Категории экспертных систем

Первая категория - системы интерпретации,что означает получение разумных выводов на основании исходных данных. Примером ЭС такой категории служит система DENDRAL. Ее проблемная область - химический анализ. Если анализируется неизвестный химикат, обычно сложная молекула органического соединения, причем анализ производится посредством стандартных аналитических методов (спектроскопия и магнитный резонанс), на выходе получаются спектральные графы с сотнями отдельных вершин.

Каждая вершина сигнализирует о том или ином свойстве анализируемой молекулы. Интерпретировать эти графы чрезвычайно трудно, если молекула достаточно сложна. ЭС выполняет процесс рассуждения и решает, какая молекула могла дать такие спектры, а затем выдает список молекул, упорядоченный по убыванию степеней вероятности, в качестве возможного ответа. Программа работает подобно опытному химику.

Еще один пример – система PROSPECTOR. Геолог может описать программе характеристики исследуемой минеральной формации, система же будет задавать соответствующие ситуации вопросы и даст заключение о том, какие минералы могут находится в данном месторождении.

Это примеры программ интерпретации, которые используют прямую цепочку рассуждений. Далее будут приведены примеры программ, применяющих обратную цепочку рассуждений или обе стратегии для решения одной глобальной проблемы.

Следующая категория - системы диагностики и ремонта. Программы этого типа в основном используются в медицине. Наиболее ранняя ЭС такого рода -MYCIN, помогающая врачу диагностировать (и лечить) заболевания крови. Подобные системы применяются и в иных целях, например при ремонте электрического оборудования.

Военные проявляют большой интерес к ЭС диагностики, поскольку их применение позволило бы производить ремонт сложного оборудования персоналу с невысокой квалификацией. Да и в повседневной жизни аналогичные проблемы возникают часто, например при починке автомобиля.

ЭС этой категории иногда называют программами классификации, потому что диагностика и классификация в сущности одно и то же. Например, программа диагностики неисправностей в автомобиле, как правило, имеет свои критерии поломок для машины. Она осуществляет "опрос" и "предписывает" тесты, пока не установит неисправность путем классификации соответствующих признаков, например: а) слабый аккумулятор; б) засорились топливные форсунки; в) засорился топливный фильтр; г) разбит водяной насос и т.п.

Программы диагностики и ремонта обычно используют обратную цепочку рассуждений.

Системы планирования и проектирования, несмотря на различие этих видов деятельности, на уровне программ сходны. Они осуществляют компоновку последовательностей действий или наборов объектов для решения той или иной проблемы. Одна из ранних ЭС такого типа SYNCHEM помогала выполнять некоторые операции при синтезе сложной молекулы органического соединения. Чтобы получить что-то действительно сложное, как, например, молекулу органики, необходимо выполнить в определенной последовательности множество операций - реакций. Данная система располагает знаниями о приемлемых дешевых исходных материалах для реализации последовательности химических реакций. Программа знает также об условиях протекания реакций, о возможных результатах и даже о трудности разложения химиката, полученного из нежелательных примесей и побочных продуктов.

Как правило, существует много способов получения данного синтезированного химиката, причем не всегда ясно, чем один способ лучше другого. Химик исследует наиболее приемлемую последовательность реакций, а не наилучшую из всех последовательностей. На основе своих внутренних критериев ЭС выдает ту последовательность, которую она считает оптимальной. Однако если химик отвергает ее по причинам, не предусмотренным в программе, система выдает следующую последовательность реакций, затем еще одну и т.д., пока не будет получена та, которая удовлетворит и человека, и компьютер.

Задачи проектирования сходны с задачами планирования в том, что в них компонуется некий набор первичных элементов (объектов). Примером ЭС, предназначенной для решения таких задач, может служить ХСОN - система, разработанная фирмой DЕС для подбора конфигурации компьютера VАХ. Ежегодный объем продаж этих компьютеров очень велик. Каждый заказ имеет свои индивидуальные особенности. Заказчики могут выбирать различные варианты программного и аппаратного обеспечения. Кроме того, аппаратное и программное обеспечение не является независимым. Иногда выбор одного варианта ограничивает применение других возможных вариантов. К примеру, определенная операционная система требует минимальной емкости памяти.

