310 Экспертные системы

Экспертная система - это программа ЭВМ, использует знания и технику рассуждений человека-эксперта Особенность экспертной системы, принципиально отличает ее от других человеко-машинных систем, заключается в наличии в ее стекла аде подсистемы объяснениюя.

Подсистема объяснения отвечает на вопрос «как» и «почему», система подводит конечного пользователя к тому или иному выводу Наличие подсистемы объяснения удовлетворяет естественную требование уверенности кор ристувача в своих действиях Без подсистемы объяснения возможны две одинаково неприемлемы альтернативыи:

• игнорирование ЭВМ вследствие недоверия к полученным результатам;
• абсолютная уверенность, что решения, принятые ЭВМ, всегда правильные и, как следствие, перенос ответственности за последствия принимаемых решений на математиков и ЭВМ

В экспертных системах используются модели, построенные на специальных формализм искусственного интеллекта, называемые логико-лингвистическими

Поскольку экспертные системы ориентированы на знания и манипуляцию с ними, то можно сказать, что появился новый вид моделирования - моделирование познавательной деятельности [95], что имеет широкий спектр приме Ання, в том числе в области научных исследований Характерные этапы научных исследований:

• сбор и обработка исходных эмпирических данных;
• математическая и логико-теоретическая обработка данных с целью выявления новых фактов, объективная истинность которых имеет как теоретическое, так и эмпирическое обоснование;
• построение на основе обобщения научных фактов новых теорий, отражающих фундаментальные отношения и связи изучаемых процессов и явлений

Если первый этап научных исследований автоматизировано достаточно полно за счет применения систем обработки данных, использование баз данных и систем управления базами данных, а также документальных и фактогр рафичних информационно-поисковых систем, то с автоматизацией второго и третьего этапов ситуация сложнее Решающее значение при этом имеют математическое моделирование и вычислительный эксперимент Это в осуеться наук, где можно построить математические модели В таких науках, как медицина, биология, геология, химия и т.д., деятельность ученых на этих этапах остается неавтоматизированных Вот почему такой популярное ости получили экспертные системы, решающие задачи моделирования познавательной активности именно в таких областях наукауки.

Познавательная активность предполагает, что эксперты способны:

• накапливать знания;
• обобщать знания;
• осознавать и выявлять проблемы;
• применять мнения для решения проблем, делать правдоподобные выводы при неполной информации;
• оправдывать свое поведение и объяснять свои мысли;
• взаимодействовать с другими людьми и тем самым накапливать знания;
• реконструировать и реорганизовывать свои знания;
• понимать не только «букву», но и «дух» правил, используемых в процессе мыслей и поведения (отсюда следует использование времени исключений из правил, сознательное и бессознательное нарушение их);
• определять, находится ли проблема на границе их компетентности, обязаны они решать ту или иную проблему или нет

Как системы, ориентированные на знания, экспертные системы способны реализовать первые два свойства, четвертая свойство реализуется как выдача рекомендаций в диалоговом режиме Третье свойство - это пр рерогатива человека Пятая свойство реализуется только в экспертной системе подсистемами объяснения и доверия Седьмая свойство может быть реализована разработчиками экспертной системы, другие - пользователем чамами.

Экспертные системы могут выполнять следующие функции:

• интерпретация данных с целью определения их значения;
• диагноз или определения состояния технических и биологических систем на основе интерпретации данных;
• контрольные наблюдения (мониторинговые системы) или непрерывная интерпретация данных в реальном масштабе времени критических состояний объектов;
• прогнозирования развития будущего на основе моделирования настоящего и прошлого;
• планирования и разработки мероприятий и действий для достижения поставленных целей;
• проектирования или выработки четких указаний относительно построения объектов, которые отвечают поставленным требованиям

С точки зрения моделирования познавательной активности и теории экспертных систем в несколько ином, более широком аспекте выступает понятие новых информационных технологий Экспертные системы приводят к массовой электро ной технологии представления, накопления, использования и передачи знанияь.

Печатные издания, в которых накопленные знания, как системы представления знаний пассивные по своей сути Прежде чем применить эти знания, необходимо сначала найти их, сделать интерпретацию для решения п определенных проблем Слишком негибкими являются книги для обновления и представления новых знаний Коммуникативные процессы передачи знаний другим людям посредством книг также негибкиечкі.

Создание экспертных систем не может осуществляться по обычной схеме: заказчик-исполнитель, когда в соответствии с техническим заданием разработчик-исполнитель сдает заказчику готовую для эксплуатации систему Ц Это невозможно, потому что знания, которыми должна быть заполнена конкретная экспертная система, находятся у заказчика, а не в исполнителяхя.

Организация-исполнитель (разработчик) с помощью специальных инструментальных средств создает так называемую пустую экспертную систему, или метасистему, ориентированную на определенную проблему или на один из классов экспертных систем Заполнение знаниями «пустой» системы осуществляется непосредственно у заказчика специальными инженерами по знаниям, входящих в организацию-разработчика или в организации-заказчика Инженеры по знаниям должны, с одной стороны, быть вполне компетентными в теории экспертных систем, а с другой - знать предметную область и уметь работать с экспертами, чтобы превращать их знания на фо рмализмы данной экспертной системы для формализации знаний из текстов и интервью с экспертами разработаны специальные языковови.

Инструментальные системы по сути являются экспертными системами для создания экспертных систем Естественным расширением этого стало создание экспертных систем для программирования (системного и прикладного)

Распределенные экспертные системы Распределенные системы искусственного интеллекта, созданные из отдельных систем, необходимые при многоаспектному диагнозе распознавания свойств сложных объектов, когда важно взаимодействие отдельных специалистов в проце ЭСИ распознавания и формирования плана ди.

