1. Системы ии

2. Системы, основанные на знаниях;

3. Экспертные системы

Таким образом, при создании систем ИИ разработки претерпели следующую эволюцию (см. рис.3).

На первом этапе (до 1970г) интенсивно велись работы по отысканию общих методов решения интеллектуальных задач и использование их при построении универсальных программ ИИ.

На втором этапе (до 1978-1980гг) велись работы по нахождению общих методов описания задач и поиска решений, чтобы использовать их при создании специализированных программных систем ИИ.

На третьем этапе (до 1988 - 1990гг) велись работы по возможности использования и накопления больших объемов высококачественных специальных знаний о некоторой узкой предметной области для создания специализированных программных систем. После неудач в создании универсальных методов решения задач (в частности, в области технологии), неудовлетворительных результатов применения систем, основанных на поиске, стали разрабатываться системы, в которых стали выделяться знания проблемной области в самостоятельную составляющую программных систем ИИ.

В настоящее время (четвертый этап) ведутся работы по построению математических моделей объектов и процессов узкой специализированной проблемной области и различных эвристик (приемов и уловок) для применения знаний к проблемам и задачам с целью наискорейшего выявления главного при решении задачи в узкой проблемной области, что позволяет избежать выполнения бесполезной работы.

1.4. Основные характеристики экспертной системы

Еще один способ определить ЭС – это сравнить их с обычными программами. Самое главное отличие традиционных программ и ЭС состоит в том, что ЭС могут манипулировать знаниями, а обычные программы этого делать не умеют и манипулируют только данными (см. табл.2).

Таблица 2. Сравнение технологии работы традиционных программ и технологии экспертных систем

Традиционные программы	Экспертные системы
Представление использование данных	Представление и использование данных
Неизменяемые алгоритмы	Совокупность эвристик и правил
Следование строго по алгоритму	Процесс логического вывода
Эффективная обработка больших баз данных	Эффективная обработка больших баз данных и знаний

Специалисты в области ИИ под ЭС понимают систему программ для ВС, обладающую набором характеристик, представленных на рис.4.

Компетентность. ЭС должна достигать в конкретной предметной области того же уровня профессионализма, что и эксперты-люди. К тому же она должна быть умелой, т.е. принимать знания эффективно и быстро, используя приемы и ухищрения, какие применяют специалисты, чтобы избежать громоздких или ненужных вычислений. Для того, чтобы по-настоящему подражать поведению эксперта-человека, ЭС должна обладать робастностью. Этого можно достичь, используя общие знания и методы нахождения решений проблем, чтобы уметь рассуждать исходя из фундаментальных принципов в случае некорректных данных или неполных наборов правил. К настоящему времени это один из наименее разработанных методов в современных ЭС, но именно им успешно пользуются эксперты-люди.

Построение математических моделей объектов и процессов, схем параллельного решения задач, методов проектирования новых объектов, процессов и знаний

высокая

Поиск методов применения и накопления больших объемов высококачественных специальных знаний о некоторой узкой предметной области для создания специализированных программных систем

Разработка общих методов описания задачи и методов поиска для построения специализированных систем ИИ

Поиск общих методов решения интеллектуальных задач, моделирующих процесс мышления, и использование их при построении универсальных программных систем ИИ

низкая

1960

1970

1980

1990

2000

Годы

Рис.3. Развитие систем искусственного интеллекта

Экспертная система

Д

Достигать экспертного уровня решений

олжна

обладать

Компетентностью

Быть умелой

Иметь адекватную робастность

Представлять знания в символьном виде

Символьным рассуждением

Переформулировать символьные знания

Работать в предметной области, содержащей трудные задачи

Глубиной

Использовать сложные правила

Исследовать свои рассуждения

Самосознанием

Объяснять свои действия

Рис. 4. Основные характеристики экспертной системы

Символьные рассуждения. Инженеры - эксперты многие задачи решают без применения трудоемких математических вычислений. Они понятия предметной области представляют в виде символов (строки знаков) и связывают их отношениями. Такие образования называются символьными структурами. Например, (курсивом выделены отношения)

понятия: технологический процесс

(символы) деталь

технологическое приспособление

технологическое оборудование

размер

300

символьные деталь изготавливается по технологическому процессу

структуры: деталь закрепляется в технологическом приспособлении

технологическое приспособление закрепляется на технологическом оборудовании

технологическое оборудование обеспечивает обработку детали, размер которой равен 300х300 мм

При решении задачи ЭС выполняет манипулирование символами и, если необходимо, производит математические расчеты. Следовательно, представление знаний – выбор, форма и интерпретация используемых символов – является важным фактором. Эксперты могут получить задачу, сформулированную произвольным образом, поэтому они преобразуют ее к виду, который соответствует быстрому получению решения или гарантирует его максимальную эффективность. Переформулирование задачи – это свойство, которым должна обладать ЭС.

