Меню

Экспертные системы или искусственный интеллект



Лекция № 3. Экспертные системы

Лекция № 3

Экспертные системы

1.Понятие об экспертной системе (ЭС).

2. Структура ЭС режимы использования

1. Понятие об экспертной системе (ЭС).

Экспертные системы, базовые понятия

Экспертная система — это программа (на современном уровне развития человечества), которая заменяет эксперта в той или иной области.

Экспертная система отличается от прочих прикладных программ наличием следующих признаков.

Моделирует не столько физическую (или иную) природу определенной

проблемной области, сколько механизм мышления человека применительно к решению задач в этой проблемной области.

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 отдельно от собственно

программного кода, который и формирует выводы и соображения. Этот

компонент программы принято называть базой знаний.

При решении 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 отличаются и от других видов программ из области искусственного интеллекта.

— Экспертные системы имеют дело с предметами реального мира, операции с которыми обычно требуют наличия значительного опыта, накопленного человеком.

— Одной из основных характеристик экспертной системы является ее производительность, т. е. скорость получения результата и его достоверность (надежность).

— Экспертная система должна обладать способностью объяснить, почему предложено именно такое решение.

— Экспертная система проектируется в расчете на взаимодействие с разными пользователями, для которых ее работа должна быть, по возможности, прозрачной.

Базовые функции экспертных систем

· Управление процессом поиска решения

· Разъяснение принятого решения

Виды экспертных систем

Рис. 1. Классификация экспертных систем

Создание баз знаний и документов в оболочке ESTA.

В оболочке ESTA могут быть созданы базы знаний, диалог, текстовый документ.

Для создания документа необходимо открыть окно оболочки. Выбрать в меню Fail выбрать команду New. В появившемся диалоговом окне выбрать вид создаваемой программы. Это может быть база знаний knowledge base, диалог – dialog текстовый файл – text file.

Если вы выбираете первый тип то в этом случае ESTA создает файл с расширением безымянный (Untitled) файл с расширением *.kb и переходит в режим редактирования. Созданный документ не может быть сохранен, пока не созданы какие либо структуры базы знаний, команды save и save as.. не активизированы. В этом режиме можно создавать и редактировать секции, параметры, базы графических файлов. Однако рекомендуется сначала создать, титул используя меню title. В этом случае активизируются все команды меню File.

При выборе второго типа документа – диалога, появляется еще одно диалоговое окно. С помощью команд, используемых в этом окне можно выбрать режим фиксирования диалога между экспертной системой и пользователем. В частности возможны режим фиксации только вопросов и ответов. Режим фиксации советов advice, режим фиксации титулов. При выборе всех флажков, в диалоге фиксируются все параметры диалога ЭС и пользователя.

Основные структуры баз знаний, взаимодействие параметров и секций.

Структура баз знаний была рассмотрена на предыдущей лекции. Напомним, что основу составляют секции и параметры. Параметры могут быть четырех типов: булевские (Boolean), параметр выбора(category), текстовый параметр(text), числовой параметр (number). Параметры фактически определяют тип диалогового окна, если они используются при диалоге. Однако они могут использоваться просто для задания типа данных, то есть не участвовать в человеко-машинном (пользовательском) интерфейсе. Например, в теле программы какому-либо параметру может быть присвоен тип number, т. е. числовой и затем этому параметру программно присвоено какое-либо числовое значение. В любом случае параметр должен быть отмечен в какой-либо секции – иначе он будет отмечен как лишний, не используемый параметр. Таким образом, работу по созданию базы знаний, после того как был создан и сохранен файл, следует начинать с создания параметра (параметров) и первой «стартовой» секции, которая должна быть обязательно помечена именем start. Имена всех остальных секций определяются произвольно. Желательно, чтобы база данных в начале работы идентифицировала субъекта (пользователя). В общем случае это необходимо по двум причинам: для организации «дружественного» интерфейса с пользователем и второе — организация ограничений на допуск к информации.

Таким образом, очевидно, что работу по созданию БЗ следует начинать с создания текстового параметра. Алгоритм меню Parameter — New – диалоговое окно New Parameter – выбор в окне Type тип параметра (в данном случае text) – в окне Name вводится имя параметра (в данном случае например im) – кнопка ОК. При этом появляется окно с шаблоном структуры данного параметра. В поле question внутри кавычек (‘ ’) вводится текст например «Введите Ваше имя». После этого окно закрывается. Появляется служебное диалоговое окно ESTA Update im before closing нажимаем Yes. Таким образом создан параметр im, в меню Parameter при этом становятся активными некоторые команды – например edit

Секция — меню section команда New section.- окно шаблона. Вводится во второй (третей) строке логическая конструкция. Например if im = ‘вася ’ do new_section_VVV. Затем закрыть Появляется служебное диалоговое окно ESTA Update im before closing нажимаем Yes.

Теперь можно проверить как работает данная конструкция. Меню Consult – Begin Consultation и т. д.

2. Структура ЭС режимы использования

Проектирование ЭС и применяемые инструментальные средства.

В настоящее время сложилась определенная технология разработки ЭС, которая включает следующие шесть этапов: идентификация, концептуализация, формализация, выполнение, тестирование и опытная эксплуатация.

Инструментальные средства ЭС

По своему назначению и функциональным возможностям инструментальные средства, применяемые при проектировании ЭС можно разделить на 4 категории.

