Масленникова О.Е., Попова И.В. Основы искусственного интеллекта
Подождите немного. Документ загружается.
- 91 -
значения: задачи расширения, доопределения, преобразования. Задачи
расширения и доопределения являются статическими, задачи преобразования
– динамическими.
Количество активных агентов существенно влияет на выбор метода
решения. Выделяют следующие значения данного аспекта: ни одного агента,
один агент, несколько агентов.
К задачам расширения относятся задачи, в процессе решения
которых осуществляется только увеличение информации о предметной
области, не приводящее ни к изменению ранее выведенных данных, ни к
выбору другого состояния области. Типичной задачей этого класса являются
задачи классификации.
К задачам доопределения относятся задачи с неполной или неточной
информацией о реальной предметной области, цель решения которых - выбор
из множества альтернативных текущих состояний предметной области того,
которое адекватно исходным данным. В случае неточных данных
альтернативные текущие состояние возникают как результат ненадежности
данных и правил, что приводит к многообразию различных доступных
выводов из одних и тех же исходных данных. В случае неполных данных
альтернативные состояния являются результатом доопределения области, т.е.
результатом предположений о возможных значениях недостающих данных.
К задачам преобразования относятся задачи, которые осуществляют
изменения исходной или выведенной ранее информации о ПО, являющиеся
следствием изменений либо реального мира, либо его модели.
Большинство ЭС решают задачи расширения, в которых нет ни
изменений ПО, ни активных агентов, преобразующих ПО. Подобное
ограничение неприемлемо при работе в динамических областях.
По степени сложности структуры ЭС делят на поверхностные и
глубинные.
Поверхностные ЭС представляют знания об области в виде правил
(условие -> действие). Условие каждого правила определяет образец
некоторой ситуации, при соблюдении которой правило может быть
выполнено. Поиск решения состоит в выполнении тех правил, образцы
которых сопоставляются с текущими данными (текущей ситуацией в РП).
При этом предполагается, что в процессе поиска решения
последовательность формируемых таким образом ситуаций не оборвется до
получения решения, т.е. не возникнет неизвестной ситуации, которая не
сопоставится ни с одним правилом.
Глубинные ЭС, кроме возможностей поверхностных систем, обладают
способностью при возникновении неизвестной ситуации определить с
помощью некоторых общих принципов, справедливых для области
экспертизы, какие действия следует выполнить.
По типу используемых методов и знаний ЭС делятся на
традиционные и гибридные.
- 92 -
Традиционные ЭС используют в основном неформализованные
методы инженерии знаний и неформализованные знания, полученные от
экспертов.
Гибридные ЭС используют и методы инженерии знаний, и
формализованные методы, а также данные традиционного программирования
и математики.
Совокупность рассматриваемых выше характеристик позволяет
определить особенности конкретной ЭС.
Для интегральной характеристики ЭС используется понятие поколения
ЭС. выделяют три поколения ЭС. К первому поколению ЭС относятся
статические поверхностные ЭС, ко второму – статические глубинные, а к
третьему динамические глубинные гибридные ЭС. ЭС третьего поколения –
это дело будущего.
В последнее время рассматривают два больших класса ЭС, которые
существенно отличаются по технологии их проектирования: простые и
сложные ЭС.
Простая ЭС может быть охарактеризована следующими значениями
основных параметров:
− поверхностная ЭС;
− традиционная ЭС (реже гибридная);
− выполненная на ПЭВМ;
− коммерческая стоимость: от 25 до 100 тыс долл.;
− стоимость разработки: от 50 до 300 тыс. долл.
− время разработки: от 3 мес до года (в зависимости от ИС);
− количество правил: от 200 до 1000.
Сложная ЭС может быть охарактеризована следующими значениями
основных параметров:
− глубинная ЭС;
− гибридная ЭС;
− выполненная на символьной ЭВМ, большой ЭВМ или рабочей
станции;
− коммерческая стоимость: от 50 тыс. до 1 млн. долл.;
− стоимость разработки: от 5-10 млн. долл.
