Переваги використання експертних систем

Виникає питання: " Навіщо розробляти експертні системи? І чи не краще звернутися до людського досвіду, як це було в минулому? ". Відзначимо лише основні переваги, що дає використання ЕС. Перевагами і позитивними якостями штучної компетенції є:

1) Її сталість. Людська компетенція слабшає згодом. Перерва в діяльності людини-експерта може серйозно відбитися на його професійних якостях.

Рис. 11.3

2) Легкість передачі або відтворення. Передача знань від однієї людини іншій — довгий і дорогий процес. Передача штучної інформації — це простий процес копіювання програми або файлу даних.

3) Стійкість і відтворюваність результатів. Експерт-людина може приймати в тотожних ситуаціях різні рішення через емоційні фактори. Результати ЕС — стабільні.

4) Вартість. Експерти, особливо висококваліфіковані обходяться дуже дорого. ЕС, навпаки, порівняно недорогі. Їхня розробка дорога, але вони дешеві в експлуатації.

Разом з тим розробка ЕС не дозволяє цілком відмовитися від експерта-людини. Хоча ЕС добре справляється зі своєю роботою, проте у визначених областях людська компетенція явно перевершує штучну. Однак і в цих випадках ЕС може дозволити відмовитися від послуг висококваліфікованого експерта, залишивши експерта середньої кваліфікації, використовуючи при цьому ЕС для посилення і розширення його професійних можливостей.

11.4 Особливості побудови й організації експертних систем

Основою будь-який ЕС є сукупність знань, структурована з метою спрощення процесу ухвалення рішення. Для фахівців в області штучного інтелекту термін знання означає інформацію, що необхідна програмі, щоб вона поводилася " інтелектуально". Ця інформація приймає форму фактів і правил. Факти і правила в ЕС не завжди або істинні або помилкові. Іноді існує деякий ступінь непевності у вірогідності факту або точності правила. Якщо цей сумнів виражений явно, то воно називається " коефіцієнтом довіри ".

Коефіцієнт довіри — це число, що означає імовірність або ступінь впевненості, з яким можна вважати даний факт або правило достовірним або справедливим.

Багато правил ЕС є евристиками, тобто емпіричними правилами або спрощеннями, що ефективно обмежують пошук рішення. ЕС використовують евристики, тому що задачі, що вона вирішує, важкі, не до кінця зрозумілі, не піддаються строгому математичному аналізові або алгоритмічному рішенню. Алгоритмічний метод гарантує коректне або оптимальне рішення задачі, тоді як евристичний метод дає прийнятне рішення в більшості випадків.

Знання в ЕС організовані так, щоб знання про предметну область відокремити від інших типів знань системи, таких як загальні знання про те, як вирішувати задачі або знання про те, як взаємодіяти з користувачем. Виділені знання про предметну область називаються базою знань, тоді як загальні знання про перебування рішень задач називаються механізмом виведення. Програмні засоби, що працюють зі знаннями, організованими таким чином, називаються системами, заснованими на знаннях.

БЗ містить факти (дані) і правила (або інші представлення знань), що використовують ці факти як основу для прийняття рішень. Механізм висновку містить:

· інтерпретатор, що визначає як застосовувати правила для висновку нових знань на основі інформації, що зберігається в БЗ;

· диспетчер, що встановлює порядок застосування цих правил.

Такі ЕС одержали назву статичних ЕС. Ці ЕС використовуються в тих ситуаціях, коли можна не враховувати зміни навколишнього світу за час рішення задачі. Однак існує більш високий клас застосувань, де потрібно враховувати динамічні зміни навколишнього світу за час виконання застосування.

Такі експертні системи одержали назву динамічних ЕС. У порівнянні зі статичною ЕС у динамічну вводиться ще два компоненти:

· підсистема моделювання зовнішнього світу;

· підсистема сполучення з зовнішнім світом.

Динамічні ЕС здійснюють зв'язок з зовнішнім свіітом через систему контролерів і датчиків. Крім того компонента БЗ і механізму виведення істотно змінюються, щоб відбити тимчасову логіку подій, які відбуваються в реальному світі.

До розряду таких динамічних середовищ розробки ЕС відноситься сімейство програмних продуктів фірми Gensym Corp. (США). Один з таких продуктів система G2 – базовий програмний продукт, що представляє собою графічне, об'єктно-орієнтоване середовище для побудови і супроводу експертних систем реального часу, призначених для моніторингу, діагностики, оптимізації, планування і керування динамічним процесом.

11.5 Основні режими роботи експертних систем

У роботі ЕС можна виділити два основних режими: режим придбання знань і режим рішення задачі (режим консультації або режим використання). У режимі придбання знань спілкування з ЕС здійснює експерт (за допомогою інженера знань).

Використовуючи компонент придбання знань, експерт описує проблемну область у виді сукупності фактів і правил. Іншими словами, " наповняє" ЕС знаннями, що дозволяють їй самостійно вирішувати задачі з проблемної області.

Відзначимо, що цьому режимові при традиційному підході до програмування відповідають етапи: алгоритмізації, програмування і налагодження, виконувані програмістом. Таким чином, на відміну від традиційного підходу у випадку ЕС розробку програм здійснює не програміст, а експерт, що не володіє програмуванням.

У режимі консультацій спілкування з ЕС здійснює кінцевий користувач, якого цікавить результат і (або) спосіб його одержання. Необхідно відзначити, що в залежності від призначення ЕС користувач може:

· не бути фахівцем у даній предметній області, і в цьому випадку він звертається до ЕС за результатом, що не вміє одержати сам;

· бути фахівцем, і в цьому випадку він звертається до ЕС з метою прискорення одержання результату, покладаючи на ЕС рутинну роботу.