Оболочки экспертных систем. EMYCIN из MYCIN

Языки программирования высокого уровня. OPS5 CLIPS

Среда программирования поддерживающая несколько парадигм. КЕЕ, KnowlegeCraft, ART.

Дополнительные модули.

2. Структура ЭС и организация знаний в ЭС.

Структуры ЭС можно рассматривать на различных уровнях. Например, обобщенная структура ЭС.

Пользователь Инженер Эксперт

Структура ЭС ESTA

Если рассматривать более конкретные решения экспертной системы, то структура может несколько отличаться от приведенной, в сторону упрощения или усложнения. Но основные элементы будут присутствовать.

Структура баз знаний созданных с помощью оболочки ESTA будет отличаться в сторону усложнения структур.

Такая экспертная система может состоять из базы знаний (баз знаний), базы графических изображений, базы текстов.

Структура ЭС (ESTA)

ESTA поддерживает сохранение базы знаний в двух форматах *.kb и

*.kbT. Первый формат соответствует компилируемой форме, второй – текстовой форме. Текстовая форма позволяет организовать альтернативный способ поддержания базы знаний с помощью сторонних текстовых редакторов.

организация знаний в ЭС

Представление знаний базируется на трех понятиях

Заголовок (Титул).

основу базы знаний составляют секции и параметры.

Секция — верхний уровень представления знаний. Секция состоит из имени, текстового описания (в апострофах’’) и определенного числа параграфов. Параграфы могут содержать различную информацию вплоть до булевых (логических) выражений. Первая секция должна имеет имя start.

::= advice, call, do, assign (назначить), chain, do_section_jf, exit, stop.

Параметры подобны переменным в обычных языках и определяют поток управления между секциями.

Параметры в общем случае состоят из поля объявления и поля ввода.

Необязательных (optional)!? Полей (зависят от типа параметра).

Параметры могут быть четырех типов: булевские (Boolean), параметр выбора(category), текстовый параметр(text), числовой параметр (number).

параметры могут получать значение следующими путями:

· при ответе на вопрос;

· как результат выполнения правила;

· при назначении в результате назначенного действия.

Параметры фактически определяют тип диалогового окна.

работу по созданию базы знаний, после того как был создан и сохранен файл, следует начинать с создания параметра (параметров) и первой «стартовой» секции, которая должна быть обязательно помечена именем start. Имена всех остальных секций определяются произвольно.

Заголовки предназначены для представления базы знаний в целом.

Могут быть созданы в виде plain текста либо в виде графического файла.

Особенности создание ЭС в оболочке ESTA

Желательно, чтобы база данных в начале работы идентифицировала субъекта (пользователя). В общем случае это необходимо по двум причинам: для организации «дружественного» интерфейса с пользователем и второе — организация ограничений на допуск к информации.

Таким образом, очевидно, что работу по созданию БЗ следует начинать с создания текстового параметра. Алгоритм меню Parameter — New – диалоговое окно New Parameter – выбор в окне Type тип параметра (в данном случае text) – в окне Name вводится имя параметра (в данном случае например im) – кнопка ОК. При этом появляется окно с шаблоном структуры данного параметра. В поле question внутри кавычек (‘ ’) вводится текст например «Введите Ваше имя». После этого окно закрывается. Появляется служебное диалоговое окно ESTA Update im before closing нажимаем Yes. Таким образом создан параметр im, в меню Parameter при этом становятся активными некоторые команды – например edit

Секция — меню section команда New section.- окно шаблона. Вводится во второй (третей) строке логическая конструкция. Например if im = ‘вася ’ do new_section_VVV. Затем закрыть Появляется служебное диалоговое окно ESTA Update im before closing нажимаем Yes.

Теперь можно проверить как работает данная конструкция. Меню Consult – Begin Consultation и т. д.

3. Обучающие ЭС

Имеющийся на сегодняшний день опыт разработки и использования экспертных обучающих систем (ЭОС) показал, что, с одной стороны, ЭОС, должна входить в состав любой ЭС, но может быть использована и автономно. С другой стороны, каждая структурная единица ЭОС будет более соответствовать ЭОС, если сама будет реализована как некая ЭС. Это кажущееся на первый взгляд противоречие не является таковым, а лишь подчеркивает реально сложившуюся в практике разработки ЭС ситуацию, когда ни одна ЭС не может быть взята за эталон полноты реализации всех теоретических функциональных компонентов.

Читайте также:  Набор кулинарных форм Мультидом Звездочки 3 штуки отзыв

Основа ЭОСинтеллектуальный диалог с пользователями разных уровней: экспертами-преподавателями, инженерами по извлечению и представлению знаний, программистами и пользователями — обучающимися.

Диалог пользователя с ЭВМ — это обмен сообщениями между пользователем и ЭВМ в соответствии с установленными языками и формами общения для решения определенной задачи.

Основные задачи диалога с ЭОС следующие:

— выбор модели диалога для каждой категории пользователей (диалог, управляемый пользователем, диалог со смешанной инициативой, диалог, управляемый ЭВМ);

— анализ сообщений пользователя;

— анализ правильности выполнения учебного задания;

— определение оптимальной последовательности изучения разделов и тем курса.

ЭОС наряду с традиционными функциями АОС обеспечивают ряд новых возможностей, главной из которых является способность в ответ на запрос пользователя, сформулированный в терминах предметной области, произвести логические выводы и сообщения.

