Информационная технология экспертных систем

В ИТ экспертных систем используются достижения в облас­ти искусственного интеллекта. Под термином «искусственный интеллект» понимается спо­собность некоторой компьютерной системы к таким действиям, которые неотличимы в определенной ситуации от действий мыс­лящего человека. Например, если человек, ведущий диалог с компьютером по электронной почте, не в состоянии определить, кто его собеседник: человек или машина, то можно говорить об искусственном интеллекте компьютера. Экспертные системы, накапливая опыт экспертов в той или иной области знания, пре­образуют этот опыт в набор эвристических правил, позволяющих получать при решении задач результаты близкие к оптимальным. Применение ИТ экспертных систем особенно продуктивно при решении неподдающихся формализации задач или задач большой размерности, недоступных для имеющихся вычислительных мощностей.

Уровень поддержки принятия решения с помощью рассмат­риваемой ИТ выше, чем в предыдущих системах по следующим причинам:

в ИТ экспертных систем задействуются коллективный опыт и знания лучших специалистов в некоторой предметной области;

экспертная система помимо решений задач дает необходи­мые пояснения по ходу решения.

Основными компонентами ИТ экспертных систем являются: база знаний, интерпретатор знаний, интерфейс пользователя, мо­дуль создания системы.

База знаний. Этот термин требует пояснений. Мы уже отме­чали (см. 1.2) разницу между терминами «данные» и «информа­ция», Знания связаны с информацией о некоторой предметной области, основаны на ней, но являются продуктом мышления человека, результатом обобщения опыта его деятельности. Таким образом, знания - это совокупность познанных зако­номерностей, дающих возможность решать задачи в некоторой предметной области. При создании баз знаний (БЗ) знания транс­формируются следующим образом.

Автором и первичным носителем знаний на естественном языке является человек. Вторичными носителями на этом же языке высту­пают рукописи, книги и т.д. Для ввода в ЭВМ и создания возможно­сти их хранения и дальнейшей обработки в базе знания описывают­ся на одном из специальных языков представления знаний.

Языки представления знаний. Для различных предметных об­ластей созданы десятки моделей (и соответствующих языков) пред­ставления знаний. Они, в основном, сводятся к следующим типам: сетевым; фреймовым; продукционным; формально-логическим.

Сетевые модели. В сетевой модели понятиям соответствуют узлы сети, а звеньям сети - отношения между понятиями.

Фреймовые модели. Под фреймом (англ. frame - каркас) по­нимается некоторый абстрактный образ, описываемый набором атрибутов. Атрибуты подбираются так, что ни один из них нельзя исключить, не исказив описываемого образа. В то же время во фрейме предусматриваются так называемые слоты - незаполнен­ные значения атрибутов. Например, атрибут «колесо» является необходимым в образе автомобиля, а размер колеса может быть разным и поэтому не. у казан.

Продукционные модели. Это модели, основанные на некото­рых правилах. Знания в таких моделях представляются предло­жениями вида: Если (условие), то (действие), т.е. здесь сформу­лировано некоторое правило. Сама БЗ состоит из набора правил.

Формально-логические модели. Эти модели строятся по зако­нам математической логики, являются экспериментальными и в промышленных экспертных системах не используются.

Вне зависимости от модели представления знаний в любой БЗ существует система правил, каждое из которых определяет, что следует делать в конкретной ситуации.