14505

Экспертные системы. Имитация решения

Лекция

Информатика, кибернетика и программирование

Экспертные системы Экспертная система разработана для имитации процесса принятия решения экспертом человеком. Для создания такой системы специалисты опрашивают эксперта в специализированной предметной области и пытаются на основе их логики принятия решения сформ...

Русский

2013-06-06

103.5 KB

15 чел.

Экспертные системы

Экспертная система разработана для имитации процесса принятия решения экспертом- человеком. Для создания такой системы специалисты опрашивают эксперта в специализированной предметной области и пытаются на основе их логики принятия решения сформировать множество утверждений типа «если - то» или правил вывода. Экспертная система использует так называемую машину вывода для автоматического выполнения цепочки рассуждений при наличии параметров решения в узкой области, диагностируя задачу и рекомендуя соответствующие действия.

Специальная группа по экспертным системам Британского компьютерного сообщества предложила следующее формальное определение.

«Экспертная система рассматривается как результат создания в компьютере основанной на знаниях компоненты, соответствующей навыку эксперта, в такой форме, которая позволяет системе дать разумный ответ или принять разумное решение о функции разработки данных. Желательной дополнительной характеристикой, которую многие считают фундаментальной, является способность системы по требованию объяснить свою линию рассуждения в виде, непосредственно понятном тому, кто задал вопрос. Достижение таких свойств обеспечивается самим методом программирования с использованием правил».

Экспертная система

  •  полностью заменяет живого эксперта;
  •  охватывает узкую предметную область, т.е. ограничена сферой экспертизы;
  •  факты и механизм вывода четко отделены друг от друга, т.е. знания не кодируются в дедуктивные процедуры.)
  •  при работе со стохастической задачей для каждой альтернативы предоставляет степень ее вероятности; способна рассуждать при сомнительных данных;
  •  поясняет цепочку рассуждений;
  •  имеет модульный принцип построения, что обеспечивает возможность ее наращивание.

Причины разработки экспертных систем:

  •  разработка ЭС выгоднее, чем привлечение экспертов;
  •  реальных экспертов мало;
  •  недостаток актуальных экспертов, способных выполнять ту или иную работу;
  •  обучать реальных экспертов дорого;
  •  подешевело используемое аппаратное и программное обеспечение для разработки ЭС;
  •  более быстрый отклик на быстроменяющееся окружение.

Хотя экспертные системы не призваны заменить ЛПР, а помогать им, он могут провести экспертизу, если настоящий эксперт в настоящий момент отсутствует. Экспертная система также создает механизм принятия решения, который не зависит от состояний человека, таких как утомление или стресс; и в критические ситуации может спасти положение. Экспертные системы не могут управлять непредвиденными событиями, но отчасти могут учиться на опыте. Некоторые продвинутые системы имеют способность к метазнаниям и мудрости. Другими словами, они могут:

  •  формулировать и излагать основные правила, которые подытоживают их опыт;
    •  изучать области, в которых мнение каждого специалиста наиболее весомо;
    •  приводить в соответствие некоторые характеристики пользователя, такие как уровень неприятия риска.

Сравнение экспертных систем с традиционным программированием

Обычно к экспертным системам относят системы, основанные на знаниях. Знания можно подразделить на формализованные (универсальные знания - законы, модели, алгоритмы) и на неформализованные (эпирические знания, опыт, умение, интуиция).

Традиционное программирование в качестве основы для разработки программного обеспечения использует формализованное знание (алгоритм) и не подходит для решения неформализованных задач, к которым можно отнести следующие:

  •  алгоритмическое решение задачи неизвестно
  •  задача не может быть определена в числовой форме
  •  цели задачи не могут быть выражены в терминах точно определенной функции

Как правило, такие задачи обладают неполнотой, ошибочностью, неоднозначностью и противоречивостью.

Экспертные системы не отвергают традиционного подхода к программированию, они предлагают технологию и методы решения неформализованных задач. Эти методы практически не зависят от типов решаемых задач.

