И инструментальных средств для их построения

 

С целью иллюстрации уровня развития ЭС рассмотрим наиболее известные системы и инструментальные средства. Системы будут охарактеризованы следующими параметрами: 1) стадия системы; 2) область приложения и класс решаемых задач; 3) состав знаний и способ их представления; 4) процедуры (механизм) вывода; 5) средства общения с пользователем; 6) объяснительные способности; 7) способности к приобретению знаний.

Промышленная экспертная система DENDRAL

Система разработана в рамках Стэндфордского проекта, продолжавшегося 16 лет (с 1965 г.). Областью приложения DENDRAL является химия. Задача системы состоит в том, чтобы на основе химической формулы и масс-спектрограммы вывести возможные структуры молекулы. Эта задача относится к классу задач интерпретации. DENDRAL решает практические задачи, требующие высокой классификации.

Знания состоят из химических структур, правил и ограничений. Химические структуры представляются в виде графов, состоящих из вершин (атомов) и дуг (связей между атомами). Ограничения представляются в виде подграфов с указанием о том, запрещены они или возможны. Правила, на основании которых генерируются структуры молекул, имеют форму "ситуация ® действие", где "ситуация" и "действие" представлены в виде подграфов.

Процедура вывода представляет собой эвристический поиск, происходящий в три этапа: "план - генерация - проверка". На этапе "план" определяются пространство поиска и ограничения, соответствующие входным данным. На этапе "генерация" порождаются все возможные структуры, удовлетворяющие ограничениям. При поиске используется стратегия, "направляемая данными". Пользователь может задать дополнительные ограничения. На этапе "проверка" осуществляется отбор лучших из предложенных решений, т. е. выбираются те из полученных структур, которые наиболее точно соответствуют исходным данным.

В первых редакциях система DENDRAL имела минимальные объяснительные способности и простейший язык общения. Процесс приобретения знаний весьма трудоемок и слабо автоматизирован. Для устранения этого недостатка была разработана система MetaDENDRAL, автоматизирующая процесс приобретения правил DENDRAL.

Системы MYCIN, TEIRESIAS, EMYCIN

Система MYCIN находится на стадии действующего прототипа. Областью приложения системы MYCIN является медицина. Система решает задачи постановки диагноза и определения методов лечения инфекционных заболеваний крови. По качеству решений система не уступает эксперту - человеку.

Знания в MYCIN разделяются на факты и продукционные правила (продукции). Общее количество правил около 400. Факты представляются в виде троек ("объект - атрибут - значение"), снабженных коэффициентом определенности. Продукции представлены в форме "условие ® действие", где "условие" есть булевское выражение предикатных функций, применимых к фактам, а "действие" - факт или операция над фактом. Факту, полученному в результате выполнения продукции, присваивается коэффициент определенности, который вырабатывается по определенным правилам в зависимости от значений коэффициентов определенности у фактов, входящих в условие. Если этот коэффициент меньше некоторого положительного порогового значения, то его значение приравнивается нулю.

Процедура вывода реализуется в виде исчерпывающего поиска, "направляемого целями". При постановке диагноза для каждого из 100 известных ей заболеваний система просматривает правые части продукций и выделяет те из них, которые содержат заключения о текущей цели (заболевании). Для таких продукций система пытается вычислить истинность условий. Если значение некоторого условия неизвестно, то входящие в него факты рассматриваются как подцели и процесс повторяется. В связи с тем, что осуществляется исчерпывающий поиск, в результате будет найден (если, конечно, он существует) путь, приводящий от фактов, характеризующих условие задачи, к диагнозу.

Диалог с пользователем - специалистом ведется на ограниченном английском языке. От пользователя не требуется знаний в области программирования. В связи с ограниченностью предметной области используется простой лингвистический процессор, поскольку оказалось достаточным понимать смысл предложений на уровне ключевых слов. Система обладает объяснительными способностями: анализируя процесс получения решения, она может отвечать на вопросы о том, ПОЧЕМУ был использован некий факт или КАК этот факт был установлен. Система обладает способностью модифицировать старые правила и приобретать новые. Для развития объяснительных способностей системы MYCIN и автоматизации приобретения знаний была построена инструментальная система TEIRESIAS.

