
ГОСы / ФБИ ИИС 2016
.pdf
19 Классификация ИИС. Системы с интеллектуальным
интерфейсом
Интеллектуальная информационная система (ИИС) - комплекс программных,
лингвистических и логико-математических средств для реализации основной задачи –
осуществления поддержки деятельности человека и поиска информации в режиме продвинутого диалога на естественном языке.[1] ИИС являются разновидностью
интеллектуальной системы, а также одним из видов информационных систем.
Интеллектуальная информационная система (ИИС) основана на концепции использования базы знаний для генерации алгоритмов решения прикладных задач различных классов в зависимости от конкретных информационных потребностей пользователей.
Для ИИС характерны следующие признаки:
развитые коммуникативные способности;
умение решать сложные плохо формализуемые задачи;
способность к самообучению;
адаптивность.
Классификация:
(Каждый класс интеллектуальных информационных систем содержит подклассы)
На рисунке приведена классификация ИИС, признаками которой являются следующие интеллектуальные функции:
коммуникативные способности - способ взаимодействия конечного пользователя с системой;
решение сложных плохо формализуемых задач, которые требуют построения оригинального алгоритма решения в зависимости от конкретной ситуации,

характеризующейся неопределенностью и динамичностью исходных данных и знаний;
способность к самообучению - умение системы автоматически извлекать знания из накопленного опыта и применять их для решения задач;
адаптивность - способность системы к развитию в соответствии с объективными изменениями области знаний.
Система с интеллектуальным интерфейсом – это интеллектуальная информационная система, предназначенная для поиска неявной информации в базе данных или тексте для произвольных запросов, составленных на ограниченном естественном языке.
Существуют следующие виды таких систем:
1)Интеллектуальные базы данных – отличаются от обычных баз данных возможностью выборки по запросу необходимой информации, которая может явно не храниться, а выводиться из имеющейся в базе данных. В них осуществляется поиск по условию, которое должно быть доопределено в ходе решения задачи. Интеллектуальная система без помощи пользователя по структуре базы данных сама строит путь доступа к файлам данных. Формулирование запроса осуществляется в диалоге с пользователем, последовательность шагов которого выполняется в максимально удобной для пользователя форме.
2)Естественно-языковой интерфейс применяется для доступа к интеллектуальным базам данных, контекстного поиска, голосового ввода команд в системах управления, машинного перевода с иностранных языков. Он предполагает трансляцию естественно-языковых конструкций на внутримашинный уровень представления знаний. Для реализации естественно-языкового интерфейса необходимо решить задачи морфологического, синтаксического и семантического
анализа и синтеза высказываний на естественном языке. Морфологический анализ предполагает распознавание и проверку правильности написания слов по словарям. Синтаксический контроль – разложение входных сообщений на отдельные компоненты (определение структуры) с проверкой соответствия грамматическим
правилам внутреннего |
представления знаний |
и выявления |
недостающих |
|
частей. Семантический |
анализ – |
установление |
смысловой |
правильности |
синтаксических конструкций. Синтез высказываний заключается в преобразовании цифрового представления информации в представление на естественном языке.
3)Гипертекстовые системы предназначены для поиска по ключевым словам в базах текстовой информации. Интеллектуальные гипертекстовые системы отличаются от обычных более сложной семантической организацией ключевых слов, которая отражает различные смысловые отношения терминов. Механизм поиска работает сначала с базой знаний ключевых слов, а уже затем – с текстом. Аналогично может проводиться поиск мультимедийной информации, включающей кроме текстовой и цифровой информации графические, аудио- и видеообразы.
4)Системы контекстной помощи относятся к классу систем распространения знаний. В отличие от обычных систем помощи, навязывающих пользователю схему поиска требуемой информации, в интеллектуальных системах контекстной помощи

пользователь описывает проблему (ситуацию), а система с помощью дополнительного диалога ее конкретизирует и сама выполняет поиск относящихся к ситуации рекомендаций. Такие системы используются как приложения к системам документации (например, технической документации по эксплуатации товаров).
