Диссертация (Методы и программные средства ускорения поиска решения в базах знаний нечетких экспертных систем), страница 3

ЭКСПЕРТНЫЕ СИСТЕМЫ. ПРЕДСТАВЛЕНИЕ И ВЫВОДЗНАНИЙ.1.1. Экспертные системыИскусственный интеллект, как научная дисциплина, состоит из несколькихкрупных течений. Одним из направлений в области ИИ является разработкаэкспертных систем.Экспертные системы – это направление исследований в областиискусственного интеллекта по созданию вычислительных систем, умеющихпринимать решения, схожие с решениями экспертов в заданной предметнойобласти. Экспертное знание – это сочетание теоретического пониманияпроблемы и практических навыков ее решения, эффективность которых доказанаврезультатепрактическойдеятельностиэкспертоввданнойобласти.Фундаментом экспертной системы любого типа является база знаний, котораясоставляется на основе экспертных знаний специалистов.

Удачная формализациязнаний эксперта - специалиста высокого уровня позволяет наделить экспертнуюсистему уникальными и ценными знаниями [1-7].На сегодняшний день создано уже большое количество экспертных систем.С их помощью решается широкий круг задач в различных предметных областях.Как правило, эти области хорошо изучены и располагают более, менее четкимистратегиями принятия решений [8-10].Пользователь передает в экспертную систему факты или другуюинформацию и получает в качестве результата экспертный совет или экспертныезнания.

По своей структуре экспертная система подразделяется на два основныхкомпонента - базу знаний и машину логического вывода. База знаний содержитзнания, на основании которых машина логического вывода формируетзаключения. Эти заключения представляют собой ответы экспертной системы назапросы пользователя, желающего получить экспертные знания.141.2. Классификация экспертных системНаиболее часто экспертные системы различают по назначению, предметнойобласти, методам представления знаний, динамичности и сложности (рис.1.1) [6].Рис.

1.1. Классификация экспертных системПо назначению классификацию экспертных систем можно провестиследующим образом:диагностика состояния систем, в том числе мониторинг (непрерывноеотслеживание текущего состояния);прогнозирование развития систем на основе моделирования прошлогои настоящего;планирование и разработка мероприятий в организационном итехнологическом управлении;15проектирование или выработка четких предписаний по построениюобъектов, удовлетворяющих поставленным требованиям;автоматическое управление (регулирование);обучение пользователей и др.Наибольшее количество экспертных систем используется в следующихпредметныхобластях:ввоенномделе,геологии,инженерномделе,информатике, космической технике, математике, медицине, метеорологии,промышленности,сельскомхозяйстве,управлениипроцессами,физике,филологии, химии, электронике, юриспруденции.Классификация экспертных систем по методам представления знанийделит их на традиционные и гибридные.

Традиционные экспертные системыиспользуют, в основном, эмпирические модели представления знаний и модели наоснове исчисления предикатов первого порядка. Гибридные экспертные системыдополнительно используют оптимизационные алгоритмы и концепции баз данных[8].По степени сложности экспертные системы делят на поверхностные иглубинные. Поверхностные экспертные системы представляют знания в видеправил «ЕСЛИ-ТО». Глубинные экспертные системы обладают способностью приобрыве цепочки правил определять (на основе метазнаний) какие действияследует предпринять для продолжения решения задачи.Классификация экспертных систем по динамичности делит экспертныесистемы на статические и динамические [2].

Предметная область называетсястатической, если описывающие её исходные данные не изменяются во времени.При этом производные данные (выводимые из исходных) могут и появлятьсязаново, и изменяться (не изменяя, однако, исходных данных).Если исходные данные, описывающие предметную область, изменяются завремя решения задачи, то предметную область называют динамической. Вархитектуру динамической экспертной системы, по сравнению со статической,вводятся два компонента:16подсистема моделирования внешнего мира;подсистема связи с внешним окружением.Последняя осуществляет связи с внешним миром через систему датчиков иконтроллеров. Кроме того, традиционные компоненты статической экспертнойсистемы(базазнанийимеханизмлогическоговывода)претерпеваютсущественные изменения, чтобы отразить временную логику происходящих вреальном мире событий [9].1.3.