Стремление использовать подход, примененный в MYCIN, для более широкого круга приложений привело к созданию инструментальной системы EMYCIN (Empty MYCIN, т.е. пустой MYCIN), которая является версией MYCIN, не зависящей от проблемной области. Таким образом, EMYCIN является базовой системой, предназначенной, в первую очередь, для решения задач диагностики. EMYCIN позволяет применить процедуры вывода к такой предметной области, знания о которой могут быть записаны в виде правил MYCIN. Система EMYCIN находится на исследовательской стадии.

Системы PROSPECTOR и KAS

ЭС PROSPECTOR достигла стадии промышленной системы. Областью приложения системы PROSPECTOR является геология. Задача системы - помочь геологу определить наличие месторождения руды заданного вида на основе геологических данных. Качество решений, получаемых системой, не уступает качеству решений, даваемых экспертом-геологом. Знания об области экспертизы представлены в виде моделей, каждая из которых соответствует месторождению определенного типа. Правила имеют вид "условие ® действие (Х><Y)". Условие и действие суть утверждения о проблемной области, которые могут быть истинными (от 1 до 0) и ложными (от 0 до -1). Условие является булевской комбинацией утверждений. Действие состоит из одного утверждения. Все утверждения представляются в виде семантических сетей с пространствами, которые представляют собой обобщение троек, использованных в MYCIN.

Для работы с неопределенными знаниями с каждым утверждением связано значение вероятности, т.е. мера, оценивающая степень истинности утверждения. Вероятность логического утверждения (т.е. утверждения, содержащего булевские операции) вычисляется исходя из вероятности компонент этого утверждения по правилам Заде для размытых множеств. Вероятность простого утверждения (т.е. утверждения, не содержащего булевские операции) определяется или из ответа пользователя, или по правилу Байеса. <X> и <Y> в правиле указывают, как модифицировать вероятность утверждения в действии правила: <X> используется тогда, когда условие истинно (т.е. вероятность условия находится в диапазоне 0-1), <Y> - когда условие ложно (т.е. вероятность в диапазоне 0-(-1)).

Процедура вывода в системе могут осуществлять поиск решения не только с помощью стратегии, "направляемой целями" (как в MYCIN), но и с помощью стратегии, "направляемой данными". При поиске, "направляемом целями", вместо исчерпывающего поиска в ширину (как это делается в MYCIN) используется метод эвристических оценочных функций.

Общение системы с пользователем осуществляется в виде обмена простыми предложениями английского языка. Объяснительные способности подобны способностям MYCIN. Для упрощения процесса приобретения знаний системой PROSPECTOR разработана система KAS. В процессе приобретения знаний KAS подсказывает пользователю пропущенные им обязательные компоненты новых знаний. Ядром KAS является сетевой редактор, в котором имеются знания о процессах, происходящих в PROSPECTOR. Именно эта способность KAS позволяет ей при приобретении знаний осуществлять их проверку с точки зрения как формы, так и содержания.

KAS может рассматриваться как не зависящая от проблемной области версия PROSPECTOR, она соотносится с PROSPECTOR так же, как EMYCIN с MYCIN. KAS позволяет использовать процедуры вывода PROSPECTOR в проблемных областях, знания о которых могут быть представлены в виде правил, используемых в системе PROSPECTOR.

Экспертная система CADUCEUS

Первоначальное название этой системы INTERNIST. Система находится на стадии действующего прототипа. Областью экспертизы является диагностика внутренних болезней человека. Система содержит информацию о 500 болезнях, что составляет 80 % всех известных терапевтических заболеваний. База данных CADUCEUS - самая большая среди баз данных существующих ЭС. В системе хранятся знания приблизительно о 100000 ассоциативных связях между симптомами и болезнями. Система используется в клинической практике и для обучения студентов-медиков. Качество решений системы высокое. Знания системы включают два основных типа данных: болезни и их проявления (анамнез, симптомы, признаки, лабораторные данные). Между этими типами данных установлен ряд отношений. Каждой болезни сопоставлен ассоциативный список ее проявлений. Существует и обратный список, т. е. для каждого проявления указаны болезни, при которых оно встречается. Связям между болезнями и проявлениями присвоены весовые коэффициенты (от 1 до 5). Болезни организованы в иерархическое дерево, а также связаны причинными, временными и ассоциативными отношениями. Знания представляются в виде сетей с использованием коэффициента определенности. При поиске решения система комбинирует стратегию, "направляемую данными", со стратегией, "направляемой целями". Данные о пациенте используются для порождения некоторых гипотез (целей). Эти гипотезы используются для порождения других гипотез, которые либо подтверждаются, либо используются для изменения исходных гипотез. В процессе поиска решения используются знания о таксономии болезней и о причинных взаимоотношениях между ними. В рассуждениях системы учитывается фактор неопределенности знаний.

