ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ 
ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ 
ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ 
 
МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ 
ПРИБОРОСТРОЕНИЯ И ИНФОРМАТИКИ 
 
 

Курсовая работа

по дисциплине: «Экспертные системы»

на тему: «Экспертная система распознавания кактусов» 
 

Работу  выполнил:

студент 4 курса

дневного  отделения

факультет ИТ спец. 220201

группа  ИТ-8

Мищенко C.А. 

Преподаватель:

Текин А.Д. 
 
 
 
 
 

Москва, 2011

 

Содержание 

 

Введение

    Система является интеллектуальной, если она  обладает знаниями и умеет использовать их для достижения сформулированной цели. Знания – это то, без чего нет интеллектуальной системы. Экспертные системы (в дальнейшем ЭС) явились первыми действительно интеллектуальными системами и, в конечном счете, интеллектуальность определила их коммерческий успех. Эксперт – это человек, который благодаря обучению и опыту может делать то, что мы все, остальные люди делать не умеем. Эксперты работают профессионально, быстро и эффективно. Они хорошо умеют распознавать в проблемах, с которыми сталкиваются, примеры тех типовых проблем, с которыми они уже знакомы. Очень важно подчеркнуть, что эксперт должен не только знать, но и уметь. Именно этим свойством отличаются базы данных от баз знаний – базы знаний активны.

    Искусственный интеллект (ИИ, англ. Artificial intelligence, AI), как научная дисциплина, состоит из нескольких крупных течений, одно из которых – ЭКСПЕРТНЫЕ СИСТЕМЫ. ЭС это направление исследований в области искусственного интеллекта по созданию вычислительных систем, умеющих принимать решения, схожие с решениями людей - экспертов в заданной предметной области. Как правило, ЭС создаются для решения практических задач в некоторых узкоспециализированных областях, где большую роль играют знания «бывалых» специалистов. ЭС были первыми разработками, которые смогли привлечь большое внимание к результатам исследований в области искусственного интеллекта.

    ЭС  имеют одно большое отличие от других систем искусственного интеллекта: они не предназначены для решения  каких-то универсальных задач, как  например нейронные сети или генетические алгоритмы. ЭС предназначены для качественного решения задач в определенной разработчиками области, в редких случаях – областях. Характерными чертами ЭС являются:

• четкая ограниченность предметной области
• способность принимать решения в условиях неопределенности
• способность объяснять ход и результат решения понятным для пользователя способом
• четкое разделение декларативных и процедурных знаний (фактов и механизмов вывода)
• способность пополнять базу знаний, возможность наращивания системы
• результат выдается в виде конкретных рекомендаций для действий в сложившейся ситуации, не уступающих решениям лучших специалистов
• ориентация на решение неформализованных (способ формализации пока неизвестен) задач
• алгоритм решения не описывается заранее, а строится самой экспертной системой
• отсутствие гарантии нахождения оптимального решения с возможностью учиться на ошибках

    Экспертное  знание – это сочетание теоретического понимания проблемы и практических навыков ее решения, эффективность  которых доказана в результате практической деятельности экспертов в данной области. Фундаментом ЭС любого типа является база знаний, которая составляется на основе экспертных знаний специалистов. Правильно выбранный эксперт и удачная формализация его знаний позволяет наделить ЭС уникальными и ценными знаниями. Врач, к примеру, хорошо диагностирует болезни и эффективно назначает лечение, не потому, что он обладает некими врожденными способностями, а потому что имеет качественное медицинское образование и большой опыт в лечении своих пациентов. Поэтому ценность всей экспертной системы как законченного продукта на 90% определяется качеством созданной базы знаний.

    ЭС  – это не простая программа, которая  пишется одним или несколькими  программистами, она является плодом совместной работы экспертов в данной предметной области, инженеров по знаниям и программистов, но стоит отметить, что встречаются случаи, когда программы пишутся самими экспертами в данной области.

    Эксперт предоставляет необходимые знания о тщательно отобранных примерах проблем и путей их решения. Например, при создании ЭС диагностики заболеваний врач рассказывает инженеру по знаниям об известных ему заболеваниях. Далее эксперт раскрывает список симптомов, которые сопровождают каждое заболевание и в заключение рассказывает об известных ему методах лечения. Инженер по знаниям, формализует всю полученную информацию в виде базы знаний и помогает программисту в написании ЭС.

    Первую  ЭС, которую назвали Dendral, разработали  в Стэнфорде в конце 1960-х г.г. Эта была ЭС, определяющая строение органических молекул по химическим формулам и спектрографическим данным о химических связях в молекулах. Ценность Dendral заключалась в следующем. Органические молекулы, как правило, очень велики и поэтому число возможных структур этих молекул также велико. Благодаря знаниям экспертов-химиков, заложенных в ЭС, правильное решение из миллиона возможных находилось всего за несколько попыток. Принципы и идеи, заложенные в Dendral оказались настолько эффективными, что они до сих пор применяются в химических и фармацевтических лабораториях по всему миру.

    ЭС Dendral одной из первых использовала эвристические  знания специалистов для достижения уровня эксперта в решении задач, однако методика современных ЭС связана  с другой разработкой – Myсin. В ней использовались знания экспертов медицины для диагностики и лечения специального менингита и бактериальных инфекций крови. ЭС Mycin, разработанная в том же Стэнфорде в середине 1970-х г.г., одной из первых обратилась к проблеме принятия решений на основе ненадежной или недостаточной информации. Все ЭС Mycin были основаны на принципах управляющей логики, соответствующих специфике предметной области. Многие методики разработки экспертных систем, использующиеся сегодня, были впервые разработаны в рамках проекта Mycin.  

