26. Экспертные системы и базы знаний. Системы поддержки принятия решений в кризисных ситуациях.

Поддержка принятия решений и заключается в помощи ЛПР в процессе принятия решения. Она включает:

 помощь ЛПР( лицо принимающее решение) при анализе объективной составляющей, т.е. в понимании и оценке сложившейся ситуации и ограничений накладываемой внешней средой,

 выявление предпочтений ЛПР, т.е. выявление и ранжирование приоритетов,учет неопределенности в оценках ЛПР и формирование его предпочтений, генерацию возможных решений, т.е. формирование списка альтернатив, оценку возможных альтернатив, исходя из предпочтений ЛПР и ограниче-ний, накладываемых внешней средой, анализ последствий принимаемых решений, выбор лучшего, с точки зрения ЛПР, варианта.

Компьютерная поддержка процесса принятия решений, так или иначе, основана на формализации методов получения исходных и промежуточных оценок, даваемых ЛПР и алгоритмизации самого процесса выработки решения.

В связи с этим появился новый класс вычислительных систем – системы поддержки принятия решений (СППР).К слабоструктурированным относятся задачи, которые содержат как количественные, так и качественные переменные, причем качественные аспекты проблемы имеют тенденцию доминировать. Неструктурированные проблемы имеют лишь качественное описание.

В СППР дается такое определение: «Система поддержки принятия решений– это компьютерная система, позволяющая ЛПР сочетать собственные субъективные предпочтения с компьютерным анализом ситуации при выработке рекомендаций в процессе принятия решения». Основной пафос этого определения – сочетание субъек-тивных предпочтений ЛПР с компьютерными методами.

В СППР определяется «как компьютерная информационная система, ис-пользуемая для различных видов деятельности при принятии решений в ситуациях, гденевозможно или нежелательно иметь автоматическую систему, полностью выполняю-щую весь процесс решения».

Все три определения не противоречат, а дополняют друг друга и достаточно полно характеризуют СППР.Человеко-машинная процедура принятия решений с помощью СППР представляет собой циклический процесс взаимодействия человека и компьютера. Цикл состоит из фазы анализа и постановки задачи для компьютера, выполняемой лицом, принимающим решение (ЛПР), и фазы оптимизации (поиска решения и выполнения его характеристик), реализуемой компьютером.

Системы поддержки принятия решений:

1. помогают произвести оценку обстановки (ситуаций), осуществить выбор критериев и оценить их относительную важность;

2. генерируют возможные решения (сценарии действий);

3. осуществляют оценку сценариев (действий, решений) и выбирают лучшую;

4. обеспечивают постоянный обмен информацией об обстановке принимаемых решений и помогают согласовать групповые решения;

5. моделируют принимаемые решения (в тех случаях, когда это возможно);

6. осуществляют динамический компьютерный анализ возможных последствий принимаемых решений;

7. производят сбор данных о результатах реализации принятых решений и осу-ществляют оценку результатов.

Характер ситуации, в которой ЛПР принимает решения с помощью СППР

Обстановку, в которой принимаются решения, можно подразделить на стабильную и экстремальную.

При принятии решений в стабильной обстановке ЛПР, как правило, имеет

больше времени для сбора и анализа данных и оценки принимаемых решений. Задачи,

решаемые в стабильной обстановке могут быть повторно решаемые и решаемые впер-

вые. При решении повторных задач ЛПР опирается на накопленный опыт и анализ ре-

зультатов, ранее решенных задач. Для впервые решаемых задач опыта их решений нет,

и специалисты вынуждены опираться только на свои знания и интуицию.

Принятие решений в экстремальной ситуации характеризуется острым дефици-

том времени и, в большинстве случаев, быстро меняющейся обстановкой. Эти два фактора сильно усложняют процесс принятия решений для ЛПР. Задачи, решаемые в экс-

тремальных ситуациях, можно подразделить на ранее решавшиеся и уникальные. Од-

нако даже при решении аналогичных задач практически не бывает двух одинаковых

чрезвычайных ситуаций, поэтому наряду с использованием информации, хранящейся в

базе данных, специалист (эксперт, лицо, принимающее решение) должен вводить но-

вую информацию, отображающую данную чрезвычайную ситуацию, корректировать

«веса» (значимость) критериев, модифицировать метод ликвидации чрезвычайной си-

туации.

Генерация решений в нестандартных ситуациях

При возникновении нестандартной ситуации, характер которой может идентифицироваться по ее принадлежности к данному классу экстремальных ситуаций, система поддержки принятия решений предлагает набор возможных действий (операций).

