Стадии существования экспертных систем

Стадия существования характеризует степень проработанности и отлаженности экспертной системы. Обычно выделяют следующие стадии:

• исследовательский прототип;

• действующий прототип;

• промышленная система;

• коммерческая система.

Исследовательским прототипом называют систему, которая решает представительный класс задач приложения, но может быть неустойчива в работе и не полностью проверена. При наличии развитых инструментальных средств, для разработки исследовательского прототипа, требуется примерно 2-4 месяца. Исследовательский прототип обычно имеет в базе знаний не больше 50 исполняемых утверждений; при использовании только частных утверждений их количество возрастает в 3-10 раз.

Действующий прототип надежно решает все задачи, но для решения сложных задач может требовать чрезмерно много времени и (или) памяти. Доведение системы от начала разработки до стадии действующего прототипа требует примерно 6-9 месяцев, при этом количество исполняемых утверждений в базе знаний увеличивается до 100.

Экспертная система, достигшая стадии промышленной системы, обеспечивает высокое качество решений всех задач при минимуме времени и памяти. Обычно процесс преобразования действующего прототипа в промышленную систему состоит в расширении базы знаний (до 150 исполняемых утверждений) и ее тщательной отладки. Доведение экспертной системы от начала разработки до стадии промышленной системы на развитых инструментальных средствах требует примерно 12-18 месяцев.

Обобщение задач, решаемых экспертной системой на стадии промышленной системы, позволяет перейти к стадии коммерческой системы, то есть к системе, пригодной не только для собственного использования, но и для продажи различным потребителям. Доведение системы до коммерческой стадии требует примерно 1.5-2 года. Приведенные выше сроки справедливы для экспертных систем средней сложности.

Ограниченность применения экспертных систем

Потенциальный пользователь экспертной системы чаще всего задается вопросом: «А сможет ли она решить мои проблемы?». Существуют три фактора, от которых зависит окончательный ответ, – природа проблемы, наличие определенного опыта в той предметной области, к которой относится проблема, и возможность сопоставления результатов анализа проблемы и имеющегося опыта методом, доступным компьютерной программе. Перед принятием решения о создании экспертной системы, следует задуматься над следующим: доступен ли эксперт, который:

• способен решить проблему;

• знает, как решается проблема;

• способен объяснить, как решается проблема;

• располагает временем, чтобы объяснить, как решается проблема;

• имеет достаточные побудительные мотивы к активному участию в создании экспертной системы.

Например, предсказание погоды – это не та задача, которую может решить кто-либо, даже умудренный большим опытом эксперт. Распознавание речи – это задача, которую решает практически каждый, но никто из нас (включая и профессиональных лингвистов) не может вразумительно объяснить, как это делается. А потому использовать для решения этой проблемы методы, основанные на анализе знаний, вряд ли удастся. Здесь большего следует ожидать от статистического моделирования. Даже имея на примете гениального эксперта, знающего, как решается задача, нельзя рассчитывать на успех, если этот эксперт не может или не желает подробно и вразумительно объяснить, как он это делает. Эксперт может быть не расположен к общению с посторонними или слишком занят, чтобы терять время на длительные собеседования с инженером, которому поручено проектирование базы знаний. Как правило, эксперт высокого класса не испытывает недостатка в предложениях работы в той области, с которой он хорошо знаком, а потому предпочитает выполнять ее, а не вести пространные беседы о том, как он это делает. Есть еще и психологический фактор – многие эксперты весьма ревниво относятся к своему уникальному опыту и не склонны его разглашать, поскольку считают (и нам нечего возразить им), что, передавая опыт автоматизированным системам, они рубят сук, на котором сидят.

Но даже если удастся выполнить оговоренные выше условия, в задаче могут существовать факторы, ограничивающие возможность «машинного» воспроизведения человеческого опыта. Например:

в процессе решения задачи используются способности органов чувств человека, недоступные на сегодняшний день в мире машин;

в решение задачи вовлечены соображения здравого смысла человечества или большой объем знаний, само собой разумеющихся для любого человека.

Очень важно отделить те знания, владение которыми характерно именно для эксперта в определенной области, от тех знаний, которые известны любому, выполняющему в этой области рутинную работу. Управление автомобилем при езде по забитым транспортом улицам требует не столько знаний эксперта, сколько умения мгновенно оценивать ситуацию и быстро на нее реагировать.

Нельзя упускать из виду и огромный объем знаний об окружающем мире, которым мы все располагаем: знаниями о предметах и их свойствах, людях и мотивации их действий, взаимосвязях в физическом мире и наиболее вероятном течении событий в тех или иных условиях – список можно продолжать до бесконечности. Эту совокупность знаний мы не включаем в знания, отличающие эксперта, но до сих пор еще совсем не ясно, насколько они важны компьютеру для решения узкоспециальной проблемы. Таким образом, любая задача, которую не удается инкапсулировать в ограниченный перечень фактов и правил, на сегодняшний день не под силу экспертным системам.