5) Системы когнитивной графики (когнитивный – способствующий пониманию) ориентированы на общение ИИС с пользователем посредством графических образов, которые генерируются в соответствии с происходящими событиями. Когнитивная графика позволяет в наглядном виде представить множество параметров изучаемого явления, освобождает пользователя от анализа стандартных ситуаций, способствует быстрому освоению программных средств.
Такие системы используются в мониторинге и управлении оперативными процессами, в обучающих и тренажерных системах на основе использования принципов виртуальной реальности, в оперативных системах принятия решений, работающих в режиме реального времени, в распознавании графических образов (например, при обработке космической информации).

20 Экспертные системы. Архитектура экспертной системы.
Назначение составных частей ЭС.
Экспе́ртная систе́ма (ЭС, англ. expert system) — компьютерная система, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации.
В информатике экспертные системы рассматриваются совместно с базами знаний как модели поведения экспертов в определенной области знаний с использованием процедур логического вывода и принятия решений, а базы знаний — как совокупность фактов и правил логического вывода в выбранной предметной области деятельности.
Структура ЭС интеллектуальных систем:
Взаимодействие эксперта, пользователя и структурных частей системы можно представить в виде следующей базовой структуры.
База знаний. Основу ЭС составляет база знаний (БЗ), хранящая множество фактов и набор правил, полученных от экспертов, из специальной литературы. БЗ отличается от базы данных тем, что в базе данных единицы информации представляют собой не связанные друг с другом сведения, формулы, теоремы, аксиомы. В БЗ те же элементы уже связаны как между собой, так и с понятиями внешнего мира. Информация в БЗ - это все необходимое для понимания, формирования и решения проблемы. Она содержит два основных элемента: факты (данные) из предметной области и специальные эвристики или правила, которые управляют использованием фактов при решении проблемы (правила — набор инструкций, применяя которые к известным фактам можно получать новые факты).
Знания могут быть представлены несколькими способами: логической моделью,
продукциями, фреймами и семантическими сетями.
Машина логического вывода (МЛВ). Главным в ЭС является машина логического вывода, осуществляющая поиск в базе знаний для получения решения. Она манипулирует информацией из БЗ, определяя в каком порядке следует выявлять взаимосвязи и делать выводы. МЛВ используются для моделирования рассуждений, обработки вопросов и подготовки ответов.
Интерфейс пользователя. ЭС содержат языковой процессор для общения между пользователем и компьютером. Это общение может быть организовано с помощью естественного языка, сопровождаться графикой или многооконным меню. Интерфейс пользователя должен обеспечивать два режима работы: режим приобретения знаний и режим решения задач. В режиме приобретения знаний эксперт общается с ЭС при посредничестве инженера знаний. В режиме решения задач ЭС для пользователя является или просто носителем информации (справочником), или позволяет получать результат и объясняет способ его получения.
Эксперты поставляют знания в экспертную систему и оценивают правильность получаемых результатов.
Инженер по знаниям - специалист по искусственному интеллекту, выступающий в роли промежуточного буфера между экспертом и базой знаний. Помогает эксперту выявить и структурировать знания. Синонимы: когнитолог, инженер-интерпретатор,
аналитик. Программисты разрабатывают программное обеспечение экспертной системы и осуществляют его сопряжение со средой, в которой оно будет использоваться
Пользователь - специалист предметной области, для которого предназначена система, обычно его квалификация недостаточно высока, и поэтому он нуждается в помощи и поддержке своей деятельности со стороны экспертной системы.
Обычно факты в базе знаний описывают те явления, которые являются постоянными для данной предметной области. Характеристики, значения которых зависят от условий конкретной задачи, ЭС получает от пользователя в процессе работы, и
сохраняет их в рабочей памяти. Например, в медицинской ЭС факт «У здорового человека
2 ноги» хранится в базе знаний, а факт «У пациента одна нога» — в рабочей памяти.