Если такой набор не предусматривался заранее, он может быть создан экспертом или

ЛПР. ЛПР или эксперт должен указать возможную последовательность выполнения

операций, а также отметить какие операции могут выполняться параллельно (одновре-

менно). Эта информация может храниться в базе данных вместе со списком операций.

На основании этих данных, а также времени выполнения каждой операции, сис-

тема поддержки принятия решений порождает возможные последовательности опера-

ций, (варианты сценариев) .

Таким образом, система порождает все возможные сценарии и возникает задача

выбора наилучшего и осуществляет переход к блоку 2 рис. 1.2.

Схема функционирования компьютерной системы поддержки принятия решения

(она обычно входит в качестве подсистемы в какую-либо систему широкого назначе-

ния, например, в САПР систему принятия экономических решений, систему ликвида-

ции чрезвычайных ситуации и т.п.) представлена на рис. 1.2.

Номера блоков рис. 1.2. показывают последовательность процесса принятия решений, стрелки обратной связи - цикличность процесса.

1. Генерация возможных альтернатив

решений (сценариев)

2. Оценка возможных альтернатив

решений (сценариев)

3. Согласование решений

(сценариев)

4. Компьютерный анализ динамики

развития ситуации

5. Выбор решения

(сценария)

6. Оценка соответствия выполнения

принятых решений намеченным целям

Рис. 1.226

На рис. 1.2. не показан выход из цикла. Если процесс принятия решения периодически повторяется, то процесс повторяется циклически, если он конечен, например,

если в чрезвычайной ситуации – по ликвидации чрезвычайной ситуации.

Под сценарием на рис. 1.2 и далее понимается последовательность действий,

предпринимаемых для достижения цели, а не прогноз какого-то состояния будущего

(этот смысл слово «сценарий» часто имеет в теории принятия решений).

Заметим, что на рис. 1.2 из блока 2 возможен переход как в блок 3, так и в блок 4. Переход в блок 4 означает, что согласование решений не производится. Если не производится компьютерный анализ динамики развития ситуации, то блок 4 не выполняет-

ся и осуществляется переход к блоку 5.

Легко установить соответствие между некоторыми блоками третьего столбца

табл. 1.1 и блоками рис. 1.2.

Экспе́ртная систе́ма (ЭС, expert system) — компьютерная программа, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. ЭС начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х получили коммерческое подкрепление.

Таким образом, ЭС представляет из себя наиболее сложную АИС, которая, взаимодействуя с человеком на естественном языке, обрабатывает символьную информацию и использует неполные данных для построения логических выводов, причѐм знания отделены от обслуживающих их программных средств и вводятся в систему в описательным способом. ЭС позволяют избежать не только технической, но и интеллектуальной работы людей с информацией, соответственно многократно повышают производительность труда за счѐт увеличения скорости обработки неструктурированной информации, однако более сложна в эксплуатации и не избавлена от ошибок.

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.

Похожие действия выполняет программа-мастер (wizard). Мастера применяются как в системных программах так и в прикладных для интерактивного общения с пользователем (например, при установке ПО). Главное отличие мастеров от ЭС — отсутствие базы знаний; все действия жестко запрограммированы. Это просто набор форм для заполнения пользователем.

Другие подобные программы — поисковые или справочные (энциклопедические) системы. По запросу пользователя они предоставляют наиболее подходящие (релевантные) разделы базы статей (представления об объектах областей знаний, их виртуальную модель).

Экспертные системы применяются для решения только трудных практических (не игрушечных) задач. По качеству и эффективности решения экспертные системы не уступают решениям эксперта-человека. Решения экспертных систем обладают "прозрачностью", т.е. могут быть объяснены пользователю на качественном уровне. Это качество экспертных систем обеспечивается их способностью рассуждать о своих знаниях и умозаключениях. Экспертные системы способны пополнять свои знания в ходе взаимодействия с экспертом. Необходимо отметить, что в настоящее время технология экспертных систем используется для решения различных типов задач (интерпретация, предсказание, диагностика, планирование, конструирование, контроль, отладка, инструктаж, управление ) в самых разнообразных проблемных областях, таких, как финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, металлургия, горное дело, химия, образование, целлюлозно-бумажная промышленность, телекоммуникации и связь и др.

следующая структура ЭС:

Интерфейс пользователя

Пользователь

Интеллектуальный редактор базы знаний

Эксперт

Инженер по знаниям

Рабочая (оперативная) память

База знаний

Решатель (механизм вывода)

Подсистема объяснений

База знаний состоит из правил анализа информации от пользователя по конкретной проблеме. ЭС анализирует ситуацию и, в зависимости от направленности ЭС, дает рекомендации по разрешению проблемы.

