special

Інформаційний маркетинг - Єжова Л.Ф.

3.10. Експертні системи

Експертна система — це програма ЕОМ, що використовує знання і техніку міркувань людини-експерта. Особливість експертної системи, що принципово відрізняє її від інших людино-машинних систем, полягає у наявності в її складі підсистеми пояснення.

Підсистема пояснення відповідає на питання «як» і «чому», система підводить кінцевого користувача до того або іншого висновку. Наявність підсистеми пояснення задовольняє природну вимогу впевненості користувача в своїх діях. Без підсистеми пояснення можливі дві однаково неприйнятні альтернативи:

  • ігнорування ЕОМ внаслідок недовіри до отриманих результатів;
  • абсолютна впевненість, що рішення, прийняті ЕОМ, завжди правильні і, як наслідок, перенесення відповідальності за наслідки прийнятих рішень на математиків та ЕОМ.

В експертних системах використовуються моделі, побудовані на спеціальних формалізмах штучного інтелекту, звані логіко-лінгвістичними.

Оскільки експертні системи орієнтовані на знання та маніпуляцію з ними, то можна сказати, що з’явився новий вид моделювання — моделювання пізнавальної діяльності [95], що має широкий спектр застосування, в тому числі в області наукових досліджень. Характерні етапи наукових досліджень:

  • збирання та обробка початкових емпіричних даних;
  • математична і логіко-теоретична обробка даних з метою виявлення нових фактів, об’єктивна істинність яких має як теоретичне, так і емпіричне обґрунтування;
  • побудова на основі узагальнення наукових фактів нових теорій, що відображають фундаментальні відносини і зв’язки досліджуваних процесів і явищ.

Якщо перший етап наукових досліджень автоматизовано досить повно за рахунок застосування систем обробки даних, використання баз даних і систем управління базами даних, а також документальних і фактографічних інформаційно-пошукових систем, то з автоматизацією другого і третього етапів ситуація складніша. Вирішальне значення при цьому мають математичне моделювання та обчислювальний експеримент. Це стосується наук, де можна побудувати математичні моделі. У таких науках, як медицина, біологія, геологія, хімія тощо, діяльність учених на цих етапах залишається неавтоматизованою. Ось чому такої популярності набули експертні системи, що вирішують задачі моделювання пізнавальної активності саме в таких областях науки.

Пізнавальна активність передбачає, що експерти здатні:

  • накопичувати знання;
  • узагальнювати знання;
  • усвідомлювати і виявляти проблеми;
  • застосовувати думки для вирішення проблем, робити правдоподібні висновки за неповної інформації;
  • виправдовувати свою поведінку і пояснювати свої думки;
  • взаємодіяти з іншими людьми і тим самим накопичувати знання;
  • реконструювати та реорганізовувати свої знання;
  • розуміти не тільки «букву», але й «дух» правил, використовуваних у процесі думок і поведінки (звідси випливає використання часом винятків із правил, свідоме і несвідоме порушення їх);
  • визначати, чи знаходиться проблема на межі їх компетентності, зобов’язані вони вирішувати ту або іншу проблему чи ні.

Як системи, орієнтовані на знання, експертні системи здатні реалізувати перші дві властивості, четверта властивість реалізовується як видача рекомендацій у діалоговому режимі. Третя властивість — це прерогатива людини. П’ята властивість реалізовується тільки в експертній системі підсистемами пояснення і довіри. Сьома властивість може бути реалізована розробниками експертної системи, інші — користувачами.

Експертні системи можуть виконувати такі функції:

  • інтерпретація даних з метою визначення їх значення;
  • діагноз або визначення стану технічних і біологічних систем на основі інтерпретації даних;
  • контрольні спостереження (моніторингові системи) або неперервна інтерпретація даних у реальному масштабі часу критичних станів об’єктів;
  • прогнозування розвитку майбутнього на основі моделювання теперішнього і минулого;
  • планування і розроблення заходів і дій для досягнення поставлених цілей;
  • проектування або вироблення чітких вказівок щодо побудови об’єктів, які відповідають поставленим вимогам.

З погляду моделювання пізнавальної активності і теорії експертних систем дещо в іншому, ширшому аспекті виступає поняття нових інформаційних технологій. Експертні системи приводять до масової електронної технології представлення, накопичення, використання і передачі знань.

