Характеристика и назначение

 

Наибольший прогресс среди компьютерных информационных систем отмечен в области разработки экспертных систем (ЭС), основанных на использовании элементов искусственного ин­теллекта. Экспертные системы дают возможность менеджеру или специалисту получать консультации экспертов по любым проблемам, на основе которых этими системами накоплены знания.

Под искусственным интеллектом (ИИ) обычно понимают способности ком­пьютерных систем к таким действиям, которые назывались бы интеллектуальными, если бы исходили от человека. Чаще всего здесь имеются в виду способности, связанные с челове­ческим мышлением. Работы в области искусственного интеллекта не ограничиваются экс­пертными системами. Они также включают в себя создание роботов, систем, моделирующих нервную систему человека, его слух, зрение, обоняние, способность к обу­чению.

Решение специальных задач требует специальных знаний. Однако не каждая компания может себе позволить держать в своем штате экспертов по всем связанным с ее работой проблемам или даже приглашать их каждый раз, когда проблема возникла. Главная идея ис­пользования технологии экспертных систем заключается в том, чтобы получить от эксперта его знания и, загрузив их в память компьютера, использовать всякий раз, когда в этом возникнет необходимость. Являясь одним из основных приложений искусственного интел­лекта, экспертные системы представляют собой компьютерные программы, трансформи­рующие опыт экспертов в какой-либо области знаний в форму эвристических правил (эвристик). Эвристики не гарантируют получения оптимального результата с такой же уве­ренностью, как обычные алгоритмы, используемые для решения задач в рамках технологии поддержки принятия решений. Однако часто они дают в достаточной степени приемлемые решения для их практического использования. На практике ЭС используются прежде всего как системы-советчики в тех ситуациях, где специалист сомневается в выборе правильного реше­ния. Экспертные знания, хранящиеся в памяти системы, более глубокие и полные, чем соответствующие знания пользователя.

Сходство информационных технологий, используемых в экспертных системах и сис­темах поддержки принятия решений, состоит в том, что обе они обеспечивают высокий уровень поддержки принятия решений. Однако имеются три существенных различия. Пер­вое связано с тем, что решение проблемы в рамках систем поддержки принятия решений отражает уровень ее понимания пользователем и его возможности получить и осмыслить решение. Технология экспертных систем, наоборот, предлагает пользователю принять ре­шение, превосходящее его возможности. Второе отличие указанных технологий выражается в способности экспертных систем пояснять свои рассуждения в процессе получения реше­ния. Очень часто эти пояснения оказываются более важными для пользователя, чем само решение. Третье отличие связано с использованием нового компонента информационной технологии – знаний.

Экспертные системы создаются для решения разного рода задач профессиональной деятельности человека, и в зависимости от этого выполняют разные функции.

ЭС в задачах интерпретации, как правило, используют инфор­мацию от датчиков для описания ситуации. В качестве примера приве­дем интерпретацию показаний измерительных приборов на химическом заводе для определения состояния процесса. Интерпретирующие систе­мы имеют дело не с четкими символьными представлениями проблемной ситуации, а непосредственно с реальными данными. Они сталкиваются с затруднениями, которых нет у систем других типов, потому что им приходится обрабатывать информацию зашумленную, недостаточную, не­полную, ненадежную или ошибочную. Им необходимы специальные ме­тоды регистрации характеристик непрерывных потоков данных, сигналов или изображений и методы их символьного представления.

Интерпретирующие ЭС могут обработать разнообразные виды дан­ных. Например, системы анализа сцен и распознавания речи, используя естественную информацию, – в одном случае визуальные образы, в дру­гом – звуковые сигналы, – анализируют их характеристики и понима­ют их смысл. Интерпретация в области химии использует данные ди­фракции рентгеновских лучей, спектрального анализа или ядерно-магнитного резонанса для вывода химической структуры веществ. Ин­терпретирующая система в геологии использует каротажное зондирование – измерение проводимости горных пород в буровых скважинах и вокруг них, – чтобы определить подповерхностные геологические структуры. Медицинские интерпретирующие системы используют пока­зания следящих систем (например, значения пульса, кровяного давле­ния), чтобы установить диагноз или тяжесть заболевания. Наконец, в военном деле интерпретирующие системы используют данные от рада­ров, радиосвязи и сонарных устройств, чтобы оценить ситуацию и иден­тифицировать цели.