При решении задач с применением традиционных (чисто процедурных) компьютерных технологий можно выделить четыре основных этапа решения:

  •  описание объекта;
  •  постановка цели;
  •  определение плана (алгоритма) решения;
  •  выполнение плана (алгоритма);
  •  выдача результата.

При этом три первых этапа проходит пользователь (разрабатывая, например, программу на каком либо процедурном языке) и качество результата, выданного компьютером, находится в прямой зависимости от квалификации пользователя.

В отличие от систем традиционного программирования, системы, основанные на знаниях, «берут на себя» решение задачи, если пользователь описал объект и определил цель. Для решения задачи в этом случае используются встроенные, независимые от конкретных знаний об объекте, алгоритмы вывода. Такой подход требует еще одного этапа: аргументации и объяснения результата, иначе у пользователя может возникнуть недоверие к результату, поскольку механизм его получения скрыт от пользователя – «вшит» в систему.

Таблица 1

Сравнительный анализ человеческой и искусственной компетентности

Человеческая компетентность

Искусственная компетентность

Непрочная

Постоянная

Трудно передаваемая

Легко передаваемая

Трудно документированная

Легко документированная

Непредсказуемая (наличие эмоциональных факторов, наличие «шума»)

Устойчивая

Дорогая

Приемлемая по затратам

Творческая

Запрограммированная

Приспосабливающаяся

Нуждается в подсказке

Использует чувственное восприятие,  наличие предубеждений

Использует символьный ввод

Широкая по охвату (может задействовать  знания из сопряженных областей)

Узконаправленная

Использует общедоступные знания (здравый смысл)

Использует специализированные знания

Экспертная система представляет собой программу, которая обрабатывает информацию на высоком профессиональном уровне, подобно уровню специалиста- человека, но может работать только в узко специализированной предметной области. В отличие от обычных ИС ЭС может объяснять предпосылки, на которых основывается вывод и цепочка следующих рассуждений. ЭС также могут стать обучающим инструментом, повышать производительность и помогать поддерживать согласованность функционирования. Это особенно важно, когда большое количество специалистов с разными профессиональными навыками должно неоднократно решать задачи, требующие личных суждений, особенно в условиях агрессивного внешнего окружения, или когда человеческие знания недоступны.

Экспертные системы создаются для того, чтобы копировать малодокументированные или разрозненные знания специалистов, позволяя их использовать другим. Они во многом оказываются дешевле, надежнее, последовательнее и доступнее, чем первоначальный источник (источники) знаний эксперта.

Структура экспертных систем

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:

  1.  базу знаний;
  2.  механизм выработки решений;
  3.  управляющую программу.

Основным элементом таких систем являются 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 и процедурных знаний, которые формализованы с помощью существующих моделей представления знаний (продукционных моделей, семантических сетей, фреймов и т.д.).

Усложнение функциональных возможностей ЭС происходит за счет того, что она должна уметь не только использовать свои знания о проблемной области (объектный уровень знаний), но и обладает способностью исследовать их, т.е. ЭС должна иметь знания о том, как представлены ее знания о проблемной области (метауровень знаний).

База знаний как система формальной логики должна быть заполнена данными и должна находиться в согласованном состоянии. Она должна быть достаточна для построения выводов, причем не противоречащих друг другу. Нередко экспертиза содержит интуитивные элементы: эксперт демонстрирует устойчивые знания, но не может объяснить основу своих решений. Это создает дополнительные трудности инженеру по знаниям в процессе формализации этих знаний для дальнейшего представления в виде правил в машинной базе знаний.

Управляющая программа (машина вывода или интерпретатор правил) - это процедура, контролирующая процесс рассуждения, проводимый на 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, если необходимый фат не найден в базе знаний. Также управляющая программа управляет работой системы путем выбора правил, их оценки  и определения параметров изображения.

Механизм выработки решения – включает следующие компоненты: пользовательский интерфейс и средства объяснения хода рассуждения. Пользовательский интерфейс делает возможным объяснение решаемой задачи, предоставление запрашиваемой информации и получение советов от экспертной системы. Средства объяснения задачи должны быть в любой экспертной системе, чтобы обеспечить поддержку пользователя; эти средства обеспечивают структурированную трассировку предпосылок и рассуждений, приведших к выводу.