Друковані видання, в яких накопичені знання, як системи представлення знань пасивні за своєю суттю. Перш ніж застосувати ці знання, необхідно спочатку знайти їх, зробити інтерпретацію для розв’язання певних проблем. Надто негнучкими є книги для оновлення і представлення нових знань. Комунікативні процеси передачі знань іншим людям за допомогою книг також негнучкі.

Створення експертних систем не може здійснюватися за звичайною схемою: замовник—виконавець, коли відповідно до технічного завдання розробник-виконавець здає замовнику готову для експлуатації систему. Це неможливо, тому що знання, якими має бути заповнена конкретна експертна система, знаходяться у замовника, а не у виконавця.

Організація-виконавець (розробник) за допомогою спеціальних інструментальних засобів створює так звану порожню експертну систему, або метасистему, орієнтовану на певну проблему або на один із класів експертних систем. Заповнення знаннями «порожньої» системи здійснюється безпосередньо у замовника спеціальними інженерами по знаннях, що входять до організації-розробника або до організації-замовника. Інженери по знаннях повинні, з одного боку, бути цілком компетентними в теорії експертних систем, а з іншого — знати предметну область і вміти працювати з експертами, щоб перетворювати їх знання на формалізми даної експертної системи. Для формалізації знань з текстів і з інтерв’ю з експертами розроблено спеціальні мови.

Інструментальні системи по суті є експертними системами для створення експертних систем. Природним розширенням цього стало створення експертних систем для програмування (системного і прикладного).

Розподілені експертні системи. Розподілені системи штучного інтелекту, створені з окремих систем, необхідні при багатоаспектному діагнозі розпізнавання властивостей складних об’єктів, коли важлива взаємодія окремих фахівців у процесі розпізнавання і формування плану дій.

Розподілені експертні системи можуть бути реалізовані на одному багатотермінальному обчислювальному комплексі або на мережах ЕОМ.

Гібридні експертні системи. Від традиційних експертних систем, заснованих на логіко-лінгвістичних моделях, гібридні експертні системи відрізняються широким використанням і математичних моделей.

Традиційно автоматизовані системи проектування, планування і наукових досліджень будуються на математичних моделях. Але в них неможливо врахувати неформальні специфічні знання проектувальників, плановики, дослідників тощо. Тому таким важливим є об’єднання математичних моделей з логіко-лінгвістичними.

Узагальнені прикладні інтелектуальні системи. Узагальнені прикладні інтелектуальні системи можна розглядати як розрахунково-логічні системи, доповнені експертними підсистемами або як розподілені експертні системи із сильною обчислювальною компонентою.

Усі види інтелектуальних систем можуть реалізовуватися на персональних ЕОМ. Це потрібно для отримання первинних результатів застосування інтелектуальних систем і для накопичення досвіду. Величезний інтерес до експертних систем зумовлений трьома причинами:

  • експертні системи орієнтовані на вирішення широкого кола задач у галузях, що раніше не формалізувалися і вважалися малодоступними для використання ЕОМ;
  • експертні системи призначені для вирішення задач у діалоговому режимі з фахівцями (кінцевими користувачами), від яких не вимагається знання програмування. Це різко розширює сферу використання обчислювальної техніки, яка в режимі експертних систем виступає як інструмент підтримки пам’яті фахівця і посилення його здібностей до логічного висновку;
  • фахівець, що використовує експертну систему при вирішенні своїх задач, може досягати, а іноді й перевершувати за результатами можливості експертів у даній царині знань, що дає змогу різко підвищити кваліфікацію рядових фахівців за рахунок акумуляції знань в експертній системі, в тому числі знань експертів вищої кваліфікації.

З усіх задач, що вирішуються за допомогою експертних систем, виділимо такі:

Ранг

Сфера застосування

1

Проектування експертних систем

2

Медичний діагноз і консультації щодо лікування

3

Консультації і надання допомоги користувачеві за рішенням задач у різних предметних областях (у тому числі з питань забезпечення доступу користувача-непрограміста до баз даних)

4

Автоматизація програмування, перевірка та аналіз програмного забезпечення

5

Проектування надвеликих інтегральних схем Навчання в різних предметних областях

6

Технічна діагностика і вироблення рекомендацій з ремонту обладнання

7

Планування в різних предметних областях Аналіз інтерпретації даних у різних предметних областях, статистичний аналіз

8

Інтерпретація даних і планування експерименту в ході наукових досліджень у різних сферах

9

Управління проектуванням, технологічними процесами і промисловим виробництвом Аналіз і синтез електронних схем і ЛОМ Формування математичних понять, перетворення математичних виразів

  • Експертна система включає базу знань, розв’язувальний блок, підсистему спілкування, підсистему пояснень і підсистему накопичування знань.