База знаний ЭС создается при помощи трех групп людей:
эксперты той проблемной области, к которой относятся задачи, решаемые
ЭС;
инженеры по знаниям, являющиеся специалистами по разработке ИИС;
программисты, осуществляющие реализацию ЭС.
Режимы функционирования
ЭС может функционировать в 2-х режимах.
Режим ввода знаний — в этом режиме эксперт с помощью инженера по знаниям посредством редактора базы знаний вводит известные ему сведения о предметной области в базу знаний ЭС.
Режим консультации — пользователь ведет диалог с ЭС, сообщая ей сведения о текущей задаче и получая рекомендации ЭС. Например, на основе сведений о физическом состоянии больного ЭС ставит диагноз в виде перечня заболеваний, наиболее вероятных при данных симптомах.
Этапы разработки ЭС
Этап идентификации проблем — определяются задачи, которые подлежат решению, выявляются цели разработки, определяются эксперты и типы пользователей.
Этап извлечения знаний — проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.
Этап структурирования знаний — выбираются ИС и определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решений, средств представления и манипулирования знаниями.
Этап формализации — осуществляется наполнение экспертом базы знаний.
Всвязи с тем, что основой ЭС являются знания, данный этап является наиболее важным и наиболее трудоемким этапом разработки ЭС. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, понятном ЭС. Процесс приобретения знаний осуществляется инженером по знаниям на основе анализа деятельности эксперта по решению реальных задач.
Реализация ЭС — создается один или несколько прототипов ЭС, решающие требуемые задачи.
Этап тестирования — производится оценка выбранного способа представления знаний в ЭС в целом.
21 База знаний и механизм вывода на знаниях. Сравнительный
анализ.
База знаний (Knowledge Base, KB) – ядро ЭС – совокупность знаний предметной области, записанная на машинный носитель в форме, понятной эксперту и инженеру по знаниям (на одном из языков представления знаний).
Неформально базу знаний можно определить как множество высказываний,
представленных на языке логики, а ответ на запрос к KB получается с использованием строгой процедуры логического вывода.
Эти высказывания выражаются в соответствии с синтаксисом языка представления знаний, который определяет форму всех высказываний, рассматриваемых как построенные правильно.
Сложные высказывания формируются из более простых высказываний с помощью логических связок: отрицание (не), конъюнкция (и), дизъюнкция (или), импликация
(влечет за собой), двухсторонняя импликация (если и только если).
Логика должна также определять семантику языка представления знаний. Говоря неформально, семантика касается «смысла» высказываний. Семантика пропозициональной логики должна определять, как следует вычислять истинностное значение любого высказывания в некоторой модели.
С помощью логического вывода можно моделировать процесс рассуждений, т.е.
отвечать на запросы к базе знаний, получать новые высказывания из базы знаний.
Логический вывод – это процесс получения новых высказываний из старых. Из определения логического следствия непосредственно вытекает простейший алгоритм логического вывода – проверка по моделям, в котором осуществляется перебор всех возможных моделей для проверки истинности высказывания во всех моделях, в
которых истинна база знаний KB.
Заметим, что алгоритм проверки по моделям может применяться только в случае, если пространство моделей конечно. Для пропозициональной логики алгоритм проверки по моделям заключается в этом случае в последовательном переборе 2k возможных моделей.
Вместо трудоемкого перебора моделей может применяться более эффективный способ логического вывода – формирование доказательств. Этот способ основан на применении специальных шаблонов логического вывода, называемых правилами логического вывода. Наиболее широко известное правило называется правилом отделения (Modus Ponens), которое используется в прямом и обратном алгоритмах логического вывода:

, .
С помощью данного правила в процессе логического вывода можно из двух высказываний и вывести высказывание .
