Моделирование знаний для эс. База знаний
Главная идея технологии экспертных систем заключается в том, чтобы получить от эксперта его знания и при необходимости извлекать их из памяти компьютера. Являясь одним из основных приложений искусственного интеллекта, ЭС представляют собой компьютерные программы, преобразующие опыт экспертов в какой-либо области знаний в форму эвристических правил (эвристик). Основу ЭС составляет база знаний, хранящая множество фактов и набор правил, полученных от экспертов и введенных из специальной и справочной литературы.
«экспертная система - это программное обеспечение, которое заменяет эксперта в той или иной области». ЭС предназначены для моделирования, или имитации поведения экспертов при решении задач по узко специализированной тематике. Они призваны оказывать помощь специалистам, когда их собственных знаний, опыта и интуиции не хватает для самостоятельного решения возникающих проблем.
ЭС должна уметь «рассуждать» при неполных и противоречивых данных, объяснять последовательность и логику рассуждений, а механизм вывода советов и рекомендаций должен быть четко определен. При этом структура ЭС должна обеспечивать возможность наращивания базы знаний.
База знаний - это формализованные эмпирические знания высококвалифицированных специалистов (экспертов) в какой-либо предметной области. Знания представлены в описательной форме и для этого не используются четкие математические модели. Чем отличается база знаний от базы данных? В базе данных элементы представляют собой не связанные друг с другом сведения, а в базе знаний те же элементы связаны определенными отношениями, как между собой, так и с понятиями внешнего мира, и сами содержат в себе эти отношения.
Можно выделить следующие основные классы задач, для решения которых создаются ЭС: - интерпретация данных; - диагностика; - контроль; - прогнозирование; - планирование; - проектирование.
Типичная статическая ЭС состоит из следующих компонентов: решателя (интерпретатора); рабочей памяти (РП), называемой также базой данных (БД); базы знаний (БЗ); компонентов приобретения знаний; объяснительного компонента; диалогового компонента.
Моделирование заключается в создании и планирования базы знаний. Наполнение базы происходит экспертами, чьи знания заранее являются более достоверными и правильными.
Поиск решений в базе знаний
Особенности предметной области с точки зрения методов решения можно характеризовать следующими параметрами:
размер, определяющий объем пространства, в котором предстоит искать решение;
изменяемость области, характеризует степень изменяемости области во времени и пространстве (здесь будем выделять статические и динамические области);
полнота модели, описывающей область, характеризует адекватность модели, используемой для описания данной области. Обычно если модель не полна, то для описания области используют несколько моделей, дополняющих друг друга за счет отражения различных свойств предметной области;
определенность данных о решаемой задаче, характеризует степень точности (ошибочности) и полноты (неполноты) данных. Точность (ошибочность) является показателем того, что предметная область с точки зрения решаемых задач описана точными или неточными данными; под полнотой (неполнотой) данных понимается достаточность (недостаточность) входных данных для однозначного решения задачи.
Требования пользователя к результату задачи, решаемой с помощью поиска, можно характеризовать количеством решений и свойствами результата и (или) способом его получения. Параметр "количество решений" может принимать следующие основные значения: одно решение, несколько решений, все решения. Параметр "свойства" задает ограничения, которым должен удовлетворять полученный результат или способ его получения. Так, например, для системы, выдающей рекомендации по лечению больных, пользователь может указать требование не использовать некоторое лекарство (в связи с его отсутствием или в связи с тем, что оно противопоказано данному пациенту). Параметр "свойства" может определять и такие особенности, как время решения ("не более чем", "диапазон времени" и т.п.), объем памяти, используемой для получения результата, указание об обязательности (невозможности) использования каких-либо знаний (данных) и т.п.
Существующие методы решения задач, используемые в экспертных системах, можно классифицировать следующим образом:
методы поиска в одном пространстве - методы, предназначенные для использования в следующих условиях: области небольшой размерности, полнота модели, точные и полные данные;
методы поиска в иерархических пространствах - методы, предназначенные для работы в областях большой размерности;
методы поиска при неточных и неполных данных ;
методы поиска, использующие несколько моделей, предназначенные для работы с областями, для адекватного описания которых одной модели недостаточно.
Предполагается, что перечисленные методы при необходимости должны объединяться для того, чтобы позволить решать задачи сложность которых возрастает одновременно по нескольким параметрам.
Стратегии управления выводом
Стратегии вывода, будет зависеть порядок применения и срабатывания правил. Процедура выбора сводится к определению направления поиска и способа его осуществления. Процедуры, реализующие поиск, обычно «зашиты» в механизм вывода, поэтому в большинстве систем инженеры знаний не имеют к ним доступа и, следовательно, не могут в них ничего изменять по своему желанию.