− время разработки: от 1-5 лет (в зависимости от ИС);
− количество правил: от 1500 до 10000.
Стадия существования характеризует степень проработанности и
отлаженности ЭС. Обычно выделяют следующие стадии: демонстрационный
прототип, исследовательский прототип, действующий прототип,
промышленная система, коммерческая система.
Демонстрационным прототипом (ДП) называют ЭС, которая решает
часть требуемых задач, демонстрируя жизнеспособность метода инженерии
знаний. При наличии развитых ИС для разработки ДП требуется в среднем 1-
2 месяца, а при отсутствии 12-18 мес. ДП работает, имея в БЗ 50 -100 правил.
Развитие ДП приводит к исследовательскому прототипу (ИП).
- 93 -
Исследовательским прототипом называют систему, которая решает
все требуемые задачи, но неустойчива в работе и не полностью проверена.
На доведение системы до стадии ИП уходит 3-6 мес. ИП обычно имеет в БЗ
200-500 правил.
Действующий прототип (ДеП) надежно решает все задачи, но для
решения сложных задач может потребоваться чрезмерно много времени
и(или) памяти. Для доведения системы до стадии ДеП требуется 6-12 мес,
при этом количество правил увеличивается до 500-1000.
Экспертная система, достигшая промышленной стадии, обеспечивает
высокое качество решений всех задач при минимуме времени и памяти,
обычно процесс преобразования ДеП в промышленную систему состоит в
расширении БЗ (до 1000-1500 правил) и переписывании программ с
использованием более эффективных ИС, например в перепрограммировании
на языках низкого уровня. Для доведения ЭС от начала разработки до стадии
промышленной системы требуется 1 - 1,5 года.
Обобщение задач, решаемых ЭС на стадии промышленной системы,
позволяет перейти к стадии коммерческой системы - к системе, пригодной не
только для собственного использования, но и для продажи различным
потребителям. Для доведения системы до коммерческой стадии требуется 1,5
- 3 года и 0,3 - 5 млн. долл. При этом БЗ ЭС насчитывает 1500 - 3000 правил.
Инструментальные средства определяют программные и аппаратные
средства, используемые в рассматриваемой ЭС.
Экспертные системы можно классифицировать и по областям науки и
техники, для решения задач которых они разрабатываются. Например: ЭС
военного дела, медицины, информатики, электроники, химии и математики и
др. Ниже приведены примеры ЭС по типам решаемых задач для той или иной
области науки.
Название экспертной системы: MES
Сфера применения: Военное дело
Описание экспертной системы: MES помогает авиамеханикам
обнаруживать неисправности самолетов. Она спроектирована с целью
преодолеть нехватку квалифицированных кадров авиамехаников, позволив
менее квалифицированному обслуживающему персоналу точно определять
причины неисправностей. MES содержит знания, взятые из инструкций по
техническому обслуживанию самолетов, такие как вес и размеры деталей,
наземные операции и отладочные и ремонтные процедуры. Эти знания
дополнены эмпирическими знаниями, приобретенными у опытных
техников-экспертов. MES — это основанная на правилах система с прямой
цепочкой рассуждений. Она реализована на языке Лисп и предназначена
для эксплуатации на персональном компьютере Apple II. Она разработана в
Технологическом институте ВВС и доведена до уровня демонстрационного
прототипа. (Maintenance Expert Sustem).