Два в высшей степени желательных свойства алгоритма логического вывода:
непротиворечивость и полнота. Непротиворечивым (сохраняющим истинность)
называется алгоритм логического вывода, позволяющий получать только такие высказывания, которые действительно являются логическими следствиями из базы знаний. Противоречивый алгоритм создает такие высказывания, которые не имеют места на самом деле. Алгоритм называется полным, если он позволяет вывести все высказывания, которые являются логическими следствиями базы знаний.
Механизм вывода на знаниях – интерпретатор или организатор правил работы.
Разница между Базой знаний и механизмом вывода заключается в том, что база знаний является ядром всей экспертной системы (совокупность знаний предметной области), а механизм логического вывода или решатель – это программа моделирующая ход рассуждений эксперта на основании знаний, имеющихся в БД
Знания традиционно делят на процедурные и декларативные.
Процедурные знания «растворены» в алгоритмах и процедурах, от которых их практически невозможно отделить.
Декларативные знания отделены от алгоритмов, управляющих решением задач.
Декларативный подход к проектированию СОЗ (системы, основанной на знаниях) представлен на рисунке ниже.
Механизм
База знаний вывода на знаниях

22 Этапы создания экспертной системы. Идентификация
предметной области. Построение концептуальной модели.
Типы моделей
Рисунок 1 - Этапы создания экспертной системы
Идентификация проблемной области. Этап идентификации проблемной области
включает определение назначения и сферы применения экспертной системы, подбор
экспертов и |
группы |
инженеров |
по знаниям, |
выделение |
ресурсов, постановку |
и параметризацию решаемых задач. |
|
|
|
||
Начало |
работ |
по созданию экспертной |
системы инициируют руководители |
||
компаний (предприятий, учреждений). Как |
правило, |
назначение экспертной |
|||
системы связано с одной из следующих областей: |
|
|
обучение и консультация неопытных пользователей;
распространение и использование уникального опыта экспертов;
автоматизация работы экспертов по принятию решений;
оптимизация решения проблем, выдвижение и проверка гипотез.
Сфера применения экспертной системы характеризует тот круг задач, который подлежит формализации, например, "оценка финансового состояния предприятия", "выбор поставщика продукции", "формирование маркетинговой стратегии" и т.д.
Обычно различают три стратегии разработки экспертных систем [74]:
широкий набор задач, каждая из которых ориентирована на узкую проблемную область;
концентрированный набор задач, определяющий основные направления повышения эффективности функционирования эко-номического объекта;
комплексный набор задач, определяющий организацию всей деятельности
экономического объекта.
После предварительного определения контуров разрабатываемой экспертной
системы инженеры по знаниям совместно с экспертами определяют:
класс решаемых задач (прогнозирование, планирование, проектирование,
мониторинг, управление);
критерии эффективности результатов решения задач (минимизация использования ресурсов, повышение качества продукции и обслуживания,
ускорение оборачиваемости капитала и т.д.);
критерии эффективности процесса решения задач (повышение точности принимаемых решений, учет большего числа факторов, просчет большего числа альтернативных вариантов, адаптивность к изменениям проблемной области и информационных потреб-ностей пользователей, сокращение сроков принятия решений);
цели решаемых задач;
подцели (разбиение задачи на подзадачи, для каждой из которых определяется своя цель);
исходные данные (совокупность используемых факторов);
особенности используемых данных (определенность / неопределенность,
статичность / динамичность, одноцелевая / многоцелевая направленность,
единственность / множественность источников знаний).
Построение концептуальной модели. На этапе построения концептуальной модели создается целостное и системное описание используемых знаний, отражающее сущность функционирования проблемной области.
От качества построения концептуальной модели проблемной области во многом зависит, насколько часто в дальнейшем по мере развития проекта будет выполняться переработка базы знаний.
Хорошая концептуальная модель может только уточняться (детализироваться или упрощаться), но не перестраиваться.
Результат построения концептуальной модели обычно представляется в виде наглядных графических схем:
объектная модель описывает структуру предметной области как совокупности взаимосвязанных объектов;