Требования к ЭОС с позиций обучающегося сводятся в основном к следующим:

— изучение объектов, процессов и явлений на основе их имитационных или математических моделей;

— получение справочной информации из базы данных по введенному в естественной форме запросу;

— получению помощи в виде подсказок, пояснений, демонстрационных примеров в ходе выполнения различных работ на ЭВМ в данной предметной области;

— получению информации из базы знаний на вопросы открытого типа, производимых системой путем логического вывода и обобщения фактов системой;

— самоконтроль уровня знаний по той или иной теме;

— специальная интеллектуальная диагностика ошибок в ходе решения задач.

С позиции эксперта-преподавателя ЭОС должна обеспечить работу с такими моделями знаний, которые адекватно отражают данную предметную область и позволяют наиболее полно:

— представить ее формализованную модель;

— реализовать выбор оптимальной стратегии обучения с адаптацией к уровню подготовленности и индивидуальным характеристикам пользователя;

— автоматизировать процесс конструирования учебных заданий;

— дать возможность вмешиваться в процесс диалога с целью демонстрации обучающемуся хода решения задачи.

Основное отличие ЭОС от АОС состоит в невозможности для АОС и необходимости для ЭОС не просто оценивать факт решения обучающимися задачи, выдавая комментарии разной степени точности, но и объяснить «как» и «почему» преподаватель-эксперт решил задачу именно так, а обучающийся допустил именно такие-то ошибки или неточности.

Основные трудности при разработке ЭОС для лингвистики включают:

— представление субъективных и практически неформализуемых знаний;

— интерпретацию семантики в базах данных лингвистической информации;

— отсутствие типовых моделей предметной области.

Классическая архитектура ЭОС содержит пять основных и необходимых составляющих:

— модель предметной области и соответствующие машины логического вывода и интерпретации;

— модель конечного пользователя-обучающегося, включая моделирование процесса общения каждого пользователя с ЭОС;

— подсистемы, обеспечивающие дружественный интерфейс ЭОС с пользователями;

— моделирование стратегии обучения, его методов и диагностики;

Источник

Экспертная система это система тест

1. ВВЕДЕНИЕ В ЭКСПЕРТНЫЕ СИСТЕМЫ. ОСНОВНЫЕ ПОНЯТИЯ И ОПРЕДЕЛЕНИЯ

1.1. Назначения и основные свойства экспертных систем

В начале 80-х годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название «экспертные системы» (ЭС). Основным назначением ЭС является разработка программных средств, которые при решении задач, трудных для человека, получают результаты, не уступающие по качеству и эффективности решения, решениям получаемым человеком-экспертом. ЭС используются для решения так называемых неформализованных задач, общим для которых является то, что:

  • задачи не могут быть заданы в числовой форме;
  • цели нельзя выразить в терминах точно определенной целевой функции;
  • не существует алгоритмического решения задачи;
  • если алгоритмическое решение есть, то его нельзя использовать из-за
  • ограниченности ресурсов (время, память).

Кроме того неформализованные задачи обладают ошибочностью, неполнотой, неоднозначностью и противоречивостью как исходных данных, так и знаний о решаемой задаче.

Экспертная система — это программное средство, использующее экспертные знания для обеспечения высокоэффективного решения неформализованных задач в узкой предметной области. Основу ЭС составляет база знаний (БЗ) о предметной области, которая накапливается в процессе построения и эксплуатации ЭС. Накопление и организация знаний — важнейшее свойство всех ЭС.

Знания являются явными и доступными, что отличает ЭС от традиционных программ, и определяет их основные свойства, такие, как:

1) Применение для решения проблем высококачественного опыта, который представляет уровень мышления наиболее квалифицированных экспертов в данной области, что ведЈт к решениям творческим, точным и эффективным.

2) Наличие прогностических возможностей, при которых ЭС выдаeт ответы не только для конкретной ситуации, но и показывает, как изменяются эти ответы в новых ситуациях, с возможностью подробного объяснения каким образом новая ситуация привела к изменениям.

3) Обеспечение такого нового качества, как институциональная память, за счeт входящей в состав ЭС базы знаний, которая разработана в ходе взаимодействий со специалистами организации, и представляет собой текущую политику этой группы людей. Этот набор знаний становится сводом квалифицированных мнений и постоянно обновляемым справочником наилучших стратегий и методов, используемых персоналом. Ведущие специалисты уходят, но их опыт остаeтся.

4) Возможность использования ЭС для обучения и тренировки руководящих работников, обеспечивая новых служащих обширным багажом опыта и стратегий, по которым можно изучать рекомендуемую политику и методы.

1.2. Состав и взаимодействие участников построения и эксплуатации экспертных систем

Познакомившись с тем, что такое экспертные системы и каковы их основные характеристики, попробуем теперь ответить на вопрос: «Кто участвует в построении и эксплуатации ЭС? «.

К числу основных участников следует отнести саму экспертную систему, экспертов, инженеров знаний, средства построения ЭС и пользователей. Их основные роли и взаимоотношение приведены на рис.2.

Экспертная система — это программное средство, использующее знания экспертов, для высокоэффективного решения задач в интересующей пользователя предметной области. Она называется системой, а не просто программой, так как содержит базу знаний, решатель проблемы и компоненту поддержки. Последняя из них помогает пользователю взаимодействовать с основной программой.