ЭС в задачах прогнозирования определяют вероятные последствия за­данных ситуаций. Примерами служат прогноз ущерба урожаю от неко­торого вида вредных насекомых, оценивание спроса на нефть на миро­вом рынке в зависимости от складывающейся геополитической ситуации и прогнозирование места возникновения следующего вооруженного конфликта на основании данных разведки. Системы прогнозирования иногда используют имитационное моделирование, т.е. программы, ко­торые отражают причинно-следственные взаимосвязи в реальном мире, чтобы сгенерировать ситуации или сценарии, которые могут возникнуть при тех или иных входных данных. Эти возможные ситуации вместе со знаниями о процессах, порождающих эти ситуации, образуют предпо­сылки для прогноза. Специалисты ИИ пока что разработали сравни­тельно мало прогнозирующих систем, возможно потому, что очень трудно взаимодействовать с имитационными моделями и создавать их.

ЭС в задачах диагностики используют описания ситуаций, ха­рактеристики поведения или знания о конструкции компонент, чтобы установить вероятные причины неправильного функционирования ди­агностируемой системы. Примерами служат: определение причин забо­левания по симптомам, наблюдаемым у пациентов; локализация неис­правностей в электронных схемах и определение неисправных компо­нент в системе охлаждения ядерных реакторов. Диагностические систе­мы часто являются консультантами, которые не только ставят диагноз, но также помогают в отладке. Они могут взаимодействовать с пользо­вателем, чтобы оказать помощь при поиске неисправностей, а затем предложить порядок действий по их устранению. Медицина представля­ется вполне естественной областью для диагностирования, и действи­тельно, в медицинской области было разработано больше диагно­стических систем, чем в любой другой отдельно взятой предметной об­ласти. Однако в настоящее время многие диагностические системы раз­рабатываются для приложений к инженерному делу и компьютерным системам.

ЭС, применяемые в области проектирования, разрабатывают конфигурации объектов с учетом набора ограничений, присущих проблеме. Учитывая то, что проектирование столь тесно связано с планированием, многие проектирующие системы содержат механизмы разработки и уточнения планов для достижения желаемого проекта. Наиболее часто встречающиеся области применения планирующих ЭС – химия, элек­троника и военное дело.

ЭС, которые используются для решения задач наблюдения, сравнивают действительное поведение с ожидаемым поведением системы. Примерами могут служить слежение за показаниями измерительных приборов в ядерных реакторах с целью обнаружения аварийных ситуаций или оценку данных монито­ринга больных, помещенных в блоки интенсивной терапии. Наблюдаю­щие ЭС подыскивают наблюдаемое поведение, которое подтверждает их ожидания относительно нормального поведения или их предположения о возможных отклонениях. Наблюдающие ЭС по самой своей природе должны работать в режиме реального времени и осуществлять зависящую как от времени, так и от контекста интерпретацию поведения наблюдаемого объекта. Это может приводить к необходимости запоминать все значения некоторых параметров системы (например, пульса), по­лученные в различные моменты времени, поскольку скорость и направ­ление изменения могут быть столь же важны, как и действительные его значения в любой момент времени.

ЭС в задачах отладки находят рецепты для исправления непра­вильного поведения устройств. Примерами могут служить настройка компьютерной системы с целью преодолеть некоторый вид затруднений в ее работе; выбор типа обслуживания, необходимого для устранения неисправностей в телефонном кабеле; выбор ремонтной операции для исправления известной неисправности в насосе.

ЭС в задачах ремонта аппаратуры следуют плану, который предписывает не­которые рецепты восстановления. Примером является настройка масс-спектрометра, т.е. установка ручек регулировки прибора в положение, обеспечивающее достижение оптимальной чувствительности, совместимой с правильным отношением величин пиков и их формы. Пока что было разработано очень мало ремонтных ЭС отчасти потому, что необходи­мость фактического выполнения ремонтных процедур на объектах реаль­ного мира дополнительно усложняет задачу. Ремонтным системам также необходимы диагностирующие, отлаживающие и планирующие процеду­ры для производства ремонта.