В некоторых случаях (например, для обучающихся систем) структура экспертной системы может быть расширена, и иметь в составе следующие элементы:

  1.  база знаний – содержит сведения о предметной области, для этого используется модель представления знаний, зависящая от особенностей решаемой задачи;
  2.  машина вывода – механизм вывода – определяет стратегии извлечения знаний  для решения поставленной задачи (достижения цели) из базы знаний; стратегия связана с моделью представления знаний, базируется на эвристических правилах и эмпирических принципах решения;
  3.  интерфейс с пользователем – обеспечивает взаимосвязь пользователя и экспертной системы на разных этапах решения задачи;
  4.  модуль извлечения знаний и обучения – корректировка знаний;
    1.  диалоговый компонент
    2.  редактор базы знаний
    3.  модуль обработки вопросов
    4.  модуль объяснений
  5.  компонент приобретения знаний - обеспечивает пополнение базы знаний через установление закономерностей от общего к частному.

Разработка экспертных систем

Многие ЭС разрабатываются на заказ. Другие приобретаются как оболочки или ППП.

Сравнительная характеристика экспертных систем первого и второго поколений

Экспертная система - прогрессирующее направление в области искусственного интеллекта. На пути к тому положению, которое сегодня технология экспертных систем получила на рынке программных продуктов, были и спады, и подъемы. Экспертным системам  довелось пережить период безграничной веры во всемогущество, и период, когда высказывались сомнения по поводу в их полезности вообще. Однако, выдвигаемые обвинения можно считать не вполне обоснованными, так как  эффективность экспертных систем проявлялась лишь в случаях их некорректного применения - или на низкопроизводительной аппаратуре, не соответствующей предметной области, либо для задач, для решения которых они вообще не предназначались.

Компьютерные системы, которые могут лишь повторять логический вывод эксперта, принято относить к ЭС 1-го поколения. Однако, при решении сложных интеллектуальных задач явно не достаточно возможностей системы, имитирующей деятельность человека. Необходимо, чтобы подобная система выступала в роли помощника и советчика, способного проводить анализ нечисловых данных, выдвигать гипотезы, оценивать достоверность фактов, самостоятельно пополнять свои знания. Наличие таких возможностей является характерным для ЭС 2-го поколения. Эти системы называют партнерскими, или усилителями интеллектуальных способностей человека. Их общими особенностями являются умение обучаться и развиваться, т.е. эволюционизировать.

Проведем сравнительный анализ ЭС двух поколений по следующим критериям:

  1.  представление знаний
  2.  механизм вывода
  3.  интерфейс пользователя
  4.  объяснение полученных результатов
  5.  приобретение знаний и обучение.


Таблица 2

Сравнительный анализ экспертных систем двух поколений

Критерий

Экспертные системы 1-го поколения

Экспертные системы 2-го поколения

Представление знаний

  •  Функционирование системы осуществляется на основе знаний, полученных от эксперта; полученные в процессе эксплуатации знаний не накапливаются.
  •  Использование какой - либо одной из следующих моделей представления знаний: фреймы, семантические сети или продукции.
  •  Методы представления знаний позволяют описывать только статические предметные области.

 

  •  Используются не поверхностные знания в виде эвристических правил, как в ЭС первого поколения, а глубинные, представляющие собой теории предметных областей и общие стратегии решения проблем.
  •  Знания организованы в виде составных иерархических представлений, включающих сети фреймов, продукции и логические модели.
  •  Система имеет не только модель предметной области, но и модель самой себя, что позволяет ей эффективно определять границы своей компетентности.
  •  ЭС может решать задачи динамических предметных областей, т.е областей,  знания о которых могут изменяться непосредственно в процессе вывода.
  •  Система включает средства для одновременной работы с несколькими моделями предметной области, отличающимися друг от друга уровнями детализации.