Эксперт — это человек, способный ясно выражать свои мысли и пользующийся репутацией специалиста, умеющего находить правильные решения проблем в конкретной предметной области. Эксперт использует свои приЈмы и ухищрения, чтобы сделать поиск решения более эффективным, и ЭС моделирует все его стратегии.

Инженер знаний — человек, как правило, имеющий познания в информатике и искусственном интеллекте и знающий, как надо строить ЭС. Инженер знаний опрашивает экспертов, организует знания, решает, каким образом они должны быть представлены в ЭС, и может помочь программисту в написании программ.

Средство построения ЭС — это программное средство, используемое инженером знаний или программистом для построения ЭС. Этот инструмент отличается от обычных языков программирования тем, что обеспечивает удобные способы представления сложных высокоуровневых понятий.

Пользователь — это человек, который использует уже построенную ЭС. Так, пользователем может быть юрист, использующий еЈ для квалификации конкретного случая; студент, которому ЭС помогает изучать информатику и т. д. Термин пользователь несколько неоднозначен. Обычно он обозначает конечного пользователя. Однако из рис.2 следует, что пользователем может быть:

  • создатель инструмента, отлаживающий средство построения ЭС;
  • инженер знаний, уточняющий существующие в ЭС знания;
  • эксперт, добавляющий в систему новые знания;
  • клерк, заносящий в систему текущую информацию.

Важно различать инструмент, который используется для построения ЭС, и саму ЭС. Инструмент построения ЭС включает как язык, используемый для доступа к знаниям, содержащимся в системе, и их представления, так и поддерживающие средства — программы, которые помогают пользователям взаимодействовать с компонентой экспертной системы, решающей проблему.

1.3. Преимущества использования экспертных систем

Возникает вопрос: «Зачем разрабатывать экспертные системы? И не лучше ли обратиться к человеческому опыту, как это было в прошлом?». Отметим лишь основные преимущества, которые даЈт использование ЭС. Преимуществами и положительными качествами искусственной компетенции являются:

  1. Ее постоянство. Человеческая компетенция ослабевает со временем. Перерыв в деятельности человека-эксперта может серьезно отразиться на его профессиональных качествах.
  2. Легкость передачи или воспроизведения. Передача знаний от одного человека другому — долгий и дорогой процесс. Передача искусственной информации — это простой процесс копирования программы или файла данных.
  3. Устойчивость и воспроизводимость результатов. Эксперт-человек может принимать в тождественных ситуациях разные решения из-за эмоциональных факторов. Результаты ЭС — стабильны.
  4. Стоимость. Эксперты, особенно высококвалифицированные обходятся очень дорого. ЭС, наоборот, сравнительно недороги. Их разработка дорога, но они дешевы в эксплуатации.

Вместе с тем разработка ЭС не позволяет полностью отказаться от эксперта-человека. Хотя ЭС хорошо справляется со своей работой, тем не менее в определенных областях человеческая компетенция явно превосходит искусственную. Однако и в этих случаях ЭС может позволить отказаться от услуг высококвалифицированного эксперта, оставив эксперта средней квалификации, используя при этом ЭС для усиления и расширения его профессиональных возможностей.

1.4. Особенности построения и организации экспертных систем

Основой любой ЭС является совокупность знаний, структурированная в целях упрощения процесса принятия решения. Для специалистов в области искусственного интеллекта термин знания означает информацию, которая необходима программе, чтобы она вела себя «интеллектуально». Эта информация принимает форму фактов и правил. Факты и правила в ЭС не всегда либо истинны, либо ложные. Иногда существует некоторая степень неуверенности в достоверности факта или точности правила. Если это сомнение выражено явно, то оно называется «коэффициентом доверия».

Коэффициент доверия — это число, которое означает вероятность или степень уверенности, с которой можно считать данный факт или правило достоверным или справедливым.

Многие правила ЭС являются эвристиками, то есть эмпирическими правилами или упрощениями, которые эффективно ограничивают поиск решения. ЭС используют эвристики, так как задачи, которые она решает, трудны, не до конца понятны, не поддаются строгому математическому анализу или алгоритмическому решению. Алгоритмический метод гарантирует корректное или оптимальное решение задачи, тогда как эвристический метод дает приемлемое решение в большинстве случаев.

Читайте также:  Где сдать анализ на коронавирус в Москве

Знания в ЭС организованы так, чтобы знания о предметной области отделить от других типов знаний системы, таких как общие знания о том, как решать задачи или знание о том, как взаимодействовать с пользователем. Выделенные знания о предметной области называются базой знаний, тогда как общие знания о нахождении решений задач называются механизмом вывода. Программные средства, которые работают со знаниями, организованными таким образом, называются системами, основанными на знаниях.

БЗ содержит факты (данные) и правила (или другие представления знаний), использующие эти факты как основу для принятия решений.

Механизм вывода содержит:

  • интерпретатор, определяющий как применять правила для вывода новых знаний на основе информации, хранящейся в БЗ;
  • диспетчер, устанавливающий порядок применения этих правил.

Такие ЭС получили название статических ЭС и имеют структуру, аналогичную рис.3. Эти ЭС используются в тех приложениях, где можно не учитывать изменения окружающего мира за время решения задачи.

Однако существует более высокий класс приложений, где требуется учитывать динамику изменения окружающего мира за время исполнения приложения. Такие экспертные системы получили название динамических ЭС и их обобщенная структура будет иметь вид, приведенный на рис.4.