Через підсистему спілкування з експертною системою пов’язані: кінцевий користувач — непрограмуючий фахівець; експерт — кваліфікований фахівець, досвід і знання якого набагато перевершують знання і досвід пересічного кінцевого користувача; інженер по знаннях, що володіє мовами опису знань.

З експертною системою на етапі наповнення знань працюють інженер по знаннях та експерт, а на етапі експлуатації і використання — кінцевий користувач. Знання, якими має бути заповнена експертна система, включають знання першого і другого роду.

Знання першого роду — це загальнозначущі факти, явища, закономірності-істини, визнані в даній предметній області і зафіксовані в книгах, статтях, довідниках і тощо. Знання другого роду — емпіричні правила, інтуїтивні міркування і факти, які, як правило, не публікуються, але які дають можливість досвідченому експерту ефективно приймати рішення навіть в умовах неповних і суперечливих початкових даних.

Знання в експертній системі фіксуються в базі знань, в якій умовно можна виділити інтенсиональну та екстенсиональну (власне базу даних) частини.

У складних експертних системах підсистема пояснення може бути перетворена на добре відому в дослідженні операцій систему аналізу рішень [57]. Крім підсистем пояснення, в експертних системах набувають розвитку спеціальні підсистеми довіри.

Знання поділяються на декларативні та процедурні, що утворюються внаслідок здійснення процедур (алгоритмів, програм, аналітичних перетворень) над фактами як початковими даними.

Успіх в реалізації експертних систем тим більший, чим більша питома вага знань першого роду щодо знань другого роду. Якщо переважають знання другого роду, то мають місце такі ситуації:

  • експерт не може чітко сформулювати правила прийняття рішень;
  • експерт просто не бажає передавати будь-кому свої знання, методи і правила, зберігаючи за собою статус унікального фахівця;
  • у досліджуваній предметній області важко знайти експерта.

Певним рішенням цих труднощів є використання підсистеми накопичення знань, що дає змогу в автоматичному або напівавтоматичному режимі формувати емпіричну залежність з неповних даних. Підсистема накопичення знань повинна зі знань другого роду будувати знання першого роду, породжувати теорію і потім виводити нові факти. Ідея такого підходу заснована на принципах індуктивного узагальнення в інтерактивному навчанні. Отже, має місце принципово новий підхід до розроблення експертних систем.

Можна виокремити такі класи експертних систем:

  • діагностувальні системи (найвідоміший приклад цього класу — медичні діагностувальні системи);
  • системи моніторингу, коли діагностика та інтерпретація відбуваються в реальному масштабі часу, коли здійснюється сигналізація про вихід параметрів об’єкта стеження за припустимі межі;
  • прогнозувальні системи оцінюють майбутнє на основі моделей минулого і теперішнього часу і здійснюють роботу з гіпотетичними світами майбутнього;
  • планувальні системи забезпечують прийняття рішень щодо оптимального розподілу ресурсів і календарного планування;
  • системи для проектування допомагають не тільки приймати проектні рішення, але й дають змогу виявити мотиви прийняття їх через систему пояснення;
  • системи для управління суміщують у собі системи планування та проектування, а в ланцюгу зворотного зв’язку використовуються діагностувальні та інтерпретувальні системи;
  • системи для навчання близькі до систем для управління, однак можуть бути обернені за своїм функціонуванням; у цьому випадку користувач спочатку здійснює діагностування та інтерпретацію, а потім використовує блоки планування або проектування для впливу на об’єкт управління; далі знову здійснює діагностування та інтерпретацію і використовує інтерпретувальні системи, які близькі до діагностувальних.

З необхідністю інтерпретації ми постійно стикаємося, якщо за даними (в тому числі експериментальними) потрібно встановити властивості об’єкта.



 

Created/Updated: 25.05.2018