1) История создания экспертных систем.

60-е годы Своеобразной точкой отсчета для работ по созданию экспертных систем можно считать 1965 г. В том году ученые из Станфордского научно-исследовательского института Эдвард Фейгенбаум и Брюс Бучанан вместе с нобелевским лауреатом Джошуа Ледербергом приступили к созданию компьютерной системы, предназначенной для определения молекулярной структуры химических соединений. При построении этой системы - она получила название Dendral - они в первую очередь создали программу, основанную на простой, но вместе с тем достаточно мощной системе Аристотелевой логики. С ее помощью формулировалась серия вопросов типа «если - то», которые описывали правила атомных связей. Создатели системы Dendral, используя знания, накопленные в процессе ее совершенствования, вскоре разработали новую систему - Meta-Dendral. Последняя стала вспомогательным инструментом при построении других экспертных систем. Среди многочисленных «потомков» программы Dendral следует упомянуть: MYCIN - для диагностики серьезных бактериальных инфекций и помощи в выборе антибиотиков, PUFF - для диагностики легочных заболеваний, ONCOCIN - для назначения лечения при раковых заболеваниях, а также системы MOLGEN и GENESIS, оказывающих помощь специалистам в области молекулярной биологии при планировании экспериментов по изучению ДНК и клонированию. 70-е годы С 70-х годов ЭС стали ведущим направлением в области искусственного интеллекта. В этот период было создано множество разнообразных экспертных и диагностических систем, большая часть которых действует и сегодня. Самыми известными из них являются MYCIN иPROSPECTOR, предназначенная для геологической разведки месторождений полезных ископаемых. 80-е годы В 80-х годах в мире начался принципиально новый этап развития интеллектуальных технологий – эра интеллектуальных систем - консультантов, которые предлагали варианты решений, обосновывали их, способны были к обучению и, следовательно, к развитию, общались с человеком на привычном для него, хотя и ограниченном, естественном языке. Знания стали товаром. Носителей систем знаний называли экспертами. Человечество получило возможность сохранять и накапливать базы знаний отдельных специалистов (или групп специалистов) в определенной области. Знания стало возможным собирать, тиражировать, проектировать, сделать доступными для всех заинтересованных в нем людей. Появилась новая профессия – «инженер по знаниям» или «инженер-когнитолог».  При разработке последующих экспертных систем были учтены особенности и недостатки PROSPECTOR и MYCIN. Благодаря этому такие диагностические медицинские системы, как INTERNIST и CASNET, основанные на ассоциативном и казуальном (от анг. casual - случайный) подходах, приобрели более мощные механизмы вывода. 90-е годы Усложнение систем связи и решаемых задач потребовало качественно нового уровня «интеллектуальности» обеспечивающих программных систем, таких систем, как защита от несанкционированного доступа, информационная безопасность ресурсов, защита от нападений, смысловой анализ и поиск информации в сетях и т.п. И новой парадигмой создания перспективных систем защиты всех видов стали интеллектуальные системы. Именно они позволяют создавать гибкие среды, в рамках которых обеспечивается решение всех необходимых задач. Это новое направление получило название мультиагентных систем. Каждый агент имеет свою систему целеполагания и мотивации, свою область действий и ответственности, а взаимодействие между ними обеспечивается метаинтеллектом. В рамках такого осмысления традиционные методы, алгоритмы и программы становятся элементарными «кирпичиками», из которых строятся затем алгоритмы и решения возникающих задач. Таким образом, моделируется некоторое виртуальное сообщество интеллектуальных агентов-систем, которые автономны, активны, вступают в различные «социальные» отношения – кооперации и сотрудничества (дружбы), конкуренции, соревнования, вражды и т.п. Этот «социальный» аспект решения задач - фундаментальная особенность концептуальной новизны передовых информационных технологий, искусственных (виртуальных) организаций, виртуального общества.  Уже сегодня мультиагентные системы находят широчайшее применение для: распределенного решения сложных задач, совмещенного проектирования изделий, построения виртуальных предприятий, моделирования больших производственных систем и электронной торговли, электронной разработки сложных компьютерных систем, управления системами знаний и информации и т.п. 21 век Сейчас количество экспертных систем исчисляется тысячами и десятками тысяч. В развитых зарубежных странах сотни фирм занимаются их разработкой и внедрением в различные сферы жизни. . В настоящее время ведутся разработки самостоятельно обучаемых экспертных систем.  В качестве современных ЭС можно назвать быстродействующую систему OMEGAMON (фирма Candle, с 2004 г. IBM) для отслеживания состояния корпоративной информационной сети и G2 (фирма Gensym) - коммерческую экспертную систему для работы с динамическими объектами (www.intuit.ru/department/human/isrob/6/isrob_6.html). Они служат для принятия решения за считанные секунды с момента наступления внештатных или критических ситуаций. Для G2 также характерно распараллеливание процессов рассуждений.

Характеристики экспертных систем

Чтобы функционировать эффективно и рационально, эксперт­ные системы (ЭС) должны обладать определенными характе­ристиками, благодаря которым они занимают особое место среди других систем. Ниже будут рассмотрены эти характе­ристики, а также отличия экспертных систем от систем искус­ственного интеллекта, обычных программ обработки данных и от экспертов.

Конечно, не всякая ЭС обладает всеми упоминаемыми ни­же характерными особенностями, но каждую из этих особен­ностей можно представить в виде континуума, простирающего­ся от ее полного отсутствия до некоторого идеального ее во­площения.

Итак, во-первых, экспертные системы способны находить четкие и правильные решения сложных задач за разумное вре­мя; если поиск самого совершенного решения продлится не­оправданно долго, то к моменту, когда оно будет найдено, это решение может оказаться неверным.

Во-вторых, для решения узкоспециальных проблем в экспертных системах применяются особые технические приемы и эвристические правила, позволя­ющие избегать слепого поиска. Это позволяет ЭС строить ло­гические выводы, опираясь как на нестрогие суждения, так и формальные, твердо установленные теоретические положения.

В-третьих, они способны также строить рассуждения, манипу­лируя символическими описаниями. (Предполагается, что лю­бую физическую систему можно схематически описать («кон­цептуализировать») посредством четких понятий и представить это описание с помощью символов.)

В-четвертых, ЭС способны приводить первоначальную произвольную постановку задачи к виду, пригодному для обработки по правилам, принятым в дан­ной экспертной системе. Осуществляя такую переформулиров­ку задачи, хорошая экспертная система «знает» пределы своих возможностей и не стремится во чтобы то ни стало втиснуть эту задачу в рамки удобных для себя моделей.

В-пятых, ЭС являются «прозрачными» в том смысле, что они не только от­вечают на заданный им вопрос, но и объясняют ход рассуж­дений, ведущих к ответу.

Это обеспечивает экспертной системе интерактивный интерфейс с пользователем и позволяет ей обос­новывать свои заключения. Некоторые из новейших экспертных систем способны вести диалог с пользователем на естественном языке. В-шестых, экспертные системы умеют обращаться с ошибочными, ненадежными, неполными данными, а также ис­пользовать нестрогие правила, основанные на предположитель­ных суждениях. Часто они также умеют одновременно рабо­тать с несколькими конкурирующими гипотезами. Наконец, экспертные системы позволяют наращивать существующую ба­зу знаний, включая в нее новые знания. Это обеспечивает экс­пертной системе значительную гибкость экспертные системы знания схема представления знаний характеристики экспертных систем другие системы и методы возможности экспертных систем ограничены функциональные возможности экспертных систем области приложения экспертных систем задача синтеза обучающие экспертные системы.