<<
>>

6.1.3. Экспертные системы

Экспертные системы (ЭС) [6,13-17] - это другой вид коммерческих информационных систем с базами знаний, в которых моделируются правила выбора решений ведущих специалистов, выступающих в роли экспертов соответствующей области знаний, в результате изучения и анализа опыта их работы.
Используя эти правила, системная программа осуществляет логический вывод решения в соответствии с заданием пользователя, в котором содержатся исходные характеристики объекта, и после этого выдает обоснование логики вывода. Примерами таких решений являются диагнозы болезни пациента, возможные неисправности в технических системах, решения о возможности кредитования клиентов банка и т.п.

Экспертные системы могут использоваться для прогнозирования, определяя последствия наблюдаемых событий, и позволяя пользователям оценивать возможное влияние новых фактов, стратегий и процедур на решения. Эти системы выполняют также функцию справочников наилучших методов, фиксируя и тиражируя персональный опыт специалистов, и могут использоваться для обучения.

Кроме этого, экспертные системы решают задачи планирования действий для достижения желаемого состояния объекта и слежения за его состоянием и отклонениями от заданных состояний.

Экспертная система включает в себя следующие компоненты:

базу знаний, включающую в себя правила, факты и (для гибридных систем) модель предметной области;

рабочую память, содержащую базу данных;

решатель, или интерпретатор;

компоненты, обеспечивающие приобретение знаний, диалог с пользователем и объяснение результата.

Решатель формирует последовательность правил, которая, будучи применена к исходным данным, обеспечивает решение задачи. Данные, содержащиеся в рабочей памяти, определяют объекты, их характеристики и значения, существующие в проблемной области.

Правила определяют способы манипулирования данными, характерные для проблемной области. Эти правила выявляет инженер по знаниям при диалоге со специалистом (экспертом) в этой области и записывает в экспертные системы с помощью программ записи приобретенных знаний. После этого система сможет самостоятельно решать задачи, которые будет ставить ей пользователь.

Формализованные знания специалиста представляют собой утверждения в виде законов, формул, моделей, алгоритмов в рамках определенных теорий, а неформализованные знания - это эмпирические и эвристические приемы и правила, являющиеся результатом обобщения их опыта и интуиции. Соответственно этому, и задачи, решаемые на основе точных знаний, называют формализованными, а задачи, использующие неполные, неоднозначные и противоречивые знания, называют неформализованными. Для них невозможно получить однозначное алгоритмическое решение. Цель решения такой задачи не может быть выражена в виде четко определенной целевой функции. Система объяснений сообщает пользователю, как выбирались и использовались правила для информации, введенной пользователем. Это позволяет ему совершенствовать свою работу, учась на собственных ошибках, и улучшать работу экспертной системы, модифицируя старые и вводя новые знания.

Для примера рассмотрим работу экспертной системы для случая прямого логического вывода по продукционным правилам. В них ситуация определяется выполняемым при этом условием. Эти ситуации сопоставляются с описанием реальной ситуации в рабочей памяти, и выясняется, что произошло, т.е., выполняется или не выполняется требуемое условие.

Пусть в базе знаний имеются следующие правила:

«Если Двигатель не заводится, И Фары не светят, ТО Сел аккумулятор» (1). «Если Указатель бензина находится на нуле, ТО Двигатель не заводится» (2).

Предположим, что в рабочую память от пользователя ЭС поступили факты по реальной ситуации: Фары не светят, и Указатель бензина находится на нуле.

Здесь правило 1 не может быть задействовано, а правило 2 - может, так как совпадающая ситуация присутствует в рабочей памяти.

Полученное заключение этого правила - ситуация Двигатель не заводится, записывается в рабочую память. Теперь, при втором цикле сопоставления фактов в рабочей памяти с правилами, правило 1 может быть реализовано, так как конъюнкция его условий (одновременность их выполнения) становится истинной. Пользователю будет выдан окончательный диагноз - Сел аккумулятор.

