Экспертные системы. Классификация экспертных систем. Разработка простейшей экспертной системы

модель знаний, принимающая вид пороговой направленной иерархической сети с

возможностью выбора в конечном из логических узлов (где каждая отдельная

ситуация похожа на дерево с листьями), может стать базой для построения ЭС.

Когда стала очевидной полная непригодность этих систем и созданного для

них специаллизированного аппаратного оборудования, многие обозреватели

пришли к выводу, что существующая технология создания ЭС была тупиковым

направлением в развитии информационных технологий. В последнее десятилетие

ЭС возродились в виде систем с базой знаний, которые тесно переплетались с

существующими деловыми системами. Их используют в здравоохранении,

страховании, банковском деле и других областях, чтобы с помощью правил и

объектовнакапливать опыт,повысить качество принимаемых решений. Базы знаний

встроенысегодня в наиболее современные крупные системы. Они находятся в

самой сердцевине программ- агентов, осуществляющих поиск в сети Internet, и

помогают коллективам пользователей справиться с поитоками информации.

Рассмотрим факторы, стимулировавшие развитие систем с базами знаний:

- компании, добившиеся значительной экономии денежных средств благодаря

технологии баз знаний, развивают и выстраивают ее в специальные бизнес-

процессы, которые были бы просто невозможны без компьютерной экспертизы;

- разработаны новые технологии создания баз знаний, является необходимым

средством, которое может изменить бизнес- поцесс;

- современные системы реализованы не наспециализирован-ном, а на

стандартном оборудовании.

Объединение всех видов программных продуктов и их отдельных компонентов

в единую ЭС признано экономически выгодным, так как прменение ЭС позволяет

существенно сократить расходы на подготовку квалифицированного персонала,

дальнейшую проверку работоспособности и надежности разрабатываемых и

исследовательских систем, а также уменьшить время проектирования и(или)

исследования.

Объектная технология, на основе которой могут создаваться и развиваться

современные ЭС,- значительный шаг вперед по сравнению с CASE- средствами,

т.к. она похожа на наше восприятие окружающей действительности. Наше

представ- ление о моделировании меняется, то же самое происходит и с

объектами, поэтому сопровождение программируемых объектов может выполнятся

аналогично приспособлению наших умозрительных образов к изменению

окружающих условий. Данная технология прекрасно подходит аналитикам и

программистам. т.к. очень напоминает стратегию решения проблем и

соответствует мыслительным процессам людей, считающихся экспертами в своей

области.

Чтобы стать экспертом, специалисту нужен инструментарий, имитирующий

мышление эксперта. Разработка парадигмы превращается из задачи, чуждой

мышлению человека, в знакомое, привычное и легко выполняемое задание.

Как работают эксперты? Следуя принципам, заложенным в объектно-

ориентированные технологии, они подразумевают проблемы на объекты или

классы объектов. По мере накопления знаний в определенной области они

делают обобщения, ориентируясь на выделенные объекты или классы объектов.

Некоторые обобщения имеют иерархическую структуру, где свойства высших

объектов наследуются объекта-

ми низшего уровня. Сущность может соответствовать нескольким классам

объектов и взаимодействовать с различными объектами или классами. По мере

того как знания эксперта углубляются, на их основе формируются новые

ассоциации, а отдельные уровни иерархии пропадают или расширяются.

Методика объектно- ориентированного программирования основана на

модели, напоминающей образы, возникающие в мозгу аналитика, которая

представляет предметы и процессы в виде объектов и связей между ними.

Наблюдая событие, эксперт легко выделяет знакомые образы. Для решения

проблем он испытывает конкретные правила, рассматривая при этом исследуемую

проблему под определенным ракурсом.

При разработке систем автоматизированного проектирования (САПР) уже

нельзя обойтись без ЭС; их использование признано экономически выгодным.

