Феномен экспертных систем

ЧТО ТАКОЕ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ. 3

1. ИСТОРИЯ РАЗВИТИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА.. 4

1.1. История развития искусственного интеллекта за рубежом.. 4

1.1.1. Ключевые этапы развития ИИ и становление ЭС.. 9

1.2. История развития искусственного интеллекта в России. 9

1.3. Основные направления исследований в ИИ.. 10

1.4. Перспективные направления искусственного интеллекта. 20

1.5. Различные подходы к построению современных интеллектуальных. 21

2. СТРУКТУРА ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ... 25

3. ДАННЫЕ И ЗНАНИЯ.. 27

3.1. Формы представления знаний: императивные, декларативные, комбинированные формы представления знаний. 31

3.2. Модели представления знаний. 32

3.2.1. Формальные логические модели. 32

3.2.2. Продукционная модель. 36

3.2.3.Семантические сети. 45

3.2.4.Фреймы.. 53

4. Представление и обработка нечетких знаний. 74

4.1. Подход на основе условных вероятностей (теоремы Байеса) 76

4.2. Подход с использованием коэффициентов уверенности. 81

4.3. Нечеткая логика Заде. 86

5. Методы поиска решений в сложных пространствах. 89

5.1. Методы поиска в одном пространстве. 90

5.2. Способы формализации задач. Представление задач в пространстве состояний. 93

5.3. Алгоритмы поиска решения (в пространстве состояний) 96

5.4. Эвристический (упорядоченный) поиск. 101

Библиографический список. 104

Оглавление. 105

 

Архитектура и принцип функционирования ЭС

Экспертные системы (ЭС) - первый продукт, появившийся на рынке как итог 30-летней изыскательской работы в области искусственного интеллекта (ИИ). ЭС представляют собой программы для компьютера, которые могут воспроизводить процесс решения проблемы человеком-экспертом. В настоящее время интерес к ЭС со стороны промышленности чрезвычайно возрос, поскольку они способны дать средства, стимулирующие повышение производительности труда и увеличение прибыльности производства.

Феномен экспертных систем

Экспертная система – вычислительная система, в которой представлены знания специалистов в некоторой конкретной узкоспециализированной предметной области и которая в рамках этой области способна принимать решения (решать задачи) на уровне эксперта-профессионала.

По классическому определению экспертная система (ЭС) - это программный продукт, в котором используется искусственный интеллект (ИИ) в виде типовых логических правил, содержащихся в базе знаний (БЗ), заполняемой экспертом. Работа системы построена по алгоритму, имитирующему мыслительный процесс.

Причины успешного практического использования ЭС состоят в том, что при их построении были учтены уроки предшествующих исследований в области ИИ. Эти уроки сформулированы в виде трех принципов :

1. Мощность ЭС обусловлена в первую очередь мощностью базы знаний и возможностью ее пополнения и только во вторую очередь - используемыми ею методами (процедурами).

2. Знания, позволяющие эксперту (или ЭС) получать качественные и эффективные решения задач, являются в основном эвристическими, экспериментальными, неопределенными, правдоподобными. Причина этого заключается в том, что решаемые задачи являются неформализованными или слабоформализованными. Необходимо также подчеркнуть, что знания экспертов имеют индивидуальный характер, т.е. свойственны конкретному человеку.

3. Учитывая неформализованность решаемых задач и эвристический, личностный характер используемых знаний, пользователь (эксперт) должен иметь возможность непосредственного взаимодействия с ЭС в форме диалога.

В связи с тем, что основным источником мощности 'ЭС являются знания, ЭС должны обладать способностью приобретать знания. Процесс приобретения знаний можно разделить на: 1) получение знаний от эксперта; 2) организацию знаний, обеспечивающую эффективную работу системы; 3) представление знаний в понятном системе виде. Процесс приобретения знаний осуществляется на основе анализа деятельности эксперта, решающего реальные задачи, так называемым "инженером по знаниям" (knowledge engineer).

Отметим специфику приложений ЭС по сравнению с другими приложениями ИИ и отличия приложений ИИ от систем обработки данных.

В системах ИИи в ЭС в частности решаются, как правило, неформализованные задачи, т. е. ЭС и системы ИИне отвергают и не заменяют традиционного подхода к разработке программ, ориентированного на решение формализованных задач. Следуя Ньюэллу и Саймону, к неформализованным (в их терминологии ill-structured) относятся такие задачи, которые обладают одной или несколькими из следующих характеристик:

1) задачи не могут быть заданы в числовой форме;

2) цели не могут быть выражены в терминах точно определенной целевой функции;

3) не существует алгоритмического решения задач;

4) алгоритмическое решение существует, но его нельзя использовать из-за ограниченности ресурсов (время, память).