- 94 -
Название экспертной системы: RTC
Сфера применения: Военное дело
Описание экспертной системы: RTC классифицирует корабли,
интерпретируя изображения на экране радара. Система извлекает из этих
изображений характерные особенности и сопоставляет их с
высокоуровневыми моделями возможных классов кораблей, хранящимися
в базе знаний системы. RTC хранит лишь одну трехмерную модель для
каждого корабля, сопоставляя особенности изображения с моделью путем
преобразования трехмерной модели в двумерный вид, подходящий для
данных особенностей. RTC — это основанная на правилах система,
реализованная на языке FRANZ LISP. Она разработана компанией
Advanced Information & Decision Systems и доведена до уровня
исследовательского прототипа. (Radar Target Classification system)
Название экспертной системы: ACES
Сфера применения: Военное дело
Описание экспертной системы: ACES выполняет картографические
работы по нанесению нагрузки на карты. Система получает в качестве
исходных данных карту без нагрузки и данные, описывающие, в каких
точках расположены объекты и какая строка текста и вид условного знака
должны быть нанесены на карту рядом с каждой точкой. Система выдает
карту, содержащую все желаемые условные обозначения и названия,
красиво размещенные без взаимного наложения. Система выбирает
размещение символов, гарнитуру и кегль шрифта для текстов названий и
уровень описания, наиболее подходящие для данной карты. Она применяет
объектно-ориентированную схему представления знаний и реализована на
языке LOOPS для работы на АРМ Xerox Dolphin. Система разработана
компанией ESL и доведена до уровня исследовательского прототипа. (AI
Cartographic Expert System)
Название экспертной системы: DIPMETER ADVISOR
Сфера применения: Геология
Описание экспертной системы: DIPMETER ADVISOR выводит
картину подземных геологических структур, интерпретируя данные
инклинометрии, т.е. измерений проводимости пород внутри и вокруг
скважины каротажным зондом в зависимости от глубины от поверхности.
Система использует знания о возможных формах инклинометрических
записей и о геологии, чтобы распознать характерные особенности в записях
прибора и связать их с подземными геологическими структурами. Система
предоставляет пользователю управляемый с помощью меню графический
интерфейс, включающий демонстрацию записей каротажного зонда в
режиме плавного перемещения. Система использует основанное на
правилах представление знаний с управлением посредством прямой
цепочки рассуждений. Она реализована на языке INTERLISP-D и
- 95 -
предназначена для работы на АРМ Xerox 1100. Система была разработана
компанией Schlumberger-Doll Research и доведена до уровня
исследовательского прототипа.
Название экспертной системы: PROSPECTOR
Сфера применения: Геология
Описание экспертной системы: PROSPECTOR действует как
консультант, помогающий геологам в поисках залежей руд. Получив
данные о геологии района, система оценивает вероятность обнаружить в
нем определенные виды минеральных отложений. Она может оценить
перспективность района в отношении различных видов ископаемых,
включая месторождения массивных сульфидных, карбонатных свинцово-
цинковых, медно-порфировых и сульфидно-никелевых руд, а также
порфировых молибденовых руд и ураноносных песчаников.
Компетентность системы основана, во-первых, на геологических правилах,
образующих модели рудных отложений, и, во-вторых, на таксономии
пород и минералов. PROSPECTOR использует для представления знаний
сочетание формализма правил и формализма семантических сетей и
основывает механизм вывода на применении коэффициентов уверенности
и распространении вероятностей, ассоциированных с данными. Система
реализована на языке Интерлисп и разработана компанией SRI International.
Она доведена до уровня промышленной эксплуатации.