Для любого заказа необходимо составить детальный и последовательный (непротиворечивый) список, который должен охватывать все желания клиента. Эта важная работа трудна и утомительна для человека. В качестве вспомогательного средства и была разработана ЭС ХСОN. В настоящее время подбор конфигурации компьютера VАХ осуществляется подобным способом. Экономия при внедрении ХСОН по сообщению DЕС составляет 18 млн. дол, ежегодно.

Программы планирования и проектирования, как правило, используют прямую цепочку рассуждений. Исторически сложилось так, что ЭС первых трех категорий появились ранее остальных.

Системы управления и контроля. Традиционные методы позволяют весьма эффективно осуществлять управление и контроль, и лишь недавно в данной сфере стали применяться ЭС. Системы управления и контроля, как правило, связаны с большими массивами вводимых и выводимых элементов, которые, в свою очередь, образованы некоторым сложным устройством или системой. Цель управления и контроля заключается в автоматическом поддержании работы устройства оптимальным образом. ЭС применяются в тех случаях, когда проблемная область управления непроста и изменчива, так что необходим процесс рассуждений для выяснения требуемых мер контроля. В этом и состоит отличие подобных программ от обычных, где просто используется какой-либо алгоритм.

Подобные ЭС в настоящее время находят применение для целей контроля на атомных и крупных электростанциях, а также на новейших реактивных (военных) самолетах в качестве интерфейса между пилотом и системой управления полетом. На таких самолетах ЭС необходима, чтобы помочь самолету "выжить" в случае повреждения системы управления и перейти на оставшиеся средства управления. Простейший способ достижения этой цели – использовать возможности вывода ЭС.

Множество систем управления и контроля предполагается применять в проектах Стратегической оборонной инициативы (СОИ) для создания спутников, которые, как предполагается, должны сбивать вражеские ракеты на подлете к объектам. Рассуждения о том, какую цель выбрать, как избежать ловушек и как приспособиться к быстро изменяющейся ситуации, должны производиться мгновенно. Выполнение операций подобного вида требует чрезвычайно высокого быстродействия и высокого уровня машинного интеллекта. Вопрос о том, возможна ли практическая реализация ЭС в этой области, остается открытым.

Программы управления и контроля используют как прямую, так и обратную цепочку рассуждений.

Кроме рассмотренных выше четырех категорий ЭС, следует упомянуть еще две, которые, возможно, приобретут первостепенное значение в будущем:

прогнозирующие системы, способные, например, предсказать виды на урожай на основе спутниковых данных или колебания цен в следующем квартале;

экспертные системы обучения могут построить и непрерывно обновлять компьютерную модель того, что знает и чего не знает учащийся, причем режим обучения будет строиться на основе именно такой модели.

ЭС классифицируются также по поколениям:

первое (решение задач с помощью правил "если..., то...");

второе (умение обучаться, развиваться самостоятельно).

Компьютерные системы, которые могут лишь повторить логический вывод эксперта, принято относить к ЭС первого поколения. Однако специалисту, решающему интеллектуально сложную задачу, явно недостаточно возможностей системы, которая лишь имитирует деятельность человека. Ему нужно, чтобы ЭС выступала в роли полноценного помощника и советчика, способного проводить анализ нечисловых данных, выдвигать и отбрасывать гипотезы, оценивать достоверность фактов, самостоятельно пополнять свои знания, контролировать их непротиворечивость, делать заключения на основе прецедентов и, может быть, даже порождать решения новых, ранее не рассматривавшихся задач. Наличие таких возможностей является характерным для ЭС второго поколения. Экспертные системы, относящиеся ко второму поколению, называют партнерскими, или усилителями интеллектуальных способностей человека. Их общими отличительными чертами является умение обучаться и развиваться, т.е. эволюционировать.