Неформализованные задачи обычно обладают следующими особенностями:

1) ошибочностью, неоднозначностью, неполнотой и противоречивостью исходных данных;

2) ошибочностью, неоднозначностью, неполнотой и противоречивостью знаний о проблемной области и о решаемой задаче;

3) большой размерностью пространства решения, т. е. перебор при поиске решения весьма велик;

4) динамически изменяющимися данными и знаниями.

ЭС и системы ИИ отличаются от систем обработки данных тем, что в них используется символьный (а не числовой) способ представления, символьный вывод и эвристический поиск решения (а не готовое решение).

Специфика приложений ЭС по сравнению с другими системами ИИсостоит в следующем.

1. ЭС применяются для решения трудных практических (не "игрушечных") задач.

2. По качеству и эффективности решения ЭС не уступают решениям эксперта-человека.

3. Решения ЭС обладают "прозрачностью", т.е. могут быть объяснены пользователю на качественном уровне (в отличие от решений, полученных с помощью числовых алгоритмов, и в особенности от решений, полученных статистическими методами). Это качество ЭС обеспечивается их способностью рассуждать о своих знаниях и умозаключениях.

4. ЭС способны пополнять свои знания в ходе диалога с экспертом.

5. Круг задач, для решения которых используются ЭС, ограничен следующими: интерпретация символов или сигналов (составление смыслового описания по входным данным), предсказание (определение вероятных последствий наблюдаемых ситуаций), диагностика (определение нарушений /заболеваний по симптомам), планирование действий, конструирование конфигураций объектов по заданным ограничениям, контроль (сравнение наблюдаемого поведения с планируемым), отладка (нахождение и устранение неисправностей), исправление (устранение неисправностей), инструктаж, управление поведением системы (интерпретация, предсказание, исправление, контроль ).

 

Эффективность ЭС в существенной степени зависит от качества знаний, степени их адекватности реальному процессу и процедуры заполнения базы знаний.

Можно выделить ряд характеристик экспертных систем:

1.Экспертная система ограничена определенной сферой экспертизы.

2.Экспертная система способна рассуждать при сомнительных данных.

3.Экспертная система способна объяснить ход своих рассуждений.

4.Знания и механизм вывода в экспертной системе четко отделены друг от друга (т.е. знания выражены явно, а не воплощены в способе поиска решения).

5.Экспертная система строится так, чтобы имелась возможность постепенного ее наращивания по мере развития знаний о предмете экспертизы.

6.Чаще всего знания экспертной системы представляются в виде множества правил, называемых также продукциями

7.В качестве решения экспертная система выдает не таблицы из цифр, не графики, не картинки на экране, а обоснованный совет относительно решения поставленного вопроса.

8.ЭС основывается на применении методов искусственного интеллекта.

9.Экспертная система экономически выгодна (это требование к ее работе.)

Ниже приводится краткий (и далеко не исчерпывающий) список областей, в которых применялись ЭС :

· оценка займов, рисков страхования и капитальных вложений для финансовых организаций;

· помощь химикам в нахождении верной последовательности реакций для создания новых молекул;

· отладка программного и аппаратного обеспечения ЭВМ в соответствии с индивидуальными требованиями заказчика;

· диагностика и обнаружение неполадок в телефонной сети на основании тестов и сообщений о неисправностях;

· идентификация и ликвидация неполадок в локомотивах;

· помощь геологам в расшифровке данных, полученных с помощью контрольного оборудования во время бурения скважин;

· помощь медикам в постановке диагноза и лечении некоторых групп заболеваний, таких, как заражение крови и различные виды рака;

· помощь навигаторам в расшифровке данных от подводных звукоулавливателей, установленных на дне океана;

· получение молекулярной структуры химического вещества на основании опытов;

· изучение и суммирование больших объемов быстро изменяющихся данных, которые не в состоянии - из-за скорости их изменения - прочитать человек, например, телеметрических данных с искусственных спутников системы LANDSAT.

В большинстве этих областей могли быть реализованы и традиционные подходы, однако преимущества использования здесь ЭС очевидны. В одних случаях применение ЭС сделало программу более ориентированной на человека, в других - позволило программе задействовать оптимальный механизм рассуждения, в третьих - облегчило поддержку и обновление программы.

 

Из этих (весьма общих) определений видно, насколько широка область применения ЭС: это системы-советчики, системы-тренажеры, различного рода диагностические системы, системы автоматизированного проектирования (САПР) и др. Разработка ЭС в настоящее время вступила в стадию широкого практического применения. При этом выявились некоторые недостатки существующих ЭС и методов их разработки :

· большое разнообразие методов построения ЭС, отсутствие единого подхода к построению таких систем;

· для каждого нового применения ЭС обычно применяют новые не только информационные, но и системотехнические средства;

· лишь немногие ЭС позволяют непрограммирующим пользователям наращивать знания и правила, на основании которых функционируют ЭС, без программистов-посредников;

· затруднительна добыча знаний у экспертов для вложения этих знаний в ЭС.