С середины 80-х годов наиболее популярные системы с базами знаний

создавались с ориентацией на стандартное оборудование. В этом ключ к

пониманию причин успеха современной технологии баз знаний. Опыт показывает,

что системы с базами знаний необходимо встраивать в самые важные бизнесс-

процессы и организовывать работу персонала так, чтобы он мог максимально

использовать их преимущества для достижения наилучших результатов.

Глава 2. Структура систем, основанных на знаниях

2.1. Критерий пользователя ЭС

Структура ЭС изображена на схеме:

пользователь

эксперт + диалоговый

инженер знаний процессор

подсистема

подсистема

приобретения база знаний вывода

знаний

подсистема

объяснения

рис.3

Экспертные системы имеют две категории пользователей и два отдельных

“входа”, соответствующих различным целям взаимодействия пользователей с ЭС:

1)обычный пользователь (эксперт), которому требуется консультация ЭС-

диалоговый сеанс работы с ней, в процессе которой она решает некоторую

экспертную задачу. Диалог с ЭС осуществляется через диалоговый процессор-

специальную компоненту ЭС. Существуют две основные формы диалога с ЭС-

диалог на ограниченном подмножестве естественного языка ( с использованием

словаря- меню (при котором на каждом шаге диалога система предлагает выбор

профессионального лексикона экспертов) и диалог на основе из нескольких

возможных действий);

экспертная группа инженерии знаний, состоящая из экспертов в предметной

области и инженеров знаний. В функции этой группы входит заполнение базы

знаний, осуществляемое с помощью специализированной диалоговой компоненты

ЭС - подсистемы приобретения знаний, которая позволяет частично

автоматизировать этот процесс.

2.2. Подсистема приобретения знаний

Подсистема приобретения знаний предназначена для добавления в базу

знаний новых правил и модификации имеющихся. В ее задачу входит приведение

правила к виду, позволяющему подсистеме вывода применять это правило в

процессе работы. В более сложных системах предусмотрены еще и средства для

проверки вводимых или модифицируемых правил на непротиворечивость с

имеющимися правилами.

2.3. База знаний

База знаний- наиболее важная компонента экспертной системы, на которой

основаны ее «интеллектуальные способности». В отличие от всех остальных

компонент ЭС, база знаний- «переменная » часть системы, которая может

пополняться и модифицироваться инженерами знаний и опыта использование ЭС,

между консультациями (а в некоторых системах и в процессе консультации).

Существует несколько способов представления знаний в ЭС, однако общим для

всех них является то, что знания представлены в символьной форме

(элементарными компонентами представления знаний являются тексты, списки и

другие символьные структуры). Тем самым, в ЭС реализуется принцип

символьной природы рассуждений, который заключается в том, что процесс

рассуждения представляется как последовательность символьных

преобразований.

Наиболее распространенный способ представления знаний - в виде

конкретных фактов и правил, по которым из имеющихся фактов могут быть

выведены новые. Факты представлены, например, в виде троек:

(АТРИБУТ ОБЪЕКТ ЗНАЧЕНИЕ).

Такой факт означает, что заданный объект имеет заданный атрибут

(свойства) с заданным значением. Например, тройка

(ТЕМПЕРАТУРА ПАЦИЕНТ1 37.5) представляет факт «температура больного,

обозначаемого ПАЦИЕНТ1, равна 37.5». В более простых случаях факт

выражается неконкретным значением атрибута, а каким либо простым

утверждением, которое может быть истинным или ложным, например: «Небо

покрыто тучами». В таких случаях факт можно обозначить каким-либо кратким

именем (например, ТУЧИ) или использовать для представления факта сам текст

соответствующей фразы.

Правила в базе знаний имеют вид:

ЕСЛИ А ТО S, где А- условие; S- действие. Действие S исполняется, если А

истинно. Наиболее часто действие S, так же, как и условие, представляет

собой утверждение, которое может быть выведено системой (то есть становится

ей известной), если истинно условие правила А.

Правила в базе знаний служат для представления эвристических знаний

(эвристик), т.е. неформальных правил рассуждения, вырабатываемых экспертом

на основе опыта его деятельности.

