Управление процессом поиска решения
Назначение экспертных систем и сферы их применения
Решение специальных задач требует специальных знаний. Однако не каждая компания может себе позволить держать в своем штате экспертов по всем связанным с ее работой проблемам или даже приглашать их каждый раз, когда проблема возникла.
Главная идея использования технологии экспертных систем заключается в том, чтобы получить от эксперта его знания и, загрузив их в память компьютера, использовать всякий раз, когда в этом возникнет необходимость.
Являясь одним из основных приложений искусственного интеллекта, экспертные системы представляют собой компьютерные программы, трансформирующие опыт экспертов в какой-либо области знаний в форму эвристических правил (эвристик). Эвристики не гарантируют получения оптимального результата с такой же уверенностью, как обычные алгоритмы, используемые для решения задач в рамках технологии поддержки принятия решений. Однако часто они дают в достаточной степени приемлемые решения для их практического использования. Все это делает возможным использовать технологию экспертных систем в качестве советующих систем.
Экспертная система может полностью взять на себя функции, выполнение которых обычно требует привлечения опыта человека-специалиста, или играть роль ассистента для человека, принимающего решение. Другими словами, система (техническая или социальная), требующая принятия решения, может получить его непосредственно от программы или через промежуточное звено — человека, который общается с программой. Тот, кто принимает решение, может быть экспертом со своими собственными правами, и в этом случае программа может "оправдать" свое существование, повышая эффективность его работы. Альтернативный вариант – человек, работающий в сотрудничестве с такой программой, может добиться с ее помощью результатов более высокого качества.
Сходство информационных технологий, используемых в экспертных системах и системах поддержки принятия решений, состоит в том, что обе они обеспечивают высокий уровень поддержки принятия решений. Однако имеются три существенных различия. Первое связано с тем, что решение проблемы в рамках систем поддержки принятия решений отражает уровень ее понимания пользователем и его возможности получить и осмыслить решение. Технология экспертных систем, наоборот, предлагает пользователю принять решение, превосходящее его возможности. Второе отличие указанных технологий выражается в способности экспертных систем пояснять свои рассуждения в процессе получения решения. Очень часто эти пояснения оказываются более важными для пользователя, чем само решение. Третье отличие связано с использованием нового компонента информационной технологии – знаний.
Экспертная система – это система искусственного интеллекта, которая включает в себя базу знаний с набором правил и механизмом вывода, позволяющую на основании этих правил и предоставляемых пользователем фактов распознавать ситуацию, ставить диагноз, формулировать решения или давать рекомендации для выбора действия.
Другими словами, Экспертная система – это программа (на современном уровне развития человечества), которая заменяет эксперта в той или иной области. ЭС предназначены, главным образом, для решения практических задач, возникающих в слабо структурированной и трудно формализуемой предметной области.
Экспертная система представляет собой программный комплекс, содержащий теоретические и практические знания специалистов из определенной предметной области, обеспечивающий консультациями менее квалифицированных пользователей и способный давать им рекомендации по проблемам в этой области с высокой степенью надежности на уровне этих специалистов.
ЭС рассматривается как результат создания в компьютере основанной на знаниях компоненты, соответствующей навыку эксперта, в такой форме, которая позволяет системе дать разумный совет или принять разумное решение о функции обработки данных. Она ведет себя подобно эксперту в некоторой предметной области: медицина, прогноз погоды, финансирование, управление и т. д.
Современные ЭС широко используются для тиражирования опыта и знаний ведущих специалистов практически во всех сферах экономики. Традиционно знания существуют в двух видах: коллективный опыт и личный опыт. Если большая часть знаний в предметной области представлена в виде коллективного опыта (например, высшая математика), эта предметная область не нуждается в экспертных системах. Если в предметной области большая часть знаний является личным опытом специалистов высокого уровня (экспертов), если эти знания по каким-либо причинам слабо структурированы, такая предметная область скорее всего нуждается в экспертной системе.
Разработка ЭС, как активно развивающаяся ветвь информатики, направлена на использование ЭВМ для обработки информации в тех областях науки техники, где традиционные математические модели моделирования малопригодны. В этих областях важна смысловая и логическая обработка информации, важен опыт экспертов.