Глубина. ЭС должна работать эффективно в узкой предметной области, содержащей нетривиальные задачи. Поэтому правила в ЭС должны быть сложными, либо в смысле каждого правила, либо в смысле их большого количества. В предметной области ищется решение, являющееся ценным с точки зрения такого критерия, который определяет соотношение стоимости его получения и эффективности его применения. Например, борясь с размерностью задачи, можно сделать такие упрощения, что полученное решение может оказаться неприменимым в реальной проблеме. Следовательно, ЭС должна иметь знания такой глубины, которая и позволяла эффективно уменьшать размерность задачи (число учитываемых параметров, число промежуточных и окончательных решений и т.п.) и сохраняла эффективность применения полученных решений.

Самосознание. ЭС имеет знания, позволяющие ей рассуждать о собственных действиях, и структуру, упрощающую такие рассуждения. То есть ЭС может просмотреть цепочки выводов, которые она порождает, чтобы прийти к решению задачи.

Если ЭС имеет специальные знания, по которым можно манипулировать с цепочками выводов, то открывается возможность эти знания использовать для проверки точности, устойчивости и правдоподобия решений задачи и можно даже построить доводы, оправдывающие или объясняющие процесс рассуждения.

Определение 5: Знания ЭС о том, как она рассуждает, называются метазнаниями (т.е. знания о знаниях).

У большинства существующих ЭС есть так называемый механизм объяснения.

Существующие ЭС имеют так называемый механизм объяснения. С помощью этих знаний ЭС объясняет ход решения задачи. Эти объяснения включают демонстрацию цепочек вывода и доводов, объясняющих, почему было применено каждое правило в цепочке.

Возможность проверять собственные процессы рассуждения и объяснять свои действия – одно из самых новаторских и важных свойств ЭС. Это очень важное свойство, так как

• пользователи больше доверяют результатам и испытывают большую уверенность в ЭС;

• ускоряется развитие ЭС, так как ЭС легче отлаживать;

• предположения, положенные в основу работы ЭС, становятся явными, а не подразумеваемыми;

• проще предсказывать и выявлять влияние изменений на работу ЭС.

При развитии ЭС самосознание позволит им создавать обоснования отдельных правил путем рассуждения, исходящего из основных принципов. Они будут приспосабливать свои объяснения к требованиям пользователя. Они смогут изменять собственную внутреннюю структуру путем коррекции правил, реорганизации базы знаний и реконфигурации системы.

Первый шаг в этом направлении – выделить метазнания и сделать их явными, точно также как знания о предметной области выделены и сделаны явными. Можно привести следующий пример метазнания – знания о том, как использовать предметные знания.

ЕСЛИ: к данной ситуации применимо несколько правил,

ТО: использовать сначала правила, предложенные экспертами, прежде чем прибегнуть к правилам, предложенным новичком.

Это метаправило говорит ЭС, каким образом она должна выбирать те правила, которые надо выполнить.

Существует еще одно важное отличие ЭС от традиционных программ. Традиционная программа разрабатывается так, чтобы порождать по заранее спроектированному жесткому алгоритму правильный результат. ЭС разрабатываются так, чтобы не имея жесткой схемы применения правил, давать правильные ответы, т.е. вести себя как эксперт. Но при этом возможны (допустимы) ошибки. На первый взгляд кажется, что традиционные программы имеют явное преимущество. Но это не так. При решении сложных, плохо формализованных задач традиционные программы также делают ошибки, но их трудно, а часто и невозможно, исправить, так как стратегии, эвристики и принципы, лежащие в основе правил решения этой сложной задачи, явно не сформулированы в их тексте. А ЭС имеют потенциальную возможность в ходе практической работы учиться на своих ошибках и совершенствовать свои правила решения задач.