37335

ВВЕДЕНИЕ В ЭКСПЕРТНЫЕ СИСТЕМЫ

Контрольная

Производство и промышленные технологии

Эти изменения стали возможными благодаря двум основным факторам: выделению в алгоритме программы некоторой универсальной части логического вывода и отделению ее от части зависящей от предметной области базы знанийрис. При этом производится преимущественно символьная обработка содержимого базы знаний. Экспертная система это компьютерная программа которая моделирует рассуждения человекаэксперта в некоторой определенной области и использует для этого базу знаний содержащую факты и правила об этой области и некоторую процедуру...

Русский

2013-09-24

6.59 MB

15 чел.

1. ВВЕДЕНИЕ В ЭКСПЕРТНЫЕ СИСТЕМЫ

1.1. СТРУКТУРА, ПРИНЦИПЫ ОРГАНИЗАЦИИ И СПОСОБЫ РЕАЛИЗАЦИИ ЭКСПЕРТНЫХ СИСТЕМ

1.1.1. БАЗОВАЯ СТРУКТУРА ЭКСПЕРТНОЙ СИСТЕМЫ

Компьютеризация общества - одно из основных направлений научно-технического прогресса - вызвала существенные изменения в технологии разработки и использования программных средств.

Эти изменения были подготовлены всем развитием теории и практики искусственного интеллекта (ИИ), наиболее существенным результатом которого явился переход к так называемой новой информационной технологии и создание экспертных систем (ЭС).

Суть происшедших технологических изменений заключается в появлении нового класса инструментальных средств ИИ, который стал основой создания конечных программных продуктов на основе принципиально другой технологии, с новыми качественными возможностями создаваемых продуктов. Эти изменения существенно повышают интеллект программ. Новые средства заменили целую технологическую цепочку (рис. 1.1), в которой между конечным пользователем и ЭВМ находилось несколько посредников.

Эти изменения стали возможными благодаря двум основным факторам:

выделению в алгоритме программы некоторой универсальной части (логического вывода) и отделению ее от части, зависящей от предметной области азы знаний)(рис. 1.2); повышению уровня взаимодействия пользователя и компьютерной программы, т.е. появлению интеллектуального интерфейса в программах ИИ.

Рис. 1.2. Различие структур обычной программы и программы ИИ:

а - обычная программа; б - программа ИИ

Более полно различия программ ИИ и обычных программ иллюстрирует табл.1.1.

Таблица 1.1. Сравнительная характеристика программ ИИ

Характеристика

Программа ИИ

Обычная программа

Тип обработки

Символьная

Цифровая

Метод

Эвристический

Алгоритмический

определение шагов решения

Неявное

Точное

Искомые решения

Удовлетворительные

Оптимальные

Разделение управления и данных

Раздельно

Смешано

Модификация

Частая

Редкая

Как видно из таблицы, обычные программы имеют фиксированную последовательность шагов, точно определяемых программистом, и путем обработки числовой информации ищут оптимальное решение, в то время как программы ИИ, подобно человеку, пользуются для нахождения удовлетворительного решения методом проб и ошибок. При этом производится преимущественно символьная обработка содержимого базы знаний. Различия эти, разумеется, не абсолютны, а лишь наиболее характерны для обоих типов программ. Различие в структуре и частоте модификации влияет на различия технологий разработки обычных программ и программ ИИ. Все различия, приведенные для программ ИИ, в целом характерны и для экспертных систем

Изменение в структуре и повышение вследствие этого общего интеллекта компьютерных программ является ключевым для определения экспертных систем. И это естественно, так как, для того чтобы стало возможным повысить интеллект программ, необходимо усложнить их организацию и структуру. Таким образом, можно попытаться дать определение экспертной системы.

Экспертная система - это компьютерная программа, которая моделирует рассуждения человека-эксперта в некоторой определенной области и использует для этого базу знаний, содержащую факты и правила об этой области, и некоторую процедуру логического вывода.

Для того чтобы пользователь мог эффективно взаимодействовать с экспертной системой, ее интерфейс должен выполнять две основные функции:

давать советы и объяснения пользователю и управлять приобретением знаний. Взаимодействие эксперта, пользователя и структурных частей системы можно представить в виде следующей базовой структуры экспертной системы, приведенной на рис. 1.3.

Рис. 1.3. Базовая структура ЭС

Из рисунка следует, что у экспертной системы должно быть два режима работы: режим приобретения знаний и режим решения задач. В режиме приобретения знаний эксперт общается с экспертной системой при посредничестве инженера знаний. В режиме решения задач в общении с экспертной системой участвует пользователь, которого интересует результат и способ его получения. Экспертная система в отличие от решения задач по алгоритму не исключает пользователя из решения, а, наоборот, сохраняет за ним инициативу. в то же время ЭС не является просто пассивным источником полезной информации подобно книжному справочнику или базе данных. В нужные моменты ЭС подсказывает необходимое направление решения задачи, развивает цепочки умозаключений, объясняет свои действия.

1.1.2. ПРИНЦИПЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА, РЕАЛИЗУЕМЫЕ В ЭКСПЕРТНЫХ СИСТЕМАХ

Представление знаний. Искусственный интеллект давно стал источником новых технологических приемов, решений, которые широко вошли в практику программирования. Так, в работах по искусственному интеллекту берут свое начало такие идеи, как разделение времени, обработка списков, редактирование и отладка программ в диалоговом режиме, эвристическое программирование, графический интерфейс, использование полиэкранного дисплея и манипулятора типа "мышь" и др.

С точки зрения решения основной задачи экспертных систем: кодирования знаний о предметной области и их использования для решения проблем и этой области наиболее существен опыт исследователей искусственного интеллекта в решении задач представления знаний и распознавания образов.

Объем знаний, необходимых для любого значительного приложения экспертных систем, обычно очень велик и поэтому для выборки, обновления и поддержания таких больших объемов знаний экспертным системам необходимы хорошие модели представления знаний. Кроме того, удачная модель представления может значительно облегчить построение логического вывода. В экспертных системах наиболее часто используется представление знаний и виде продукционных правил, фреймов. Используются также семантические сети, предложения пролога и комбинированные представления, каждая из этих моделей имеет свои преимущества и недостатки. Например, семантическая сеть хранит связанную информацию вместе, но в ней затруднено построение выводов из этой информации. С другой стороны. Пролог имеет готовый механизм для построения логических выводов, но не хранит связанную информацию вместе. Большие базы знании хранятся обычно на дисках и только необходимая в данный момент часть - в оперативной памяти. Создание эффективных баз знаний для хранения правил, фреймов и т.д. является актуальной задачей.

В целом представление знаний является наиболее важной проблемой при построении экспертных систем и более подробно она будет рассмотрена ниже .

Распознавание образов и логический вывод. Традиционно процесс распознавания разделяется на два этапа: обучение и собственно распознавание. Первый этап индуктивный, второй - дедуктивный.

На первом этапе обрабатываются данные многочисленных наблюдений ни,'. отдельными представителями исследуемого класса объектов и на основе полученных результатов строится некоторое решающее правило.

Второй этап предполагает применение описанного правила для распознавания интересующих нас, но непосредственно не измеряемых свойств других объектов данного класса.

На этапе обучения выявляются некоторые закономерности, присущие исследуемому классу, и совокупность этих закономерностей служит далее моделью предметной области, которая в формализованном виде составляет основу базы знаний. На основе модели решаются задачи распознавания свойств конкретных объектов. Очевидна связь обучения и решения задач с описанными ранее режимами работы ЭС. описанная схема распознавания в той или иной мере характерна для многих задач, решаемых экспертными системами.

Экспертные системы ориентированы на решение широкого круга задач в неформализованных областях. Решение задачи распознавания образов в таких областях предполагает составление описаний объектов и правил, определяющих по этим описаниям принадлежность объектов к тем или иным классам. Процедуры применения таких правил к каким-либо объектам в экспертных системах подчиняются различным стратегиям. Наиболее часто применяются стратегии прямого или обратного вывода. Используются также комбинированные стратегии, стратегии на основе так называемой доски объявлений.

Прямой вывод - это вывод, направляемый целями (правилами) к данным.

Обратный вывод - это вывод, направляемый данными к целям.

В сложных экспертных системах (например, понимания речи) ни один из источников знаний системы не может гарантировать единственности и правильности получаемых им результатов, для того чтобы ошибка одного источника знания не влияла роковым образом на работу других, источники знания должны рассматриваться как независимые. Однако, так как все источники знания решают общую задачу, от них требуется взаимодействие. Чтобы удовлетворить эти требования, был предложен механизм доски объявлений.

На доске объявлений записываются промежуточные гипотезы и результаты работы эс в виде плана, заявок, решений.

План описывает способ, которым ЭС будет искать решение задачи. Текущий план включает такие элементы, как цели, состояние задач.

Заявки содержат информацию о потенциальных действиях, ожидающих выполнения, которые обычно соответствуют правилам из базы знаний.