Целесообразность применения ЭС вызвана тем, что они существенно расширяют круг практически значимых задач, решение которых с использованием современных средств вычислительной техники приносит значительный экономический эффект: являются важнейшим средством в преодолении глобальных проблем традиционного программирования (длительность и высокая стоимость разработки сложных приложений).
ЭС используются для решения неформализованных задач. К неформализованным относят задачи, которые обладают одной или несколькими характеристиками: задачи не могут быть заданы в числовой форме; цели не могут быть выражены в терминах точно определенной целевой функции; не существует алгоритмического решения задач; алгоритмическое решение существует, но его нельзя использовать из-за ограниченности ресурсов (время, память). Неформализованные задачи обладают особенностями: ошибочностью, неоднозначностью, неполнотой и противоречивостью исходных данных о проблемной области и решаемой задаче, большой размерностью пространства решения и динамически изменяющимися данными и знаниями.
Процесс создания ЭС требует участия высококвалифицированных специалистов в области ИИ. Наибольшие трудности в разработке ЭС вызывает сегодня не процесс машинной реализации систем, а домашинный этап анализа знаний и проектирования базы знаний. Этим занимается специальная наука – инженерия знаний.
Характеристика, структура, классификация и режимы работы экспертных систем
Перечень типовых задач, решаемых экспертными системами (ЭС), включает:
¨ извлечение информации из первичных данных (таких как сигналы, поступающие от гидролокатора);
¨ диагностика неисправностей (как в технических системах, так и в человеческом организме);
¨ структурный анализ сложных объектов (например, химических соединений);
¨ выбор конфигурации сложных многокомпонентных систем (например, распределенных компьютерных систем);
¨ планирование последовательности выполнения операций, приводящих к заданной цели (например, выполняемых промышленными роботами);
¨ и т.п.
Однако известны и "обычные" программы, специализирующиеся на определенных задачах из представленного перечня (или аналогичных им в смежных областях). Так в чем же состоит существенная разница между "обычным" подходом и прелагаемым в сфере искусственного интеллекта и почему ЭС можно выделить в отдельный, достаточно хорошо различимый класс программ. Существует довольно много важных признаков, присущих в той или иной степени всем ЭС.
Характеристики экспертных систем
ЭС отличается от прочих прикладных программ наличием следующих признаков:
¨ ЭС моделирует не столько физическую (или иную) природу определенной проблемной области, сколько механизм мышления человека применительно к решению задач в этой проблемной области. Это существенно отличает ЭС от систем математического моделирования или компьютерной анимации. Нельзя, конечно, сказать, что программа полностью воспроизводит психологическую модель специалиста в этой предметной области (эксперта), но важно, что основное внимание все-таки уделяется воспроизведению компьютерными средствами методики решения проблем, которая применяется экспертом, т.е. выполнению некоторой части задач так же (или даже лучше), как это делает эксперт.
¨ Система, помимо выполнения вычислительных операций, формирует определенные соображения и выводы, основываясь на тех знаниях, которыми она располагает. Знания в системе представлены, как правило, на некотором специальном языке и хранятся в базе знаний, отдельно от собственно программного кода, который и формирует выводы и соображения.
¨ При решении ЭС задач основными являются эвристические и приближенные методы, которые, в отличие от алгоритмических, не всегда гарантируют успех. Эвристика, по существу, является правилом влияния (rule of thumb), которое в машинном виде представляет некоторое знание, приобретенное человеком по мере накопления практического опыта решения аналогичных проблем. Такие методы являются приблизительными в том смысле, что, во-первых, они не требуют исчерпывающей исходной информации, и, во-вторых, существует определенная степень уверенности (или неуверенности) в том, что предлагаемое решение является верным.
Экспертные системы (ЭС) отличаются от систем обработки данных тем, что в них используется в основном символьный (а не числовой) способ представления информации.
ЭС отличаются и от других видов программ из области ИИ:
¨ ЭС имеют дело с предметами реального мира, операции с которыми обычно требуют наличия значительного опыта, накопленного человеком. Множество программ из области искусственного интеллекта являются сугубо исследовательскими и основное внимание в них уделяется абстрактным математическим проблемам или упрощенным вариантам реальных проблем (иногда их называют "игрушечными" проблемами), а целью выполнения такой программы является "повышение уровня интуиции" или отработка методики. ЭС имеют ярко выраженную практическую направленность в научной или коммерческой области.