Слід зазначити, що на відміну від традиційних програм ЕС при рішенні задачі не тільки виконують запропоновану алгоритмом послідовність операцій, але і сама попередньо формує її.

Добре побудована ЕС має можливість самонавчатися на розв'язуваних задачах, поповнюючи автоматично свою БЗ результатами отриманих висновків і рішень.

11.6 Відмінність експертних систем від традиційних програм

Особливості ЕС, що відрізняють їх від звичайних програм, полягають у тому, що вони повинні володіти:

1. Компетентністю, а саме:

· Досягати експертного рівня рішень (тобто в конкретній предметній області мати той же рівень професіоналізму, що й експерти-люди).

· Мати активну працездатність (тобто застосовувати знання ефективно і швидко, уникаючи непотрібних обчислень).

· Мати адекватну працездатність (тобто здатність лише поступово знижувати якість роботи з міри наближення до границь діапазону компетентності або припустимої надійності даних).

2. Здатністю до символьних міркувань, а саме:

· Представляти знання в символьному виді

· Переформулювати символьні знання. На жаргоні штучного інтелекту символ — це рядок знаків, що відповідає змісту деякого поняття. Символи поєднують, щоб виразити відносини між ними. Коли відносини представлені в ЕС вони називаються символьними структурами.

3. Глибиною, а саме:

· Працювати в предметній області, що містить важкі задачі

· Використовувати складні правила (тобто використовувати або складні конструкції правил, або велику їхню кількість)

4. Самосвідомістю, а саме:

· Досліджувати свої міркування (тобто перевіряти їхню правильність)

· Пояснювати свої дії

Існує ще одна важлива відмінність ЕС. Якщо звичайні програми розробляються так, щоб щораз породжувати правильний результат, то ЕС розроблені для того, щоб поводитися як експерти. Вони, як правило, дають правильні відповіді, але іноді, як і люди, здатні помилятися.

Традиційні програми для рішення складних задач, теж можуть робити помилки. Але їх дуже важко виправити, оскільки алгоритми, що лежать у їхній основі, явно в них не сформульовані. Отже, помилки нелегко знайти і виправити. ЕС, подібно людям, мають потенційну можливість учитися на своїх помилках.

11.7. Технологія розробки експертних систем

Технологія розробки ЕС, містить у собі шість етапів: етапи ідентифікації, концептуалізації, формалізації, виконання, тестування, дослідної експлуатації. Розглянемо більш докладно послідовності дій, які необхідно виконати на кожнім з етапів.

1) На етапі ідентифікації необхідно виконати наступні дії:

· визначення задачі, що підлягають рішенню і меті розробки,

· визначення експертів і типу користувачів.

2) На етапі концептуалізації:

· проводиться змістовний аналіз предметної області,

· виділяються основні поняття і їхні взаємозв'язки,

· визначаються методи рішення задач.

3) На етапі формалізації:

· вибираються програмні засоби розробки ЕС,

· визначаються способи представлення усіх видів знань,

· формалізуються основні поняття.

4) На етапі виконання (найбільш важливому і трудомісткому) здійснюється наповнення експертом БЗ, при якому процес набуття знань розділяють:

· на " витяг" знань з експерта,

· на організацію знань, що забезпечує ефективну роботу ЕС,

· на представлення знань у виді, зрозумілому для ЕС.

Процес набуття знань здійснюється інженером по знаннях на основі діяльності експерта.

5) На етапі тестування експерт і інженер по знаннях з використанням діалогових і пояснювальних засобів перевіряють компетентність ЕС. Процес тестування продовжується доти, поки експерт не вирішить, що система досягла необхідного рівня компетентності.

6) На етапі дослідної експлуатації перевіряється придатність ЕС для кінцевих користувачів. За результатами цього етапу можлива істотна модернізація ЕС.

Процес створення ЕС не зводиться до строгої послідовності цих етапів, тому що в ході розробки доводиться неодноразово повертатися на більш ранні етапи і переглядати прийняті там рішення.

11.8 Навчальні системи

Набуття знань реалізується за допомогою двох функцій: одержання інформації ззовні і її систематизації. При цьому в залежності від здатності системи до навчання до логічних висновків, можливі різні форми отримання знань, а також різні форми одержуваної інформації. Форма представлення знань для їхнього використання визначається всередині системи, тому форма інформації, яку вона може приймати, залежить від того, які здібності має система для формалізації інформації до рівня знань. Якщо система, що навчається, зовсім позбавлена такої здатності, то людина повинна заздалегідь підготувати все, аж до формалізації інформації, тобто чим вище здатності машини до логічних висновків, тим менше навантаження на людину.

Функції, необхідні системі, що навчається, для придбання знань, розрізняються в залежності від конфігурації системи. Надалі при розгляді систем інженерії знань передбачається, що існує система з конфігурацією, показаній на рис, 1.1, що включає базу знань і механізм логічних висновків, що використовує ці знання при рішенні задач. Якщо база знань поповнюється знаннями про стандартну форму їхнього представлення, то цими знаннями також можна скористатися. Отже, від функцій навчання потрібне перетворення отриманої ззовні інформації в знання і поповнення ними бази знань.

Рис.11.8

Можна запропонувати наступну класифікацію систем набуття знань, яка буде опиратися на здатність системи до сприйняття знань у різних форматах, які якісно розрізняються між собою і здатністю до формалізації.