ЭС в области обучения подвергают диагностике, “отладке” и исправлению (“ремонту”) поведение обучаемого. В качестве примеров приведем обучение студентов отысканию неисправностей в элек­трических цепях, обучение военных моряков обращению с двигателем на корабле и обучение студентов-медиков выбору антимикробной терапии. Обучающие системы создают модель того, что обучающийся знает и как он эти знания применяет к решению проблемы. Системы диагностируют и указывают обучающемуся его ошибки, анализируя модель и строя планы исправлений указанных ошибок. Они исправляют поведение обучающихся, выполняя эти планы с помощью непосредственных указа­ний обучающимся.

ЭС в задачах управления адаптивно руководят поведением системы в целом. Примерами служат управление производством и рас­пределением компьютерных систем или контроль за состоянием больных при интенсивной терапии. Управляющие ЭС должны включать наблю­дающие компоненты, чтобы отслеживать поведение объекта на протя­жении времени, но они могут нуждаться также и в других компонентах для выполнения любых или всех из уже рассмотренных типов задач: ин­терпретации, прогнозирования, диагностики, проектирования, планирования, отладки, ремонта и обучения. Типичная комбинация задач состоит из наблюдения, диагностики, отладки, планирования и прогноза.

 

Основные компоненты

 

Типичная ЭС состоит из следующих основных компонентов: решате­ля (интерпретатора), рабочей памяти (РП), называемой также базой данных (БД), базы знаний (БЗ), компонентов приобретения знаний, объ­яснительного и диалогового компонентов (рис. 2.7).

Рис. 2.7. Типовая структура экспертной системы

База данных предназначена для хранения исходных и промежу­точных данных решаемой в текущий момент задачи. Этот термин совпа­дает по названию, но не по смыслу с термином, используемым в инфор­мационно-поисковых системах и системах управления базами данных для обозначения всех данных (и в первую очередь не текущих, а долгосрочных), хранимых в системе. База знаний в ЭС пред­назначена для хранения долгосрочных данных, описывающих рассмат­риваемую область (а не текущих данных), и правил, описывающих целе­сообразные преобразования данных этой области. Решатель, используя исходные данные из РП и знания из БЗ, формирует такую последова­тельность правил, которые, будучи примененными к исходным данным, приводят к решению задачи. Объяснительный компонент 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 к полученному ре­зультату. Диалоговый компонент ориентирован на организацию друже­любного общения со всеми категориями пользователей как в ходе решения задач, так и приобретения знаний, объяснения результатов работы.

В разработке ЭС участвуют представители следующих специальностей:

 эксперт в той проблемной области, задачи которой будет решать ЭС;

 инженер по знаниям – специалист по разработке ЭС;

 программист – специалист по разработке инструментальных средств.

Необходимо отметить, что отсутствие среди участников разработки инженера по знаниям (т.е. его замена программистом) либо приводит к неудаче процесс создания ЭС, либо значительно удлиняет его. Эксперт определяет знания (данные и правила), характеризующие проблемную, область, обеспечивает полноту и правильность введения в ЭС знаний. Инженер по знаниям помогает эксперту выявить и структурировать знания, необходимые для работы ЭС, осуществляет выбор того инструментального средства, кото­рое наиболее подходит для данной проблемной области и определяет способ представления знаний в этом инструментальном средстве, выделяет и программиру­ет (традиционными средствами) стандартные функции (типичные для данной проблемной области), которые будут использоваться в правилах, вводимых экспертом.

Программист разрабатывает инструментальное средство, содержащее в пределе все основные компоненты ЭС, осуществляет сопряжение инструментального средства с той средой, в которой оно будет использовано.

Экспертная система работает в двух режимах: приобретения знаний и решения задач (называемом также режимом консультации или режимом использования ЭС).

В режиме приобретения знаний общение с ЭС осуществляется через посредничество инженера по знаниям. Эксперт описывает проблемную область в виде совокупности данных и правил. Данные определяют объ­екты, их характеристики и значения, существующие в области эксперти­зы. Правила определяют способы манипулирования данными, харак­терные для рассматриваемой проблемной области. Эксперт, используя компонент приобретения знаний, наполняет систему знаниями, которые позволяют ЭС в режиме решения самостоятельно (без эксперта) решать задачи из проблемной области.

