств интеллектуального интерфейса, имеющих гибкую структуру, которая обеспечивает возможность адаптации в широком спектре интересов конечных пользователей.

 

2.3 Подсистема приобретения  знаний 

 

Подсистема приобретения знаний предназначена для добавления в базу знаний новых правил и модификации  имеющихся. В ее задачу входит приведение правила к виду, позволяющему подсистеме вывода применять это правило  в процессе работы. В более сложных  системах предусмотрены еще и  средства для проверки вводимых или  модифицируемых правил на непротиворечивость с имеющимися правилами.

 

2.4 База знаний 

 

База знаний - важная компонента экспертной системы, она предназначена  для хранения долгосрочных данных, описывающих рассматриваемую предметную область (а не текущих данных), и  правил, описывающих целесообразные преобразования данных этой области. В  качестве предметной области выбирается узкая (специальная) прикладная область. Далее доя создания ЭС в выбранной области собираются факты и правила, которые помещаются в базу знаний вместе с механизмами вывода и упрощения. В отличие от всех остальных компонент ЭС, база знаний - "переменная " часть системы, которая может пополняться и модифицироваться инженерами знаний и опыта использование ЭС, между консультациями (а в некоторых системах и в процессе консультации). Существует несколько способов представления знаний в ЭС, однако общим для всех них является то, что знания представлены в символьной форме (элементарными компонентами представления знаний являются тексты, списки и другие символьные структуры). Тем самым, в ЭС реализуется принцип символьной природы рассуждений, который заключается в том, что процесс рассуждения представляется как последовательность символьных преобразований. Существуют динамические и статические базы знаний. Динамическая база знаний изменяется со временем. Ее содержимое зависит и от состояния окружающей. Новые факты, добавляемые в базу знаний, являются результатом вывода, который состоит в применении правил к имеющимся фактам. В системах с монотонным выводом факты, хранимые в базе знаний, статичны, то есть не изменяются в процессе решения задачи. В системах с немонотонным выводом допускается изменение или удаление фактов из базы знаний. В качестве примера системы с немонотонным выводом можно привести ЭС, предназначенную для составления перспективного плана капиталовложения компании. В такой системе по вашему желанию могут быть изменены даже те данные, которые после вывода уже вызвали срабатывание каких-либо правил. Иными словами имеется возможность модифицировать значения атрибутов в составе фактов, находящихся в рабочей памяти. Изменение фактов в свою очередь приводит к необходимости удаления из базы знаний заключений, полученных с помощью упомянутых правил. Тем самым вывод выполняется повторно для того, чтобы пересмотреть те решения, которые были получены на основе подвергшихся изменению фактов. [3]

 

2.5 База данных 

 

База данных (рабочая память) предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи.[3]

 

2.6 Механизм логического  вывода 

 

Основу ЭС составляет подсистема логического вывода  [13] , которая  использует информацию из базы знаний (БЗ), генерирует рекомендации по решению  искомой задачи. Чаще всего для  представления знаний в ЭС используются системы продукций и семантические  сети. Допустим, БЗ состоит из фактов и правил (если <посылка> то <заключение>). Если ЭС определяет, что посылка  верна, то правило признается подходящим для данной консультации и оно запускается в действие. Запуск правила означает принятие заключения данного правила в качестве составной части процесса консультации. Цель ЭС - вывести некоторый заданный факт, который называется целевым утверждением (то есть в результате применения правил добиться того, чтобы этот факт был включен в рабочее множество), либо опровергнуть этот факт (то есть убедиться, что его вывести невозможно, следовательно, при данном уровне знаний системы он является ложным). Целевое утверждение может быть либо "заложено" заранее в базу знаний системы, либо извлекается системой из диалога с пользователем. Работа системы представляет собой последовательность шагов, на каждом из которых из базы выбирается некоторое правило, которое применяется к текущему содержимому рабочего множества. Цикл заканчивается, когда выведено либо опровергнуто целевое утверждение. Цикл работы экспертной системы иначе называется логическим выводом Логический вывод может происходить многими способами, из которых наиболее распространенные - прямой порядок вывода и обратный порядок вывода. Прямой порядок вывода - от фактов, которые находятся в рабочем множестве, к заключению. Если такое заключение удается найти, то оно заносится в рабочее множество. Прямой вывод часто называют выводом, управляемым данными. Для иллюстрации добавим к нашему примеру базы знаний о погоде еще одно правило:

 

 ЕСЛИ скоро пойдет  дождь 

 

 ТО нужно взять с  собой зонтик. (правило2)

 

 Предположим также,  что факты "Небо покрыто  тучами" и "Барометр падает" имеются в рабочем множестве,  а целью системы является ответ  на вопрос пользователя: "Нужно  взять с собой зонтик?"

При прямом выводе работа системы  будет протекать следующим образом:

 

Шаг 1. Рассматривается правило 1. Его условие истинно, так как  оба элемента конъюнкции имеются  в рабочем множестве. Применяем  правило 1; добавляем к рабочему множеству  факт "Скоро пойдет дождь".