Решения представляют гипотезы и решения, выдвинутые в качестве возможных кандидатов, вместе с зависимостями, связывающими одно решение с другим.

Интерпретатор базы знаний определяет, какую заявку следует обработать следующей, и выполняет заявку путем применения соответствующего правила из БЗ. В общем случае интерпретатор выявляет выполнимость условий применения правила, связывает переменные в этих условиях на доске объявлений, а затем осуществляет те изменения на доске, которые предписываются этим правилом. Например, план может рекомендовать сначала обработать все данные некоторого уровня, затем сформулировать перспективные гипотезы, уточняя и развивая каждую из них до тех пор, пока не останется одна, после чего все время будет уделено этой единственной гипотезе до получения окончательного решения.

1.1.3. СПОСОБЫ РЕАЛИЗАЦИИ ЭС

Как ясно из определения, экспертная система - это компьютерная программа с некоторыми отличиями в структуре и характеристиках по сравнению с традиционными программами.

Наличие базы знаний и относительно универсального интерпретатора делает принципиально возможным создание новых экспертных систем для новых приложений путем разработки новой базы знаний без изменения интерпретатора. Процесс разработки экспертной системы, таким образом, можно свести (при наличии готового интерпретатора) к процессу разработки базы знаний. Такая технология получила название технологии "пустых оболочек", когда однажды разработанная экспертная система используется в качестве оболочки для новых знаний. Как правило, различные приложения существенно различаются, и поэтому для ее реализации необходимо иметь большой набор оболочек с различными моделями представления знаний и различными механизмами логического вывода.

Если же речь идет о разработке экспертных систем как традиционных программных продуктов, то для их разработки характерны те же стадии, что и для обычных программ.

Для разработки ЭС используются те же языки и системы программирования, что и для обычных программ, но наличие таких специфических для ИИ структурных частей, как логический вывод, естественно-языковый интерфейс, делает предпочтительным использование для разработки ЭС таких языков ИИ, как Лисп, Пролог и специальных средств поддержки разработки.

Особенно перспективной для экспертных систем оказалась реализация языка Пролог. Основная идея логического программирования состоит в отделении логики программы от управления ходом вычислений, что делает процесс создания программы более прозрачным.

Целью поддержки разработки является облегчение творческого и интеллектуального пути от идеи к ее описанию в доступной ЭВМ форме. Специфика средств, языков программирования и пользовательских интерфейсов оказывают существенное влияние на технологию создания ЭС: разработчику приходится тратить больше времени на перевод идеи на язык ЭВМ, чем на доводку самой идеи. Поддержка разработки должна освободить пользователя от как можно большего числа деталей и позволить ему сосредоточиться на идее.

Эволюция средств разработки ЭС может быть разбита на четыре этапа (рис. 1.4).

Для этой эволюции характерны две тенденции: увеличение степени охвата этапов жизненного цикла ЭС; движение от использования дискретных средств ко все более интегрированным целостным системам.

Рис. 1.4. Этапы развития средств разработки ЭС

Существуют различные средства поддержки разработки программ. Трансляторы языков программирования и отладчики для контроля за состоянием программ во время выполнения были в числе первых таких средств. Отладчики наряду с экранными редакторами и в настоящее время остаются наиболее часто используемыми средствами. К другим популярным средствам относятся программы 'красивой" печати, поддержка управления конфигурацией, программа перекрестных программных ссылок и трассировщик выполнения.

Перечисленные средства являются дискретными и независимыми. Программист мог работать только с одним средством. Например, во время отладки надо было воспользоваться отладчиком для определения ошибки, затем окончить отладку, чтобы вызвать редактор для исправления ошибки. После этого надо было компилировать программу и вызывать отладчик для дальнейшей отладки (цикл редактирования - компилирования - прогона). Программист вынужден был вводить дополнительные команды и терять время на запуск и окончание работы системных средств. Прерывание процесса отладки на редактирование повторную компиляцию и повторный запуск программы серьезно затруднял процесс обдумывания задачи программистом.

Следующим шагом в развитии средств разработки был интегрированный набор средств, названный "инструментальным ящиком", каждое средство проектировалось с учетом остальных, поэтому система обеспечивала возможность обращения к другим средствам.

Например, такие системы, как Turbo-Prolog, Interlisp-D, позволяют программисту запустить программу сразу после ввода ее в систему. В ответ на ошибку системой вызывается отладчик, чтобы дать возможность программисту изучить причину сбоя. Программист может затем отредактировать программу и продолжить ее выполнение. Этот подход сокращает время на исправление мелких ошибок в программе для экспериментального программирования (метод проб и ошибок), обычно применяемого специалистами по искусственному интеллекту.

Проектирование больших программных средств является сложной проблемой. Разбиение жизненного цикла на несколько этапов (анализ требований. спецификации, проектирование, реализация, тестирование и отладка, работа и сопровождение) направлено на уменьшение сложности проектирования путем изолирования и упорядочения важных задач в процессе разработки.

Interlisp-D, Turbo Prolog поддерживают только этапы реализации ч отладки. Исследования показывают, что наибольший вклад в стоимость жизненного цикла дает этап сопровождения. Не менее важное значение имеют средства этапа требований и спецификаций, потому что любую ошибку в спецификациях очень трудно и дорого исправлять на позднейших этапах жизненного цикла. Таким образом, анализ жизненного цикла важен для любой части программного обеспечения, которая предназначена для использования конечными пользователями на заметном интервале времени.

Успех методов искусственного интеллекта в различных областях мотивировал их применение в разработке программного обеспечения. Показательными системами являются проект "Помощник программиста" в Массачусетсом технологическом институте, проект "Пси" в Станфордском университете. Р этих проектах осуществляется попытка моделировать знания, которыми пользуется программист для понимания, проектирования, реализации и сопровождения программы. Эти знания могут быть использованы экспертными система ми для частичной автоматизации процесса разработки программ.

В заключение отметим некоторые особенности этапов жизненного цикла экспертных систем.

Тестирование экспертных систем отличается от тестирования обычные систем.

Во-первых, экспертные системы часто обладают недетерминированным поведением, потому что стратегия разрешения конфликтов может зависеть от параметров времени выполнения. Это делает поведение невоспроизводимым, и, следовательно, более трудным для отладки.

Во-вторых, для правил в отличие от процедур в традиционном программном обеспечении нет никаких точных отношений плода-вывода. Это затрудняет применение для тестирования анализа ввода-вывода.

В-третьих, число способов, которыми могут быть активизированы правила, слишком велико, чтобы пользоваться средствами покрытия ветвей и путей.

Макетирование является единственным эффективным способом тестирования экспертной системы.

Сопровождение и модификация - важная часть разработки экспертных систем. Правила базы знаний эволюционируют с накоплением опыта их применения, и, следовательно, модифицируются чаще, чем алгоритмы. Правила могут также зависить от времени, поэтому их достоверность может также изменяться со временем.

12. ПРЕДСТАВЛЕНИЕ ЗНАНИЙ В ЭКСПЕРТНЫХ СИСТЕМАХ 1.2.1. ОПРЕДЕЛЕНИЕ ПОНЯТИЯ "ЗНАНИЕ"

С разработкой и использованием экспертных систем тесно связаны такие понятия, как знания и базы знаний. Особая роль знаний в экспертных системах обусловлено, прежде всего, областью их применения. Экспертные системы предназначены для решения трудноформализуемых задач или задач, не имеющих алгоритмического решения в узкоспециализированных предметных областях деятельности человека. Экспертные системы позволяют аккумулировать, воспроизводить и применять знания, которые сами по себе обладают огромной ценностью.

Переход от данных к знаниям является закономерным следствием развития и усложнения информационных структур, обрабатываемых на ПЭВМ. В настоящее время нет общепризнанного формального определения понятия "знание". Однако знания обладают рядом специфических признаков, позволяющих определить соотношение понятий "знание" и "база знаний" с понятиями "данные" и "база данных.

Отличительные качественные свойства для знаний обусловлены наличием у знания избыточных возможностей по сравнению с данными. Авторы предлагают следующую классификацию специфических признаков знания, позволяющую определить и охарактеризовать сам термин "знание": внутренняя интерпретируемость; рекурсивная структурированность; связность (взаимосвязь единиц); семантические пространства с метрикой; активность; функциональная целостность (рис.1.5).

Первые два признака, свойственные для знания, являются справедливыми и для традиционно организованных структур данных.

Внутренняя интерпретируемость предусматривает возможность установки для элемента данных связанной с ним системы имен. Система имен включает в себя индивидуальное имя, которое присвоено данной информационной единице, а последовательности имен тех множеств или классов, в которые это данное входит. Наличие системы "избыточных" имен позволяет экспертной системе знать, что хранится в ее базе знаний, и, следовательно, уметь отвечать на нечеткие вопросы о содержимом базы знаний.