Интерфейс с пользователем довольно удобен. Объяснительные способности минимальны. Система ориентирована на возможное расширение списка болезней, симптомов и взаимосвязей между ними. При добавлении новых знаний модификация связей осуществляется автоматически.

Коммерческая экспертная система R1

Областью приложения системы R1 является вычислительная техника. На основании заказа пользователя, приобретающего требуемую ему конфигурацию вычислительной системы VAX-11/780 фирмы DEC, система R1 выполняет следующие функции: 1) определяет, не содержит ли заказ пользователя несовместимых компонент системы VAX, и выявляет компоненты, недостающие для функционирования заказываемой конфигурации; 2) выдает в виде диаграммы конечную конфигурацию VAX, которая используется техническими службами при установке системы заказчику; 3) учитывает при построении диаграммы накладываемые заказчиком ограничения (на желаемый порядок расположения компонент, на типы и длину кабелей, связывающих устройства и т.п.).

Сложность задач, решаемых системой R1, обусловлена сложностью системы VAX-11, состоящей из 420 компонент, и многочисленностью правил, ограничивающих возможные способы взаимодействия компонент. Система R1 превосходит эксперта-человека по качеству работы и по времени решения задачи (R1 безошибочно определяет конфигурацию за 2,5 минуты, а эксперт-человек, затрачивая на работу несколько часов, допускает ошибки, обнаруживаемые только после установки системы).

Знания в системе представляются в виде правил: "условие ® действие". В системе используется примерно 3000 правил. Правила можно рассматривать как операции, преобразующие состояния. Условная часть каждого правила описывает свойства состояния, к которому правило применимо. Часть "действие" определяет, как текущее состояние должно быть преобразовано.

Особенность процедур вывода в системе R1 состоит в том, что поиск решения осуществляется, как правило, методом сопоставления, а не методом "генерация и проверка", т. е. используется безвозвратная стратегия. При безвозвратном управлении применимое правило используется необратимо. Говоря другими словами, вместо генерации нескольких гипотез и выбора среди них одной, приводящей к решению, система исследует проблемную область и генерирует единственное приемлемое решение. Метод сопоставления применим в тех случаях, когда знания, используемые на каждом шаге, достаточны для того, чтобы отличить приемлемое решение от неприемлемого. Почти все задачи, решаемые системой R1, удовлетворяют этому требованию, что позволило избежать перебора при поиске решения.

Инструментальная коммерческая система OPS_5

ОРS_5 является языком для представления знаний, использующим правила. В его основе лежит разработанный ранее язык OPS [25], сконструированный для исследований в области искусственного интеллекта и психологии сознания. Первым опытом применения OPS в области разработки ЭС явилась система R1. Знания в OPS_5 состоят из элементов данных и правил. Элемент данных является вектором (списком значений) или объектом, с которым связывают пары "атрибут - значение". Правила имеют вил "условие ® действие", где "условие" есть образец, задающий неполное описание элементов данных, а "действие" - одна или несколько операций над данными.

OPS_5 определяет только общую схему процедуры вывода, не определяя частных стратегий. Этот язык позволяет программисту использовать символы и представлять отношения между символами, но ни символы, ни отношения не имеют для OPS предопределенных значений. Значения определяются с помощью продукционных правил, записанных программистом. Процедуры вывода заданы в виде интерпретатора, реализующего продукционную систему. Цикл работы интерпретатора состоит из стандартных этапов: сопоставление, разрешение конфликта, выполнение. Достоинством OPS_5 является использование единых средств для представления знаний и механизмов управления. Кроме того, в OPS_5 реализован мощный и эффективный метод сопоставления образцов, что позволяет решать сложные задачи с минимальным перебором. К числу недостатков OPS_5 относится отсутствие развитых средств для реализации интерфейса, объяснения и приобретения знаний.