Название экспертной системы: NPPC
Сфера применения: Инженерное дело
Описание экспертной системы: NPPC помогает операторам атомной
электростанции определять причины некоторых нештатных ситуаций
(например, повышения температуры в реакторе за пределы нормы),
применяя правила в сочетании с моделью работы станции. NPPC
использует модель первичного контура системы охлаждения, включающую
насосы, реактор, парогенератор и аварийную систему охлаждения активной
зоны, для диагностирования причины возникновения нештатного режима
или аварийной ситуации, а затем предлагает меры для исправления
положения. Модель состоит из совокупности алгоритмов, основанных на
здравом смысле, имеющих доступ к соответствующим диагностическим
правилам. Система была разработана в Технологическом институте штата
Джорджия и доведена до уровня исследовательского прототипа. (Nuclear
Power Plant Consultant)
Название экспертной системы: SPERIL-II
Сфера применения: Инженерное дело
Описание экспертной системы: SPERIL-II оценивает общую
безопасность и сейсмостойкость существующего сооружения. Система
анализирует данные осмотра и записи регистрирующих приборов,
- 96 -
отражающие реакции сооружения во время землетрясения, такие как
ускорения и смещения в определенных точках здания. Затем она оценивает
соответствующие характеристики безопасности (например, межэтажный
сдвиг, жесткость и затухание) и сейсмостойкость элементов конструкции.
Знания системы получены в результате анализа конкретных случаев
повреждения зданий и представлены в виде правил исчисления предикатов.
В SPERIL-II применены несколько методов вывода, в том числе прямая и
обратная цепочка рассуждений. В ней также используются коэффициенты
уверенности, которые комбинируются с помощью алгоритма Демпстера—
Шафера. Система реализована на одном из вариантов языка Пролог. Она
была разработана в Purdue University и доведена до уровня
исследовательского прототипа.
Название экспертной системы: STEAMER
Сфера применения: Инженерное дело
Описание экспертной системы: STEAMER обучает курсантов —
будущих механиков по судовым двигательным установкам военно-морских
сил — управлять паровой двигательной установкой фрегата класса 1078.
Система может отслеживать выполнение курсантом процедуры
отключения котла, подтверждая его правильные действия и поправляя
ошибочные. Система работает, связывая математическое моделирование
двигательной установки с хитроумной программой графического вывода,
демонстрирующей меняющиеся цветные схемы подсистем ДУ. Курсант
может управлять моделируемыми компонентами, такими как клапаны,
переключатели и насосы, и наблюдать влияние этих действий на параметры
процесса, такие как изменения давлений, температур и расходов. Система
STEAMER реализована на языке ZETALISP и использует
объектноориентированную схему представления знаний, поддерживаемую
пакетом FLAVORS этого языка. Система разработана в Naval Personnel
Research and Development Center в сотрудничестве с фирмой Болт, Беранек
и Ньюман. Она доведена до уровня опытной эксплуатации.
Название экспертной системы: CARGuide
Сфера применения: Информатика
Описание экспертной системы: CARGuide помогает водителям
автотранспорта находить маршруты и ориентироваться на улицах города.
Система использует данные о начальном и конечном пунктах движения
вместе с картографической информацией для вычисления оптимального
маршрута поездки из начального пункта до конечного. Нахождение
оптимального маршрута выполняется с помощью сочетания метода
«разделяй и властвуй», предварительно рассчитанных маршрутов и
алгоритма Дейкстры поиска кратчайшего пути. Найденный маршрут
выводится и подсвечивается на дисплее, изображающем карту улиц. Во
время поездки текущее положение автомобиля на маршруте отмечается на
- 97 -
дисплее. Перед каждым перекрестком система произносит направление
(прямо, налево или направо) и название улицы, по которой нужно
следовать. База данных о схеме улиц содержит информацию, связывающую
названия улиц с перекрестками и перекрестки с маршрутами. Она также
содержит информацию для генерации изображений. Система CARGuide
была разработана в Университете Карнеги-Меллон и доведена до уровня
демонстрационного прототипа. (Computer for Automobile Route Guidance)
Название экспертной системы: CODES
Сфера применения: Информатика
Описание экспертной системы: CODES помогает разработчику базы
данных, желающему использовать подход IDEF1 для определения
концептуальной схемы базы данных. Хотя в качестве подхода IDEF1
полезна, сложность ее правил часто сдерживает ее применение.
Разработчик описывает, какие свойства и взаимосвязи желательны в базе
данных, под руководством системы CODES, осуществляемым в форме
диалога. Затем система применяет свои знания правил и эвристик IDEFI
для построения концептуальной схемы разрабатываемой базы данных.