Второй признак - структурированность рекурсивная - определяет свойство декомпозиции для информационной единицы, т.е. при необходимости такая информационная единица может быть расчленена на более мелкие единицы или, наоборот, объединена в более крупные системы. Это свойство предусматривает установку отношений принадлежности элементов к классу

родово - видовых отношении типа часть-целое, род-вид и т.п.

Третий признак - связность - характеризует возможность установки между информационными единицами самых разнообразных отношений (четких, нечетких, бинарных, составных), которые определяют семантику и прагматику связей явлений и фактов, а также отношений, определяющих смысл системы в целом. В отличие от структурированности, характеризующей структуру знаний, система взаимосвязей (связность) определяет закономерности явлений, процессов, фактов, причинно-следственные отношения между ними, порождает ситуационные системы классификаций.

Пространства семантические с метрикой характеризуют близость-удаленность информационных единиц. И хотя сейчас нет единого мнения относительно структуры семантического пространства с метрикой,все специалисты-разработчики экспертных систем считают, что знания не могут быть бессистемным "сборищем" отдельных информационных единиц, а должны быть взаимосвязанными и взаимозависимыми в некотором общем для них когнитивном семантическом пространстве.

Активность - это принципиальное отличие знаний от данных. С самого начала своего развития программирование опиралось на первичность процедур и вторичность данных. Процедурам отводилась роль активизирующего начала. Они отражали способ решения задачи, активизировали необходимые данные, пассивно лежащие в памяти системы.

для человека характерна познавательная активность. Он использует те или иные процедуры потому, что в его знаниях возникла определенная ситуация, т.е. для когнитивных структур в памяти человека характерна внутренняя активность.

То или иное соотношение между информационными единицами побуждает к тем или иным действиям, для реализации которых необходимо выполнить определенные процедуры. Активность базы знаний позволяет экспертной системе формировать мотивы, ставить цели и строить процедуры их решения.

Последний из выделенных признаков - целостность функциональная -отражает возможность выбора желаемого результата, времени его получения, средств получения результата, средств анализа достаточности полученного результата.

Элементы знаний - это особым образом организованные структуры информации, которые имеют свое содержание, структуру, возможные связи, процедуры принятия решении.

На основании вышесказанного можно сделать вывод, что для систем искусственного интеллекта основное отличие уровня знаний от уровня данные заключается в том, что уровень знании является концептуальной моделью реально функционирующего некомпьютеризованного знания о предметной области, в то время как уровень данных не выполняет моделирующей функции

1.2.2. ОТНОШЕНИЯ. КЛАССЫ ОТНОШЕНИЙ

Отношения определяют и фиксируют форму связи между понятиями и именами, а также между другими функциональными группами внутреннего язык:

представления экспертной системы. Отношения могут задаваться не только с помощью лексики языка, но и с помощью грамматических связей, выражаемых средствами языка. Так как возможность выявления отношений во многих случаях является результатом работы процедур экспертной системы и, следовательно, основным критерием ее работы, необходимо остановиться более детально на некоторых группах отношений [13].

Отношения классификации позволяют классифицировать элементы предметной области, образовывать классы элементов, устанавливать отношения между классами, а также между классами и отдельными элементами. Важнейшими являются следующие отношения: иметь имя; класс-подкласс; элемент-класс; род-вид; нижестоящие понятия - вышестоящие понятия; часть-целое ; быть эталоном.

Признаковые отношения приписывают различные качественные признаки понятиям и могут быть представлены в виде последовательной композиции двух отношений: иметь признак и иметь значение признака

Понятия представляют собой совокупность определяющих их признаков. В понятии сосредоточено то общее, что объединяет отдельные элементы в один класс. Признаковые отношения являются характеристиками понятий. Можно считать, что понятие есть некоторый набор определенных атрибутов признаковых отношений.

Количественные отношения выражают квантитативные характеристики понятий и могут быть сведены к композиции двух отношений: иметь меру и иметь значение меры.

В количественных отношениях вместо конкретного значения меры может быть указано некоторое качественное значение.

Отношения сравнения составляют две характеристики некоторого понятия или группы понятий по какому-либо признаковому или количественному отношению.

Отношения принадлежности связывают два элемента предметной области не по какому-либо классификационному признаку, а лишь по признаку отношения к какой-либо конкретной ситуации.

Временные отношения определяют такие динамические характеристики элемента, как протяженность существования во времени, момент возникновения, дату и другие временные показатели. К временным отношениям принадлежат отношения типа: быть одновременно; быть раньше; быть позже; совпадать во времени; пересекаться во времени и т.п.

Пространственные отношения фиксируют место пребывания некоторого элемента предметной области или взаимоотношение элементов между собой в некотором пространстве. В качестве примера можно привести следующие пространственные отношения: совпадать в пространстве; быть слева; быть справа; быть сзади; быть между; касаться я т.п.

Каузальные отношения отражают причинно-следственные связи, а также связи, определяющие цель, мотивацию, предпочтения при принятии решений. Примером могут быть отношения: причина-следствие; быть целью; быть мотивом.

Инструментальные отношения отражают прагматический аспект деятельности. Самые важные из них: служить для; быть средством для; способствовать; быть инструментом; быть вспомогательным средством.

Информационные отношения образуют группу отношений, которые описывают различные стороны передачи и получения информации: быть отправителем; быть получателем; быть источником информации.

Порядковые отношения описывают соотнесенность элементов предметной области между собой: быть следующим; быть очередным; быть ближайшим.

Существуют и другие группы отношений, имеющие существенное значение для построения экспертных систем (табл.1.2).

В связи с тем, что отношение как понятие относится к общечеловеческим понятиям всеобщей взаимосвязи предметов, явлении в природе, обществе и мышлении, оно изучается многими науками: философией, логикой, математикой, медициной, экономикой и т.д. Именно отношения формировали те или иные предметные области, те или иные классы отношений. Знание классов отношений имеет важное значение при построении экспертных систем в практическом смысле, так как существенно сужает пространство поиска и лает возможность использовать богатый опыт человеческой деятельности.

Модальность - это класс отношений, в котором исследуются высказывания, имеющие такие истинностные значения, как возможность, необходимость, обязательность.

Таблица 1.2. Первичные (атомарные) отношения (RELETION)

N

НАИМЕНОВАНИЕ ОТНОШЕНИЯ

N

НАИМЕНОВАНИЕ ОТНОШЕНИЯ

0

БЫТЬ ЭТАЛОНОМ

30

СОВПАДАТЬ В ПРОСТРАНСТВЕ

1

ИМЕТЬ

31

БЫТЬ СЛЕВА

^

БЫТЬ ЭЛЕМЕНТОМ КЛАССА

32

БЫТЬ СПРАВА

3

БЫТЬ ПОДКЛАССОМ КЛАССА

33

БЫТЬ СПЕРЕДИ

4

РОД-ВИД

34

БЫТЬ СЗАДИ

5

НИЖЕСТОЯЩЕЕ-ВЫШЕСТОЯЩЕЕ

35

НАИСКОСОК

(ПО ИЕРАРХИИ)

36

ПЕРЕСЕКАТЬСЯ В ПРОСТРАНСТВЕ

6

ЧАСТЬ-ЦЕЛОЕ

37

КАСАТЬСЯ

7

ИМЕТЬ ПРИЗНАК

38

НАХОДИТЬСЯ НА

8

ПРИЗНАК-ЗНАЧЕНИЕ

39

БЫТЬ СВЕРХУ

9

ПРИЗНАК-МЕРА

40

БЫТЬ СНИЗУ

10

МЕРА-ЗНАЧЕНИЕ

41

НАХОДИТЬСЯ В

11

РАВНО

42

ПРИНАДЛЕЖАТЬ

12

СРАВНИМО

43

СЛУЖИТЬ ДЛЯ

13

БОЛЬШЕ

44

БЫТЬ СРЕДСТВОМ ДЛЯ

14

БОЛЬШЕ ИЛИ РАВНО

45

БЫТЬ ИНСТРУМЕНТОМ ДЛЯ

15

МЕНЬШЕ

46

СПОСОБСТВОВАТЬ

16

МЕНЬШЕ ИЛИ РАВНО

47

ПРИЧИНА-СЛЕДСТВИЕ

17

НЕСРАВНИМО

48

БЫТЬ ЦЕЛЬЮ

18

СРАВНИМОСТЬ-МЕРА

49

БЫТЬ МОТИВОМ

19

СООТНОСИТЬСЯ

50

БЫТЬ ОТПРАВИТЕЛЕМ

20

СООТНЕСЕННОСТЬ-ЗНАЧЕНИЕ

51

БЫТЬ ПОЛУЧАТЕЛЕМ

21

ОДНОВРЕМЕННО

52

БЫТЬ ИСТОЧНИКОМ ИНФОРМАЦИИ

22

БЫТЬ РАНЬШЕ

53

БЫТЬ СЛЕДУЮЩИМ

23

БЫТЬ ПОЗЖЕ

54

БЫТЬ ОЧЕРЕДНЫМ

24

НАЧИНАТЬСЯ ОДНОВРЕМЕННО

55

БЫТЬ БЛИЖАЙШИМ

25

КОНЧАТЬСЯ ОДНОВРЕМЕННО

56

БЫТЬ ЗАМЕНЯЮЩИМ

26

ПРИМЫКАТЬ ПО ВРЕМЕНИ СЛЕВА

57

НАХОДИТЬСЯ В СОСТОЯНИИ

27

ПЕРЕСЕКАТЬСЯ ПО ВРЕМЕНИ

58

ИМЕТЬ ИМЯ

28

СОВПАДАТЬ ПО ВРЕМЕНИ

59

ИМЕТЬ ОЦЕНКУ

29

БЫТЬ ВНУТРИ (ВО ВРЕМЕНИ)

Модальность - одно из важнейших свойств суждений, так как в нем выражается степень существенности того или иного признака для данного объекта предметной области, отображенного в суждении.

