Экспертные системы. Архитектура ЭС, база знаний, интеллектуальный интерфейс, механизм вывода, механизм объяснения, механизм приобретения знаний

Экспертные системы.Назначение экспертных систем заключается в решении достаточно трудных для эксперта задач на основе накапливаемой БЗ, отражающей опыт работы экспертов в рассматриваемой проблемной области.

Достоинства экспертных систем заключаются в возможности принятия решений в уникальных ситуациях, для которых алгоритм заранее неизвестен и формируется по исходным данным в виде цепочки рассуждений (правил принятия решений из БЗ). Причем, решение задач предполагается осуществлять в условиях неполноты, недостоверности, многозначности исходной информации и качественных оценок процессов.

ЭС является инструментом усиливающим интеллектуальные способности эксперта и может выполнять следующие роли:

1. Консультанта для неопытных или непрофессиональных пользователей,

2. Ассистента, в связи с необходимостью анализа экспертом различных вариантов принятия решений.

3. Партнеры эксперта по вопросам, относящимся к источникам знаний из смежных областей деятельности.

Архитектура ЭС. ЭС включает в себя 2 основных компонента:

БЗ (хранилища единиц знаний)

Программный инструмент доступа и обработки знаний, состоящий из механизмов выводов, заключений, приобретения знаний, объяснения получаемых результатов и интеллектуального интерфейса.

	Интеллектуальный интерфейс

БЗ - это совокупность единиц знаний, которые представляют собой формализованное с помощью некоторого метода представления знаний, описания объектов проблемной области и их взаимосвязи действий над объектами и возможно неопределенностей с которыми эти действия осуществляются.

В качестве метода представления знаний чаще всего используются либо правила, либо объекты (фреймы), либо их комбинация. Правило чаще всего представляют собой конструкции вида:

Если <условие>

То <заключение> CF (фактор определенности)

<значение>

В качестве факторов определенности, как правило, выступают либо условные вероятности Байесовского подхода (от 0 до 1), либо коэффициенты уверенности нечеткой логики (от 0 до 100).

Пример:

1. если коэф. рентабельности > 0,2

то рентабельность = «удовл.» CF=100

2. если задолженность = «нет» и рентабельность = «удовл.»

то финансовое сост. = «удовл.» CF=80 (CF-факторная уверенность)

3. если фин. сост. = «удовл.» и репутация = «удовл.»

то надежность предприятия = «удовл.» CF=90.

Объекты представляют собой совокупность атрибутов, описывающие свойства и отношения с другими объектами.

Интеллектуальный интерфейс - обмен данными между конечным пользователем и ЭС выполняет программа интеллектуального интерфейса, которая воспринимает сообщения пользователя и преобразует их в форму представления БЗ и, наоборот, переводит внутреннее представление результата обработки в формат пользователя и выдает сообщения на требуемый носитель. Важнейшим требованием в организации диалога пользователя с экспертной системой является естественность, которая не означает буквально формулирование потребности пользователя предположениями естественного языка, хотя и это не исключается в ряде случаев. Важно, чтобы последовательность решения задачи была гибкой, соответствовала представлениям пользователя.

Механизм вывода - этот программный инструмент получает от интеллектуального интерфейса преобразованный во внутреннее представление запрос, формирует из БЗ конкретный алгоритм решения задачи, выполняет алгоритм, а полученный результат предоставляется интеллектуальному интерфейсу для выдачи ответа на запрос пользователя.

В основе использования любого механизма вывода лежит процесс нахождения в соответствии с поставленной целью и описанием конкретной ситуации (исходных данных) относящихся к решению единиц знаний (правил, объектов, прецедентов и т.д.) и связыванию их при необходимости в цепочку рассуждений, приводящую к определенному результату. Для предоставления знаний в форме правил это может быть прямая или обратная цепочка рассуждений.

Коэф. Рентабельность=

рентаб. «удовл.» Финансовое

состояние=

Задолженность= «удовл»

«нет» Надежность=

«удовл. »

Репутация=

«удовл.»

Рисунок. Прямая цепочка рассуждений.

Рентабельность= Коэф.

«удовл.»? рентаб.>20

Финансовое ДА ДА

состояние=

Надежность= «удовл.»?

«удовл.»? ДА

ДА

Задолженность=

Репутация= «нет»?

«удовл.»? ДА

ДА

Рисунок. Обратная цепочка рассуждений

Механизм объяснения.В процессе или по результатам решения задачи пользователь может запросить объяснение или обоснования хода решения. С этой целью ЭС должна предоставить соответствующий механизм объяснения. Объяснительные способности ЭС определяются возможностью механизма вывода запоминать путь решения задачи.

Механизм приобретения знаний. БЗ отражает знания экспертов (специалистов) в данной проблемной области о действиях в различных ситуациях или процессах решения характерных задач. Выявлением подобных знаний и последующим их представлением в БЗ занимаются специалисты, называемые инженерами знаний. В простейшем случае это интеллектуальный редактор, который позволяет вводить единицы знаний в базу и проводить их синтаксический и семантический контроль, например, на непротиворечивость. В более сложных случаях механизм приобретения знаний позволяет извлекать знания в результате использования специальных сценариев интервьюирования экспертов, или из вводимых примеров реальных ситуаций, как в случае индуктивного вывода, или из текстов, или из опыта работы самой интеллектуальной системы.

Классы ЭС

По степени сложности решаемых задач ЭС можно классифицировать следующим образом:

По способу учета временного признака ЭС могут быть статическими и динамическими. Статические системы решают задачи при неизменяемых в процессе решения данных и знаниях, динамические системы допускают такие изменения. Статические системы осуществляют монотонное непрерываемое решение задачи от ввода исходных данных до конечного результата, динамические системы предусматривают возможность пересмотра в процессе решения полученных ранее результатов и данных.