 

Для сопоставления возможностей ЭС первого и второго поколения рассмотрим их основные черты, которые отображает структура ЭС.

Они могут быть разбиты на следующие классы:

представление знаний;

механизм вывода;

интерфейс пользователя;

объяснение полученных результатов;

приобретение знаний и обучение.

 

Ограничения, присущие ЭС первого поколения, состоят в следующем.

 

Представление знаний:

· функционирование системы осуществляется только на основе знаний, полученных от эксперта. Опыт, приобретаемый ею в процессе эксплуатации, не накапливается и не применяется;

· используется какая-либо одна модель представления знаний: продукции, семантические сети или фреймы;

· метода представления знаний позволяют описывать лишь статические предметные области;

· модели представления знаний ориентированы на относительно простые и хорошо структурированные области;

· отсутствуют знания о границах области компетентности системы, за пределами которой система оказывается неработоспособной;

· существует большое количество не выраженных явно сведений, "скрытых" в структурах представления знаний. Это обусловлено тем, что не все допущения и предположения эксперта нашли отражение в модели предметной области, включенной в систему.

 

Механизм вывода:

· получение новых заключений с помощью вывода на знаниях, т. е. на основе парадигмы "знания + вывод";

· реализация вывода только при условии полноты знаний и данных;

· неумение проводить вывод с учетом связи объектов или фактов в пространстве и во времени;

· скачкообразная потеря способности экспертной системы находить решения даже при незначительном выходе задач за пределы области ее компетентности;

· неспособность найти приближенный ответ, если для вывода точного решения нет всех требуемых данных или отсутствуют подходящие правила вывода (как, например, при попытке решить нестандартную задачу); несоответствие схемы вывода ЭС схеме рассуждений эксперта;

· использование в структуре управления выводам общих принципов, не полностью отражающих специфику решаемых задач;

· отсутствие имитации процессов, протекающих в предметной области, что не позволяет задавать системе вопросы вида "Что будет, если...".

Интерфейс пользователя:

· отсутствие средств настройки на конкретного пользователя;

· жесткость диалога - ответы пользователя должны быть представлены в строго определенном виде и формате;

· сведения, получаемые ЭС от пользователя в процессе экспертизы, не запоминаются, поэтому если они потребуются в следующем сеансе работы, то их придется вводить заново;

· несогласованность вопросов, задаваемых системой пользователю в процессе проведения экспертизы: хотя каждый вопрос в отдельности вполне логичен, в их последовательности может отсутствовать целенаправленность;

· избыточность совокупности вопросов экспертной системы, адресованных пользователю, обусловленная тем, что при ее разработке не были выявлены взаимосвязи между данными, требующимися для получения решения и позволяющими построить для каждой экспертизы оптимальную серию вопросов.

 

Объяснение полученных результатов:

· механистичность построения объяснений, формируемых путем объединения аргументации, которая содержится в каждом из примененных правил. Это не позволяет регулировать степень обобщенности выдаваемых объяснений в соответствии с пожеланиями пользователя;

· несовершенство механизма объяснения полученного решения, состоящего в том, что пользователь получает либо тривиальную аргументацию, либо она не покрывает всех его потребностей.

 

Приобретение знаний и обучение:

· пополнение знаний системы и контроль их непротиворечивости "вручную";

· обязательность приведения знаний эксперта к виду, который требует модель представления знаний в данной ЭС;

· несовпадение структуры знаний о предметной области в ЭС с их, организацией у эксперта. Это приводит к появлению "пробелов" в знаниях ЭС и, как следствие, к тому, что найденные ею решения могут несколько отличаться от решений эксперта;

· отсутствие способности к обучению.

Перечисленные ограничения ЭС первого поколения вызывают необходимость создания более совершенных и эффективных систем, которые относятся ко второму поколению.

