Література

Юськів Б. М. Контент-аналіз. Історія розвитку і світовий досвід: Монографія. – Рівне.: "Перспектива", 2006. – 203 с.

Опорний конспект лекцій з дисципліни “Формалізовані методи дослідження ЗМК” для студентів спеціальності 7.030404 "Міжнародна інформація" /Б.М.Юськів. – Рівне: РІС КСУ, 2003. – 56 с.

Lowe W. Software for Content Analysis – A Review.

Лекція 5. Експертні системи.

Одним з найбільш значних досягнень штучного інтелекту стала розробка потужних комп'ютерних систем, що одержали назву «експертних» або заснованих на «знаннях» систем. У сучасному суспільстві при рішенні завдань керування складними багатопараметричними й сильнозв’язними системами, об'єктами, виробничими й технологічними процесами доводиться зіштовхуватися з вирішенням неформалізованих або важкоформалізованих завдань. Такі завдання часто виникають у наступних областях: авіація, космос і оборона, нафтопереробна промисловість і транспортування нафтопродуктів, хімія, енергетика, металургія, целюлозно-паперова промисловість, телекомунікації й зв'язок, харчова промисловість, машинобудування, виробництво цементу, бетону, транспорт, медицина й фармацевтичне виробництво, адміністративне керування, прогнозування й моніторинг. Найбільш значними досягненнями в цій області стало створення систем, які ставлять діагноз захворювання, визначають знаходження родовища корисних копалин, допомагають у проектуванні електронних пристроїв, машин і механізмів, вирішують завдання керування реакторами й інші завдання. Приклади експертних систем у різних предметних областях приводяться наприкінці лекції.

Під експертною системою (ЕС) будемо розуміти програму, що використовує знання фахівців (експертів) про деяку конкретну вузько спеціалізовану предметну область і у межах цієї області здатна приймати рішення на рівні експерта-професіонала.

Усвідомлення корисності систем, які можуть копіювати дорогі або людські знання, що рідко зустрічаються, призвело до широкого впровадження й розквіту цієї технології у 80-і, 90-і роки минулого століття. Основу успіху ЕС склали дві важливі властивості:

• в ЕС знання відділені від даних, і потужність експертної системи обумовлена в першу чергу потужністю бази знань і тільки в другу чергу використовуваними методами вирішення завдань;

• розв'язувані ЕС завдання є неформалізовані або слабоформалізовані й використовують евристичні, експериментальні, суб'єктивні знання експертів у певній предметній області.

Основними категоріями розв'язуваних ЕС завдань є: діагностика, керування (у тому числі технологічними процесами), інтерпретація, прогнозування, проектування, налагодження й ремонт, планування, спостереження, навчання.

Основу ЕС становить підсистема логічного виводу, що використовує інформацію з бази знань (БЗ), генерує рекомендації з вирішення шуканого завдання. Найчастіше для подання знань в ЕС використовуються системи продукцій й семантичні мережі. БЗ складається з фактів і правил (якщо <причина> то <висновок>). Якщо ЕС визначає, що причина вірна, то правило є придатним для даної консультації й воно запускається в дію. Запуск правила означає прийняття висновку даного правила як складова частина процесу консультації.

Обов'язковими частинами будь-якої ЕС є також модуль придбання знань і модуль відображення й пояснення рішень. У більшості випадків, реальні ЕС у промисловій експлуатації працюють також на основі баз даних (БД). Тільки одночасна робота зі знаннями й більшими обсягами інформації із БД дозволяє ЕС одержати неординарні результати, наприклад, поставити складний діагноз (медичний або технічний), відкрити родовище корисних копалин, управляти ядерним реактором у реальному часі.

Важливу роль при створенні ЕС грають інструментальні засоби. Серед інструментальних засобів для створення ЕС найбільш популярні такі мови програмування, як LISP і PROLOG, а також експертні системи-оболонки (ЕСО): KEE, CENTAUR, G2 і GDA, CLIPS, АТ_ТЕХНОЛОГІЯ, що надають у розпорядження розробника-інженера широкий набір для комбінування систем подання знань, мов програмування, об'єктів і процедур

Розглянемо різні способи класифікації ЕС.

По призначенню ЕС діляться на:

• ЕС загального призначення.

• Спеціалізовані ЕС:

  1. проблемно-орієнтовані для завдань діагностики, проектування, прогнозування

  2. предметно-предметно-орієнтовані для специфічних завдань, наприклад, контролю ситуацій на атомних електростанціях.

По ступені залежності від зовнішнього середовища виділяють:

• Статичні ЕС, що не залежать від зовнішнього середовища.

• Динамічні, які враховують динаміку зовнішнього середовища й призначені для рішення завдань у реальному часі. Час реакції в таких системах може задаватися в мілісекундах, і ці системи реалізуються, як правило, мовою С++.

По типу використання розрізняють:

• Ізольовані ЕС.

• ЕС на вході/виході інших систем.

• Гібридні ЕС або, інакше кажучи, ЕС інтегровані з базами даних та іншими програмними продуктами (додатками).

По складності розв'язуваних завдань розрізняють:

1. Прості ЕС - до 1000 простих правил.

2. Середні ЕС - від 1000 до 10000 структурованих правил.

3. Складні ЕС - більше 10000 структурованих правил.

По стадії створення виділяють:

• Дослідницький зразок ЕС, розроблений за 1-2 місяці з мінімальної БЗ.

• Демонстраційний зразок ЕС, розроблений за 2-4 місяці, наприклад, мовою типу LISP, PROLOG, CLIPS

• Промисловий зразок ЕС, розроблений за 4-8 місяців, наприклад, мовою типу CLIPS з повної БЗ.