При разработке стратегии управления выводом важно определить два вопроса:
в прямом или обратном направлении.Какую точку в пространстве состояний принять в качестве исходной? От выбора этой точки зависит и метод осуществления поиска
глубину, в ширину, по подзадачам или иначе.Какими методами можно повысить эффективность поиска решения? Эти методы определяются выбранной стратегией перебора
Прямой и обратный вывод
При обратном порядке вывода вначале выдвигается некоторая гипотеза, а затем механизм вывода как бы возвращается назад, переходя к фактам, пытаясь найти те, которые подтверждают гипотезу (рис. 1, правая часть). Если она оказалась правильной, то выбирается следующая гипотеза, детализирующая первую и являющаяся по отношению к ней подцелью. Далее отыскиваются факты, подтверждающие истинность подчиненной гипотезы. Вывод такого типа называется управляемым целями, или управляемым консеквентами. Обратный поиск применяется в тех случаях, когда цели известны и их сравнительно немного.
Рис. 1. Стратегии вывода
В системах с прямым выводом по известным фактам отыскивается заключение, которое из этих фактов следует (см. рисунок 1, правая часть). Если такое заключение удается найти, то оно заносится в рабочую память. Прямой вывод часто называют выводом, управляемым данными, или выводом, управляемым антецедентами.
Существуют системы, в которых вывод основывается на сочетании упомянутых выше методов обратного и ограниченного прямого. Такой комбинированный метод получил название циклического.
Методология построения специализированных экспертных систем проектирования.
В системах, основанных на знаниях, правила, по которым решаются проблемы в конкретной предметной области, хранятся в базе знаний, являющейся ядром экспертной системы. Проблемы ставятся перед системой в виде совокупности фактов, описывающих некоторую ситуацию, и система с помощью базы знаний формирует решение. Система, как правило, функционирует в циклическом режиме в такой последовательности:
1) запрос данных или результатов анализа; 2) наблюдение, интерпретация результатов 3) усвоение новой информации; 4) выдвижение с помощью правил временных гипотез 5) выбор следующих данных или результатов анализа, до тех пор, пока не поступит информация, достаточная для окончательного вывода решения.
Экспертные системы, основанные на знаниях, содержат три типа знаний:
• структурированные статические знания о предметной области; после того как эти знания выявлены, они уже не изменяются; • структурированные динамические знания — изменяемые знания о предметной области, которые обновляются по мере выявления новой информации; • текущие знания, используемые для решения конкретной задачи или проведения консультации.
База знаний создается и постоянно обновляется в процессе ее эксплуатации. Построение базы знаний включает три этапа: • описание предметной области; • выбор модели представления знаний; • приобретение знаний.
Описание предметной области сводится к определению характера решаемых задач, выделению объектов, установлению связей между объектами и выбору модели представления знаний. Главная задача на этом этапе — определить, как будет представлена предметная область на различных уровнях абстракции.
Модель представления знаний определяется выбранными средствами, с помощью которых можно адекватно описать предметную область. Полученная после формализации предметной области база знаний представляет собой результат абстрагирования этой области, которая, в свою очередь, была выделена в результате абстрагирования реального мира.
Одной из наиболее сложных проблем, возникающих при создании экспертных систем, является приобретение знаний — преобразование знаний эксперта и описание применяемых им способов поиска решений в форму, позволяющую представить их в базе знаний, а затем эффективно использовать для решения задач в данной предметной области. Как правило, эксперт не прибегает к процедурным или количественным методам, его основным методом является аналогия, интуиция и абстрагирование. В базе знаний для построения пространства поиска решения необходимо определить цели, подцели и задачи на каждом уровне иерархии и установить связи между ними. Полученное качественное описание предметной области представляется средствами формального языка, чтобы привести это описание к виду, позволяющему поместить его в базу знаний системы.
Проектирование экспертных систем существенно отличается от разработки обычного программного продукта. Особенностью является то, что неформализованность задач, решаемых экспертной системой, отсутствие ясной методологии их разработки приводит к необходимости постоянной модификации принципов и способов построения экспертных систем в ходе непосредственной разработки и накопления знаний о предметной области. Наиболее общими подходами и этапами разработки экспертных систем являются: идентификация, концептуализация, формализация, выполнение, тестирование и опытная эксплуатация.
На этапе идентификации определяются задачи, подлежащие решению, выявляются цели разработки, ресурсы, эксперты и категории пользователей.
На этапе концептуализации проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.
На этапе формализации определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решения, средств представления и манипулирования знаниями.
На этапе выполнения осуществляется наполнение экспертом базы знаний системы. Процесс приобретения знаний разделяют на получение знаний от эксперта, организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, понятном экспертной системе. Эвристический характер знаний приводит к тому, что процесс их приобретения является весьма трудоемким. На данном этапе создаются прототипы экспертной системы, которые решают задачи предметной области. Затем по результатам этапов тестирования и опытной эксплуатации создается конечный продукт, пригодный для промышленного использования. Разработка прототипа состоит в программировании его компонентов или выборе их из имеющихся интеллектуальных систем и наполнении базой знаний.
На этапе тестирования эксперт в интерактивном режиме, используя диалоговые средства, проверяет адекватность экспертной системы. Процесс тестирования продолжается до тех пор, пока эксперт не даст окончательной оценки о готовности системы к эксплуатации.
На этапе опытной эксплуатации проверяется пригодность экспертной системы для конечных пользователей.