Механизм вывода

  •  Получения новых заключений с помощью вывода на знаниях.
  •  Реализация вывода только при условии полноты знаний и данных.
  •  Скачкообразная потеря способности ЭС находить решение даже при незначительном выходе задач за пределы области ее компетентности.
  •  Неспособность найти приближенный ответ, если для вывода точного решения ответа нет всех требуемых данных или отсутствуют подходящие правила вывода.
  •  Несоответствие схемы вывода ЭС схеме рассуждений эксперта.
  •  Отсутствие средств имитации процессов, протекающих в предметной области, что не позволяет задавать вопросы вида «Что будет, если...».
  •  Замена принятого в ЭС 1-го поколения вывода решения на его обоснование, т.е. вместо дедукции используется аргументация, что более свойственно человеческим рассуждениям.
  •  При обосновании решения основной операцией становится поиск аргументов, подтверждающих утверждение, которое система должна отвергнуть, либо доказать.
  •  Сочетание достоверного (дедуктивного) и правдоподобного вывода, т.е. вывода, в котором каждому получаемому заключению присваивается некоторый вес, характеризующий степень его достоверности.

Интерфейс пользователя

  •  Отсутствие средств настройки на конкретного пользователя.
  •  Жесткость диалога - ответы пользователя должны быть представлены в строго определенном виде и формате.
  •  Получаемые от пользователя в процессе  работы сведения не запоминаются .
  •  Несогласованность  вопросов, задаваемых системой пользователю в процессе проведения экспертизы, хотя каждый вопрос вполне логичен, в их последовательности  может отсутствовать целенаправленность.
  •  Избыточность совокупности вопросов ЭС, адресованных пользователю, невозможность построить для каждой экспертизы оптимальную серию вопросов.
  •  ЭС включает модель пользователя, которая дает возможность организовывать взаимодействие с ним в оптимальной форме, т.е. в форме, при которой решение задачи будет получено за минимальное время. В такой модели учитываются особенности работы конкретного пользователя, специфика решаемых задач  и типичные для него сценарии диалога.

Объяснение полученных результатов

  •  Механистичность построения объяснений, формулируемых путем объединения аргументации, которая содержится в каждом из применяемых правил.
  •  Несовершенство механизма объяснения полученного решения, состоящее в том, что пользователь получает либо тривиальную аргументацию, либо она не удовлетворяет всех потребностей пользователя.
  •  Возможность формирования более интеллектуальной системы объяснения;

Приобретение знаний и обучение

  •  Пополнение знаний  системы и контроль их непротиворечивости «вручную».
  •  Несовпадение структуры знаний о предметной области в ЭС с их организацией у эксперта; это приводит к появлению пробелов в знаниях ЭС.
  •  Отсутствие способности к обучению.
  •  Имеются средства управления процессом наполнения ЭС знаниями и настройки на предметную область, позволяющие выбирать модель представления знаний, в наибольшей степени соответствующую структуре знаний эксперта.
  •  ЭС имеет средства для самостоятельного извлечения знаний из базы данных и выдвижения гипотез и построения  их обоснований; обучаться на примерах.
  •  Система способна анализировать имеющиеся у нее знания, обнаруживая противоречия между старыми и новыми знаниями, устанавливать факт их ошибочности. Для разрешения противоречий или при необходимости получить недостающие данные система по собственной инициативе обращаться к пользователю. В этом проявляется одно из важнейших свойств ЭС второго поколения - их активность.

Применение экспертных систем

ЭС нашли применение и уже активно используются в следующих отраслях:

  1.  бухгалтерский учет и управление финансами – разрешение на предоставлении кредитов, консультации по вопросам налогообложения и инвестиций.
  2.  стратегия – консультация юристов по поводу планирования приобретений; планирование проекта; анализ результатов.
  3.  производство - процессы мониторинга и контролирования качества продукции; анализ неисправностей в больших системах; планирование размещения оборудования.
  4.  HRM - обучение в отдельных областях; определение квалификации кандидатов на получение должности.
  5.  маркетинг – определение приемлемых скидок для покупателей, выбор модели долгосрочного прогнозирования сбыта.

Таблица 3

Классификация экспертных систем

№№

Признак классификации

Подклассы

Краткая характеристика

  1.  