Как правило, база знаний ЭС содержит факты (статические сведения о предметной области) и правила - набор инструкций, применяя которые к известным фактам можно получать новые факты.

В рамках логической модели баз данных и базы знаний записываются на языке Пролог с помощью языка предикатов для описания фактов и правил логического вывода, выражающих правила определения понятий, для описания обобщенных и конкретных сведений, а также конкретных и обобщенных запросов к базам данных и базам знаний.

Конкретные и обобщенные запросы к базам знаний на языке Пролог записываются с помощью языка предикатов, выражающих правила логического вывода и определения понятий над процедурами логического вывода, имеющихся в базе знаний, выражающих обобщенные и конкретные сведения и знания в выбранной предметной области деятельности и сфере знаний.

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.

Типичная статическая ЭС состоит из следующих основных компонентов (рис. 1.):

решателя (интерпретатора);

рабочей памяти (РП), называемой также базой данных (БД);

базы знаний (БЗ);

компонентов приобретения знаний;

объяснительного компонента;

диалогового компонента.

База данных (рабочая память) предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи. Этот термин совпадает по названию, но не по смыслу с термином, используемым в информационно-поисковых системах (ИПС) и системах управления базами данных (СУБД) для обозначения всех данных (в первую очередь долгосрочных), хранимых в системе.

База знаний (БЗ) в ЭС предназначена для хранения долгосрочных данных, описывающих рассматриваемую область (а не текущих данных), и правил, описывающих целесообразные преобразования данных этой области.

Решатель, используя исходные данные из рабочей памяти и знания из БЗ, формирует такую последовательность правил, которые, будучи примененными к исходным данным, приводят к решению задачи.

Компонент приобретения знаний автоматизирует процесс наполнения ЭС знаниями, осуществляемый пользователем-экспертом.

Объяснительный компонент объясняет, как система получила решение задачи (или почему она не получила решение) и какие знания она при этом использовала, что облегчает эксперту тестирование системы и повышает доверие пользователя к полученному результату.

Диалоговый компонент ориентирован на организацию дружественного общения с пользователем как в ходе решения задач, так и в процессе приобретения знаний и объяснения результатов работы.

В разработке ЭС участвуют представители следующих специальностей:

эксперт в проблемной области, задачи которой будет решать ЭС;

инженер по знаниям - специалист по разработке ЭС (используемые им технологию, методы называют технологией (методами) инженерии знаний);

программист по разработке инструментальных средств (ИС), предназначенных для ускорения разработки ЭС.

Необходимо отметить, что отсутствие среди участников разработки инженеров по знаниям (т. е. их замена программистами) либо приводит к неудаче процесс создания ЭС, либо значительно удлиняет его.

Экспертная система работает в двух режимах: режиме приобретения знаний и в режиме решения задачи (называемом также режимом консультации или режимом использования ЭС).

В режиме приобретения знаний общение с ЭС осуществляет (через посредничество инженера по знаниям) эксперт. В этом режиме эксперт, используя компонент приобретения знаний, наполняет систему знаниями, которые позволяют ЭС в режиме решения самостоятельно (без эксперта) решать задачи из проблемной области. Эксперт описывает проблемную область в виде совокупности данных и правил. Данные определяют объекты, их характеристики и значения, существующие в области экспертизы. Правила определяют способы манипулирования с данными, характерные для рассматриваемой области.

В режиме консультации общение с ЭС осуществляет конечный пользователь, которого интересует результат и (или) способ его получения. Необходимо отметить, что в зависимости от назначения ЭС пользователь может не быть специалистом в данной проблемной области (в этом случае он обращается к ЭС за результатом, не умея получить его сам), или быть специалистом (в этом случае пользователь может сам получить результат, но он обращается к ЭС с целью либо ускорить процесс получения результата, либо возложить на ЭС рутинную работу). В режиме консультации данные о задаче пользователя после обработки их диалоговым компонентом поступают в рабочую память. Решатель на основе входных данных из рабочей памяти, общих данных о проблемной области и правил из БЗ формирует решение задачи. ЭС при решении задачи не только исполняет предписанную последовательность операции, но и предварительно формирует ее.

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.

