Экспертные системы

 
   

 Качество ЭС определяется  размером и качеством базы  знаний (правил или эвристик). Система функционирует в следующем циклическом режиме: выбор (запрос) данных или результатов анализов, наблюдения, интерпретация результатов, усвоение новой информации, выдвижении с помощью правил временных гипотез и затем выбор следующей порции данных или результатов анализов (рис.2). Такой процесс продолжается до тех пор, пока не поступит информация, достаточная для окончательного заключения.                                                                  

 В любой момент времени  в системе существуют три типа  знаний:

- Структурированные знания- статические знания о предметной области. После того как эти знания выявлены, они уже не изменяются.

- Структурированные динамические  знания- изменяемые знания о предметной области. Они обновляются по мере выявления новой информации.

- Рабочие знания- знания, применяемые  для решения конкретной задачи  или проведения консультации.   

 Все перечисленные выше знания  хранятся в базе знаний. Для  ее построения требуется провести  опрос специалистов, являющихся  экспертами в конкретной предметной  области, а затем систематизировать,  организовать и снабдить эти  знания указателями, чтобы впоследствии  их можно было легко извлечь  из базы знаний.

 
                                                                           

рис.2  Схема работы ЭС.

3.1. Отличительные особенности. Экспертные системы первого и второго поколения.

 

  1. Экспертиза может  проводиться  только в одной конкретной области. Так, программа, предназначенная для определения кон-

фигурации систем ЭВМ, не может ставить  медицинские диагнозы. 

2. База знаний и механизм  вывода являются различными компонентами. Действительно, часто оказывается  возможным сочетать механизм  вывода с другими базами знаний  для создания новых ЭС. Например, программа анализа инфекции в  крови может быть применена  в пульманологии путем замены базы знаний, используемой с тем же самым механизмом вывода. 

3. Наиболее подходящая  область применения- решение задач дедуктивным методом. Например, правила или эвристики выражаются в виде пар посылок и заключений типа  “если-то”.  

4. Эти системы могут объяснять  ход решения задачи понятным  пользователю способом. Обычно мы  не принимаем ответ эксперта, если на вопрос “Почему ?” не можем получить логичный ответ. Точно так же мы должны иметь возможность спросить систему, основанную на знаниях, как было получено конкретное заключение.       

5.  Выходные результаты являются качественными (а не количественными). 

6. Системы, основанные на знаниях,  строятся по модульному принципу, что позволяет постепенно наращивать  их базы знаний.   

 Компьютерные системы, которые  могут лишь повторить логический  вывод эксперта, принято относить  к ЭС первого поколения. Однако специалисту, решающему интеллектуально сложную задачу, явно недостаточно возможностей системы, которая лишь имитирует деятельность человека. Ему нужно, чтобы ЭС выступала в роли полноценного помощника и советчика, способного проводить анализ нечисловых данных, выдвигать и отбрасывать гипотезы, оценивать достоверность фактов, самостоятельно пополнять свои знания, контролировать их непротиворечивость, делать заключения на основе прецедентов и, может быть, даже порождать решение новых, ранее не рассматривавшихся задач. Наличие таких возможностей является характерным для ЭС второго поколения, концепция которых начала разрабатываться 9-10 лет назад. Экспертные системы, относящиеся ко второму поколению, называют партнерскими, или усилителями интеллектуальных способностей человека. Их общими отличительными чертами является умение обучаться и развиваться, т.е. эволюционировать.   

 В экспертных системах  первого поколения знания представлены следующим образом:

1) знаниями системы являются  только знания эксперта, опыт  накопления знаний не предусматривается.

2) методы представления знаний  позволяли описывать лишь статические  предметные области.

3) модели представления знаний  ориентированы на простые области.    

 Представление знаний в экспертных  системах второго поколения следующее:

1) используются не поверхностные  знания, а более глубинные. Возможно дополнение предметной области.

2) ЭС может решать задачи динамической  базы данных предметной области.

 

 3.2. Критерий использования ЭС для решения задач.

 

   Существует ряд прикладных  задач, которые решаются с помощью  систем, основанных на знаниях,  более успешно, чем любыми другими  средствами. При определении целесообразности  применения таких систем нужно  руководствоваться следующими критериями.

1. Данные и знания надежны  и не меняются со временем.

2. Пространство возможных  решений относительно невелико.

3. В процессе решения  задачи должны использоваться  формальные рассуждения. Существуют  системы, основанные на знаниях,  пока еще не пригодные для решения задач методами проведения аналогий или абстрагирования (человеческий мозг справляется с этим лучше). В свою очередь традиционные компьютерные программы оказываются эффективнее систем, основанных на знаниях, в тех случаях, когда решение задачи связано с применением процедурного анализа. Системы, основанные на знаниях, более подходят для решения задач, где требуются формальные рассуждения.

4. Должен быть по крайней мере один эксперт, который способен явно сформулировать свои знания и объяснить свои методы применения этих знаний для решения задач.   

 В таблице один приведены  сравнительные свойства прикладных  задач, по наличию которых можно  судить о целесообразности использования  для их решения ЭС.

Таблица 1. Критерий применимости ЭС.

Применимы	Неприменимы
1.Не могут быть построены   строгие алгоритмы или процедуры, но существуют эвристические методы решения. 2. Есть эксперты, которые способны решить задачу. 3. По своему характеру задачи относятся к области диагностики, интерпретации или прогнозирования. 4. Доступные данные “зашумленны”. 5.Задачи решаются методом формальных рассуждений. 6. Знания статичны (неизменны).	1.Имеются эффективные алгоритмические методы. 2.Отсутствуют эксперты или их число недостаточно. 3.Задачи носят вычислительный характер. 4. Известны точные факты и строгие процедуры. 5. Задачи решаются прецедурными методами, с помощью аналогии или интуитивно. 6. Знания динамичны (меняются со временем).

 

    В целом ЭС не рекомендуется  применять для решения следующих  типов задач:

- математических, решаемых  обычным путем формальных преобразований  и процедурного анализа;

- задач распознавания,  поскольку в общем случае они  решаются численными методами;

- задач, знания о методах решения которых отсутствуют (невозможно построить базу знаний).

 

  3.3. Ограничения в применение экспертных систем.

 

    Даже лучшие из существующих ЭС, которые эффективно функционируют как на больших, так и на мини-ЭВМ, имеют определенные ограничения по сравнению с человеком-экспертом.

1. Большинство ЭС не вполне пригодны для применения конечным пользователем. Если вы не имеете некоторого опыта работы с такими системами, то у вас могут возникнуть серьезные трудности. Многие системы оказываются доступными только тем экспертам, которые создавали из базы знаний.

2. Вопросно-ответный режим,  обычно принятый в таких системах, замедляет получение решений.  Например, без системы MYCIN врач  может (а часто и должен) принять  решение значительно быстрее,  чем с ее помощью.

3. Навыки системы не  возрастают после сеанса экспертизы.

4. Все еще остается  проблемой приведение знаний, полученных  от эксперта, к виду, обеспечивающему  их эффективную машинную реализацию.

5.  ЭС не способны обучаться, не обладают здравым смыслом. Домашние кошки способны обучаться даже без специальной дрессировки, ребенок в состоянии легко уяснить, что он станет мокрым, если опрокинет на себя стакан с водой, однако если начать выливать кофе на клавиатуру компьютера, у него не хватит “ума” отодвинуть ее.

6. ЭС неприменимы в больших предметных областях. Их использование ограничивается предметными областями, в которых эксперт может принять решение за время от нескольких минут до нескольких часов.

7. В тех областях, где  отсутствуют эксперты (например, в  астрологии), применение ЭС оказывается  невозможным.

8. Имеет смысл привлекать  ЭС только для решения когнитивных  задач. Теннис, езда на велосипеде  не могут являться предметной  областью для ЭС, однако такие  системы можно использовать при  формировании футбольных команд.

9. Человек-эксперт при  решении задач обычно обращается  к своей интуиции или здравому  смыслу, если отсутствуют формальные  методы решения или аналоги  таких задач.   

 Системы, основанные  на знаниях, оказываются неэффективными  при необходимости проведения  скрупулезного анализа, когда  число “решений” зависит от  тысяч различных возможностей  и многих переменных, которые  изменяются во времени. В таких  случаях лучше использовать базы  данных с интерфейсом на естественном  языке.

 

  3.4.Преимущества ЭС перед человеком - экспертом.

 

    Системы, основанные на знаниях,  имеют определенные преимущества  перед человеком-экспертом.

1. У них нет предубеждений.

2. Они не делают поспешных  выводов.

3. Эти системы работают  систематизировано, рассматривая  все детали, часто выбирая наилучшую  альтернативу из всех возможных.

4. База знаний может  быть очень и очень большой.  Будучи введены в машину один  раз, знания сохраняются навсегда. Человек же имеет ограниченную  базу знаний, и если данные  долгое время не используются, то они забываются и навсегда  теряются.

5. Системы, основанные  на знаниях, устойчивы к “помехам”.  Эксперт пользуется побочными  знаниями и легко поддается  влиянию внешних факторов, которые  непосредственно не связаны с  решаемой задачей. ЭС, не обремененные  знаниями из других областей, по своей природе менее подвержены  “шумам”. Со временем системы,  основанные на знаниях, могут  рассматриваться пользователями как разновидность тиражирования- новый способ записи и распространения знаний. Подобно другим видам компьютерных программ они не могут заменить человека в решении задач, а скорее напоминают орудия труда, которые дают ему возможность решат задачи быстрее и эффективнее.

6. Эти системы не заменяют  специалиста, а являются инструментом  в его руках.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

4. История развития экспертных систем.

 

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

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

2. MYCIN-EMYCIN-TEIREIAS-PUFF-NEOMYCIN. Это семейство медицинских ЭС и сервисных программных средств для их построения.

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

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

5. HEARSAY-HEARSAY-2-HEARSAY-3-AGE. Первые две системы этого ряда являются развитием интеллектуальной системы распознавания слитной человеческой речи, слова которой берутся из заданного словаря. Эти системы отличаются оригинальной структурой, основанной на использовании доски объявлений- глобальной базы данных, содержащей текущие результаты работы системы. В дальнейшем на основе этих систем были созданы инструментальные системы HEARSAY-3 и AGE (Attempt to Generalize- попытка общения) для построения ЭС.

6. Системы AM (Artifical Mathematician- искусственный математик) и EURISCO были разработаны в Станфордском университете доктором Д. Ленатом для исследовательских и учебных целей. Ленат считает, что эффективность любой ЭС определяется закладываемыми в нее знаниями. По его мнению, чтобы система была способна к обучению, в нее должно быть введено около миллиона сведений общего характера. Это примерно соответствует объему информации, каким располагает четырехлетний ребенок со средними способностями. Ленат также считает, что путь создания узкоспециализированных ЭС с уменьшенным объемом знаний ведет к тупику.   

 В систему AM первоначально  было заложено около 100 правил  вывода и более 200 эвристических  алгоритмов обучения, позволяющих  строить произвольные математические  теории и представления. Сначала  результаты работы системы были  весьма многообещающими. Она могла  сформулировать понятия натурального  ряда и простых чисел. Кроме  того, она синтезировала вариант  гипотезы Гольдбаха о том, что  каждое четное число, большее  двух, можно представить в виде  суммы двух простых чисел. До  сих пор не удалось ни найти  доказательства данной гипотезы, ни опровергнуть ее. Дальнейшее  развитие системы замедлилось  и было отмечено, что несмотря на проявленные на первых порах “математические способности”, система не может синтезировать новых эвристических правил, т.е. ее возможности определяются только теми эвристиками, что были в нее изначально заложены.