Важную роль в режиме приобретения знаний играет объяснительный компонент. Именно благодаря ему эксперт на этапе тестирования лока­лизует причины неудачной работы ЭС, что позволяет эксперту целена­правленно модифицировать старые или вводить новые знания. Обычно объяснительный компонент сообщает следующее: как правильно ис­пользуют информацию пользователя; почему использовались или не ис­пользовались данные или правила; какие были сделаны выводы и т.д. Все объяснения делаются, как правило, на ограниченном естественном языке или языке графики.

В режиме консультации общение с ЭС осуществляет конечный пользо­ватель, которого интересует результат и (или) способ получения решения. Пользователь ЭС может не быть специали­стом в проблемной области, для которой предназначена ЭС, в этом случае он обращается к ЭС за советом, не умея получить ответ сам, или он может быть специалистом, в этом случае он использует ЭС, чтобы либо ускорить процесс получения ре­зультата, либо возложить на ЭС рутинную работу. Термин “пользо­ватель” означает, что им является и эксперт, и инженер по знаниям, и про­граммист. Поэтому, когда хотят подчеркнуть, что речь идет о том, для кого делалась ЭС, используют термин “конечный пользователь”.

В режиме консультации данные о задаче пользователя обрабатываются диалоговым компонентом, который выполняет следующие действия:

 распределяет роли участников (пользователя и ЭС) и организует их взаимодействие в процессе кооперативного решения задачи;

 преобразует данные пользователя о задаче, представленные на при­вычном для пользователя языке, на внутренний язык системы;

 преобразует сообщения системы, представленные на внутреннем язы­ке, в сообщения на языке, привычном для пользователя (обычно это ограниченный естественный язык или язык графики).

После обработки данные поступают в рабочую память. На основе входных дан­ных в рабочей памяти, общих данных о проблемной области и правил из базы знаний реша­тель (интерпретатор) формирует решение задачи. В отличие от традиционных программ ЭС в режиме решения задачи не только исполняет предписанную последовательность операций, но и пред­варительно формирует ее. Если ответ ЭС не понятен пользователю, то он может потребовать объяснения, как ответ получен.

Экспертные сис­темы вбирают в себя знания, необходимые инженерам, юристам, ученым при разработке или создании нового продукта. Их работа заключается в создании новой информации и но­вого знания. Так, например, существующие специализированные рабочие станции по инже­нерному и научному проектированию позволяют обеспечить высокий уровень технических разработок.

Типичным образцом информационной системы обработки знаний в области компьютерных систем может служить экспертная система XCON, одна из первых и наиболее успешно применяемых разработок этого рода. Она была создана корпорацией DEC и Университетом Карнеги-Меллон и используется для проектирования конфигурации компьютеров.

MYCIN – это экспертная система, разработанная для медицинской диагностики и принятия решения. В частности, она предназначена для работы в области диагностики и лечения заражения крови и медицинских инфекций. Система ставит соответствующий диагноз, исходя из представленных ей симптомов, и рекомендует курс медикаментозного лечения любой из диагностированных инфекций. MYCIN не выдает диагноз и не раскрывает его точный показатель неопределенности. Система выдает целый список диагнозов, называя показатель определенности для каждого из них. Все диагнозы с показателями выше определенного специфического для каждого диагноза уровня принимаются как в той или иной степени вероятные, и пользователю вручается список возможных исходов.

DENDRAL – это старейшая экспертная система в мире. Эта система автоматизирует процесс определения химической структуры вещества. В самых общих чертах процесс принятия решения следующий. Пользователь дает системе DENDRAL некоторую информацию о веществе, а также данные спектромет­рии (инфракрасной, ядерного магнитного резонанса и масс-спектрометрии), и та, в свою очередь, выдает диагноз в виде соответствующей химической структуры.

На выходе первой системы имеется не один простой ответ. Обычно это целая серия возможных структур – программа не в состоянии точно сказать, какая из них верна. Затем DENDRAL “берет” каждую из этих структур по очереди и использует вторую экспертную систему, чтобы определить для каждой из них, каковы были бы результаты спектрального анализа, если бы это вещество существовало и было на самом деле исследовано по спектрограмме.

PROSPECTOR – это экспертная система, поддерживающая решения при поиске коммерчески оправданных месторождений полезных ископаемых. Методы этой системы являются одними из лучших среди всех разра­ботанных методов для любой из существующих ныне систем.