Классификация ЭС по решаемой задаче

Интерпретация данных

Диагностирование

Мониторинг

Проектирование

Прогнозирование

Сводное Планирование

Обучение

Управление

Ремонт

Отладка

Классификация ЭС по связи с реальным временем

Статические ЭС

Квазидинамические ЭС

Динамические ЭС

Наиболее известные/распространённые ЭС

CLIPS — весьма популярная ЭС (public domain)

OpenCyc — мощная динамическая ЭС с глобальной онтологической моделью и поддержкой независимых контекстов

База знаний, БЗ (англ. Knowledge base, KB) — это особого рода база данных, разработанная для управления знаниями (метаданными), то есть сбором, хранением, поиском и выдачей знаний. Раздел искусственного интеллекта, изучающий базы знаний и методы работы со знаниями, называется инженерией знаний.

Под базами знаний понимают совокупность фактов и правил вывода, допускающих логический вывод и осмысленную обработку информации. В языке Пролог базы знаний описываются в форме конкретных фактов и правил логического вывода над базами данных и процедурами обработки информации, представляющих сведения и знания о людях, предметах, фактах событиях и процессах в логической форме.

Наиболее важным свойством информации, хранящейся в базах знаний, является достоверность конкретных и обобщенных сведений в базе данных и релевантности информации, получаемой с использованием правил вывода, заложенных в базу знаний. В ответах на простейшие запросы к базам знаний системы логического программирования Пролог, выдает значения «истина» и «ложь» в зависимости от наличия соответствующих фактов.

Обобщенные сведения В языке Пролог задаются с помощью правил логического вывода, выполняющих роль определения понятий, а также логических процедур, состоящих из наборов правил логического вывода. Достоверность обобщенных сведений зависит от наличия необходимых фактов и достоверности данных в базах знаний.

Наиболее важный параметр БЗ — качество содержащихся знаний. Лучшие БЗ включают самую релевантную, достоверную и свежую информацию, имеют совершенные системы поиска информации и тщательно продуманную структуру и формат знаний.

В зависимости от уровня сложности систем, в которых применяются базы знаний, различают:

БЗ всемирного масштаба — например, Интернет или Википедия

БЗ национальные — например, русская Википедия

БЗ отраслевые— например, Автомобильная энциклопедия

БЗ организаций — см. Управление знаниями

БЗ экспертных систем — см. Экспертная система

БЗ специалистов

Применение баз знаний

Простые базы знаний могут использоваться для создания экспертных систем и хранения данных об организации: документации, руководств, статей технического обеспечения. Главная цель создания таких баз — помочь менее опытным людям найти существующее описание способа решения какой-либо проблемы предметной области.

Онтология может служить для представления в базе знаний иерархии понятий и их отношений. Онтология, содержащая еще и экземпляры объектов не что иное, как база знаний.

База знаний — важный компонент интеллектуальной системы. Наиболее известный класс таких программ — экспертные системы. Они предназначены для построения способа решения специализированных проблем, основываясь на записях БЗ и на пользовательском описании ситуации.

Вопросы по научно-исследовательской деятельности

1. Медико-биологические особенности, обусловленные воздействием физических факторов на организм человека: микроклимат и теплообмен человека с окружающей средой, механические колебания (вибрация), акустические колебания (шум), ультразвук, инфразвук, – характерные воздействия на организм человека.

2. Медико-биологические особенности, обусловленные воздействием физических факторов на организм человека: электромагнитное, электрическое и магнитные поля, электрический ток, статическое электричество, лазерное излучение, УФ-излучение, ИК-излучение, ионизирующее излучение, - характерные воздействия на организм человека.

3. Радиационно опасные объекты. Основные поражающие факторы ядерного оружия и их характеристики. Прогнозирование последствий применения ядерного оружия. Основные способы защиты населения.

4. Характеристика основных видов АХОВ и ОВ. Химически опасные объекты. Прогнозирование последствий выброса АХОВ. Основные способы защиты населения.

5. Биологические средства поражения. Характеристика основных видов бактериологического оружия. Прогнозирование последствий применения биологического оружия. Мероприятия по защите населения.

6. Поражающее действие высокоточного оружия. Прогнозирование последствий применения высокоточного оружия. Основные способы защиты населения и объектов экономики.

7. Основные свойства и характеристики горючих и взрывчатых веществ. Пожаро- и взрывоопасные объекты. Прогнозирование последствий взрыва и горения. Профилактические мероприятия.

8. Аварии на гидротехнических сооружениях. Прогнозирование последствий прорыва плотины.

9. Метрологическое обеспечение контроля состояния сложных технических систем.

10. Неразрушающие методы контроля технического состояния потенциально опасных объектов.

11. Анализ роли внешних факторов в формировании отказов технических систем.