По сравнению со статической ЭС в динамическую вводится еще два компонента:

  • подсистема моделирования внешнего мира;
  • подсистема сопряжения с внешним миром.

Динамические ЭС осуществляет связи с внешним миром через систему контроллеров и датчиков. Кроме того компоненты БЗ и механизма вывода существенно изменяются, чтобы отразить временную логику происходящих в реальном мире событий.

К разряду таких динамических сред разработки ЭС относится семейство программных продуктов фирмы Gensym Corp. (США). Один из таких продуктов система G2 — базовый программный продукт, представляющий собой графическую, объектно-ориентированную среду для построения и сопровождения экспертных систем реального времени, предназначенных для мониторинга, диагностики, оптимизации, планирования и управления динамическим процессом.

1.5. Основные режимы работы экспертных систем

В работе ЭС можно выделить два основных режима: режим приобретения знаний и режим решения задачи (режим консультации или режим использования ). В режиме приобретения знаний общение с ЭС осуществляет эксперт (при помощи инженера знаний).

Используя компонент приобретения знаний, эксперт описывает проблемную область в виде совокупности фактов и правил. Другими словами, «наполняет» ЭС знаниями, которые позволяют ей самостоятельно решать задачи из проблемной области.

Отметим, что этому режиму при традиционном подходе к программированию соответствуют этапы: алгоритмизации, программирования и отладки, выполняемые программистом. Таким образом, в отличие от традиционного подхода в случае ЭС разработку программ осуществляет не программист, а эксперт, не владеющий программированием.

В режиме консультаций общение с ЭС осуществляет конечный пользователь, которого интересует результат и (или) способ его получения. Необходимо отметить, что в зависимости от назначения ЭС пользователь может:

  • не быть специалистом в данной предметной области, и в этом случае он обращается к ЭС за результатом, который не умеет получить сам;
  • быть специалистом, и в этом случае он обращается к ЭС с целью ускорения получения результата, возлагая на ЭС рутинную работу.

Следует отметить, что в отличие от традиционных программ ЭС при решении задачи не только исполняют предписанную алгоритмом последовательность операций, но и сама предварительно формирует ее.

Хорошо построенная ЭС имеет возможность самообучаться на решаемых задачах, пополняя автоматически свою БЗ результатами полученных выводов и решений.

1.6. Отличие экспертных систем от традиционных программ

Особенности ЭС, отличающие их от обычных программ, заключаются в том, что они должны обладать:

1. Компетентностью, а именно:

  • Достигать экспертного уровня решений (т.е. в конкретной предметной области иметь тот же уровень профессионализма, что и эксперты-люди).
  • Быть умелой (т.е. применять знания эффективно и быстро, избегая, как и люди, ненужных вычислений).
  • Иметь адекватную робастность (т.е. способность лишь постепенно снижать качество работы по мере приближения к границам диапазона компетентности или допустимой надежности данных).

2. Возможностью к символьным рассуждениям, а именно:

  • Представлять знания в символьном виде
  • Переформулировать символьные знания. На жаргоне искусственного интеллекта символ — это строка знаков, соответствующая содержанию некоторого понятия. Символы объединяют, чтобы выразить отношения между ними. Когда отношения представлены в ЭС они называются символьными структурами.

3. Глубиной, а именно:

  • Работать в предметной области, содержащей трудные задачи
  • Использовать сложные правила (т.е. использовать либо сложные конструкции правил, либо большое их количество)

4. Самосознанием, а именно:

  • Исследовать свои рассуждения (т.е. проверять их правильность)
  • Объяснять свои действия

Существует еще одно важное отличие ЭС. Если обычные программы разрабатываются так, чтобы каждый раз порождать правильный результат, то ЭС разработаны с тем, чтобы вести себя как эксперты. Они, как правило, дают правильные ответы, но иногда, как и люди, способны ошибаться.

Традиционные программы для решения сложных задач, тоже могут делать ошибки. Но их очень трудно исправить, поскольку алгоритмы, лежащие в их основе, явно в них не сформулированы. Следовательно, ошибки нелегко найти и исправить. ЭС, подобно людям, имеют потенциальную возможность учиться на своих ошибках.

1.7. Технология разработки экспертных систем

Технология их разработки ЭС, включает в себя шесть этапов (рис.5): этапы идентификации, концептуализации, формализации, выполнения, тестирования, опытной эксплуатации. Рассмотрим более подробно последовательности действий, которые необходимо выполнить на каждом из этапов.

1) На этапе идентификации необходимо выполнить следующие действия:

  • определить задачи, подлежащие решению и цели разработки,
  • определить экспертов и тип пользователей.

2) На этапе концептуализации:

  • проводится содержательный анализ предметной области,
  • выделяются основные понятия и их взаимосвязи,
  • определяются методы решения задач.

3) На этапе формализации:

  • выбираются программные средства разработки ЭС,
  • определяются способы представления всех видов знаний,
  • формализуются основные понятия.

4) На этапе выполнения (наиболее важном и трудоемком) осуществляется наполнение экспертом БЗ, при котором процесс приобретения знаний разделяют:

  • на «извлечение» знаний из эксперта,
  • на организацию знаний, обеспечивающую эффективную работу ЭС,
  • на представление знаний в виде, понятном для ЭС.