Знания в CODES представлены в виде правил с применением обратной
цепочки рассуждений в качестве стратегии управления. CODES рализована
на языке UCI LISP. Она была разработана в Университете штата Южная
Калифорния и доведена до уровня демонстрационного прототипа.
(Conceptual DESign system)
Название экспертной системы: RABBIT
Сфера применения: Информатика
Описание экспертной системы: RABBIT помогает пользователям
составлять запросы к базам данных. Этот интеллигентный консультант по
базе данных руководит формулированием запросов для пользователей,
которые имеют лишь расплывчатое представление о том, чего они хотят,
или ограниченные знания о конкретной базе данных. Знания по поиску
включают «поиск посредством переформулирования», при котором
пользователь делает запрос, последовательно наращивая частичное
описание нужных ему элементов базы данных. RABBIT реализован на
языке SMALLTALK и оперирует на наборе баз данных, представленных в
KL — ONE. Система была разработана в Исследовательском центре Пало-
Алто корпорации Ксерокс и доведена до уровня демонстрационного
прототипа.
Название экспертной системы: MATHLAB 68
Сфера применения: Математика
Описание экспертной системы: MATHLAB 68 помогает
математикам, ученым и инженерам выполнять символьные преобразования
алгебраических выражений, встречающиеся в задачах математического
- 98 -
анализа. Система выполняет дифференцирование, разложение многочленов
на множители, вычисление неопределенных интегралов, прямое и обратное
преобразования Лапласа, а также решает линейные дифференциальные
уравнения с постоянными (числовыми и символьными) коэффициентами.
Она содержит математические знания в виде отдельных модулей, каждый
из которых специализирован на выполнении определенной функции.
Данные пользователя классифицируются на три категории: выражения,
уравнения и функции. Правила алгебраических преобразований данных
меняются в зависимости от категории. Система реализована на языке Лисп
и послужила краеугольным камнем при разработке системы MACSYMA.
MATH-LAB68 разработана в Массачусетском технологическом институте
и доведена до уровня исследовательского прототипа.
Название экспертной системы: MI
Сфера применения: Медицина
Описание экспертной системы: MI помогает врачам диагностировать
инфаркт миокарда посредством анализа активности ферментов. Система
ставит диагноз повреждения сердца, проверяя повышение уровня
определенных ферментов в крови в течение нескольких дней. Ее
компетентность включает знания о том, как обрабатывать меняющиеся со
временем данные медицинских наблюдений, в том числе методы
автоматического обновления, пересмотра и интерпретации записей о
пациенте. Это основанная на правилах система с прямой цепочкой
рассуждений. Она реализована на версии языка EXPERT, приспособленной
для представления и применения зависящих от времени правил и данных.
Система разработана в Рутжерском университете и доведена до уровня
демонстрационного прототипа. (Myocardia Infarction system).
Название экспертной системы: WILLARD
Сфера применения: Метеорология
Описание экспертной системы: WILLARD помогает метеорологам
предсказывать вероятность сильных гроз в центральных районах США.
Система запрашивает метеоролога о погодных условиях, имеющих
отношение к прогнозируемой области, и затем выдает полный прогноз с
соответствующими обоснованиями. Пользователь может задать, какой
конкретный географический район система должна рассмотреть. Система
характеризует вероятность сильной грозы следующими категориями:
«нулевая», «весьма низкая», «низкая», «умеренная» или «высокая»; каждая
категория получает свой диапазон числовых значений вероятности. Знания
системы представлены в виде правил, формируемых автоматически на
примерах экспертных прогнозов. Она реализована с использованием
средства RULEMASTER индуктивного генератора правил. Система
WILLARD разработана компанией Radian Corporation и достигла уровня
демонстрационного прототипа.
