Лекція 7

Тема: Експертні системи

Мета: визначити суть експертної системи, розглянути класифікацію та навчитися будувати ЕС, вміти формулювати правила для рішення задач ЕС.

Тип: теоретичне

Вид: формування умінь і навичок.

Форма навч. роботи: фронтальна.

Методи навчання: словесний.

Структура заняття:

І. Організаційний момент: привітання, перевірка відсутніх. (2 хв.)

ІІ. Актуалізація опорних знань: (10 хв.)

1. Що таке штучна нейронна мережа?

2. З чого складається ШНМ?

3. Поясніть стратегію прямого та оберненого виведення знань.

4. Який пошук називається двонаправленим?

ІІІ. Пояснення нового матеріалу (60-65 хв.)

Використана література:

1. М.М.Глибовець, О.В.Олецький «Штучний інтелект» - К.: Вид.дім «КМ Академія», 2002. – 366 с.

План

1. Визначення та класифікація ЕС.

2. Архітектура ЕС.

3. Методи та етапи проектування ЕС.

1. Визначення та класифікація ес.

Експертна система - це програма, що поводиться подібно експерту в деякій, звичайно вузькій прикладній області. Типові застосування експертних систем містять у собі такі задачі, як медична діагностика, локалізація несправностей в устаткуванні й інтерпретація результатів вимірів.

Експертні системи повинні вирішувати задачі, що вимагають для свого рішення експертних знань у деякій конкретній області. У тій чи іншій формі експертні системи повинні мати ці знання. Тому їх також називають системами, заснованими на знаннях. Однак не всяку систему, засновану на знаннях, можна розглядати як експертну.

Експертна система повинна також уміти певним чином пояснювати свою поведінку і свої рішення користувачу, так само, як це робить експерт-людина. Це особливо необхідно в областях, для яких характерна невизначеність, неточність інформації (наприклад, у медичній діагностиці). У цих випадках здатність до пояснення потрібна для того, щоб підвищити ступінь довіри користувача до рад системи, а також для того, щоб дати можливість користувачу знайти можливий дефект у міркуваннях системи. У зв'язку з цим в експертних системах варто передбачати дружня взаємодія з користувачем, що робить для користувача процес міркування системи "прозорим".

Часто до експертних систем висувають додаткову вимогу - здатність мати справу з невизначеністю і неповнотою. Інформація про поставлену задачу може бути неповною чи ненадійною; відносини між об'єктами предметної області можуть бути наближеними. Наприклад, може не бути повної впевненості в наявності в пацієнта деякого симптому чи в тому, що дані, отримані при вимірі, вірні; ліки може стати причиною ускладнення, хоча звичайно цього не відбувається. В усіх цих випадках необхідні міркування з використанням ймовірнісного підходу.

У самому загальному випадку для того, щоб побудувати експертну систему, ми повинні розробити механізми виконання наступних функцій системи:

1. рішення задач з використанням знань про конкретну предметну область можливо, при цьому виникне необхідності мати справу з невизначеністю;

2. взаємодія з користувачем, включаючи пояснення намірів і рішень системи під час і після закінчення процесу рішення задачі.

Кожна з цих функцій може виявитися дуже складною і залежить від прикладної області, а також від різних практичних вимог. У процесі розробки і реалізації можуть виникати різноманітні важкі проблеми.

ЕС поділяють на три види:

• інструментальна, яка потрібна для автоматизації процесу розробки ЕС;

• традиційна з засобами подання та маніпулювання знаннями або гібридна, в якій інтегровані пакети прикладних програм на алгоритмічних мовах і засоби подання та маніпулювання знаннями;

• порожня (або оболонка), в якій база знань не заповнена.

За призначенням ЕС поділяються за метою і за користувачем:

• за метою ЕС поділяються на такі, що призначені для розв’язання задач, навчання спеціалістів, тиражування знань експерта тощо;

• за користувачем розглядають ЕС для спеціалістів, ля нефахівців, для тих, що навчаються.

Проблемна галузь (ПГ), де застосовується ЕС, розглядається:

• з точки зору користувача (діагностика, користування тощо);

• з точки зору розробника (статична, динамічна, де вихідні дані змінюються під час розв’язування задачі);

• за глибиною аналізу ПГ або простору пошуку (середня кількість послідовно виконуваних правил);

• за шириною простору пошуку або середньою кількістю правил, які одночасно доступні для аналізу.

Класифікація ЕС за виведенням:

• з прямим виведенням, що використовується для передбачення, або для екстраполяції, тобто коли згідно початкових знань і правил можна зробити висновки про результати якої-небудь діяльності і про результати дій правил;

• зі зворотним виведенням, що використовується в діагностиці, коли за наявністю відмов або збоїв необхідно виявити їх причину (факт);

Класифікація за стадією існування:

• демонстраційна (реалізується лише частина задач і можна перевірити правильність обраного напрямку);

• дослідницька (розв’язує всі задачі, але ще не тестована);

• діюча (не оптимізована за обсягом пам’яті, за часом виконання);

• промислова (має все, що потрібно для розробника);

• комерційна, що придатна для користувача.