¨ Одной из основных характеристик экспертной системы является ее производительность, т.е. скорость получения результата и его достоверность (надежность). Исследовательские программы ИИ могут и не быть очень быстрыми, можно примириться и с существованием в них отказов в отдельных ситуациях, поскольку, в конце концов, – это инструмент исследования, а не программный продукт. А вот ЭС должна за приемлемое время найти решение, которое было бы не хуже, чем то, которое может предложить специалист в этой предметной области.
¨ ЭС должна обладать способностью объяснить, почему предложено именно такое решение, и доказать его обоснованность. Пользователь должен получить всю информацию, необходимую ему для того, чтобы быть уверенным, что решение принято "не с потолка". В отличие от этого, исследовательские программы "общаются" только со своим создателем, который и так (скорее всего) знает, на чем основывается ее результат. ЭС проектируется в расчете на взаимодействие с разными пользователями, для которых ее работа должна быть, по возможности, прозрачной.
Зачастую термин система, основанная на знаниях (knowledge-based system), используется в качестве синонима термина экспертная система, хотя, строго говоря, ЭС – это более широкое понятие.
Система, основанная на знаниях, – это любая система, процесс работы которой основан на применении правил отношений к символическому представлению знаний, а не на использовании алгоритмических или статистических методов. Таким образом, программа, способная рассуждать о погоде, будет системой, основанной на знаниях, даже в том случае, если она не способна выполнить метеорологическую экспертизу. А вот чтобы иметь право называться метеорологической ЭС, программа должна быть способна давать прогноз погоды (другой вопрос – насколько он будет достоверен).
Суммируя все сказанное, можно отметить, что ЭС содержит знания в определенной предметной области, накопленные в результате практической деятельности человека (или человечества), и использует их для решения проблем, специфичных для этой области. Этим ЭС отличаются от прочих, «традиционных» систем, в которых предпочтение отдается более общим и менее связанным с предметной областью теоретическим методам, чаще всего математическим. Процесс создания экспертной системы часто называют инженерией знаний (knowledge engineering) и он рассматривается в качестве «применения методов искусственного интеллекта». Существует отличие между общепринятым в программировании подходом к решению проблем и тем, который используется при проектировании ЭС.
Базовые функции экспертных систем
Поскольку теория экспертных систем выросла из более общей концепции искусственного интеллекта, то нет ничего удивительного в том, что проблематика этих областей имеет много общего.
Приобретение знаний
Приобретение знаний – это передача потенциального опыта решения проблемы от некоторого источника знаний и преобразование его в вид, который позволяет использовать эти знания в программе.
Передача знаний выполняется в процессе достаточно длительных и пространных собеседований между специалистом по проектированию экспертной системы (инженером по знаниям) и экспертом в определенной предметной области, способным достаточно четко сформулировать имеющийся у него опыт. Это достаточно длительный и трудоемкий процесс, вследствие следующих причин:
¨ Специалисты в узкой области, как правило, пользуются собственным жаргоном, который трудно перевести на обычный "человеческий" язык и смысл жаргонного "словечка" отнюдь не очевиден, а потому требуется достаточно много дополнительных вопросов для уточнения его логического или математического значения.
¨ Факты и принципы, лежащие в основе многих специфических областей знания эксперта, не могут быть четко сформулированы в терминах математической теории или детерминированной модели, свойства которой хорошо понятны.
¨ Для того чтобы решить проблему в определенной области, эксперту недостаточно просто обладать суммой знаний о фактах и принципах в этой области. Например, опытный специалист знает, какого рода информацией нужно располагать для формулировки того или иного суждения, насколько надежны различные источники информации и как можно расчленить сложную проблему на более простые, которые можно решать более или менее независимо. Выявить в процессе собеседования такого рода знания, основанные на личном опыте и плохо поддающиеся формализации, значительно сложнее, чем получить простой перечень каких-то фактов или общих принципов.
¨ Экспертный анализ даже в очень узкой области, выполняемый человеком, очень часто нужно поместить в довольно обширный контекст, который включает и многие вещи, кажущиеся эксперту само собой разумеющимися, но для постороннего отнюдь таковыми не являющиеся.