Утверждение о вероятности наступления того или иного события, высказанное в проблематическом суждении, основывается на исследовании фактов, на изучении объективной действительности. Степень вероятности, выраженная в суждении, зависит от того, насколько основательны и реалистичны способы установления и вычисления вероятности.

В традиционной формальной логике суждения по модальности делятся на три группы: суждения возможности (проблематичности); суждения необходимости; суждения действительности.

В суждении возможности отображается вероятность наличия или отсутствия признаков у объекта, о котором говорится в данном суждении.

В суждении необходимости отображается такой признак, который имеется у объекта при всех условиях.

В суждении действительности констатируется наличие или отсутствие у объекта того или иного признака.

Модальности, как класс отношений, играют большую роль при построении экспертных систем. Их часто используют при создании аксиоматических предположений в базах знаний.

Отношения модальности представлены ниже:

N mod

Наименование отношения

mod1

Необходимо

mod 2

Желательно

mod3

Невозможно

mod4

Совершенно невозможно

mod 5

Возможно

mod 6

Обязательно

mod 7

Необязательно

mod 8

Нежелательно

mod 9

Совершенно необходимо

Модификаторы - это класс отношений, устанавливающих признаки элементов. К ним относятся следующие лексические единицы: быстро, осторожно, качественно, сложно, регулярно и т.п.

Квантификаторы - это особый класс отношений, в котором словосочетания языка образуют так называемые кванторы, два из них имеют четкий смысл: квантор общности (V ) и квантор существования ( 3 )•

Смысл квантора общности заключается в распространении некоторой информации на все без исключения элементы рассматриваемого класса. Квантификатор существования содержит утверждение истинности некоторой информации хотя бы для одного элемента из рассматриваемого класса. Остальные квантификаторы при описании предметных областей однозначной семантикой не обладают, т.е. относятся к разряду нечетких кванторов. В качестве примера можно указать следующие нечеткие квантификаторы: много, мало, часто, близко, только, даже, вскоре и т.п.

В области экспертных систем нечеткие квантификаторы составляют основу самых передовых перспективных методов рассуждения и принятия решений.

1.2.3. ВЫРАЖЕНИЕ ЗНАНИЙ

Практический опыт специалиста, заключенный в базе знаний экспертной системы, представлен совокупностью многочисленных фактов, правил, процедур и эвристик (т.е. эмпирических правил), относящихся к определенной предметной области.

Предметную область, представленную моделью

Сущность - Отношение - Атрибут - Значение - Событие,

можно характеризовать совокупностью объектов, количественных и качественных характеристик объектов и связей между объектами.

Объекты и связи составляют базис для классификации понятий, объекты подразделяются на сущности, события и значения, а связи - на отношения и атрибуты.

Сущность - это понятие, воспринимаемое индивидуально, представляющее интерес само по себе и имеющее определенную протяженность во времени.

Событие - это понятие, воспринимаемое индивидуально, представляющее интерес само по себе и происходящее мгновенно.

Значение - это понятие, воспринимаемое индивидуально и представляющее интерес только в связи с некоторой сущностью или с некоторым событием.

Отношение - это временная или постоянная связь между сущностями и (или) событиями. Отношение может включать некоторые значения. В качестве примера можно выделить такие группы отношений, как отношения классификации (класс-подкласс, часть-целое, род-вид), временные, пространственные каузальные (причина-следствие) отношения и т.п.

Атрибут - это временная или постоянная связь между сущностью (или событием) и значением.

Сущности отличаются от событий протяженностью во времени, а от значений - самостоятельным интересом. Отношения и атрибуты отличаются от объектов тем, что они воспринимаются только в том случае, если воспринимаются характеризуемые ими объекты. Атрибут связывает рассматриваемый объект со значением.

При решении задачи представления знаний необходимо различать два аспекта - идентификацию понятий и формулировку ограничений.

Первый аспект предполагает отображение определенного объекта предметной области в некоторое базисное понятие языка представления знаний.

Второй аспект предполагает наложение ограничений на идентифицированное понятие и на его возможные характеристики. Идентификация понятий включает: классификацию явлений по разным категориям. Выделяются объекты и связи (отношения) между ними; выделение индивидуальных и групповых объектов; определение зависимости объектов и связей от времени. Объекты не обязаны существовать в любое время, а связи могут меняться с течением времени. Таким образом, возникает понятие "состояние", образуемое объектами и связями в отдельные моменты времени; определение событий, т.е. динамических явлений (мгновенные объекты или переходы из состояния в состояние). Специфическое обращение к событиям состоит в выделении различных фактов, которые приводят к переходу в одно и то же состояние.

Процесс наложения ограничений на идентифицированное понятие допускает различные виды ограничении и способы их выражения.

можно выделить статические ограничения, которые накладываются на объекты и их связи и выполняются в любое время, а также динамические ограничения на процесс изменения объектов и связей.

различные языки представлений знаний в разной степени отражают все перечисленные выше признаки, характеризующие знания, а также требования, которые накладываются при идентификации понятий. Однако противопоставление объекта и связи свойственно почти всем таким языкам.

Выбор системы представления знаний во многом определяет организацию информации, а также алгоритмы восприятия и (или) преобразования фактов.

Разнообразные модели представления знаний, используемые в области экспертных систем, могут быть подразделены на четыре класса: семантические сети; системы фреймов; продукционные системы; логические модели (языки).

1.2.4. СЕМАНТИЧЕСКИЕ СЕТИ

Большая часть семантических моделей создана на базе семантических сетей. Этот термин обозначает целый класс подходов, для которых общим является использование графических схем с узлами, соединенными дугами. Узлы (вершины сети) представляют некоторые понятия (объекты, события, явления), а дуги - отношения между ними. Семантические модели являются объектно-ориентированными и обеспечивают в достаточной мере такой признак. как связность, реализуя четыре типа связей между объектами: классификацию, агрегирование, обобщение, ассоциацию.

Основная идея моделирования при помощи семантических моделей заключается в том, что модель представляет данные о реальных объектах и связях между ними прямым способом, что существенно облегчает доступ к знаниям: начиная движение от некоторого понятия, по дугам отношений можно достичь других понятий.

Возьмем, например, следующую фразу: "Программист сел за компьютер и отладил программу". Здесь выделяется три объекта: программист (а1), компьютер (а2) и программа (а3). Эти объекты связаны отношениями: сел за (г1), отладил (г2), загружена в (г3). Сеть, соответствующая этому тексту, показана на рис.1.6.

К отношениям, явно выраженным в тексте, отнесено и отношение "загружена в" ("программа загружена в компьютер").

Использование семантических моделей позволяет представить в базе знании экспертной системы знания о любой предметной области и осуществить автоматическое построение семантических сетей непосредственно из текста.

К основным достоинствам семантических моделей можно отнести: представление средств для выражения ограничений; описание связей между объектами; определение операции над объектами.

Накладывая ограничения на описание вершины дуг, можно получить сети различного вида. Если вершины не имеют собственной внутренней структуры, то такие сети называют простыми. В противном случае они являются иерархическими сетями. Одно из основных отличий иерархических семантических сетей от простых состоит в возможности разделить сеть на подсети и установить отношения не только между вершинами, но и между пространствами. Характерной особенностью некоторых семантических моделей является

интегрированное описание процедурной семантики и статической семантики -допустимые операции над объектами определяются совместно с определением структур данных.

Наряду с достоинствами семантические модели обладают некоторыми недостатками. В семантических сетях нет специальных средств, позволяющих определить временные зависимости, поэтому временные значения и события трактуются как обычные понятия. Произвольная структура и различные типы вершин и связей усложняют процедуру обработки информации. Стремление устранить эти недостатки послужило причиной появления особых типов семантических сетей: синтагматические цепи, сценарии, фреймы и т.п.