- 99 -
3.3. Структура и режимы работы экспертной системы
Типичная ЭС состоит из следующих основных компонентов:
− решателя (интерпретатора);
− рабочей памяти (РП);
− базы знаний (БЗ);
− компонента приобретения знаний;
− объяснительного компонента;
− диалогового компонента.
На рис. 44 представлено схематичное изображение взаимосвязей между
компонентами экспертной системы.
Рабочая память предназначена для хранения исходных и
промежуточных данных решаемой в текущей момент задачи.
База знаний предназначена для хранения долгосрочных данных,
описывающих рассматриваемую область (а не текущих данных), и правил,
описывающих целесообразные преобразования данных этой области.
Другими словами, данный компонент представляет собой совокупность
единиц знаний, формализованных с помощью некоторого метода их
представления, является отражением объектов проблемной области и их
взаимосвязей, действий над объектами и неопределенностей, с которыми эти
действия осуществляются. К методам представления знаний в ЭС можно
отнести правила, объекты (фреймы) и их комбинации.
Диалоговый компонент ориентирован на организацию дружелюбного
общения со всеми категориями пользователей как в ходе решения задач, так
Содержательный
компонент
Диалоговый
компонент
Объяснительный
компонент
Компонент
приобретения знаний
РЕШАТЕЛЬ
БАЗА
ЗНАНИЙ
РАБОЧАЯ
ПАМЯТЬ
Эксперт
ЗНАНИЯ
Пользователь
ВОПРОС/
ОТВЕТ
Программный
инструмент
Рис. 44. . Структура экспертной системы
- 100 -
и приобретения знаний, объяснения результатов работы. Другим словами,
данный компонент выполняет функцию интеллектуального интерфейса ЭС.
Его роль в работе ЭС может быть определена как с позиций
пользователя, так и с позиций самой системы. Это объясняется следующим:
диалоговый компонент воспринимает сообщения пользователя и преобразует
их в форму представления базы знаний, после принятия системой решения
переводит внутреннее представление результата обработки в формат
пользователя и выдает сообщение на требуемый носитель.
Решатель, используя исходные данные из РП и знания из БЗ,
формирует такую последовательность правил, которые будучи применимы к
исходным данным, приводят к решению задачи. Другими словами, данный
компонент является в ЭС механизмом вывода заключения (решения).
Алгоритм работы данного программного инструмента ЭС состоит в
выполнении следующей последовательности действий:
1) получить от интеллектуального интерфейса преобразованный во
внутреннее представление запрос;
2) сформировать из базы знаний конкретный алгоритм решения
задачи посредством нахождения в соответствии с поставленной
целью и описанием исходных данных, относящихся к решению
единиц знаний (правил, объектов, прецедентов и т.д.);
3) выполнить алгоритм, то есть связать полученные знания в
цепочку рассуждений, приводящих к результату;
4) полученный результат предоставить интеллектуальному
интерфейсу для выдачи ответа на запрос пользователя.
Компонент приобретения знаний автоматизирует процесс наполнения
ЭС знаниями, осуществляемый пользователем-экспертом.
Данный компонент представляет собой интеллектуальный редактор,
позволяющий:
− вводить единицы знаний в базу;
− проводить их синтаксический и семантический контроль (на
непротиворечивость);
− извлекать знания путем:
o специальных сценариев интервьюирования экспертов;
o из вводимых примеров реальных ситуаций;
o из текстов;
o из опыта работы самой интеллектуальной системы.
Объяснительный компонент объясняет, как система получила решение
задачи (или почему она не получила решения) и какие знания она при этом
использовала, что облегчает эксперту тестирование системы и повышает
доверие пользователя к полученному результату.
Если пользователя не интересует полный вывод решения, то система
должна уметь выбирать из цепочки только ключевые моменты с учетом их
важности и уровня знаний пользователя. Если пользователь продолжает не
понимать полученный ответ, то система должна быть способна в диалоге