Распределенные экспертные системы могут быть реализованы на одном многотерминальные вычислительном комплексе или на сетях ЭВМ

Гибридные экспертные системы От традиционных экспертных систем, основанных на логико-лингвистических моделей, гибридные экспертные системы отличаются широким использованием и математических моделей

Традиционно автоматизированные системы проектирования, планирования и научных исследований строятся на математических моделях Но в них невозможно учесть неформальные специфические знания проектировщиков, планов вики, исследователей и т.д. Поэтому таким важным является объединение математических моделей с логико-лингвистическимми.

Обобщенные прикладные интеллектуальные системы Обобщенные прикладные интеллектуальные системы можно рассматривать как расчетно-логические системы, дополненные экспертными подсистемами или как распределены экспертные системы с сильной вычислительной компонен енто.

Все виды интеллектуальных систем могут реализовываться на персональных ЭВМ Это нужно для получения первичных результатов применения интеллектуальных систем и для накопления опыта Огромный инт терес к экспертным системам обусловлен тремя причинамии:

• экспертные системы ориентированы на решение широкого круга задач в областях, ранее не формализовались и считались малодоступными для использования ЭВМ;
• экспертные системы предназначены для решения задач в диалоговом режиме со специалистами (конечными пользователями), от которых не требуется знания программирования Это резко расширяет сферу использования вычис альной техники, которая в режиме экспертных систем выступает как инструмент поддержки памяти специалиста и усиление его способности к логическому выводу;
• специалист, использующий экспертную систему при решении своих задач, может достигать, а иногда и превосходить по результатам возможности экспертов в данной области знаний, что позволяет резко повысить апреля валификацию рядовых специалистов за счет аккумуляции знаний в экспертной системе, в том числе знаний экспертов высшей квалификации.

Из всех задач, решаемых с помощью экспертных систем, выделим следующие:

• Экспертная система включает базу знаний, решающие блок подсистему общения, подсистему объяснений и подсистему накопления знаний

Через подсистему общения с экспертной системой связаны: конечный пользователь - непрограмуючий специалист; эксперт - квалифицированный специалист, опыт и знания которого намного превосходят знания и дос свид рядового конечного пользователя инженер по знаниям, владеющее языками описания знаниязнань.

С экспертной системой на этапе наполнения знаний работают инженер по знаниям и эксперт, а на этапе эксплуатации и использования - конечный пользователь Знания, которыми должна быть заполнена экспертная система а включают знания первого и второго роду.

Знание первого рода - это общезначимые факты, явления, закономерности-истины, признанные в данной предметной области и зафиксированы в книгах, статьях, справочниках и т.д. Знание второго рода - эмпирические пра Авила, интуитивные соображения и факты, которые, как правило, не публикуются, но позволяющие опытному эксперту эффективно принимать решения даже в условиях неполных и противоречивых исходных дан и даних.

Знания в экспертной системе фиксируются в базе знаний, в которой условно можно выделить интенсиональных и экстенсиональных (собственно базу данных) части

В сложных экспертных системах подсистема объяснения может быть превращена в хорошо известную в исследовании операций систему анализа решений [57] Кроме подсистем объяснения, в экспертных системах приобретают развития специальные подсистемы довериеи.

Знание делятся на декларативные и процедурные, образующиеся в результате осуществления процедур (алгоритмов, программ, аналитических преобразований) над фактами как исходными данными

Успех в реализации экспертных систем тем больше, чем больше удельный вес знаний первого рода по знаний второго рода Если преобладают знания второго рода, то имеют место следующие ситуации:

• эксперт не может четко сформулировать правила принятия решений;
• эксперт просто не желает передавать кому-либо свои знания, методы и правила, сохраняя за собой статус уникального специалиста;
• в исследуемой предметной области трудно найти эксперта

Определенным решением этих проблем является использование подсистемы накопления знаний, что позволяет в автоматическом или полуавтоматическом режиме формировать эмпирическую зависимость из неполных данных Подсистема Накопи чение знаний должна из знаний второго рода строить знания первого рода, порождать теорию и затем выводить новые факты Идея такого подхода основана на принципах индуктивного обобщения в интерактив ном обучении Следовательно, имеет место принципиально новый подход к разработке экспертных систетем.

Можно выделить следующие классы экспертных систем:

• диагностувальни системы (известный пример этого класса - медицинские диагностувальни системы);
• системы мониторинга, когда диагностика и интерпретация происходят в реальном масштабе времени, когда осуществляется сигнализация о выходе параметров объекта слежения за допустимые пределы;
• прогнозувальни системы оценивают будущее на основе моделей прошлого и настоящего и осуществляют работу с гипотетическими мирами будущего;
• планировочные системы обеспечивают принятие решений относительно оптимального распределения ресурсов и календарного планирования;
• системы для проектирования помогают не только принимать проектные решения, но и позволяют выявить мотивы принятия их через систему объяснения;
• системы для управления совмещают в себе системы планирования и проектирования, а в цепи обратной связи используются диагностувальни и интерпретирующие системы;
• системы для обучения близки к системам для управления, однако могут быть обращены по своему функционированию, в этом случае пользователь сначала осуществляет диагностирование и интерпретацию, а затем исполь истовуе блоки планирования или проектирования для воздействия на объект управления, далее снова осуществляет диагностирование и интерпретацию и использует интерпретирующие системы, которые близки к диагностувальны.

С необходимостью интерпретации мы постоянно сталкиваемся, если по данным (в том числе экспериментальными) нужно установить свойства объекта