1.2.5. СИСТЕМЫ ФРЕЙМОВ

Фреймы - это фрагменты знания, предназначенные для представления стандартных ситуаций. Термин "фрейм" (frame-рамка) был предложен М.Минским [10]. Фреймы имеют вид структурированных наборов компонентов ситуаций, называемых слотами. Слот может указывать на другой фрейм, устанавливая тем самым связь между двумя фреймами. Могут устанавливаться общие связи типа связи по обобщению. С каждым фреймом ассоциируется разнообразная информация (в том числе и процедуры), например, ожидаемые процедуры ситуации, способы получения информации о слотах, значения, принимаемые по умолчанию, правила вывода.

Формальная структура фрейма имеет следующий вид:

f[<Nl,V1>,<N2,V2>,...,<Nk,Vk>],

где f - имя фрейма; пара <Ni,Vi> - i-й слот, Ni - имя слота и Vi - его значение.

Значение слота может быть представлено последовательностью

<Kl><L1>; . . . ;<Kn><Ln>;<Rl>; . . . ;<Rm>,

где Ki - имена атрибутов, характерных для данного слота; Li - значения этих атрибутов или множества их значений; Rj - различные ссылки на другие слоты.

Каждый фрейм как структура хранит знания о предметной области фрейм-прототип), а при заполнении слотов значениями превращается в конкретный фрейм события или явления.

Фреймы можно разделить на две группы: фреймы-описания; ролевые фреймы.

Рассмотрим пример.

Фрейм-описание:[<овощи>,<помидоры, болгарские 30 т>,<перец, югославский 10 т>. <баклажаны, молдавские 20 т>]

Ролевой фрейм: [<перевести>,<что, прокат 100 т>.<откуда, Гомель>. <куда, Минск>.<чем, железнодорожным транспортом,<когда, в сентябре 1989 года>].

Во фрейме-описании в качестве имен слотов задан вид продукции, а значение слота характеризует массу и производителя конкретного вида продукции. В ролевом фрейме в качестве имен слотов выступают вопросительные слова, ответы на которые являются значениями слотов. Для данного примера представлены уже описания конкретных фреймов, которые могут называться либо фреймами-примерами, либо фреймами-экземплярами. Если в приведенном примере убрать значения слотов, оставив только имена, то получим так называемый фрейм-прототип.

Достоинства фрейма-представления во многом основываются на включении в него предположений и ожиданий. Это достигается за счет присвоения по умолчанию слотам фрейма стандартных ситуаций. В процессе поиска решений эти значения могут быть заменены более достоверными. Некоторые переменные выделены таким образом, что об их значениях система должна спросить пользователя. Часть переменных определяется посредством встроенных процедур, называемых внутренними. По мере присвоения переменным определенных значений осуществляется вызов других процедур, этот тип представления комбинирует декларативные и процедурные знания.

Фреймовые модели обеспечивают требования структурированности и связности. Это достигается за счет свойств наследования и вложенности, которыми обладают фреймы, т.е. в качестве слотов может выступать система имен слотов более низкого уровня, а также слоты могут быть использованы как вызовы каких-либо процедур для выполнения.

Для многих предметных областей фреймовые модели являются основным способом формализации знаний.

1.2.6. ПРОДУКЦИОННЫЕ СИСТЕМЫ

Система продукции образуется множеством правил продукции. эти правила формулируют определенные действия при выполнении некоторых заданных условий. Поскольку одновременно могут выполняться несколько условий, должна быть определена стратегия выбора.

В самом простом виде правила продукций близки по смыслу импликации "если-то", поэтому для правил продукций можно принять обозначение



или, раскрыв условие применимости, эта запись примет вид:

Р1ЛР2ЛРЗ ... Л РП - В,

где Pi(i=l,2,...,n) - условия применимости, образующие конъюнкцию; В -заключение или действие, которое имеет место при истинности конъюнкции. Приведем пример правила продукций для экспертной системы, предназначенной для диагностики неисправности:

ЕСЛИ ВНУТРЕННЕЕ ТЕСТИРОВАНИЕ. ПР0ШЛО

И ИМЕЕТ МЕСТО МНОГОКРАТНАЯ ПЕРЕЗАГРУЗКА ОПЕРАЦИОННОЙ СИСТЕМЫ

ТО ЗАЛИПАНИЕ КЛАВИ1 ИЛИ СБОЙ ОЗУ.

Система продукций выгодна для выражения знании, которые могут принимать форму переходов между состояниями (ситуация -> действие, посылка -> заключение, причина->следствие).

Необходимо различать продукционные системы, управляемые данными

(предусловиями правил) и продукционные системы, управляемые целями (действиями правил).

База знании продукционной экспертной системы состоит из множества правил продукций (базы правил) П=(Р1,Р2,...,Рш) и конечного набора фактов (базы фактов) А=(а1,а2,...,an).

Если правило имеет вид Pi=ail ai2 ... ais -> аш, то это значит, что новый факт am имеет место (т.е. правило Pi применимо) при условии истинности всех фактов ail...ais, определяющих правило Pi.

В случае, когда am - новый факт, имеет место модификация соответствующей базы фактов, а продукция Pi представляет собой декларативное (фактуальное) знание.

Возможен случай, когда правило продукции связано с выполнением какой-либо процедуры, а аш - сообщение об окончании этого действия. В этом случае предусловия и действия являются утверждениями о данных, а вывод осуществляется в обратном направлении, т.е. от утверждений, которые должны быть доказаны.

Представление знаний в виде продукционных правил имеет недостатки и достоинства.

Основным недостатком системы продукций является отсутствие внутренней структуры и зависимости шагов дедуктивного вывода от стратегии вывода, что делает ее трудно интерпретируемой.

достоинства продукционных систем: модульность организации знаний;

независимость правил продукции; легкая модификация знаний на основе возможного удаления и добавления правил; возможность использования различных управляющих стратегий за счет отделения предметных знаний от управляющих.

7.27. ЛОГИЧЕСКИЕ МОДЕЛИ

В основе логических моделей представления знаний лежит понятие формальной системы в виде четверки (7):

М = <t,p,a,f>,

где Т - множество базовых символов теории М (например, буквы алфавита);

Р - множество синтаксических правил, посредством которых иэ базовых символов строятся формулы; А - множество построенных формул, состоящих из аксиом; F - правила вывода, определяющие множество отношений между правильно построенными формулами.

В логическом подходе знания представляются посредством формул, которые строятся из предикатов, логических связок, кванторов и т.п. Одни логические подходы ограничиваются классической логикой первого порядка, тогда как в других используется модальная логика, нечеткая логика, логика высших порядков и т.п.

Среди многих достоинств логического подхода необходимо отметить:

стирание противопоставления между выводом и вычислением, что позволяет эффективно использовать метазнания; наличие четкой семантики и правил вывода.

Серьезно» проблемой в логическом подходе является отсутствие структуры, так как данные представляются в виде совокупности линейных формул. К недостаткам логических моделей можно отнести следующее. На основе аппарата исчисления предикатов можно доказать существование объекта, обл.1 дающего определенными свойствами, т.е. логика первого порядка обеспечивает удобные средства описания в любой ситуации, которая определяется объектами и высказываниями, истинными относительно них, но, с другой стороны, в исчислении предикатов нет понятия процесса, что приводит к невозможности присвоения имени объекту в ходе логических преобразований и дальнейшим ссылкам на него, а также отсутствует возможность описания взаимосвязей двух ситуаций.

Логический и семантический аппарат теории исчисления предикатов не позволяет непосредственно решать такие проблемы, как совместное использование информации в альтернативных гипотезах и в различные моменты времени, создание новых структур в результате получения новых данных, планирование ч т.д.

Таким образом, существует определенный круг задач, которые нельзя решать, используя только методологию исчисления предикатов. Возникает необходимость представления знании на комбинированной основе, т.е. если некоторая часть системы представления знаний или вся эта система реализуются с помощью исчисления предикатов, то все равно остается ряд проблем , связанных с выбором оптимальной аксиоматической структуры и организации, обеспечивающей эффективность интеллектуальных операций. Речь идет о средствах указания модальности (необходимости, возможности, условности), средствах создания референций и соотнесения их с соответствующими смысловыми описаниями, о механизмах нестрогих рассуждений, а также о методах решения проблем, связанных с рассуждениями о свойствах, о механизме процесса планирования.

Внутри совокупности способов представления, основанных на исчислении предикатов, существует ряд различных подходов - метод функций Сколема, метод явных кванторов существования, метод нормальных форм Сколема, метод конъюнктивных нормальных форм, метод постатейных представлений и т.д. эти методы позволяют создать на единой семантической базе совершенно различные представления, которые обеспечивают конкретные разновидности интеллектуальных операций.

Подробно процедурная интерпретация логики высказываний на языке исчисления предикатов первого порядка будет рассмотрена на примере языка пролог.

1.2.8. ОРГАНИЗАЦИЯ ЗНАНИЙ

Большая часть задач инженерии знаний включает получение знаний от экспертов в виде фактов и правил и преобразование этой информации в форму , которая может быть эффективно использована машинной программой. Рассмотрение экспертных знаний как обязательного элемента, определяющего успех функционирования экспертной системы, приводит к тому, что процесс приобретения и представления знании становится решающим аспектом разработки этих систем.

