Экспертные системы приближённых рассуждений

Часто, наряду с детерминированными зависимостями присутствуют и неопределённые связи и факторы. Это обстоятельство потребовало создания иного класса СППР, характерной чертой которых является способность манипулирования неопределёнными факторами и условиями. Выход здесь может быть найден в привлечении к оценке высокопрофессиональных экспертов, вернее их знаний в данной области.

Результатом борьбы с неопределёнными факторами стала разработка экспертных систем (ЭС). Они являются основной частью систем, воспроизводящих осознанные мыслительные усилия человека. В отличие от СППР расчётного характера, цели в них не формулируются, а заменяются на гипотезы, доказательство которых базируется на правилах, оцениваемых с точки зрения достоверности. Правила, в свою очередь, манипулируют неточными и неопределёнными данными. Неопределённость, возникающая в результате полученного совета-решения, оценивается в заранее установленном диапазоне. В какой-то мере ЭС по формальным признакам напоминают системы расчётного характера, разница в них заключается в семантике расчётов и определяется следующим:

• Системы расчётного характера строятся на основе применения дерева целей, синтезированного с расчётами экономических показателей, а экспертные системы строятся на деревьях вида И-ИЛИ, и расчёты выполняются на основании нечёткой математики;

• Системы расчётного характера базируются на чётко сформулированных целях, тогда как экспертные оценки – на блоковразмытых гипотезах, нечётких правилах, недостоверной исходной информацией;

• Вычисления в системах расчётного характера выполняются «сверху - вниз» и «слева - направо» по дереву целей, а в экспертных системах – «снизу – вверх».

Структурно экспертные системы состоят из блоков логического вывода, объяснений и приобретения знаний, а также блока хранения в виде базы знаний. БЗ может обеспечивать процесс вывода как самостоятельно, так и в паре с БД. Более развитые системы (Хранилища данных) содержат базу фактов, оформленную в виде семантической сети.

Основным компонентом в системе является блок логического вывода, предназначенный для расчётов коэффициентов достоверности тех гипотез пользователя, знание которых требуется для принятия решений. Для этого используется дерево И- ИЛИ, синтезированное из правил «ЕСЛИ – ТО».

Применение ЭС выявило её существенные недостатки, состоящие в том, что они не могут (или плохо):

• рассуждать исходя из здравого смысла

• Распознавать границы своей компетенции

• Использовать противоречивые знания

• Представлять знания о времени и пространстве

• Распознавать ситуации, где невозможно применить ни одно из правил дедуктивного вывода (например, отличить один цвет от другого)

• Самоадаптироваться к изменяющимся внешним условиям и неспособны к самообучению.

Сппр, воспроизводящие неосознанные мыслительные усилия человека

В связи с вышеперечисленными недостатками ЭС начинает более интенсивно развиваться новый класс СППР, воспроизводящий неосознанные мыслительные усилия человека.

Подобно животному миру, эти системы способны обучаться на примерах, динамически приспосабливаться (эволюционировать) к изменяющемуся миру, внешней среде. Такие системы (см.рис.1.3) состоят из двух подклассов:

1. Систем нейросетевых вычислений;

2. Систем, ориентированных на естественно – языковые запросы

В последнее время стало очевидным, что осознанные знания являются лишь небольшой частью от общего объёма знаний , которыми оперирует человек в своей повседневной жизни. Существует огромное число действий, которые им выполняются неосознанно или полу осознанно. Например, трудно объяснить как человек определяет мелодию, знакомых людей и т.п. Классические дедуктивные модели оказываются в данных случаях совершенно бесполезными, ибо требуют наличия чётко или нечётко сформулированных правил. В отличие от дедуктивных систем (первый класс) СППР второго класса ориентированы на индуктивное обобщение и вывод. В основе построения систем индуктивного характера лежат нейросетевые технологии.