22. Основные этапы разработки экспертных систем

Этапы разработки экспертных систем (ЭС):

1. Выбор проблемы

   1. определение проблемной области и задач;

   2. нахождение эксперта, желающего сотрудничать;

   3. определение предварительных подходов к решению проблем;

   4. анализ расходов и доходов от разработки;

   5. подготовка подробного плана разработки.

2. Разработка прототипа эс

Прототип – усеченная версия спроектированная для проверки правильности кодирования фактов, связей и стратегий рассуждений экспертов.

1. Идентификация проблемы – уточняется ход разработки ЭС, цели, определяются ресурсы, источники знаний, аналогичные ЭС, классы решаемых задач. Результат – проблема.

2. Извлечение знаний – получение инженером по знаниям наиболее полного представления о предметной области. Результат – знания.

3. Структурирование знаний – разработка информационного описания знаний о предметной области (таблицы, диаграммы), отражающей основные концепции и взаимосвязи между понятиями предметной области. Результат – поле знаний.

4. Формализация знаний – разработка базы знаний на языке представления знаний, который соответствует структуре поля знаний, и позволяет реализовать прототип системы на стадии программной реализации. Результат – База знаний (БЗ) на языке представления знаний.

5. Реализация прототипа – разработка ПО, жизнеспособность подхода в целом. Есть 4 пути разработки – на языках программирования (ЯП), специализированных ЯП, использование средств разработки ЭС, оболочки. Результат – Прототип.

6. Тестирование – выявление ошибок в подходе и реализации прототипа и выработка рекомендаций по доводке системы до промышленного варианта. Прототипы проверяются на удобство и адекватность ввода/вывода, корректность БЗ.

1. Доработка до промышленной эс

   1. Демонстрационный прототип – решает часть задач, демонстрируя жизнеспособность подхода.

   2. Исследовательский прототип – решает большинство задач, но неустойчив в работе, не полностью проверен.

   3. Действующий прототип – решает все задачи на реальных примерах, но для сложных задач требует много времени и памяти (неоптимизированны алгоритмы).

   4. Промышленная система – высокое качество решений, при малом времени и памяти.

   5. Коммерческие системы – промышленные систем, пригодные для продажи – хорошо документированы, снабжены сервисом.

2. Оценка эс

   1. Пользовательская – понятность, прозрачность, удобство.

   2. Экспертная – оценка подсистемы объяснения решений.

   3. Разработчика – дизайн, широта охвата предметной области, непротиворечивость БЗ, тупиковые ситуации.

3. Стыковка ЭС – с другим ПО – разработка связей ЭС, со средой, в которой она должна будет действовать.

4. Поддержка ЭС.

22. Стратегии получения знаний при разработке экспертных систем. Подсистемы накопления знаний.

Получение знаний возможно:

1. С применением эвм

   1. Приобретение знаний (machine learning) – база знаний (БЗ) наполняется экспертом, без привлечения инженера по знаниям. Используется специализированное ПО.

   2. Формирование знаний (data mining / knowledge discovery) – процесс анализа данных, выявление скрытых закономерностей, использование специального математического аппарата и программных средств.

2. Извлечение знаний – процесс переноса компетентности эксперта через инженера по знаниям в БЗ. Инженер воссоздает модель предметной области, которой пользуется эксперт при принятии решений.

   1. Текстологические – извлечении знаний из документов, учебников и специализированной литературы.

   2. Коммуникативные – методы и процедуры контакта инженера по знаниям с экспертом.

      1. Пассивные (наблюдение, протокол «мысли вслух», лекции) – ведущая роль у эксперта, а инженер по знаниям протоколирует его рассуждения во время реальной работы по принятию решений, или записывает что эксперт считает важным.

      2. Активные – инициатива у инженера по знаниям, который контактирует с экспертом различными способами – в играх диалогах, беседах за круглым столом и т.д.

• Групповые – мозговой штурм, круглый стол, ролевые игры;

• Индивидуальные – анкетирование, интервью, диалог, экспертные игры.

Поколения систем приобретения знаний:

1. Средства наполнения пустых ЭС (сер. 80-х) – БЗ, из которых удалены знания – планировалось снизить время разработки, через взаимодействие эксперта с системой представления знаний.

Недостатки:

• слабо проработаны методы извлечения и структурирования знаний;

• жесткость модели представления знаний, встроенной в систему приобретения знаний, и связанной с программной реализацией;

• ограничения на предметную область.

Алгоритм создания:

1. создание конкретной ЭС;

2. опустошение БЗ;

3. разработка системы приобретения знаний для наполняемой БЗ;

4. формирование новой БЗ для другой ЭС.

1. KADS (Knowledge Acquisition and Documentation Structuring) – в основе лежит понятие интерпретационной модели, позволяющей рассматривать процессы извлечения, структурирования, формализации знаний как интерпретацию лингвистических знаний в другие представления и структуры.

Методология KADS (по уровням анализа):

• пространство анализа:

  • лингвистические данные – идентификация;

  • концептуальная модель – концуптуальный уровень.

• пространство проектирования:

  • модель проектирования – гносеологический уровень;

  • детальная модель проектирования – логический уровень;

  • коды – уровень анализа выполнения.