Структура экспертной системыНа рисунке ниже представлена каноническая структура экспертной системыдинамического типа.Рис. 1.2. Структура экспертной системыДинамическая экспертная система включает в себя:блок, реализующий механизм логического вывода, называемый такжеинтерпретатором, решателем;рабочую память (РП), называемую также рабочей базой данных (БД);17базу знаний (БЗ);подсистему приобретения и пополнения знаний;подсистему объяснения;подсистему диалога;подсистему взаимодействия с внешним миром.Механизм логического вывода (МЛВ) предназначен для получения новыхфактов на основе сопоставления исходных данных из рабочей памяти и знаний избазы знаний [6]. Механизм логического вывода во всей структуре экспертнойсистемы занимает наиболее важное место. Он реализует алгоритмы прямого и/илиобратного вывода и формально может быть представлен четверкой:(V, S, K, W)(1.1)V – процедура выбора из базы знаний и рабочей памяти правил и фактов;S – процедура сопоставления правил и фактов, в результате которой фактывводятся в правила и определяется набор выполнимых правил;K–процедураразрешенияконфликтов,определяющаяпорядокиспользования правил, если в заключении правила указаны одинаковыеимена фактов с разными значениями;W – процедура, осуществляющая выполнение действий, соответствующихполученному значению факта (заключению правила).Рабочая память предназначена для хранения исходных и промежуточныхфактов решаемой в текущий момент задачи.

Как правило, размещается воперативной памяти ЭВМ и отражает текущее состояние предметной области ввиде фактов с коэффициентами уверенности (КУ) в истинности этих фактов.Следующий элемент в структуре экспертной системы не менее важен, чеммеханизм логического вывода. Это – база знаний. База знаний предназначена дляхранения долгосрочных фактов, описывающих рассматриваемую область, правил,описывающих отношения между этими фактами и других типов декларативныхзнанийопредметнойобласти.Кромеправилифактов,образующихдекларативную часть базы знаний, в нее может входить процедурная часть –18множество функций и процедур, реализующих оптимизационные, расчетные идругие требуемые алгоритмы [4].Подсистема приобретения и пополнения знаний автоматизирует процесснаполнения экспертной системы знаниями, осуществляемый пользователемэкспертом, и адаптации базы знаний системы к условиям ее функционирования.Адаптация экспертной системы к изменениям в предметной области реализуетсяпутем замены правил или фактов в базе знаний.Подсистема объяснения объясняет, как система получила решение задачи(или почему она не получила решения) и какие знания она при этом использовала,что облегчает эксперту тестирование системы и повышает доверие пользователя кполученному результату.

Возможность объяснять свои действия является однимиз самых важных свойств экспертной системы, так как:повышается доверие пользователей к полученным результатам;облегчается отладка системы;создаются условия для пользователей по вскрытию новыхзакономерностей предметной области;объяснение полученных выводов может служить средствомпоиска точки в парето-оптимальном множестве решений.Структура экспертной системы была бы неполной без подсистемыдиалога. Подсистема диалога ориентирована на организацию дружественногоинтерфейса со всеми категориями пользователей как в ходе решения задач, так и входе приобретения знаний и объяснения результатов работы.1.4.

Разработка экспертных системПри разработке экспертных систем часто используется концепция быстрогопрототипа. Суть её в следующем: поначалу создается не экспертная система, а еёпрототип, который обязан решать узкий круг задач и требовать на своюразработку незначительноевремя.Прототипдолженпродемонстрироватьпригодность будущей экспертной системы для данной предметной области,19проверить правильность кодировки фактов, связей и стратегий рассужденияэксперта.

Он также дает возможность инженеру по знаниям привлечь эксперта кактивной роли в разработке экспертной системы. Размер прототипа – несколькодесятков правил.На сегодняшний день сложилась определенная технология разработкиэкспертных систем [6], включающая 6 этапов.Этап 1. ИдентификацияОпределяются задачи, которые подлежат решению. Планируется ходразработки прототипа экспертной системы, определяются: нужные ресурсы(время, люди, ЭВМ и т.д.), источники знаний (книги, дополнительныеспециалисты, методики), имеющиеся аналогичные экспертные системы, цели(распространение опыта, автоматизация рутинных действий и др.), классырешаемых задач и т.д. Этап идентификации – это знакомство и обучениеколлектива разработчиков.На этом же этапе разработки экспертных систем проходит извлечениезнаний. Инженер по знаниям помогает эксперту выявить и структурироватьзнания, необходимые для работы экспертной системы, с использованиемразличных способов: анализ текстов, диалоги, экспертные игры, лекции,дискуссии, интервью, наблюдение и другие.

Извлечение знаний – это получениеинженером по знаниям более полного представления о предметной области иметодах принятия решения в ней.Этап 2. КонцептуализацияВыявляетсяструктураполученныхзнанийопредметнойобласти.Определяются: терминология, перечень главных понятий и их атрибутов,структура входной и выходной информации, стратегия принятия решений и т.д.Концептуализация – это разработка неформального описания знаний опредметной области в виде графа, таблицы, диаграммы либо текста, котороеотражает главные концепции и взаимосвязи между понятиями предметнойобласти.20Этап 3. ФормализацияНа этапе формализации все ключевые понятия и отношения, выявленные наэтапеконцептуализации,выражаютсянанекоторомформальномязыке,предложенном (выбранном) инженером по знаниям.