Выбор инструментальных средств реализации экспертной системы

На этапе реализации экспертной системы происходит физическое наполнение базы знаний и настройка всех программных механизмов в рамках выбранного инструментального средства, а при необходимости и допрограммирование специализированных модулей программного инструмента.

Особенности реализации экспертной системы во многом определяются характером инструментального средства, в качестве которого могут выступать программные оболочки (shells), генераторы (интегрированные среды), языки представления знаний (языки программирования). Так, оболочки имеют реализованные механизмы вывода, накопления, объяснения знаний, диалоговый компонент, что, с одной стороны, упрощает разработку программной части экспертной системы, поскольку не требуется программирование, а с другой стороны, усложняет разработку базы знаний вследствие возможного несоответствия формализма системы требованиям структуры. Использование языков представления знаний (таких, как язык логического программирования PROLOG, язык функционального программирования LISP, язык объектно-ориентированного программирования SmallTalk, язык продукционных правил GPSS и др.) повышает гибкость разрабатываемой системы но при этом увеличивает трудоемкость разработки.

Наиболее приемлемыми инструментальными средствами для создания экспертных систем являются генераторы или интегрированные среды разработки, например, G2 (фирма Gensym, дистрибьютор фирма "ArgusSoft"), ART-Enterprise (фирма Inference, дистрибьютор фирма "Метатехнология"), GURU (фирма MDBS, дистрибьютор фирма "ЦПС Тверь"), которые позволяют настраивать программные средства на особенности проблемных областей, при необходимости предоставляют возможность программирования на встроенных языках четвертого поколения и осуществлять эффективный экспорт/импорт данных с другими инструментальными средствами [33].

Инструментальные средства создания и поддержки экспертных систем являются дорогостоящими продуктами и стоят от нескольких тысяч до десятков тысяч долларов. Однако для готовых баз знаний инструментальные средства могут поставляться в исполнительской версии (RUN-TIME) по цене на порядок дешевле.

Цена предметно-ориентированных систем может быть на порядок выше универсальных, преимущество которых заключается в более простой адаптации к конкретной предметной области, а следовательно, и в уменьшении затрат на разработку. Например, интеллектуальная система для разработки финансовых приложений Cogensys Judgment Software (Cogensys Corp) стоит около 200 тыс. долл.

Среди специализированных инструментальных средств интеллектуальных информационных систем основной удельный вес занимают экспертные системы реального времени, позволяющие динамически управлять непрерывными процессами (70 % рынка). Бесспорным лидером в разработке экспертных систем реального времени является фирма Gensym с инструментальным средством G2 (дистрибьютор в России – фирма ArgusSoft), имеющая внедрения в таких компаниях, как IBM, NASA, General Electric, Nissan и др. [33]. На базе G2 созданы такие проблемно-ориентированные комплексы, как GDA для решения задач диагностики, ReThink для моделирования бизнес-процессов (бизнес-реинжиниринг), NeurOnline для поддержки нейронной сети, IPS для решения задач динамического планирования, FaultExpert для управления телекоммуникациями и др

В процессе создания экспертной системы инструментальные средства могут сменять друг друга по мере расширения базы знаний. Так, на этапе проектирования прототипа требуется его быстрая разработка в ущерб производительности, в то время как на этапе разработки промышленной версии на первый план выходит обеспечение эффективности функционирования.

На выбор инструментальных средств экспертной системы, в основе которых лежит определенный метод представления знаний, основное влияние оказывает класс решаемых задач (проблемных областей) и соответственно характер полученной концептуальной модели, определяющий множество требований в части отображения объектов, действий над объектами, методов обработки неопределенностей, механизмов вывода.
В табл. 2.5 [33] проранжированы методы представления знаний в зависимости от класса решаемых задач.

 

 

Таблица 2.5

Описание метода представления знаний	Классы решаемых задач
Интерпретация	Диагно-стика	Прогно-зирование	Проектирование	Плани-рование
Описание объектов:
Предикаты
Правила
Семантическая сеть
Фреймы(Объекты)
Действия:
Предикаты
Правила
Сообщения
Процедуры
Неопределенность:
Неполнота
Нечеткость
Многозначность
Недостоверность
Вывод:
Прямая цепочка
Обратная цепочка
Объект.ориентирован.
Гипотетический вывод
Обработка времени
Доска объявлений

 

Инструментальные средства характеризуются определенными возможностями по реализации вышеуказанных требований. В табл. 2.6. представлено использование программными средствами различных методов представления знаний [5], [8], [33].

 

 

Таблица 2.6

Описание метода представления знаний	Программные инструментальные средства (фирма)
ЭКО (ArgusSoft)	GURU (MDBS)	Nexpert Object (Neuron Data)	LEVEL-5 (Level Co)	ART Enterprise (Inference)	G2 (Gensym)
Описание объектов:
Семантическая сеть						*
Объекты (Фреймы)			*	*	*	*
Предикаты						*
Правила	*	*	*	*	*	*
Действия:
Правила	*	*	*	*	*	*
Сообщения			*	*	*
Предикаты						*
Процедуры	*	*	*	*	*	*
Неопределенность:
Наследование свойств			*	*	*	*
Коэф.уверенности.		*		*	*	*
Нечетные множества		*		*	*
Условная вероятность	*
Вывод:
Прямая цепочка		*	*	*	*	*
Обратная цепочка	*	*	*	*	*	*
Объект.ориентирован.			*	*	*	*
Гипотетический вывод					*	*
Обработка времени				*		*
Доска объявлений						*

 

Сущность алгоритма выбора инструментальных средств сводится к наложению требований проблемной области на возможности инструментальных средств и определению наилучших по заданным ограничениям (табл. 2.7).

Таблица 2.7

Класс решаемых задач	Программные инструментальные средства
ЭКО	GURU	Nexpert Object	LEVEL-5	ART Enterprise	G2
Интерпретация
Диагностика
Прогнозирование
Проектирование	-	-
Планирование	-	-