Процесс приобретения знаний осуществляется инженером по знаниям на основе деятельности эксперта.

5) На этапе тестирования эксперт и инженер по знаниям с использованием диалоговых и объяснительных средств проверяют компетентность ЭС. Процесс тестирования продолжается до тех пор, пока эксперт не решит, что система достигла требуемого уровня компетентности.

6) На этапе опытной эксплуатации проверяется пригодность ЭС для конечных пользователей. По результатам этого этапа возможна существенная модернизация ЭС.

Процесс создания ЭС не сводится к строгой последовательности этих этапов, так как в ходе разработки приходится неоднократно возвращаться на более ранние этапы и пересматривать принятые там решения.

Источник

Экспертные системы или искусственный интеллект

Экспертные системы или искусственный интеллект

Экспертная система (Expert + Knowledge = Advice) представляет собой компьютерную программу, которая содержит знания и делает логическое заключение о специализированной предметной области для решения определенных задач или предоставления соответствующих рекомендаций. Это приложение, которое выполняет задачу, как если бы это был человеческий эксперт. Например, существуют экспертные системы, которые могут диагностировать заболевания человека, составлять финансовые прогнозы и планировать оптимальные маршруты маршрутов для транспортных средств. Некоторые экспертные системы предназначены для выполнения большинства экспертных функций, а другие предназначены для их помощи. Экспертные системы являются частью общей категорией компьютерных приложений, известные как искусственный интеллект.

Интегрированная производственная система на языке C (CLIPS) является разработкой Космического центра Johnson NASA . Это инструментальный инструмент для создания экспертных систем. До 1986 года он не был доступен за пределами NASA. С 1996 года серьезное внимание уделялось программам, финансируемым ERUIT , Европейской сети по разработке методов неопределенности с применением в информационных технологиях (ERUDIT); Европейская интеллектуальная технология Perfect Network для интеллектуальных технологий и адаптивных интеллектуальных систем (EUNITE); программа IST.

  1. Экспертные системы
  2. Системы с использованием искусственного интеллекта.
  3. Применение экспертных систем
  4. ПРИМЕНЕНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ
  5. Интеллектуальная архитектура систем

Экспертные системы

Экспертные системы представляют собой компьютерные информационные системы, которые предоставляют знания и делают их доступными для пользователей для решения конкретных проблем. Экспертные системы разработаны для решения ряда различных типов проблем в нескольких категориях: интерпретация, прогнозирование, диагностика, проектирование, планирование, мониторинг, отслеживание, восстановление, управление, управление. Прикладными областями для экспертных систем являются: агрономия, химия, компьютерные системы, электроника, инженерия, геология, юриспруденция, промышленность, математика, медицина, метеорология, военная наука, физика, управление процессами, космические технологии. Экспертные системы могут также использоваться для обучения в соответствующей области, используя свой опыт в решении проблемы и их организованных знаний.

Системы с использованием искусственного интеллекта.

Быстрое развитие информационных технологий и их применение в промышленности создали необходимость решения ряда сложных проблем. Для их решения необходимы различные подходы. Искусственный интеллект предлагает подходящую возможность решить некоторые сложные проблемы отрасли. Основная задача технологии, основанной на искусственном интеллекте и знаниях, заключается в создании интеллектуальных систем программирования, Такие системы обеспечивают решения проблем, связанных с большим количеством пространства поиска для неопределенных граничных условий и неполных данных, применяя эвристические стратегии и используя знания в предметной области. Сбор, структурирование и представление имеющихся знаний — ключевая проблема систем, основанных на знаниях. Интеллектуальные системы, основанные на знаниях, используются в области производства, технического обслуживания оборудования и технической диагностики. Во многих проблемах разбирательства решения носят неопределенный характер и предполагают множество альтернативных действий. Решения обычно зависят от опыта этих вопросов, к которым они применяются.

Структура экспертной системы

Применение экспертных систем

Типичные задачи экспертных систем:

  1. Интерпретация данных (например, звуковых сигналов)
  2. Диагностика неисправностей или заболеваний
  3. Структурный анализ сложных объектов (например, химических соединений)
  4. Конфигурация сложных объектов (например, компьютерных систем)
  5. Последовательности действий планирования

ПРИМЕНЕНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ

Системы, основанные на знаниях, применимы к широкому кругу вопросов. Согласно D.Sriram [2], они должны использоваться для таких задач, как проектирование (проектирование), диагностика, интерпретация, управление, планирование и прогнозирование. Проектирование, планирование и прогнозирование создают объекты высокого уровня с использованием метода интеграции классов объектов нижнего уровня. Диагностика, интерпретация и управление обеспечивают и интерпретируют данные и знания на этапе составления выводов и предоставления возможных решений. Каждая из этих проблем частично разлагается на ее особенности, что помогает понять отражение эксперта в конкретной области.

Читайте также:  Обсуждения теста Пора ли Вам выходить за него замуж

1. Проектирование

Проектирование — это процесс создания системы или объекта, который отвечает определенным требованиям. Одной из таких систем является XCON (в оригинале R1). Эта система предназначена для настройки компьютеров VAX. Система работает с использованием метода частично решенных схем.