Процесс создания, ведения и модификации баз знании экспертных систем включает [14]: определение состава представляемых знании; организацию знании; представление знании, т.е. выбор или создание модели представления; использование модели представления знании.

Определение состава представляемых знаний производится в зависимости от предметной области и структуры экспертной системы. Решая этот вопрос, необходимо учитывать тип решаемых задач, статический или динамический характер данных, а также такие параметры экспертных знании, как точность, ошибочность, многозначность, полнота или неполнота знании конкретной предметной области.

Зависимость состава знаний от структуры экспертной системы проявляется в необходимости знаний, определяющих функционирование системы: управляющие знания, т.е. знания о процессе решения задачи; знания о языке сообщения и способах организации диалога; знания о способах представления и модификации знаний, необходимых для реализации функции приобретения и обновления знаний экспертных систем; поддерживающие и управляющие знания, необходимые для подсистемы объяснения.

Знания о языке общения зависят от требуемого уровня понимания и определяются интерфейсом экспертной системы.

Пользователь, исходя из целей и круга решаемых задач, предъявляет свои требования к составу знаний. Определяются тип данных, предпочтительные способы и методы решений ограничения на результаты и способы их получения, степень конкретности знаний о проблемной области.

Решение вопроса организации знаний в значительной степени зависит от выбранной модели представления знаний. С точки зрения организации знания целесообразно рассматривать по уровням представления и по уровням детальности.

База знаний экспертной системы может быть представлена как база фактов, база правил и база процедур • Это разбиение отражает различные уровни представления знаний.

Усложнение функциональных возможностей экспертных систем 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. экспертная система должна иметь знания о том, как представлены ее знания о проблемной области (метауровень знаний) .

Метазнания (знания метауровня) не содержат ссылок к знаниям объектного уровня и не зависят от проблемной области. Основная цель организации метазнаний (многоуровневая организация знаний) заключается в следующем: разработка стратегий доказательств в ЭС; управление выводом результатов поиска решений; увеличение выразительной мощности языков представления знаний.

Использование метазнаний при разработке и выборе стратегий доказательств связано с возможностью определения на метауровне новых правил поиска результатов объектного уровня. Такие правила рассматриваются как высокоуровневый метод построения формальных доказательств. Метазнания в виде стратегических метаправил используются для выбора релевантных правил , позволяют системе адаптироваться путем перестройки правил и функций объектного уровня, а также явно указать возможности и ограничения системы.

Область управления выводом является той областью, в которой использование метауровневых знаний получило наибольшее распространение. Это связано с тем, что управление выводом можно считать частным случаем определения стратегий доказательств. Основная идея заключается в возможности определения как зависящих, так и не зависящих от проблемной области стратегий принятия решений с помощью знаний об управлении (эвристик). Выбранные стратегии позволяют сократить число вариантов поиска и тем самым увеличить его эффективность.

В области представления знаний наблюдается многообразие языков и формализмов, разработанных для конкретных потребностей представления. Комбинирование представления знаний на объектном уровне и метауровне оказалось очень полезным механизмом абстрагирования, благодаря которому решаются многие проблемы представления знаний, такие, как знания системы о самой себе; знания об убеждениях, немонотонности; рассуждения в отсутствии явной информации; рассуждения, связанные с разными взглядами на объекты; взаимодействие между различными модулями знаний; взаимодействие между модулями знаний и пользователем.

Метазнания выполняют также ряд вспомогательных функций:

обеспечение информацией архивного типа для работы стратегических метаправил;

обоснование целесообразности применения правил для усиления способностей подсистемы объяснения;

обнаружение ошибок в форме только что введенных правил, т.е. контроль при обновлении базы знаний.

обнаружение синтаксических и семантических ошибок в правилах объектного уровня;

упрощение ввода в систему новых знаний - фактов, правил, эвристик -посредством демонстрации структурных основ уже имеющихся знаний всех таких типов.

Распределение знаний по уровням представления обеспечивает расширение области применения ЭС, значительно улучшает качественный и количественный показатели системы.

Выделение уровней детальности позволяет рассматривать знания с различной степенью подробности. Количество уровней детальности определяется спецификой решаемых задач, объемом знаний и способом их представления. Введение нескольких уровней детальности обеспечивает дополнительную гибкость системы. Можно выделить три уровня детальности, отражающих общую организацию знаний, логическую организацию и физическую организацию отдельных структур знаний.

Вопрос организации знаний в базе знаний связан с проблемой доступа к знаниям. лая того чтобы значительно ускорить процесс поиска решений, необходимо упорядочить и структурировать знания вокруг наиболее важных понятий предметной области.

Такой признак знаний, как связность, позволяет представлять знания, характеризующие конкретный объект, в виде отдельных блоков и устанавливать связи между элементами этого блока (внутренние связи) и связи между блоками (внешние связи).

13. ТЕХНОЛОГИЯ РАЗРАБОТКИ ЭКСПЕРТНЫХ СИСТЕМ 1.3.1. ПРИОБРЕТЕНИЕ ЗНАНИЙ

Целью создания ЭС является приобретение знаний от экспертов. Решить такую задачу за один проход невозможно. Пополнение знаний в базе знании и построение системы тесно взаимосвязаны. Вначале определяют, какие знания необходимо приобретать в первую очередь и как их организовать, со временем БЗ расширяется, и появляются дополнительные возможности, которые плохо укладываются в исходную БЗ. Поэтому процесс конструирования ЭС требует нескольких итерации проектирования.

Знания о предметной области разнообразны. Если эти знания прочны, постоянны и формализованы, то более подходящими являются алгоритмические вычислительные программы. Если же знания субъективны, слабо структурированы и носят оценочный характер, то более подходящими являются эвристические программы. В последнем случае процесс извлечения знаний эксперта называется приобретением знаний. Он включает в себя формулировку, практическую реализацию и доводку, а также представление фактов и связей, полученных от эксперта.

Отличительным свойством ЭС является свойство прозрачности, что означает, что система понятна как разработчику, так и пользователю. Часто для повышения прозрачности предметно-ориентированные знания отделяются от знаний, обеспечивающих получение решения. Прозрачность усиливается, если ЭС используются профессиональные термины эксперта.

Другой чертой ЭС является качество работы. Оно зависит от объема и ценности знаний, заложенных в БЗ. Поэтому ЭС должна накапливать предельно детализированные и выверенные предметно-ориентированные знания.

В процессе приобретения знаний используются знания эксперта, специальная литература, базы данных и личный опыт. Знания представляют собой набор специальных фактов, процедур, оценок и правил принятия решения в определенной узкой предметной области. Для автоматизации процессов передачи и приобретения знаний программой требуется посредник между экспертом и программой, называемый аналитиком или инженером знаний.

Приобретение знаний - узкое место в конструировании ЭС. Инженер знаний (ИЗ) имеет гораздо меньше знаний о предметной области, чем эксперт. Словарь, которым пользуется эксперт, неадекватен представлению знаний в программе и пониманию ИЗ. Поэтому первоначально ИЗ и эксперт должны поработать совместно, чтобы выработать словарь общения, структуризовать предметные знания, определить и формализовать предметные концепции. Возможны варианты передачи знаний и преобразований:

эксперт работает с ИЗ, который записывает экспертные знания в машинном коде. Программно предметные знания отделяются от механизма логического вывода, представляются в виде концептуально простых структур данных и размещаются в БЗ;

эксперт, знакомый с вычислительной техникой, взаимодействует с ЭС посредством интеллектуального редактора. Редактор должен обладать развитыми возможностями для ведения диалога и существенными знаниями о структуре БЗ;

эксперт строит БЗ, опираясь частично на прошлый опыт и примеры из литературы. Посредником между ним и ЭС выступает программа индуктивного вывода, строящая БЗ и отделяющая механизм логического вывода, заметим, что в этом случае требуется разработка обучающихся программ;

БЗ строится программой, понимающей текстовую информацию.

Процесс приобретения знаний имеет следующий сценарий.

Перед ИЗ ставится задача разработки ЭС. Он находит эксперта, совместно с ним изучает проблему. Выявляет типы обобщенных логических задач, которые скорее всего будут решать ЭС. После того как ИЗ достаточно хорошо разобрался в существе проблемы, вместе с экспертом они определяют проблему и ее неформальное описание. Задача при этом сужается до разумных пределов. После этого ИЗ начинает определять основные понятия предметной области, которые требуются для решения выделенных логических задач. На этой стадии выявляются основные понятия, простейшие связи и определения, необходимые для беседы о проблеме и ее решении. Определяется, какие понятия являются важными. Раскрывается смысл умозаключений, используемых при различных типах логических задач. Отмечаются организационные механизмы, которые использует эксперт при решении задачи. Группируются логические задачи и типы умозаключений, что позволяет определить виды заключений, идентификация терминов и описание дополнительных организационных механизмов составляют структурную часть знания о предметной области. Второй тип знаний, который стремится получить ИЗ, представляет основные стратегии, используемые экспертом при решении проблемы. Какие факты пытается установить эксперт в первую очередь? Какие вопросы задает? делает ли он начальные предположения, основываясь на опытных данных? Как в дальнейшем эксперт определяет, какие вопросы задавать, чтобы уточнить предположения? В каком порядке эксперт решает каждую из этих важных подзадач, и изменяется ли этот порядок в зависимости от ситуации?