Простой пример правила из повседневной жизни:

ЕСЛИ небо покрыто тучами

ТО скоро пойдет дождь.

В качестве условия A может выступать либо факт(как в данном примере), либо

несколько фактов A1,...,AN, соединенные логической операцией и:

A1 и A2 и ... и AN.

В математической логике такое выражение называется коньюнкцией. Оно

считается истинным в том случае, если истинны все его компоненты. Пример

предыдущего правила с более сложным условием:

ЕСЛИ

небо покрыто тучами и барометр падает

ТО

скоро пойдет дождь. (Правило 1).

Действия, входящие в состав правил, могут содержать новые факты. При

применении таких правил эти факты становятся известны системе, т.е.

включаются в множество фактов, которое называется рабочим множеством.

Например, если факты «Небо покрыто тучами» и «Барометр падает» уже имеются

в рабочем множестве, то после применения приведенного выше правила в него

также включается факт «Скоро пойдет дождь».

Если система не может вывести некоторый факт, истинность или ложность

которого требуется установить, то система спрашивает о нем пользователя.

Например:

ВЕРНО ЛИ, ЧТО небо покрыто тучами?

При получении положительного ответа от пользователя факт «Небо покрыто

тучами» включается в рабочем множество.

Существуют динамические и статические базы знаний. Динамическая база

знаний изменяется со временем. Ее содержимое зависит и от состояния

окружающей. Новые факты, добавляемые в базу знаний, являются результатом

вывода, который состоит в применении правил к имеющимся фактам.

В системах с монотонным выводом факты, хранимые в базе знаний,

статичны, то есть не изменяются в процессе решения задачи. В системах с

немонотонным выводом допускается изменение или удаление фактов из базы

знаний. В качестве примера системы с немонотонным выводом можно привести

ЭС, предназначенную для составления перспективного плана капиталовложения

компании. В такой системе по вашему желанию могут быть изменены даже те

данные, которые после вывода уже вызвали срабатывание каких-либо правил.

Иными словами имеется возможность модифицировать значения атрибутов в

составе фактов, находящихся в рабочей памяти. Изменение фактов в свою

очередь приводит к необходимости удаления из базы знаний заключений,

полученных с помощью упомянутых правил. Тем самым вывод выполняется

повторно для того, чтобы пересмотреть те решения, которые были получены на

основе подвергшихся изменению фактов.

2.4. Подсистема вывода

2.4.1 Подсистема вывода,способы логического вывода

Подсистема вывода - программная компонента экспертных систем,

реализующая процесс ее рассуждений на основе базы знаний и рабочего

множества. Она выполняет две функции: во-первых, просмотр существующих

фактов из рабочего множества и правил из базы знаний и добавление (по мере

возможности) в рабочее множество новых фактов и, во-вторых, определение

порядка просмотра и применения правил. Эта подсистема управляет процессом

консультации, сохраняет для пользователя информацию о полученных

заключениях, и запрашивает у него информацию, когда для срабатывания

очередного правила в рабочем множестве оказывается недостаточно данных.

Цель ЭС - вывести некоторый заданный факт, который называется целевым

утверждением (то есть в результате применения правил добиться того, чтобы

этот факт был включен в рабочее множество), либо опровергнуть этот факт (то

есть убедиться, что его вывести невозможно, следовательно, при данном

уровне знаний системы он является ложным). Целевое утверждение может быть

либо «заложено» заранее в базу знаний системы, либо извлекается системой из

диалога с пользователем.

Работа системы представляет собой последовательность шагов, на каждом

из которых из базы выбирается некоторое правило, которое применяется к

текущему содержимому рабочего множества. Цикл заканчивается, когда выведено

либо опровергнуто целевое утверждение. Цикл работы экспертной системы иначе

называется логическим выводом Логический вывод может происходить многими

способами, из которых наиболее распространенные - прямой порядок вывода и

обратный порядок вывода.

Прямой порядок вывода- от фактов, которые находятся в рабочем

множестве, к заключению. Если такое заключение удается найти, то оно

заносится в рабочее множество. Прямой вывод часто называют выводом,

управляемым данными.

Для иллюстрации добавим к нашему примеру базы знаний о погоде еще одно

правило:

ЕСЛИ скоро пойдет дождь

ТО нужно взять с собой зонтик. (правило 2)

Предположим также, что факты «Небо покрыто тучами» и «Барометр падает»

имеются в рабочем множестве, а целью системы является ответ на вопрос

пользователя:

«Нужно взять с собой зонтик?»

При прямом выводе работа системы будет протекать следующим образом:

Шаг 1. Рассматривается правило 1. Его условие истинно, так как оба

элемента коньюнкции имеются в рабочем множестве. Применяем правило 1;

добавляем к рабочему множеству факт ”Скоро пойдет дождь”.

Шаг 2. Рассматривается правило 2. Его условие истинно, т.к. утверждение

из условия имеется в рабочем множестве. Примеряем правило 2; добавляем к

рабочему множеству факт “Нужно взять с собой зонтик”. Целевое утверждение

выведено.

Обратный порядок вывода: заключения просматриваются до тех пор, пока не

будет обнаружены в рабочей памяти или получены от пользователя факты,

подтверждающие одно из них. В системах с обратным выводом вначале

выдвигается некоторая гипотеза, а затем механизм вывода в процессе работы,

как бы возвращается назад, переходя от нее к фактам, и пытается найти среди

них те, которые подтверждают эту гипотезу. Если она оказалась правильной,

то выбирается следующая гипотеза, детализирующая первую являющаяся по

отношению к ней подцелью. Далее отыскиваются факты, подтверждающие

истинность подчиненной гипотезы. Вывод такого типа называется управляемым

целями. Обратный поиск применяется в тех случаях, когда цели известны и их

сравнительно немного.

В рассматриваемом примере вывод целевого утверждения “Нужно взять с

собой зонтик” обратной цепочкой рассуждений выполняется следующим образом:

Шаг 1. Рассматривается правило 1. Оно не содержит цели в правой части.

Переходим к правилу 2.

Шаг 2. Рассматривается правило 2. Оно содержит цель в правой части правила.

Переходим к правой части правила и рассматриваем в качестве текущей цели

утверждения “Скоро пойдет дождь”.

Шаг 3. Текущей цели нет в рабочем множестве. Рассмотрим правило 1, которое

содержит цель в правой части. Обе компоненты его условия имеются в рабочем

множестве, так что условие истинно. Применяем привило 1; в результате

выводим утверждение “Скоро пойдет дождь”; которое было нашей предыдущей

целью.

Шаг 4. Применяем правило 2, условием которого является данное утверждение.

Получаем вывод исходного утверждения.

Заметим, что для упрощения ситуации мы предположили, что в обоих

случаях факты “Небо покрыто тучами” и “Барометр падает” уже известны

системе. На самом деле система выясняет истинность или ложность факта,

входящего в условие некоторого правила, спрашивая об этом пользователя в

тот момент, когда она пытается применить правило.

Приведенный пример сознательно выбран очень простым и не отражающим

многих проблем, связанных с организацией вывода в экспертной системе. В

частности, из примера может создаться впечатление, что прямая цепочка

рассуждений эффективнее, чем обратная, что на самом деле, вообще говоря, не

так. Эффективность той или иной стратегии вывода зависит от характера

задачи и содержимого базы знаний. В системах диагностики чаще применяется

прямой вывод, в то время как в планирующих системах более эффективным

оказывается обратный вывод. В некоторых системах вывод основывается на

сочетании обратного и ограниченно- прямого. Такой комбинированный метод

получил название циклического.

Рис 4. Стратегия вывода.

Поиск в глубину

Обратный вывод

Прямой вывод

4 Начало 1

3 поиска

2

5 2 Начало

3

6 1 поиска

4

7

Заключения

Страницы: 1, 2, 3, 4, 5, 6