При обратном логическом выводе вначале выдвигается гипотеза окончательного диагноза - Сел аккумулятор. Затем отыскивается правило, заключение которого соответствует этой гипотезе. Это - правило 1. Но оно не может быть выполнено из-за отсутствия в рабочей памяти ситуации Двигатель не заводится. Теперь программе нужно найти правило, заключение которого соответствует новой цели. После того, как оно будет найдено (правило 2), исследуется возможность его применения. Оно может быть реализовано, так как в рабочей памяти есть информация, совпадающая с правилом. Результат его применения Двигатель не заводится, записывается в рабочую память. Так как условная часть правила 1 теперь подтверждена фактами, то оно может быть выполнено, и выдвинутая начальная гипотеза подтверждается.

Коммерческие экспертные системы содержат в своей базе знаний тысячи правил. Их объем продаж измеряется миллиардами долларов. Характеристика экспертных систем может быть проведена по таким признакам: тип реализуемых функций (анализ, синтез), изменяемость или неизменяемость знаний (динамика, статика), детерминированность или неопределенность знаний, использование одного или многих источников знаний.

Выделяются экспертные системы, решающие следующие задачи:

распознавание ситуаций с использованием дедуктивного вывода;

интерпретация нечетких знаний и выбора направлений поиска с использованием нечеткой логики и других методов.

Выделяются также трансформирующие динамические экспертные системы, использующие метазнания для устранения неопределенностей в ситуациях. В процессе решении задач с помощью этих систем, изменяется информация о предметной области.

Еще имеются онтологические и много- агентные системы (МАС), которые будут рассмотрены в подразделе 6.4.

Для разработки экспертных систем был создан универсальный язык инженерии знаний, содержащий конструкты, которые применялись в разных прикладных областях и для разного типа систем [16].

Теория и практика моделирования предметной области в прикладных системах искусственного интеллекта отражена также в работах [18-23]. Были сформированы теории представления знаний и теории манипулирования знаниями. На пользовательском уровне при формировании моделей предметной области используются языки представления знаний. Обработка хранимых моделей осуществляется с использованием формальных методов.

Имеются работы, в которых знания представляются в виде логических моделей, включающих в себя множество базовых элементов, множество синтаксических правил с подмножеством аксиом и множество правил вывода, и обрабатываются средствами логического программирования, в частности, с использованием языка ПРОЛОГ [24-26].

<< | >>
Источник: Лелюк В. А. . Совершенствование бизнес-систем. Методы, инструментарий, опыт: учебн. пособие. Пер.с укр./ В. А. Лелюк, А. В. Лелюк, Н. П. Пан; Харьк. нац. акад. гор. хоз-ва. - Х: ХНАГХ,2011. - 438 с.. 2011

Еще по теме 6.1.3. Экспертные системы:

  1. 4.3.1. Структура и назначение экспертных систем
  2. 4.3.2. Классификация, этапы и средства разработки экспертных систем
  3. 4.3. Этапы проектирования экспертных систем
  4. Метод экспертных оценок
  5. Экспертное заключение
  6. 4.5. Выявление экспертных оценок
  7. 2.4. ЭКСПЕРТНЫЕ ОЦЕНКИ В МАРКЕТИНГОВОЙ ИНФОРМАЦИИ
  8. 5.5. Интеграция экспертных оценок
  9. Метод экспертных оценок
  10. 35. Коллективные экспертные оценки
  11. Экспертный и процессуальный подходы квнутрифирменному обучению
  12. Экспертное консультирование
  13. Экспертно-аналитический метод
  14. МЕТОД ЭКСПЕРТНЫХ ОЦЕНОК
  15. Метод экспертных оценок
  16. 12.3. Бизнес на рынке консультационных и экспертных услуг
  17. 7.2. Судебно-психологическая аутопсия как метод экспертного распознавания суицида