Объединение этих двух форм знаний образует структуру логического вывода. Структурные знания указывают, какие задачи и условия должен определять консультант. Стратегические знания указывают, как и когда ЭС должна их установить.

дополнительно ИЗ стремится усвоить объяснение и обоснование связей, условии и стратегических методов, которыми пользуется эксперт при решении задач. Их важно регистрировать для понимания инженером знаний, создания системной документации, обеспечения точных объяснений системы. Эти типы знаний облегчают задачу проектирования, построения и модификации ЭС. ИЗ фиксирует комментарии эксперта, задает дополнительные вопросы, чтобы объяснить и пояснить те основные понятия, на которых основаны объяснения. Результатом оказывается набор понятий, часть из которых являются основными, а часть - нет, но которые, по мнению ИЗ, имеют непосредственное отношение к объяснению.

На этапе концептуализации проблемы ИЗ пытается формализовать получаемые знания, т.е. организовать их в БЗ. Идет разработка инструментальных средств или программного обеспечения ЭС. Если в результате бесед эксперта с ИЗ данные хорошо структурированы и достаточно надежны, то это позволяет ИЗ разработать язык правил. Строится дерево решений. Все эти знания позволяют выбрать подходящую ЭС для решения поставленной задачи. Если подходящая система найдена, производится ее опробование. Когда система запущена, ее показывают эксперту, который формулирует возможное дополнение, приводящее к изменению БЗ, уточнению правил, видоизменению концепций предметной области. ИЗ вносит изменения. Такая работа длится до тех пор, пока она не удовлетворит заказчика, либо ИЗ не придет к мыс-

ли о создании новой ЭС.

Таким образом, создание ЭС состоит из двух фаз (рис.1.7). Первая фаза предусматривает идентификацию и концептуализацию проблемы. Идентификация включает отыскание эксперта, источников знаний, ясную формулировку проблемы. Вторая фаза представляет собой формализацию, практическую реализацию, тестирование подходящей архитектуры системы, а также постоянное переформулирование понятий, изменение форм представления и доведение до совершенства реализованной системы.

1.3.2. ОСНОВНЫЕ СТАДИИ ПРИОБРЕТЕНИЯ ЗНАНИЙ

Стадия идентификации. Первый шаг процесса приобретения знаний должен характеризовать главные аспекты проблемы: определение участников, характеристик решаемых задач, ресурсов и целей.

Главными участниками диалога на этом этапе являются предметный эксперт и инженер знаний. Эксперты выступают как информаторы. При этом они могут не иметь продуманной стратегии обучения. ИЗ - получатель, который многократно переформулирует то, что удается ему понять, и проверяет эту информацию, используя тестовые примеры или привлекая других экспертов. Предметный эксперт может выступать как учитель, а не как информатор аналогия мастер - ученик). ИЗ должен стремиться как можно больше узнать о специфике предметной области.

После выбора участников ИЗ и предметный эксперт могут начать идентифицировать проблему. Сюда входит неформальный обмен мнениями по различным аспектам проблемы, ее постановке, характеристикам, подзадачам. Цель - охарактеризовать проблему, обеспечивающие ее структуру знания, чтобы можно было приступить к формированию БЗ. Необходимо несколько итераций по постановке проблемы, так как эксперт или :-13 могут прийти к выводу, что начальная проблема является слишком большой или громоздкой для имеющихся ресурсов.

Для идентификации проблемы важно ответить на следующие вопросы.

Какой класс задач будет решать данная ЭС?

Как эти задачи могут быть охарактеризованы или определены?

Какие важные подзадачи существуют?

Какие имеются данные?

Какие имеются важные понятия, их взаимосвязи?

Какой вид имеет решение и какие концепции используются в нем?

Какие аспекты опыта эксперта существенны при решении этих проблем?

Какова природа и каков объем необходимых знаний, используемых при решении?

Какие возможны ситуации, препятствующие решению?

Как эти помехи будут влиять на ЭС?

На стадии неформального описания проблемы экспертом ИЗ уточняет по-нятия и основные концепции. Эксперт дает подробное описание типовых задач, объясняет, как решать эти задачи, какие соображения лежат в основе решений. После нескольких циклов обсуждений ИЗ и эксперт достигают окончательного неформального описания. Это значит, что участники выделили и описали те знания, которые необходимы для решения проблемы, и идентифицировали основные элементы для ее описания.

Третий этап - определение ресурсов. К ним относятся источники знаний, время, вычислительная техника, деньги.

Четвертый этап - определение целей. Эксперт скорее всего определит цели или задачи разрабатываемой ЭС в процессе идентификации проблемы. Однако имеет смысл отделить эти цели от специфических задач, так как они образуют дополнительные ограничения, которые могут оказаться полезными при характеристике желаемых и возможных подходов. ИЗ также должен определить внешние ограничения, которые могут влиять на успех ЭС.

Стадия концептуализации. Выявленные концепции и связи желательно представить в виде диаграммы, чтобы зафиксировать концептуальную базу первого варианта системы.

Прежде чем приступить к процессу концептуализации, необходимо ответить на вопросы.

Какие имеются типы данных?

Что задано и что должно быть выведено?

Имеют ли подзадачи наименование?

Имеют ли стратегии наименования?

Имеются ли ясные частичные гипотезы, которые широко используются? Каково их содержание?

Как связаны между собой объекты предметной области?

Можно ли нарисовать иерархическую структуру и указать причинно-следственные отношения, родо-видовые связи, отношения типа часть-целое и т.п.? Как выглядит эта структура?

Какие процессы участвуют в решении задачи?

Какие ограничения наложены на эти процессы?

Как осуществляется передача Информации?

Можно ли определить и разделить знания, необходимые для получения, и знания, используемые для обоснования решения?

Процесс концептуализации цикличен. ИЗ может строить какую-либо концептуальную схему. Он не должен выбирать ее заранее, но может попробовать на схеме какие-либо идеи для разработки первого варианта подпроблемы. Не стоит показывать схему эксперту, чтобы не оказывать на него давления.

Стадия формализации. Процесс формализации предусматривает перевод основных концепций, подзадач, характеристик информационного потока в более формальное представление. На этой стадии главную роль играет инженер знаний. Он объясняет эксперту методы, представления, типы задач, соответствующие рассматриваемой проблеме. Если ИЗ считает, что какой-либо метод подходит, то делается попытка удовлетворить требования выбранной схемы. Выводом данного этапа является набор частных утверждений, описывающих , как проблема может быть представлена в рамках выбранного метода или схемы.

В процессе формализации выделяются пространство гипотез, модель процесса, характеристика данных.

Чтобы понять структуру пространства гипотез, необходимо формализовать концепции и определить, как они связываются между собой, образуя гипотезы. Определяется форма и структура концепций: например, выгодно ли описывать концепции как структурированные объекты или рассматривать их как простые понятия? являются ли причинно-следственные или пространственно-временные связи между концепциями важными? Следует ли представлять их в явном виде?

Концепции являются основополагающими при определении характера пространства гипотез. Конечно оно или бесконечно? Состоит ли из заранее определенных классов или должно генерироваться из концепций по некоторой процедуре? Полезно или нет рассматривать гипотезы в иерархическом виде? Присутствуют ли неопределенность или спорные, неоднозначные элементы, относящиеся к конечным и промежуточным гипотезам? Следует ли использовать различные уровни абстракции?

Полезно построить модель процесса генерации решений. В ее состав могут входить как математические, так и поведенческие методы. Если эксперт применяет упрощенную поведенческую модель при выводе решения или его обосновании, то при анализе модели можно получить много важных концепции и связей. Если часть концептуальной структуры описывается математической (аналитической или статистической) моделью, то ее можно включить в ЭС и использовать для доказательства непротиворечивости причинно-следственных связей в базе знаний ЭС.

Важно выявить природу данных предметной области. Если данные могут быть объяснены в терминах некоторых гипотез, то надо указать, является ли эта связь причинно-следственной, дефинитивной, корреляционной.

Аля выявления природы данных необходимо ответить на следующие вопросы.

Являются ли данные редкими, недостаточными, избыточными?

Имеется ли неопределенность в данных?

Зависит ли логическая интерпретация данных от порядка их появления во времени?

Какова стоимость приобретения данных?

Как приобретаются или извлекаются данные? Какие вопросы необходимо задавать для их получения?

Как получить некоторые характеристики данных на основании выборки из непрерывного потока данных? Как извлечь свойства данных из графиков, рисунков, грамматического разбора ввода на естественном языке?

Являются ли данные надежными, устойчивыми, точными, однозначными или нет?

Являются ли данные непротиворечивыми и полными для решения поставленных задач?

Результатом формализации потока концептуальной информации и элементов подзадач оказывается частичная спецификация для построения прототипа базы знаний. Спецификации содержат организационную схему, явное представление основных концепций и связей проблемы. На этом же этапе выбираются языки и схема, минимизирующая несоответствие при представлении подзадач.

Стадия реализации. Эта стадия включает перевод формализованных знаний в схему представления, определяемую выбранным языком. В результате появляется рабочая программа. Развивая схему представления знаний посредством рабочей программы, получаем прототипный вариант ЭС.

Предметно-ориентированные знания определяют структуру данных, правила ввода, стратегии управления. Схема представления определяет их форму . Работоспособность рабочей программы не гарантирована, так как могут быть глобальные несоответствия между структурными данными и каким-либо правилом или стратегией управления. Эти противоречия должны быть устранены.

Прототипная БЗ создается с помощью различных программных средств:

текстовых редакторов, интеллектуальных редакторов, программ для приобретения знаний. Если существующие программные средства не подходят, то ИЗ

должен разработать их.

Стадия тестирования. Данная стадия предусматривает проверку прото-типного варианта системы и схем представления знаний, при этом проверка должна проводиться на многих разнородных примерах. Порядок ввода данных должен быть разным, чтобы проверить работоспособьссть сч<-•.,;»

Построение рабочей версия. По ходу построения и ..^ubi-y^^ ЭС постоянно появляются изменения. Усовершенствование ЭС состоит из многократного повторения всех стадии (см.рис.1.7), в результате чего должна быть получена рабочая версия ЭС.

Если улучшение ЭС не происходит, то необходимо изменить архитектуру системы или базы знании.

1.4. КРИТЕРИИ ОЦЕНКИ ЭКСПЕРТНЫХ СИСТЕМ

Надежность процессов рассуждений ЭС является определяющим фактором для оценки самой ЭС. Трудность выбора показателей оценки БЗ и ЭС связана с множеством критериев, которые необходимо рассмотреть при решении этой проблемы. ЭС должна гарантировать точность своих ответов в режиме консультации, т.е. нужно рассмотреть критерий работоспособности ЭС с точки зрения истинности вырабатываемых ею утверждений. Очень важным является момент сопоставления соответствия прикладных знаний, заложенных в БЗ, и экспертных знаний, а также оценка эквивалентности механизма рассуждений человека-эксперта и ЭС. Следующий немаловажный критерий оценки ЭС связан с организацией диалога, т.е. должны быть проанализированы проблемы организации интеллектуального интерфейса, механизма объяснений, сервисные функции ЭС, позволяющие оказывать необходимую помощь пользователю в сложных ситуациях.

критерий продуктивности ЭС позволяет оценить производительность системы, т.е. необходимо проанализировать технические аспекты работы системы: производительность центрального процессора, время поиска решения (скорость работы ЭС), организацию поиска информации на диске к т.д. Фактически ставится задача определения коэффициента использования машинных ресурсов, что существенно влияет на соотношение стоимость-эффективность. Необходимо отметить, что выбор аппаратных средств оказывает основное влияние на продуктивность ЭС.

Критерий стоимость-эффективность позволяет оценить эффект использования ЭС по сравнению с другими средствами, применяемыми для решения тех же задач.

Решая вопрос, какие характеристики ЭС надо оценивать, необходимо рассматривать следующие аспекты: функциональное назначение; стоимость;

время, в течение которого система данного размера и сложности может быть реализована, продуктивность системы (скорость работы и т.п.); качество решений и рекомендаций, вырабатываемых системой (достоверность, значимость получаемых результатов); правильность используемых стратегий поиска решений; качество человеко-машинного взаимодействия по его содержанию, интеллектуальности диалога техническим решениям; сложность освоения; функциональную полноту; возможные ограничения (например, на размер базы знаний).

Функциональная полнота системы должна быть рассмотрена и оценена на всех этапах разработки ЭС.

Необходимо оценить наличие в системе таких элементов, как механизм объяснения, механизм обучения, механизм исправления ошибок, справочный словарь (для слов, используемых в вопросах и ответах, генерируемых системой) , управление выводом (организация метауровня знаний), контроль на непротиворечивость и полноту БЗ, возможность трассировки, развитый пользовательский и программный интерфейс.

Требования, предъявляемые со стороны пользователя, являются определяющими при формировании показателей, позволяющих оценить эффективность ЭС и в частности БЗ, используемые методы поиска и вывода, а также удобства работы с системой.

На этапе конструирования ЭС и в режиме эксплуатации возникает необходимость оценки сформированной базы знаний.

Статическая оценка БЗ заключается в сравнении экспертных знаний с предметными знаниями БЗ на полноту и непротиворечивость.

динамическое оценивание БЗ заключается в сравнении хода рассуждений ЭС и подученных выводов с экспертными.

Задача определения показателей оценки эффективности БЗ требует рассмотрения двух аспектов представления знаний: выразительной адекватности и эффективности нотации.

Первый аспект связан с возможностью выделения отличительных, существенных признаков объекта, исключая второстепенные, несущественные, малозначительные.

Второй аспект - эффективность нотации - связан с конкретной формой и структурой представления, а также с влиянием этой структуры на функционирование системы, эффективность нотации может быть оценена через такие категории, как вычислительная эффективность, концептуальная ясность, компактность представления, простота модификации.

Выразительная адекватность предполагает выбор ( или разработку) таких моделей представления знаний, в которых обеспечивалась бы возможность совокупности знаний, а также свободного перехода от одного уровня обобщения к другому без привязки к определенному уровню детализации. Другая потребность состоит в возможности изменения совокупности знаний во времени.

Аспекты приобретения и накопления знаний прежде всего связаны с концептуальной эффективностью.

Вычислительная эффективность определяет возможности той или иной нотации с точки зрения реализации разнообразных алгоритмов.

Некоторые особенности представления знаний могут быть связаны как с концептуальной, так и с вычислительной эффективностью. Например, размещение описательных частей правил в систематической структуре знаний с тем чтобы упростить обнаружение взаимодействий при вводе информации, а также наследование общих частей этих правил (для повышения компактности описания) позволяет увеличить эффективность работы и концептуальную эффективность процессов сбора и организации знаний, модели, в которых обеспечивается совместное использование общих частей различных правил, позволяют сократить требуемый объем памяти, облегчить модификацию знаний.

Рассмотренные показатели оценки эффективности ЭС и БЗ позволяют сделать вывод, что для их достижения необходимо: повышать скорость разработки системы; уменьшать ограничения и сложность освоения системы; организовывать ЭС, как открытую систему; повышать уровень интеллектуальности эс; увеличивать функциональную полноту системы.


 

А также другие работы, которые могут Вас заинтересовать

70743. Поверка технических приборов 72 KB
  Методом амперметра или вольтметра при номинальном токе поверяемого прибора измерить его сопротивление. Схема поверки амперметра. Расчёт основных погрешностей поверка амперметра. Показания проверяемого амперметра Iп мА Показания образцового амперметра...
70744. Исследование катушки со стальным сердечником 131.5 KB
  Цель работы: Исследование зависимости параметров и потерь в стали катушки от воздушного зазора и напряжения сети. Схема исследования катушки со стальным сердечником. Провести исследование катушки со стальным сердечником при постоянной величине напряжения...
70745. Исследование параллельного соединения катушки со стальным сердечником и конденсатора 61 KB
  Изменяя напряжение U с помощью автотрансформатора АТ снять вольтамперную характеристику катушки со стальным сердечником. По данным таблицы № 1 в одной системе координат построить вольтамперные характеристики катушки UkI конденсатора UCI и последовательного соединения катушки...
70746. Резонансный контур 718.5 KB
  Частоту свободных колебаний ω0 можно найти из равенства энергии: Учитывая что Um=ω0LIm находим: Период свободных колебаний как известно: Из равенства энергий найдем волновое сопротивление контура: На резонансной частоте реактивные сопротивления конденсатора и индуктивности равны...
70747. Статические характеристики и параметры полупроводниковых приборов 427.5 KB
  Цель работы изучить статические вольтамперные характеристики полупроводниковых диодов и биполярных транзисторов рассчитать основные параметры биполярного транзистора. Если к переходам транзистора не приложено внешних разностей потенциалов то в pnпереходах существует...
70748. Простейшие усилительные каскады и обратная связь в усилителях 848 KB
  Устройство осуществляющее увеличение энергии управляющего сигнала за счет энергии вспомогательного источника источника питаний называется усилителем Общая структурная схема усилителя электрических сигналов представлена на рис.