FADES — это система проектирования и планирования оборудования. Знание представлено правилами, выполняемыми в виде логических процедур и предикатов первого порядка. База знаний включает в себя знание следующих областей: технологическое рабочее место, экономический анализ инвестиций, выбор назначенных алгоритмов, планирование и восстановление информации, полученной методом логических правил в существующей базе данных и другими знаниями. Требования к проектированию системы включают достижение целей встречи без высокой стоимости ресурсов. Для разрешения возможных конфликтов необходимо ввести приоритеты. Системы должны быть гибкими, требования со временем могут меняться или неизбежно непредвиденные замены конструктивных параметров. Ключевыми проблемами такого типа систем, основанных на знаниях, являются следующие:

вся последовательность проектных решений не должна быть заранее предсказана до тех пор, пока дизайн не продвинется значительно;

необходимо построить иерархию подзадач;

конструктивные ограничения исходят из нескольких источников;

переориентация неизбежна, и замена параметров дизайна может быть замечена только в перспективе;

требуются особые отношения между параметрами дизайна, они не могут быть легко аппроксимированы качественной отчетностью.

2. Диагностика

Диагностика рассматривается как процесс обнаружения ошибок и сбоев в любой системе. Лучшим примером диагностической системы является система MYCIN, разработанная Shortliffe.

Другая известная диагностическая система — это DELTA, разработанная Bonissone для General Electric, для обнаружения неисправностей двигателя. Чтобы выбрать определенный диапазон сбоев локомотива, система задает ряд подробных вопросов для пользователя системы. На каждом этапе система объясняет аргументы эксперта, которого она применяла. Наконец, когда выявлен отказ локомотива, система создает конкретные обратные инструкции. База знаний DELTA содержит более 500 правил, изложенных на своем языке для презентации. Система использует гибкую поисковую систему. Сначала система была разработана в LISP, а затем перепрограммирована в FORT.

ACE — это диагностическая система, которая обнаруживает и диагностирует сбои в телефонной сети путем выявления плохих мест в сети и рекомендует соответствующие ремонтные и реабилитационные услуги. Система анализирует данные из операций обслуживания и генерирует выходные данные, описывающие физическое местоположение сбоев и характеристик сети в этом месте. ACE работает без вмешательства человека, анализируя данные обслуживания, ежедневно генерируемые CRAS, компьютерной программой для администрирования отказа кабеля. ACE решает, какие части телефонной сети могут потребовать переключения или восстановления и сохраняет общую информацию из этих выводов в отдельной базе данных, к которому пользователь имеет доступ. Когда система обнаруживает поврежденные телефонные кабели, она решает, нуждаются ли они в профилактическом обслуживании, и выбирает тип поддержки как можно более эффективный, и рекомендации записываются в базе данных, к которым пользователи имеют доступ. ACE принимает решения с использованием знаний приложений для проводных центров, ежедневных данных обслуживания CRAS и стратегий сетевого анализа. ACE может генерировать выводы, но не может объяснить аргументы перед этим, вместо этого добавить к нему сводку данных, которые приводят к ней, которая удовлетворяет пользователей системы.

Система ACE была разработана в ОАДЕ — 4 и Франц Лиспе для VAX-11/780 компьютеров, в основном испытанные, а затем преобразованные в суперкомпьютеры AT & T 3B-2 Model 300, которые расположены в службах анализа кабельной сети. Он был разработан Bell Laboratories в Уиппани, штат Нью-Джерси.

NDS обнаруживает сложные множественные сбои в сети связи COMNET, реализуя стратегии экспертной диагностики, основанные на знаниях топологии сети и ее состава. Система предлагает выполнить диагностический тест, и результат каждого теста обеспечивает доказательство наличия сбоев или нет в любом из нескольких компонентов. Компоненты включают в себя процессоры связи, модемы, телефонные соединения и компьютерные терминалы. NDS является основанной на правилах системой и реализованной в ARBY. Система разработана в Smart Systems Technology в сотрудничестве сShell Development Company .

Экспертиза в диагностических системах предполагает поиск последовательных и неверных интерпретаций данных и понимание взаимосвязи между подсистемами. Ключевыми проблемами, возникающими в этом типе системы, являются следующие:

данные могут быть частичными, противоречивыми и несвязанными;

повторяющиеся ошибки могут быть замаскированы или могут вызывать симптомы, которые в противном случае решаются экспертами;

оборудование может ошибаться, результаты испытаний могут быть неверными;

некоторые данные могут быть недоступны или могут быть получены случайно.

3. Интерпретация

Интерпретация — это процесс анализа данных u1085 для определения их значения. Система такого типа DENDRAL , разработанная Бьюкененом. Система способна имитировать химическую экспертизу. Требования к интерпретации такие же, как и для диагностики, т.е. умение системы состоит в нахождении последовательных, последовательных интерпретаций данных и без отклонения возможных кандидатов до тех пор, пока не будет отклонено достаточное количество доказательств. Вопросы, связанные с интерпретацией, такие же, как и для диагностики, с одним дополнением: шаблоны распознавания образов в интерпретации длиннее и сложнее, чем диагностические диаграммы.

4. Управление

Управление рассматривается как процесс непрерывной или периодической интерпретации сигналов и включение сигнала оповещения, когда это требует интерпретация (обычно в режиме реального времени). Одной из таких систем является AAMS, разработанный Харау, для акустического контроля процесса обнаружения дефектов железнодорожных колес. Другая система управления — это NAVEX, разработанная Гилбертом для управления полетом. Помимо интерпретаций и частичной диагностики, системы этого типа должны быть способны реагировать на различные ситуации тревоги и быть в состоянии избежать ложной тревоги. Практическая проблема с такими системами заключается в том, что условие предупреждения часто зависит от контекста и связано с ожиданием сигналов, со временем и ситуацией.