 

Инструментальная система ROSIE

ROSIE является языком инженерии знаний. Система ROSIE находится на исследовательской стадии. Отличительным свойством ROSIE является использование в ней языка, синтаксис которого подобен синтаксису английского языка. Это обстоятельство упрощает процесс создания и ведения базы данных. Необходимо отметить, что ROSIE не является системой, понимающей естественный язык, так как она не имеет встроенных семантических знаний о лексике английского языка (за исключением небольшого количества функциональных слов). Опыт использования ROSIE показал, что даже такая ограниченная форма "понимания" значительно облегчает пользователю процесс преобразования неформальных знаний в формальную модель.

Факты хранятся в базе данных системы в декларативной форме. В этой же базе, но отдельно от данных, хранится множество правил. Факт представляется в виде n-местного отношения, записываемого с использованием синтаксиса и лексики английского языка. В системе выделено пять типов отношений, соответствующих пяти типам предложений английского языка. Правила представляются в одном из трех видов "процедура", "действие", "условие ® действие". Действия бывают простые, составные и итеративные. Пользователь может организовать выполнение правил либо упорядочив их в явном виде, либо вызывая те правила, условия которых истинны. Правила могут применяться с использованием как стратегии, "направляемой данными", так и стратегии, "направляемой целями".

За счет использования английского синтаксиса взаимодействие с пользователем осуществляется в ROSIE в удобной форме. Объяснительные способности подобны способностям MYCIN. Основное ограничение ROSIE - недостаточные способности системы по модификации своих правил и процедур вывода.

Инструментальная система HEARSAY-III

HEARSAY-III - комплекс программных средств, независимых от проблемной области и предназначенных для построения ЭС. HEARSAY-III находится на исследовательской стадии. По своей общей структуре HEARSAY-III является модификацией системы понимания речи HEARSAY-II. HEARSAY-III управляет взаимодействием независимых источников знаний. Взаимодействие между модулями и правилами в HEARSAY-III осуществляется только через обратную область памяти, называемую "классной доской" (blackboard). Подобно OPS_5, система HEARSAY-III имеет весьма неразвитые средства для взаимодействия с пользователем, для объяснения своих действий и для приобретения знаний. Основной причиной этих недостатков HEARSAY-III является отсутствие внешнего языка высокого уровня для представления знаний.

Инструментальная исследовательская система RLL

RLL представляет собой структурированный набор программных средств, предназначенных для конструирования, использования и модификации ЭС. RLL может рассматриваться как ЭС, предметной областью которой является построение ЭС. База знаний RLL содержит общую информацию о программировании и конкретную информацию о разрабатываемой системе. Факты в RLL представляются в виде фреймов. В виде фреймов представляются также все понятия, слоты, механизмы наследования, управляющие структуры и правила. Кроме слотов, соответствующих "условию" и "действию", в правилах имеются слоты, задающие различную метаинформацию), которая используется при работе системы (например, "приоритет", "среднее время работы", "дата создания правила" и т.п.). Система RLL, содержит набор полезных конструкций (различные типы управляющих механизмов, слотов, схем наследования и метолов ассоциаций). RLL организует свои конструкции в библиотеку и представляет пользователю средства для работы с этой библиотекой. Сила RLL обусловлена общностью используемых информационных структур и алгоритмов. RLL может рассуждать о своих собственных действиях и данных. За достигнутую гибкость гад, расплачивается памятью, а не временем.

Подобно OPS_5 и HEARSAY-III, RLL обладает недостаточно мощными средствами для взаимодействия с пользователем, для объяснения своих действий и приобретения знаний.

6.7. 1 Тенде нции развития экспертных систем

1. Переход к массовому выпуску промышленных и коммерческих ЭС.

2. Расширение сферы использования ЭС за счет:

а) развития методов решения задач объяснения, приобретения знаний, организации интерфейса в форме изображений и в форме устной речи, разработки более эффективных способов представления знаний;

б) аппаратной реализации ЭС, обеспечивающей значительное повышение их вычислительной мощности.

3. Создание интегральных (гибридных) ЭС, объединяющих методы ЭС с базами данных и с пакетами прикладных программ.

4. Создание устройств, невосприимчивых к ошибкам, путем включения в их состав аппаратно реализованных ЭС, выявляющих и устраняющих ошибки.