    На  сегодняшний день создано уже  большое количество ЭС. С помощью  них решается широкий круг задач, но исключительно в узкоспециализированных предметных областях. Как правило, эти  области хорошо изучены и располагают  более менее четкими стратегиями принятия решений. Сейчас развитие ЭС несколько приостановилось, и этому есть ряд причин:

• Передача ЭС «глубоких» знаний о предметной области является большой проблемой. Как правило, это является следствием сложности формализации эвристических знаний экспертов.
• ЭС неспособны предоставить осмысленные объяснения своих рассуждений, как это делает человек. Как правило, экспертные системы всего лишь описывают последовательность шагов, предпринятых в процессе поиска решения.
• Отладка и тестирование любой компьютерной программы является достаточно трудоемким делом, но проверять ЭС особенно тяжело. Это является серьезной проблемой, поскольку ЭС применяются в таких критичных областях, как управление воздушным и железнодорожным движением, системами оружия и в ядерной промышленности.
• ЭС обладают еще одним большим недостатком: они неспособны к самообучению. Для того, чтобы поддерживать ЭС в актуальном состоянии необходимо постоянное вмешательство в базу знаний инженеров по знаниям.

Архитектура экспертной системы

 

        
 
 

        
 
 
 
 
 
 
 

Компонента  взаимодействия (интерфейс пользователя) – комплекс программ, реализующих взаимный диалог пользователя с ЭС.

БЗ – ядро ЭС, которое является совокупностью знаний предметной области,  записанной на машинный носитель в форме, понятной пользователю.

Интерпретатор (решатель, машина вывода, блок логического вывода) – программа, моделирующая ход рассуждений эксперта на основании знаний, имеющихся в БЗ.

Подсистема  объяснений – программа, позволяющая получить ответы на вопросы: «Как и почему было получено то или иное решение?» и т.п.

Подсистема  приобретения знаний – программа, предоставляющая инженеру по знаниям возможность создавать или наращивать БЗ в диалоговом режиме. Включает в себя систему вложенных меню, шаблонов языка представления, подсказок и других сервисных средств.

      Такая структура является минимальной, но обязательной и обусловлена  следующими принципами:

- мощность  ЭС обусловлена мощностью базы  знаний (БЗ) и возможностью её  пополнения, а также используемыми  для её построения методами;

- знания  эксперта в основном являются  эвристическими, экспериментальными, неопределенными, но правдоподобными  (т.к. решаемые задачи неформализованы  или недостаточно формализованы);

- учитывая  неформализованность решаемой задачи  и эвристический личностный характер использованных знаний, пользователь ЭС должен иметь возможность диалога с ней.

      Третий, практический принцип предъявляет  к системе следующие требования:

1) способность вести диалог о решаемой задаче на языке, удобном пользователю (эксперту), и, в частности, приобретать в ходе диалога новые знания;

2) способность при решении задачи следовать линии рассуждения, понятной пользователю (эксперту);

3) способность объяснять ход своего рассуждения на языке, удобном для пользователя (эксперта), что необходимо как при использовании, так и при совершенствовании системы (т.е. при отладке и модификации базы знаний).

 Первое  требование реализуется лингвистическим  процессором ЭС и компонентой  приобретения знаний, а для выполнения  второго и третьего требований в ЭС вводится объяснительная компонента. Кроме того, второе требование накладывает ограничения на способ решения задачи — ход рассуждения в процессе решения должен быть понятен пользователю (эксперту).

      ЭС  работает в двух режимах: в режиме приобретения знаний и в режиме решения задач.

      В режиме приобретения знаний в общении с экспертной системой участвует эксперт (через посредство инженера по знаниям). В этом режиме эксперт наполняет систему знаниями (правилами), которые позволят ей в режиме решения самостоятельно решать задачи из области экспертизы. Отметим, что режиму приобретения знаний в традиционном подходе к разработке программ соответствуют этапы алгоритмизации, программирования и отладки, выполняемые программистом.

      В режиме приобретения знаний эксперт вводит в систему продукции об области экспертизы. Продукции (в более общей трактовке правила) представляются на естественном для пользователя языке. Объединение вновь вводимых продукций с базой знаний осуществляется компонентой приобретения знаний. Для того чтобы убедиться в достаточности знаний, эксперт дает системе тестовые примеры. В случае, если результат, полученный системой, не удовлетворяет эксперта, он с помощью объяснительной компоненты получает сведения о том, как был сформирован результат. По окончании процесса отладки система передается в эксплуатацию пользователям.

      В режиме решения задач в общении  с ЭС участвует пользователь, которого интересует результат и (или) способ получения решения. В этом режиме пользователь вводит данные о задаче, которые через интерфейс пользователя поступают в БД и процессор выполняет следующие действия:

1. преобразует входные данные, представленные на ограниченном естественном языке, в представление на внутреннем языке системы;
2. преобразует сообщения системы, выраженные на внутреннем языке, в сообщения на ограниченном естественном языке.

      Интерпретатор на основе входных данных, продукционных  правил и общих фактов о проблемной области формирует решение задачи. Если ответ системы не понятен  пользователю, то он может потребовать, чтобы система объяснила, как этот ответ был получен.

      Обычно  объяснительный блок сообщает следующее: