Диплом - Построение экспертных систем

Подождите немного. Документ загружается.

распределитель - посмотрите, не повреждена ли его крышка. Эти довольно специфические

эвристики не гарантируют, что отыщется действительная причина, но вдруг вам улыбнется

фортуна, и вы найдете неисправность без утомительной процедуры последовательной

проверки всех систем.

Скорее всего, ваших знаний достаточно для того, чтобы выполнить общую проверку,

прежде чем заниматься доскональным изучением отдельных узлов. Например, посмотреть,

достаточно ли мощная искра в свече (если это так, то подозрения с электросистемы можно

снять), прежде чем проверять аккумулятор. При отсутствии специальных эвристик, чем

более методично вы будете действовать, тем больше шансов быстро найти причину

неисправности. Общее эвристическое правило гласит:

„

"Сначала проверь весь узел, а уже потом приступай к проверке его компонентов".

„

Это правило можно считать частью режима управления - систематической стратегии

применения имеющихся знаний. Другое эвристическое правило можно сформулировать,

например, так:

"Сначала меняй более дешевые детали, а уже потом берись за более дорогие".

В некоторых случаях эти две эвристики могут противоречить друг другу, так что

нужно заранее выбрать, какая из них имеет приоритет в случае, если обе включены в один и

тот же режим управления.

Вопрос о том, как помочь пользователю понять структуру и функции некоторого

сложного компонента программы, связан со сравнительно новой областью взаимодействия

человека и машины, которая появилась на пересечении таких областей, как искусственный

интеллект, промышленная технология, физиология и эргономика. На сегодня вклад в эту

область исследователей, занимающихся экспертными системами, состоит в разработке

методов представления информации о поведении программы в процессе формирования

цепочки логических заключений при поиске решения.

Представление информации о поведении экспертной системы важно по многим

причинам.

Пользователи, работающие с системой, нуждаются в подтверждении того, что в

каждом конкретном случае заключение, к которому пришла программа, в основном

корректно.

Инженеры, имеющие дело с формированием базы знаний, должны убедиться, что

сформулированные ими знания применены правильно, в том числе и в случае, когда

существует прототип.

Экспертам в предметной области желательно проследить ход рассуждений и способ

использования тех сведений, которые с их слов были введены в базу знаний. Это позволит

судить, насколько корректно они применяются в данной ситуации.

Программистам, которые сопровождают, отлаживают и модернизируют систему,

нужно иметь в своем распоряжении инструмент, позволяющий заглянуть в "ее нутро" на

уровне более высоком, чем вызов отдельных языковых процедур.

Менеджер системы, использующей экспертную технологию, который, в конце

концов, несет ответственность за последствия решения, принятого программой, также

нуждается в подтверждении, что эти решения достаточно обоснованы.

Способность системы объяснить методику принятия решения иногда называют

прозрачностью системы. Под этим понимается, насколько просто персоналу выяснить, что

делает программа и почему. Эту характеристику системы следует рассматривать в

совокупности с режимом управления, о котором шла речь в предыдущем разделе, поскольку

последовательность этапов принятия решения тесно связана с заданной стратегией

поведения.

Отсутствие достаточной прозрачности поведения системы не позволит эксперту

повлиять на ее производительность или дать совет, как можно ее повысить. Прослеживание

и оценка поведения системы - задача довольно сложная и для ее решения необходимы

совместные усилия эксперта и специалиста по информатике.

В одной известной загадке человек смотрит на портрет и говорит:

"У меня нет братьев и сестер, но отец этого человека - это сын моего отца".

Спрашивается: 'Кто изображен на портрете?" Во-первых, потратьте пару минут и

решите эту загадку. Во-вторых, представьте себе, как вы будете объяснять ход решения

кому-нибудь постороннему, но при этом нельзя пользоваться никакими вспомогательными

средствами вроде карандаша и бумаги. Для многих эта загадка представляется

головоломной, причем немало и таких, которые не могут проследить за ходом уже

описанного решения (Smullyan, 1978].

Ответ прост: отец смотрит на портрет сына (человек, который смотрит на портрет, -

отец человека, изображенного на портрете). Как мы пришли к такому заключению, станет

ясно после того, как мы воспользуемся логическим представлением. Пусть Пит - человек на

портрете, а Люк - человек, который смотрит на портрет.

"...это сын моего отца".

сын(отец(люк)), отец(пит).

"У меня нет братьев и сестер..."

for all X,

if сын(отец(люк), X) then Х=люк.

Здесь сын - это отношение между двумя людьми, а отец - функция, поскольку каждый

имеет только одного отца. Из этого утверждения после подстановки совершенно очевидно

следует

отец(пит) = люк. Таким образом, Люк смотрит на портрет своего сына.

Правильное логическое представление зачастую значительно упрощает решение

задачи и делает его более понятным. Но сформировать такое представление - это в

значительной мере искусство [15].

Потенциальный пользователь экспертной системы чаще всего задается вопросом: "А

сможет ли она решить мои проблемы?" Ответ уклончивый: "Смотря какие". Существуют три

фактора, от которых зависит окончательный ответ, - природа проблемы, наличие

определенного опыта в той предметной области, к которой относится проблема, и

возможность сопоставления результатов анализа проблемы и имеющегося опыта методом,

доступным компьютерной программе. Потенциальному пользователю следует сначала

задуматься над следующим: есть ли у него на примете эксперт, который:

 способен решить проблему;

 знает, как решается проблема;

 способен объяснить другому, как решается проблема;

 располагает временем, чтобы объяснить другому, как решается проблема;

 имеет достаточные побудительные мотивы к активному участию в этом

предприятии.

Например, предсказание погоды - это не та задача, которую может решить кто-либо,

даже умудренный большим опытом эксперт. Распознавание речи - это задача, которую

решает практически каждый, но никто из нас (включая и профессиональных лингвистов) не

может вразумительно объяснить, как это делается. А потому использовать для решения этой

проблемы методы, основанные на анализе знаний, вряд ли удастся. Здесь большего следует

ожидать от статистического моделирования. Даже имея на примете гениального эксперта,

знающего, как решается задача, нельзя рассчитывать на успех, если этот эксперт не может

или не желает подробно и вразумительно объяснить, как он это делает. Эксперт может быть

не расположен к общению с посторонними или слишком занят, чтобы терять время на

длительные собеседования с инженером, которому поручено проектирование базы знаний.

Как правило, эксперт высокого класса не испытывает недостатка в предложениях работы в

той области, с которой он хорошо знаком, а потому предпочитает выполнять ее, а не вести

пространные беседы о том, как он это делает. Есть еще и психологический фактор - многие

эксперты весьма ревниво относятся к своему уникальному опыту и не склонны его

разглашать, поскольку считают (и нам нечего возразить им), что, передавая опыт

автоматизированным системам, они рубят сук, на котором сидят.

Но даже если удастся выполнить оговоренные выше условия, в задаче могут

существовать факторы, ограничивающие возможность "машинного" воспроизведения

человеческого опыта. Например:

 в процессе решения задачи используются способности органов чувств человека,

недоступные на сегодняшний день в мире машин;

 в решение задачи вовлечены соображения здравого смысла человечества или

большой объем знаний, само собой разумеющихся для любого человека.

Очень важно отделить те знания, владение которыми характерно именно для эксперта

в определенной области, от тех знаний, которые известны любому, выполняющему в этой

области рутинную работу. Управление автомобилем при езде по забитым транспортом

улицам требует не столько знаний эксперта, сколько умения мгновенно оценивать ситуацию

и быстро на нее реагировать. Хотя современные роботы такой скоростью и таким умением

не владеют, вряд ли кто-нибудь назовет такого водителя "экспертом" (по крайней мере, в

моем родном Рочестере, шт. Нью-Йорк).

Нельзя упускать из виду и огромный объем знаний об окружающем мире, которым

мы все располагаем: знаниями о предметах и их свойствах, людях и мотивации их действий,

взаимосвязях в физическом мире и наиболее вероятном течении событий в тех или иных

условиях - список можно продолжать до бесконечности. Эту совокупность знаний мы не

включаем в знания, отличающие эксперта, но до сих пор еще совсем не ясно, насколько они

важны компьютеру для решения узкоспециальной проблемы. Таким образом, любая задача,

которую не удается "инкапсулировать" в ограниченный перечень фактов и правил, на

сегодняшний день не под силу экспертным системам.

С другой стороны, проблемы, которые могут быть решены перечислением

ассоциативных связей между обозримыми совокупностями данных и классами событий,

прекрасно подходят для экспертных систем. Например, проблемы, связанные с

функционированием промышленных систем (тепловые, вентиляционные или

кондиционирования)- диагностика, мониторинг состояния и т.д.,- могут решаться системами,

основанными на анализе формальных правил, связывающих энергопотребление здания с

параметрами окружающей среды. Уже на нынешнем этапе с помощью экспертных систем

решаются задачи эскизного конструирования многокомпонентных объектов из заданного

набора примитивов [16].

Определим знания как систему понятий и отношений между ними. Задача,

подлежащая решению с помощью экспертной системы, формулируется в терминах принятых

в этой системе. Будем различать в конкретной предметной области следующие типы знаний:

понятийные, конструктивные, процедурные, фактографические и метазнания.

 Понятийные - набор понятий, которыми пользуются при решении данной задачи.

Этот тип знаний вырабатываются в фундаментальных науках и теоретических разделах

прикладных наук.

 Конструктивные - это знания о наборах возможных структур объектов и

взаимодействии между их частями. Получение этого типа знаний характерно для техники и

большей части прикладных наук.

 Процедурные знания - используемые в выбранной предметной области методы,

алгоритмы и программы, полезные для данного конкретного приложения, которые можно

использовать, передавать и объединять в библиотеки.

 Фактографические - количественные и качественные характеристики объектов и

явлений.

 Метазнания - знания о порядке и правилах применения знаний.

Можно определить модель предметной области как:

(модель предметной области)=(понятийные знания)+(конструктивные знания),

а базу знаний:

(база знаний)=(модель предметной области)+(процедурные знания)+(метазнания)+

(фактографические знания).

Существуют различные формы представления знаний. При практической разработке

экспертных систем в настоящее время чаще всего используются эвристические модели -

набор средств, (в принципе, любых) передающих свойства и особенности предметной

области. Примером эвристической модели могут служить сетевые, фреймовые и

продукционные модели.

В большинстве экспертных систем в базе знаний хранятся используемые в данный

момент правила и сведения о проблемной области.

Подход, основанный на продукционных правилах, чрезвычайно распространен в

экспертных системах. Как правило, они имеют форму ЕСЛИ ... ТОГДА ....ИНАЧЕ.... .

Например,

„

ЕСЛИ тип_эвм = микро И класс_эвм = средний

ТОГДА эвм = IBM_PC/XT CNF 65

ИНАЧЕ эвм = ДВК-3 CNF 20 .

„

В приведенном правиле заложено знание о том, что если выбираемый тип ЭВМ

микро, а класс ее средний, то с уверенностью 65% желательно приобретение компьютера

IBM PC/XT . В противном случае с уверенностью 20% допустим выбор ДВК-3. Набор

правил подобной структуры - наиболее распространенное представление знаний в базе

продукционного типа.

В основе представления знаний с помощью семантических сетей лежит формализация

в виде графа с помеченными вершинами и дугами.

Вершины представляют собой некоторые сущности (объекты, события, процессы,

явления и др.), а дуги - отношения между ними. Рассмотрим простейшую семантическую

сеть, выражающую знания: произведена классификация ЭВМ по типам - в зависимости от

производительности (микро, мини, мега) и по классам - по их стоимости (низкая, средняя,

высокая, большая). Дуги данной сети обозначают соответствие.

В некоторых типах экспертных систем применяется представление знаний в виде

фреймов. Это специфические объекты, соответствующие понятиям предметной области,

имеющие внутреннюю структуру в виде слотов. Слотами могут быть данные, правила,

другие фреймы. Фреймы - более сложный способ представления знаний, используемый в

наиболее мощных экспертных системах.

Обычно считается, что прагматические требования к экспертной системе сводятся к

тому, что она должна быть предназначена для удобной, квалифицированной поддержки

информационной деятельности человека в определенной предметной области.

Подразумевается наличие развитого диалога, обеспечивающего понимание входных

сообщений, выполнение нужных процедур и выдача разумных сообщений в удобной форме.

Считают, что сообщения разумны, если они заслуживают доверия и "прозрачны".

Как правило, в ее состав входят:

 Интерфейс, обеспечивающий общение пользователя с экспертной системой в

удобной для него форме, он позволяет передавать ей информацию, составляющую

содержание базы данных, обратиться к системе с вопросом или за объяснением.

 Рабочая память, хранящая данные (база данных), соответствующие объектам, связь

между которыми задается правилами в базе знаний.

 Диспетчер, определяющий порядок функционирования экспертной системы,

планирующий порядок постановки и достижения целей.

 Машина вывода - формально-логическая система, реализованная в виде

программного модуля, позволяющая логически выводить необходимую для пользователя

информацию, исходя из сведений, размещенных в базе знаний.

 База знаний - совокупность всех имеющихся сведений о проблемной области, для

которой предназначена данная экспертная система, записанных с помощью определенных

формальных структур представления знаний (набора правил, фреймов, семантических сетей

и пр.)

Важной компонентой экспертной системы является блок объяснений, дающий

возможность пользователю убедиться в обоснованности информации, получаемой им от

экспертной системы, позволяющий задавать ей вопросы, и на основании разумных ответов

проникаться к ней доверием.

Два подхода получили наибольшее распространение при создании машин

логического вывода экспертных систем.

Системы с прямым логическим выводом, в которых производится многократное

применение всех правил базы знаний к доступным данным, с возможностью запроса

недостающих. Процесс преобразования данных под воздействием машины логического

вывода происходит до тех пор, пока возможно изменение их значений.

Системы с прямым логическим выводом более просты в построении, результатом

работы у них обычно является целый пакет данных, но их эффективность не всегда

соответствует требованиям практических задач.

В системах обратного вывода намечается перечень конечных целей - переменных,

значения которых необходимо получить. Далее производится поиск правил, определяющих

эти цели. Вычисляются значения всех переменных, входящих в условия правила. Если

переменные определяются другими правилами, происходит переход к выяснению

истинности их условий, в противном случае значения переменных запрашиваются у

пользователя. Процесс экспертизы заканчивается после того, как будут найдены все

поставленные цели консультации. Это означает, что должна быть выяснена истинность всех

переменных, входящих в задействованные правила. Упрощенный алгоритм

функционирования экспертных систем обратного вывода можно представить в следующем

виде.

Задается набор целей - переменных, значение которых требуется определить с

помощью экспертной системы. Список этих переменных через интерфейс вводится в

рабочую память.

В базе знаний машина логического вывода выделяет список правил, из которых

можно найти неизвестные переменные в рабочей памяти.

Из условий выделенных правил, определяются остальные переменные, необходимые

для применения правил.

По достижению всех первоначально поставленных целей диспетчер прекращает

работу машины логического вывода и через интерфейс выводит пользователю значения этих

переменных. Логический вывод прекращается также, если нельзя достичь поставленных

целей.

В большинстве реально работающих экспертных систем, как правило, используются

различные модификации и комбинации рассмотренных выше алгоритмов.

Проектирование экспертных систем имеет определенные отличия от создания

традиционного программного продукта. Суть этого отличия в том, что разработчики не

пытаются сразу построить конечный продукт, а создают прототип экспертной системы.

Прототип должен удовлетворять основным требованиям к системе при минимальной

трудоемкости при его создании. Для удовлетворения этим требованиям используются

разнообразные инструментальные средства (специализированные языки искусственного

интеллекта, оболочки экспертных систем и др.) ускоряющие процесс разработки. Возможно,

что может потребоваться создание не одного, нескольких прототипов, базирующихся на

различных способах представления знаний, с последующим выбором наиболее удачного. B

том случае, когда достигнута удовлетворительная работа прототипа по всему комплексу

задач, возможно принятие решения об окончательном перепрограммировании всей системы

на языках низкого уровня, с целью улучшения ее характеристик - увеличения

быстродействия, уменьшения занимаемой памяти, повышения эргономических параметров

интерфейса.

Опыт разработки экспертных систем позволяет выделить следующие этапы при их

создании:

 Идентификация - определение проблемы, ресурсов, целей, экспертов, производится

неформальное (вербальное) описание проблемы.

 Концептуализация - выделение ключевых понятий системы, отношений и

характеристик, достаточных для полного и детального описания рассматриваемой проблемы.

 Формализация - выражение введенных понятий на некотором формальном языке,

построение модели исследуемой области.

 Этап выполнения - создание одного или нескольких прототипов.

 Этап тестирования - оценка выбранного метода представления знаний и

работоспособности всей системы в целом на основе проверки прототипа.

 Этап опытной эксплуатации - проверка пригодности системы для конечного

пользователя.

 Модификация системы - полное перепрограммирование или доведение прототипа

до состояния программного продукта.

 Известны три основные разновидности исполнения экспертных систем:

 Экспертные системы, выполненные в виде отдельных программ, на некотором

алгоритмическом языке, база знаний которых является непосредственно частью этой

программы. Как правило, такие системы предназначены для решения задач в одной

фиксированной предметной области. При построении таких систем применяются как

традиционные процедурные языки PASCAL, C и др., так и специализированные языки

искусственного интеллекта LISP, PROLOG.

 Оболочки экспертных систем - программный продукт, обладающий средствами

представления знаний для определенных предметных областей. Задача пользователя

заключается не в непосредственном программировании, а в формализации и вводе знаний с

использованием предоставленных оболочкой возможностей. Недостатком этих систем

можно считать невозможность охвата одной системой всех существующих предметных

областей. Примером могут служить ИНТЕРЭКСПЕРТ, РС+, VP-Expert.

 Генераторы экспертных систем - мощные программные продукты,

предназначенные для получения оболочек, ориентированных на то или иное представление

знаний в зависимости от рассматриваемой предметной области. Примеры этой

разновидности - системы KEE, ART и др.

Не останавливаясь на подробном перечне многочисленных областей применения,

отметим лишь некоторые отрасли народного хозяйства развитых стран, в которых

методология экспертных систем была успешно опробована: химия, сельское хозяйство,

электроника, образование, финансы, геология, медицина, военное дело, программное

обеспечение и многие другие.

Из перечня основных типов решаемых ими задач можно выделить интерпретацию,

прогноз, диагностику, проектирование, планирование, управление, наблюдение, отладка,

ремонт, обучение.

В списке наиболее распространенных в настоящее время за рубежом экспертных

систем и их оболочек можно выделить следующие наименования: INSIGT, LOGIAN,

NEXPERT, RULE MASTER, KDS, PICON, KNOWLEDGE CRAFT, KESII, S1, TIMM и др.

В качестве критериев, по которым можно судить о возможности создания экспертной

системы следует отметить следующие:

 Необходимость символьных рассуждений, очевидно, нет смысла разрабатывать

экспертную систему для численных расчетов, например, для преобразований Фурье,

интегрирования, решения систем алгебраических уравнений и др.

 Наличие экспертов, компетентных в избранном круге вопросов, которые согласны

сотрудничать при создании ЭС.

 Поставленная проблема должна быть достаточно важной и актуальной. Это могут

быть проблемы, требующие высокого уровня экспертизы, либо простые, но трудоемкие

многократно повторяющиеся проверки. Нет смысла тратить время на решение проблем,

которые возникают редко и могут быть разрешены человеком с обычной квалификацией.

 Необходимо четко ограничивать круг решаемых задач, т.е. предметная область

выбирается достаточно "узкой", чтобы избежать "комбинаторного взрыва" объема

информации необходимой для компетентного решения поставленной задачи.

 Необходима согласованность мнений экспертов о том, как следует решать

поставленные задачи, какие факты необходимо использовать и каковы общие правила

вынесения суждений. В противном случае невозможно расширить базу знаний за пределы

опыта одного человека и осуществить сплав экспертных знаний из нескольких областей.

 Должно быть достаточно исходных данных для проверки работоспособности

экспертной системы в выбранной предметной области, чтобы разработчики смогли

убедиться в достижимости некоторого заданного уровня ее функционирования.

 Должна обеспечиваться возможность постепенного наращивания системы. База

знаний должна легко расширяться и корректироваться, так как правила часто меняются с

появлением новых фактов.

 В сборе, оперативном уточнении, кодировании и распространении экспертных

знаний.

В эффективном решении проблем, сложность которых превышает человеческие

возможности и для которых требуются экспертные знания нескольких областей.

В сохранении наиболее уязвимой ценности коллектива - коллективной памяти.

Создание баз знаний открывает широкие возможности, которые обусловлены

безошибочностью и тщательностью, присущими ЭВМ и синтезом знаний экспертов. Если

база знаний объединяет информацию по нескольким дисциплинам, то такой "сплав" знаний

приобретает дополнительную ценность.

Экспертная система позволяет решить проблему сохранения экспертных знаний,

связанную с утратой наиболее квалифицированных экспертов в результате их продвижения

по службе, смерти, перехода на другую работу или выхода на пенсию, а также позволит

сделать знания легко доступными для тех, кто займет места ушедших экспертов.

2.2. Организация взаимодействия пользователя с экспертной системой

Рассмотрим на конкретном примере организацию взаимодействия пользователя с

экспертной системой. Предметная область этой экспертной системы – продажи

бухгалтерских и правовых систем (режим диалога с пользователем для правильного выбора

программного обеспечения). Предположим, что фрагмент базы знаний содержит следующий

набор правил:

1. ЕСЛИ класс – бухгалтерские программы

И форма конфигурирования системы должна быть жесткой (пользователь не будет

иметь возможности сам конфигурировать какие-либо входные или выходные документы)

ТО лучше всего для вас подходит бухгалтерская программа 1С версия 8.0.

2. ЕСЛИ класс – бухгалтерские программы