По способу формирования решения ЭС разделяются на 2 класса: аналитические и синтетические. Аналитические системы предполагают выбор решений из множества известных альтернатив (определение характеристик объектов), а синтетические сис. - генерацию неизвестных решений (формирование объектов).

По видам используемых данных и знаний ЭС классифицируются на системы с детерминированными (четко определенными) знаниями и неопределенными знаниями. Под неопределенностью знаний (данных) понимается их неполнота (отсутствие), недостоверность (неточность измерения), двусмысленность (многозначность понятий), нечеткость (качественная оценка вместо количественной).

По числу используемых источников знаний ЭС могут быть построены с использованием одного или множества источников знаний.

Источники знаний могут быть альтернативными (множество миров) или дополняющими друг друга.

В соответствии с перечисленными признаками классификации, как правило, выделяются следующие 4 основные класса ЭС.

Классифицирующие ЭС.К аналитическим задачам прежде всего относятся задачи распознания различных ситуаций, когда по набору заданных признаков (факторов) выявляется сущность некоторой ситуации, в зависимости от которой выбирается определенная последовательность действий. Т.о., в соответствии с исходными условиями среди альтернативных решений находится одно, наилучшим образом удовлетворяющее поставленной цели и ограничениям.

ЭС, решающие задачи распознавания ситуаций, называются классифицирующими, поскольку определяют принадлежность анализируемой ситуации к некоторому классу. В качестве основного метода формирования решений используется метод логического дедуктивного вывода от общего к частному, когда путем подстановки исходных данных в некоторую совокупность взаимосвязанных общих утверждений получается частное заключение.

Рисунок. Классы ЭС

Доопределяющие ЭС. Решают более сложные аналитические задачи на основе неопределенных исходных данных и знаний (доопределяет недостающие знания). В этом случае экспертная система должна как бы доопределять недостающие знания, а в пространстве решений с различной вероятностью или уверенностью в необходимости их выполнения. В качестве методов работы с неопределенностями могут использоваться байесовский вероятностный подход, коэффициенты уверенности, нечеткая логика.

Доопределяющие ЭС могут использоваться для формирования решения несколько источников знаний. В этом случае могут использоваться эвристические приемы выбора единиц знаний из их конфликтного набора, например, на основе использования приоритетов важности, или получаемой степени определенности результата или значений функций предпочтений.

Для аналитических задач классифицирующего и доопределяющего типов характерны следующие проблемные области:

1. Интерпретация данных - выбор решения из фиксированного множества альтернатив на базе введенной информации о текущей ситуации. Основное назначение - определение сущности рассматриваемой ситуации, выбор гипотез, исходя из фактов. Пример, ЭС анализа финансового состояния предприятия.

2. Диагностика - выявление причин, приведших к возникновению ситуации. Требуется предварительная интерпретация ситуации с последующей проверкой дополнительных фактов, например, выявление факторов снижения эффективности производства.

3. Коррекция - диагностика, дополненная возможностью оценки и рекомендации действий по исправлению отклонений от нормального состояния рассматриваемых ситуаций.

Трансформирующие ЭС.Относятся к синтезирующим динамическим системам, предполагают повторяющееся преобразование знаний в процессе решения задач, что связано с характером результата, который нельзя заранее предопределить, а также с динамичностью самой предметной области.

В качестве методов решения задач используются:

1. Генерация и тестирование. Когда по исходным данным осуществляется генерация гипотез, а затем проверка сформулированных гипотез на подтверждение поступающими фактами.

2. Предположение и умолчание. Когда по неполным данным подбираются знания об аналогичных классах объектов, которые в дальнейшем динамически адаптируются к конкретной ситуации в зависимости от ее развития.

3. Использование общих закономерностей (метауправления) в случае неизвестных ситуаций, позволяющих генерировать недостающее знание.

Многоагентные системы.Для таких динамических систем характерна интеграция в БЗ нескольких разнородных источников знаний, обменивающихся между собой получаемыми результатами на динамической основе (например, доска объявлений).

Особенности:

1. Проведение альтернативных рассуждений на основе использования различных источников знаний с механизмом устранения противоречий,

2. Распределенное решение проблем, которые разбиваются на параллельно решаемые подпроблемы, соответствующие самостоятельным источникам знаний,

3. Применение множества стратегий работы механизма вывода в зависимости от типа решаемой проблемы,

4. Обработка больших массивов данных, содержащихся в базе данных, и способность к самообучению, изменяющая правила поведения агентов,

5. Использование различных математических моделей и внешних процедур, хранимых в базе моделей,

6. Способность прерывания решения задач в связи с необходимостью получения дополнительных данных и знаний от пользователей, моделей, параллельно решаемых подпроблем.

Источник

знаний 1

Для синтезирующих динамических ЭС наиболее применимы следующие проблемные области:

1. Проектирование- определение конфигурации объектов с точки зрения достижения заданных критериев эффективности и ограничений, например, проектирование бюджета, портфеля инвестиций и т.д.

2. Прогнозирование - предсказание последствий развития текущих ситуаций на основе математического и эвристического моделирования, например, прогнозирование трендов на биржевых торгах.

3. Планирование- выбор последовательности действий пользователей по достижению поставленной цели, например, планирование цепочек поставки продукции.

4. Диспетчирование - распределение работ во времени, составление расписаний, например, планирование графика потоков работ.

5. Мониторинг - слежение за текущей ситуацией с возможной последующей коррекцией, например, мониторинг сбыта готовой продукции.

6. Управление- мониторинг, дополненный реализацией действий в автоматических системах, например, принятие решений на биржевых торгах.