 

Представление знаний:

· используются не поверхностные знания в виде эвристических правил, как в ЭС первого поколения, а глубинные, представляющие собой теории предметных областей (аналогичные естественнонаучным теориям) и общие стратегии решения проблем. При столкновении ЭС с новой для нее проблемой она может на основе общих принципов такой теории очертить контуры решения или определить конкретные знания, которые необходимо привлечь для получения точного решения;

· знания организованы в виде составных иерархических представлений, включающих сети фреймов, продукции и логические модели;

· система имеет не только модель предметной области, но и модель самой себя, что позволяет ей эффективно определять границы своей компетентности;

· одним из компонентов ЭС является база данных с неполной информацией;

· ЭС может решать задачи из динамических предметных областей, т.е. областей, знания о которых могут изменяться непосредственно в процессе вывода (в том числе и в результате действий самой ЭС);

· система включает средства для одновременной работы с несколькими моделями предметной области, отличающимися друг от друга уровнями детальности.

Механизм вывода:

· замена принятого в ЭС первого поколения вывода решения на его обоснование, т.е. вместо дедукции используется аргументация, что более свойственно человеческим рассуждениям. При обосновании решения основной операцией становится поиск аргументов, подтверждающих утверждение, которое система должна доказать или опровергнуть. Таким образом, в ЭС второго поколения осуществлен переход от парадигмы "знания + вывод" к парадигме "знания + аргументация";

· сочетание достоверного (дедуктивного) и правдоподобного вывода, т.е. вывода, в котором каждому получаемому заключению присваивается некоторый вес, характеризующий степень его достоверности. Решатель ЭС второго поколения построен по принципу "правдоподобный вывод + достоверный вывод";

· способность системы по мере необходимости ослаблять или усиливать в задаче принятые допущения;

· наличие помимо свойственного ЭС первого поколения дедуктивного вывода средств для реализации индуктивного (от частного к общему) и абдуктивного (от частного к частному) выводов, а также проведения немонотонных рассуждений, в процессе которых поступившие факты иногда изменяют истинность выведенных ранее заключений. Кроме того, системы второго поколения могут обрабатывать в процессе вывода временные и пространственные закономерности.

Интерфейс пользователя:

· ЭС включает модель пользователя, которая дает возможность организовать взаимодействие с ним в оптимальной форме, т.е. в форме, при которой решение задачи будет получено за минимальное время. В такой модели учитываются особенности работы конкретного пользователя, специфика решаемых им задач и типичные для него сценарии диалога.

Приобретение знаний и обучение:

· имеются средства управления процессом наполнения ЭС знаниями и настройки на предметную область, позволяющие выбирать модель представления знаний, в наибольшей степени соответствующую структуре знаний эксперта;

· ЭС располагает средствами автоматического обнаружения закономерностей. Это означает, что она может получать знания не только от эксперта, но и самостоятельно извлекать их из базы данных путем выдвижения гипотез и построения их обоснований, т.е. обучаться на примерах;

· система способна анализировать имеющиеся у нее знания, обнаруживая противоречия между старыми знаниями и вновь полученными от эксперта или выведенными эмпирически, устанавливать факт их неполноты или ошибочности. Для разрешения противоречий или при необходимости получить недостающие данные система по собственной инициативе обращается к пользователю. В этом проявляется одно из важнейших свойств ЭС второго поколения - их активность.

 

Отделение знаний от структур управления

Итогом 20-летнего опыта работы с ЭС явились некоторые основные принципы их проектирования. Один из наиболее важных принципов состоит в том, что правила, которые несут проблемные знания, должны содержаться отдельно от механизмов или правил, воплощающих механизм вывода. Это обусловлено двумя причинами.

1. Если сходные группы объектов объединяются вместе, то легче найти правила, согласно которым выполняются определенные виды работ в системе, и при необходимости изменить, уничтожить или добавить.

2. Если все проблемные знания хранятся отдельно от правил вывода, то легче повторно использовать имеющийся проект ЭС для создания новых систем. В действительности многие программы были созданы на основе существующих систем, где были удалены проблемные знания, а затем установлены новые проблемные знания, соответствующие решаемой проблеме. Экспертная система с удаленными проблемными знаниями называется оболочкой. Оболочки стали очень выгодным программным продуктом.