5. Планирование

Планирование — это процесс создания программ для достижения нескольких целей. Планирование производства — это область, требующая значительных знаний и опыта. Эта область очень подходит для применения систем, основанных на знаниях.

Первая система планирования MOLGEN, разработанная Stefik, заключается в планировании экспериментов по молекулярной генетике. Другим примером является система ESFAS, разработанная Калбером, для оказания помощи в разработке полетов НАСА. Система GERI основана на знаниях в процессе планирования. Эти знания представлены в качестве производственных правил. База знаний системы состоит из описания характеристик, размеров и геометрических соотношений между объектами области объекта системы.

Требования к планированию и проблемы аналогичны требованиям к дизайну с добавлением требования к расписанию.

6. Прогнозирование

Прогнозирование рассматривается как процесс прогнозирования будущего на основе моделей прошлого и настоящего, а также соображений времени и случайной последовательности. Проблемы с этим типом системы заключаются в следующем:

  1. теория прогнозирования учитывает ситуации в будущем;
  2. изобилие различных видов информации;
  3. повторение функций всегда возможно, их следует описывать в порядке приоритета.
  4. При прогнозировании, а также при планировании и проектировании количество возможных решений иногда намного превышает количество интеллектуальных решений.

Возможности обучения.

Системы, основанные на знаниях, могут использоваться для обучения с использованием их опыта в решении проблемы и их организованных знаний.

Общие характеристики экспертных систем

  1. Экспертные системы заключают на основе некоторого представления человеческих знаний
  2. Экспертные системы обычно решают задачи с использованием эвристических или приближенных методов
  3. Экспертные системы моделируют то, как люди делают выводы в определенной предметной области, а не в поле
  4. эвристика
  5. Эвристика — это правила, основанные на опыте, которые кодируют определенные знания о том, как решить проблему из определенной области.
  6. Эвристические методы являются приблизительными в том смысле, что они не требуют точных данных, и решения могут быть извлечены из системы с определенной степенью определенности.

Интеллектуальная архитектура систем

Архитектура основанных на знаниях систем включает в себя следующие компоненты:

  1. база знаний (общее знание проблемы, т. Е. Факты и правила);
  2. база данных (информация о текущей проблеме, то есть входные данные);
  3. механизм заключения (методы применения общего знания к проблеме);
  4. пояснительный компонент (который информирует пользователя о выводах);
  5. пользовательский интерфейс и компонент сбора знаний; (область памяти для хранения описания и состояния проблемы, построенная из фактов, предоставленных пользователем или извлеченных из базы знаний).

Источник

Тест. Тест по информатике «Экспертные системы. Реляционная модель экспертной системы»

Avatar

Список вопросов теста

Вопрос 1

Как называется первая экспертная система?

Варианты ответов
  • MACSYMA
  • EMYCIN
  • PROSPECTOR
  • нет правильного ответа
Вопрос 2

Какую задачу решала экспертная система PROSPECTOR?

Варианты ответов
  • определение наиболее вероятной структуры химического соединения
  • поиск месторождений на основе геологических анализов
  • диагностика глазных заболеваний
  • распознавание слитной человеческой речи
  • нет правильного ответа
Вопрос 3

Первая экспертная система для медицинской диагностике была создана.

Варианты ответов
  • 1979
  • 1973
  • 1975
  • 1965
  • 1978
Вопрос 4

На знаниях основываются системы?

Варианты ответов
  • нет правильного ответа
  • экспертные системы
  • нейронные сети
  • системы распознавания текста
  • интеллектуальные пакеты прикладных программ
Вопрос 5

Экспертные системы используются для .

Варианты ответов
  • оказания помощи при работе с базами данных
  • оказания помощи при работе с базами знаний
  • оказания помощи в принятии сложных решений
  • автоматического принятия сложных решений
  • оказания помощи для хранения баз знаний
Вопрос 6

Что такое экспертная система?

Варианты ответов
  • нейрокомпьютер
  • компьютерная система, моделирующая рассуждения человека
  • логическая модель знаний
  • определенная предметная область искусственного интеллекта
  • система искусственного интеллекта, заключающая в себе знания специалиста – эксперта в определенной предметной области
Вопрос 7

Экспертные системы предназначены для решения:

Варианты ответов
  • неформализованных задач
  • управления функциями
  • управления базами данных
  • вычислительных задач
  • формализованных задач
Вопрос 8

Какие подсистемы являютя для экспертной системы обязательными?

Варианты ответов
  • база знаний
  • интерфейс системы с внешним миром
  • алгоритмические методы решений
  • интерфейс когнитолога
  • контенкст предметной области
Вопрос 9

Какая экспертная система имеет базу знаний размером от 1000 до 10000 структурированных правил?

Варианты ответов
  • простая
  • средняя
  • сложная
Вопрос 10

Кто создает базу знаний экспертной системы?

Варианты ответов
  • программист
  • пользователь
  • когнитолог
  • эксперт

Получите комплекты видеоуроков + онлайн версии


341
НравитсяНравится 0

Комментарии 0

Чтобы добавить комментарий зарегистрируйтесь или войдите на сайт

Как работать с тестами?

Источник