Объем базы знаний

(Динамически меняющиеся значения, т.к. развивается аппаратная и программная составляющие)

Небольшие

Средние

большие

(менее 500 правил)

От 500 до 10 тыс.

правил

Более 10 тыс. правил -

  1.  

Методика разработки

Системы, создающиеся с помощью языков программирования

ЭС, разрабатываемые при помощи оболочек

LISP,Prolog

Exsys

  1.  

Используемый при разработке подход

Основанные на правил

Интегрированные

Основанные на примерах

Наилучшее решение, если декларативные и процедурные знания могут быть представлены в виде продукций

Могут сочетаться различные методики проектирования и поиска в них

Генерируют правила, основываясь на некотором множестве ситуаций, такие системы называются индукционными

  1.  

Используемый подход к имитации человеческого способа рассуждения

Дедуктивные

Индуктивные

Примеры дедуктивного рассуждения в системах с базами знаний: объединение (интеграция отдельных частей в единое целое), планирование (последовательность событий, необходимая для решения выполнения задачи), проектирование (применение известных принципов для создания чего-то нового)

Примеры индуктивного рассуждения в системах с базами знаний: постановка диагноза) (определение причин задачи, тестирование (определение соответствия каким-либо критериям), прогнозирование (экстраполяция известных результатов на будущее)

  1.  

Способ работы

Автономные

Встроенные

Самостоятельна

Является частью некоторой другой системы, доступ к ней осуществляется по мере необходимости

  1.  

По областям применения

Медицинские

Финансовые

Образовательные

Производственные

Общественные

Используются при диагностике, анализе симптомов и определении методов терапии

Используются при управлении денежными средствами

Предназначены для разработки и непосредственного осуществления процесса обучения

Предназначены для повышения эффективности различных стадий производственного процесса

Предоставляют разнообразные интеллектуальные услуги (от игр до юридических консультаций)

  1.  

Предназначение

Совещательные и консультативные

Экспертные системы, заменяющие «живое» принятие решений

Экспертные системы для создания нового опыта в конкретной предметной области

PAGE  1


 

А также другие работы, которые могут Вас заинтересовать

48866. Проектирование привода ленточного конвейера 1.42 MB
  Проектирование приводного вала с барабаном3337 стр. ВВЕДЕНИЕ В данном курсовом проекте разработан привод ленточного конвейера: разработан сборочный чертеж ведущего вала подобран двигатель редуктор и муфта. Назначение редуктора – понижение угловой скорости и повышение вращающего момента ведомого вала по сравнению с валом ведущим. n1=709об мин; d20=265 мм; h= 323 мм; d24=300 мм;...
48867. Виконання операцій, відкриття рахунків юридичним особам у національній валюті, їх документальне оформлення. Робота з графічними обєктами, взаємне розміщення MS Word 735 KB
  Організацію міжбанківських розрахунків, здійснення емісійної та грошово-кредитної політики, нагляд за банківськими установами та координацію діяльності банківської системи в цілому в Україні здійснює Національний банк України.
48870. Проектирование силового масляного трехфазного трансформатора ТМ 180/10 2.87 MB
  Спроектировать силовой масляный трехфазный трансформатор с регулированием напряжения без возбуждения – ПБВ ± (2 х2,5) %, соответствующий требованиям ГОСТ 11677-85 «Силовые трансформаторы. Общие технические условия», согласно следующему техническому заданию (таблица 1).
48872. Расчет привода дискового питателя 842.5 KB
  Расчет коэффициента нагрузки.16 Расчет коэффициентов нагрузки.1 Определение общего КПД привода ηобщ – общий КПД привода Применим следующую формулу для определения общего КПД привода дискового питателя
48873. Разработать печатный узел устройства с помощью пакета программ САПР P-CAD 2006 1.02 MB
  Чтобы создать новую библиотеку необходимо выполнить следующую последовательность действий: Выбрать команду Librry New. Для подготовки редактора к работе необходимо выполнить следующие операции: Выбрать команду Options Configure и в появившемся окне установить размер рабочего поля формата А4. Выбрать команду View Snp to grid для привязки курсора к узлам сетки. Выбрать команду Options Grids и установить шаг сетки равный 1.