Представление знаний
Представление знаний – еще одна функция ЭС. Теория представления знаний – это отдельная область исследований, тесно связанная с философией формализма и когнитивной психологией. Предмет исследования в этой области – методы ассоциативного хранения информации, подобные тем, которые существуют в мозгу человека (при этом основное внимание, естественно, уделяется логической стороне процесса).
Вопрос представления знания был и, скорее всего, останется вопросом противоречивым. Философы и психологи зачастую бывают шокированы бесцеремонностью специалистов по ИИ, которые говорят о человеческом знании на жаргоне, представляющем смесь терминологии, взятой из логики, логистики, философии, психологии и информатики. С другой стороны, компьютерный формализм оказался новаторским средством постановки, а иногда и поиска ответов на трудные вопросы, над которыми столетиями бились метафизики.
В области ЭС представление знаний рассматривается как средство отыскания методов формального описания больших массивов полезной информации с целью их последующей обработки с помощью символических вычислений.
В области ИИ ведется интенсивная работа по созданию языков представления знаний. Под этим термином понимают компьютерные языки, ориентированные на организацию описаний объектов и идей, в противовес статическим последовательностям инструкций или хранению простых элементов данных.
Основными критериями доступа к представлению знаний являются:
¨ Логическая адекватность – означает, что представление должно обладать способностью распознавать все отличия, которые закладываются в исходную сущность. Например, невозможно представить идею, что каждое лекарство имеет какой-либо побочный нежелательный эффект, если только нельзя будет провести отличие между предназначением конкретного лекарственного препарата и его побочным эффектом (например, аспирин усугубляет язвенную болезнь). В более общем виде выражение, передающее этот эффект, звучит так: "каждое лекарство обладает нежелательным побочным эффектом, специфическим для этого препарата".
¨ Эвристическая мощность – означает, что наряду с наличием выразительного языка представления должно существовать некоторое средство использования представлений, сконструированных и интерпретируемых таким образом, чтобы с их помощью можно было решить проблему. Часто оказывается, что язык, обладающий большей выразительной способностью в терминах количества семантических отличий, оказывается и больше сложным в управлении описанием взаимосвязей в процессе решения проблемы. Способность к выражению у многих из найденных формализмов может оказаться достаточно ограниченной по сравнению с английским языком или даже стандартной логикой. Часто уровень эвристической мощности рассматривается по результату, т.е. по тому, насколько легко оказывается извлечь нужное знание применительно к конкретной ситуации. Знать, какие знания более всего подходят для решения конкретной проблемы, – это одно из качеств, которое отличает действительно специалиста, эксперта в определенной области, от новичка или просто начитанного человека.
¨ Естественность нотации – следует рассматривать как некую добродетель системы, поскольку большинство приложений, построенных на базе ЭС, нуждается в накоплении большого объема знаний, а решить такую задачу довольно трудно, если соглашения в языке представления слишком сложны. Любой специалист скажет, что при прочих равных характеристиках лучше та система, с которой проще работать. Выражения, которыми формально описываются знания, должны быть по возможности простыми для написания, а их смысл должен быть понятен даже тому, кто не знает, как же компьютер интерпретирует эти выражения.
Кроме того, за прошедшие годы было предложено немало соглашений, пригодных для кодирования знаний на языковом уровне. Среди них можно ответить порождающие правила, структурированные объекты и логические программы. В большинстве ЭС используется один или несколько из перечисленных формализмов, а доводы в пользу и против любого из них до сих пор представляют собой тему для дискуссий среди теоретиков.
Управление процессом поиска решения
При проектировании ЭС серьезное внимание должно быть уделено и тому, как осуществляется доступ к знаниям и как они используются при поиске решения. Знание о том, какие знания нужны в той или иной конкретной ситуации, и умение ими распорядиться – важная часть процесса функционирования экспертной системы. Такие знания получили наименование метазнаний – т.е. знаний о знаниях. Решение нетривиальных проблем требует и определенного уровня планирования и управления при выборе, какой вопрос нужно задать, какой тест выполнить, и т.д.
Использование разных стратегий перебора имеющихся знаний, как правило, оказывает довольно существенное влияние на характеристики эффективности программы. Эти стратегии определяют, каким способом программа отыскивает решение проблемы в некотором пространстве альтернатив.
Дата добавления: 2021-03-18; просмотров: 200; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!