• Комерційний зразок ЕС, розроблений за 1,5-2 роки, наприклад, мовою типу С++, Java з повної БЗ.

Приклади експертних систем

Для початку зробимо короткий екскурс в історію створення ранніх і найбільш відомих ЕС. У більшості цих ЕС у якості СПЗ використовувалися системи продукцій (правила) і прямий ланцюжок міркувань. Медична ЕС MYCIN розроблена в Стенфордському університеті в середині 70-х років для діагностики й лікування інфекційних захворювань крові. MYCIN у цей час використовується для навчання лікарів.

ЕС DENDRAL розроблена в Стенфордському університеті в середині 60-х років для визначення топологічних структур органічних молекул. Система виводить молекулярну структуру хімічних речовин за даними мас-спектрометрії і ядерного магнітного резонансу.

ЕС PROSPECTOR розроблена в Стенфордському університеті в 1974--1983 роках для оцінки геологами потенційної рудоносності району. Система містить більше 1000 правил і реалізована на INTERLISP. Програма порівнює спостереження геологів з моделями різного роду покладів руд. Програма втягує геолога в діалог для отримання додаткової інформації. В 1984 році вона точно передбачила існування молібденового родовища, оціненого в багатомільйонну суму.

Відмінності ЕС від класичних програмних систем

Процес створення ЕС на перших етапах полягає в специфічній взаємодії експерта (експертів) і інженера знань з метою "добування знань експерта й вбудовування в систему процедур, стратегій емпіричних правил, які він використовує для вирішення задач. Експерт — це людина, що завдяки навчанню й досвіду може робити те, що ми всі, інші люди робити не вміємо; експерти працюють не просто професійно, але швидко й ефективно, добре вміють розпізнавати проблеми, з якими зіштовхуються, приклади тих типових проблем, з якими вони вже знайомі. Дуже важливо підкреслити, що експерт повинен не тільки знати, але й уміти. Якщо коротко, то саме цією властивістю відрізняються бази даних від баз знань — бази знань активні.

Експертні системи (ЕС) як окремий напрямок виділився із загального русла досліджень по ШІ на початку 80-х рр. XX в. Основним предметом досліджень нового напрямку є знання — їхнє отримання, подання й використання. Фахівці, що працюють у цій області все частіше використовують для її найменування термін «інженерія знань - knowlege engineering».

Чим відрізняються ЕС від традиційних програм? Коротко на це питання відповідає нижченаведена таблиця (табл.. 5.1) .

Таблиця 5.1

Особливості експертних систем

Обробка даних	Інженерія знань
Подання і використання даних	Подання і використання знань
Алгоритми	Евристики
Повторний прогін	Логічний вивід
Обробка більших БД	Обробка більших БЗ

Ще однією відмінністю ЕС від класичних програм, робота яких заснована на точних даних — ЕС можуть помилятися. Важливо, щоб вони помилялися не частіше, ніж помиляється людина-експерт. Причина помилок полягає у тому, що наші знання, як і знання, закладені в ЕС, не точні. Світ, із суб'єктивної точки зору, має імовірнісний характер. Світ не формалізований. Але ми в ньому живемо, тобто формулюємо й досягаємо мету. Те саме роблять і ЕС.

Обговорення технологічних аспектів розробки складних програмних систем показує, що найбільш проробленим етапом є реалізація програмних проектів. По методам цей етап близький до автоматизації програмування — однієї з основних проблем використання засобів обчислювальної техніки. Тут вже протягом багатьох років застосовується великий арсенал мов програмування високого рівня, орієнтованих на зручну й ефективну реалізацію різних класів задач, а також широкий спектр трансляторів, що забезпечують отримання якісних виконавчих програм. Все ширше використовуються на сучасному етапі й методи автоматичного синтезу програм. Вже стало звичним застосування мовно-орієнтованих редакторів і спеціалізованих баз даних. І можна сказати, що в рамках технології програмування вже практично сформувалася концепція розробки складних програмних продуктів, що визначає інструментальні засоби, доступні розробникам.

Необхідність використання засобів автоматизації програмування прикладних систем, орієнтованих на знання, і зокрема ЕС, була усвідомлена розробниками цього класу програмного забезпечення ЕОМ вже давно. Власне кажучи, засоби підтримки розробки інтелектуальних систем у своєму розвитку пройшли основні стадії, характерні для систем автоматизації програмування.

Оцінюючи даний процес із сьогоднішніх позицій, можна вказати в цій області дві тенденції. Перша з них як би повторює «класичний» шлях розвитку засобів автоматизації програмування: автокоди — мови високого рівня — мови надвисокого рівня — мови специфікацій. Умовно цю тенденцію можна назвати висхідною стратегією в області створення засобів автоматизації розробки інтелектуальних систем. Друга тенденція, низхідна, зв'язується зі спеціальними засобами, орієнтованими на певні класи завдань і методів ШІ. Зрештою, обидві ці тенденції, взаємно збагативши одна одну, повинні призвести до створення потужного й гнучкого інструментарію інтелектуального програмування. Але на даний етап в цій області характерна концентрація зусиль у наступних напрямках:

• Розробка систем подання знань (СПЗ) шляхом прямого використання широко розповсюджених мов обробки символьної інформації та, все частіше, мов програмування загального призначення.

• Розширення базових мов ШІ до систем подання знань за рахунок спеціалізованих бібліотек і пакетів.

• Створення мов подання знань (МПЗ), спеціально орієнтованих на підтримку певних формалізмів, і реалізація відповідних трансляторів із цих мов.

В експертних системах реалізуються такі базові функції.