ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ

«Санкт-Петербургский государственный электротехнический

университет “ЛЭТИ” имени В.И. Ульянова (Ленина)»

(СПбГЭТУ)

Г.В. Петрова

ТЕХНОЛОГИЧЕСКИЕ ЭКСПЕРТНЫЕ СИСТЕМЫ

Учебное пособие

Санкт-Петербург

2010

Учебно-методическое обеспечение дисциплины

1. Петрова Г.В., Баканов Г.Ф. Технологические экспертные системы: учеб. пособие. СПб.: Изд-во СПбГЭТУ “ЛЭТИ”, 1998.

2. Разработка экспертных систем. : учеб. пособие / А.П.Частиков, Т.А.Гаврилова, Д.Л.Белов. - СПб. : БХВ-Петербург, 2003.

3. Модели и средства построения экспертных систем [Текст] : учеб. пособие / М.Г.Пантелеев, С.В.Родионов ; Санкт-Петербургский государственный электротехнический университет им. В.И. Ульянова (Ленина) "ЛЭТИ". - СПб. : Изд-во СПбГЭТУ "ЛЭТИ", 2003

4. Баканов Г.Ф., Петрова Г.В. Технология РЭС: Пайка, СПб., Изд. СПбГЭТУ, 2005

5. Баканов Г.Ф. Основы конструирования и технологии радиоэлектронных средств. Базовые технологические процессы, СПб., Изд. СПбГЭТУ, 2005

6. Пирогова Е.В. Проектирование и технология печатных плат: Учебник.- М.:ФОРУМ:ИНФРА-М, 2005

7. Системы искусственного интеллекта/ Ж.-П. Лорьер; Пер. с фр. Под ред. В.П.Стефанюка.- М.: Мир, 1991.

1. Введение в экспертные системы.

Экспертные системы (ЭС) возникли как значительный практический результат в применении и развитии методов искусственного интеллекта (ИИ)- совокупности научных дисциплин, изучающих методы решения задач интеллектуального (творческого) характера с использованием ЭВМ.

Область ИИ имеет более чем сорокалетнюю историю развития. С самого начала в ней рассматривался ряд весьма сложных задач, которые, наряду с другими, и до сих пор являются предметом исследований: автоматические доказательства теорем, машинный перевод (автоматический перевод с одного естественного языка на другой), распознавание изображений и анализ сцен, планирование действий роботов, алгоритмы и стратегии игр.

ЭС- это набор программ, выполняющий функции эксперта при решении задач из некоторой предметной области. ЭС выдают советы, проводят анализ, дают консультации, ставят диагноз. Практическое применение ЭС на предприятиях способствует эффективности работы и повышению квалификации специалистов.

Главным достоинством экспертных систем является возможность накопления знаний и сохранение их длительное время. В отличии от человека к любой информации экспертные системы подходят объективно, что улучшает качество проводимой экспертизы. При решении задач, требующих обработки большого объема знаний, возможность возникновения ошибки при переборе очень мала.

При создании ЭС возникает ряд затруднений. Это прежде всего связано с тем, что заказчик не всегда может точно сформулировать свои требования к разрабатываемой системе. Также возможно возникникновение трудностей чисто психологического порядка: при создании базы знаний системы эксперт может препятствовать передаче своих знаний, опасаясь, что впоследствии его заменят “машиной”. Но эти страхи не обоснованы, т. к. ЭС не способны обучаться, они не обладают здравым смыслом, интуицией. Но в настоящее время ведутся разработки экспертных систем, реализующих идею самообучения. Также ЭС неприменимы в больших предметных областях и в тех областях, где отсутствуют эксперты.

Экспертная система состоит из базы знаний (части системы, в которой содержатся факты), подсистемы вывода (множества правил, по которым осуществляется решение задачи), подсистемы объяснения, подсистемы приобретения знаний и диалогового процессора .

При построении подсистем вывода используют методы решения задач искусственного интеллекта.

Системы искусственного интеллекта прошли долгий и тернистый путь: первые увлечения (1960 год), лженаука (1960-65), успехи при решении головоломок и игр (1965-1975), разочарование при решении практических задач (1970-1985), первые успехи при решении ряда практических задач (1962-1992), массовое коммерческое использование при решении практических задач (1993-1995). Но основу коммерческого успеха по праву составляют экспертные системы и, в первую очередь, экспертные системы реального времени. Именно они позволили искусственному интеллекту перейти от игр и головоломок к массовому использованию при решении практически значимых задач.

Первое поколение экспертных систем

Экспертные системы первого поколения (1985—1996 гг.) в основном содержат исследовательские прототипы для исследования и обоснования теоретических основ искусственного интеллекта. Проводившиеся в этот период исследования носили фундаментальный характер, направленный на исследование отдельных фрагментов приобретения, представления и использования знаний, различных механизмов вывода. По каждому фрагменту было создано множество исследовательских прототипов. Исследования проводились для статичных условий, где во многих ситуациях наблюдался "тривиальный эффект", поэтому сами ЭИС являлись статическими системами. Провозглашалось, что технология ИИ при накоплении определенного объема знаний позволяет самостоятельно решать различные задачи, причем основное внимание сводилось к поиску универсальных методов решения.

Искусственный интеллект (ИИ)

За эти годы был накоплен солидный багаж методов и инструментальных средств, которые составили основу ИИ как научной дисциплины. Однако многообразие задач управления, для решения которых использовались вычислительные средства, и их специфичность не позволили говорить о создании какой-либо универсальной технологии. Постепенно усилившаяся тенденция к созданию прикладных систем выявила неэффективность универсальных методов и потребовала притока новых идей, идущих в первую очередь от реальных практических задач.

Экспертные системы первого поколения представляли собой системы с интеллектом пассивного ассистента пользователя: они располагали только теми знаниями, которые были получены от экспертов, переработаны "инженерами знаний" и введены в базу знаний в удобном для машины виде. Система была способна манипулировать этими знаниями, имитируя процесс логического вывода, и выдавать ответы на запросы пользователя. Система не имела механизмов, которые позволяли бы ей критически оценивать вводимые в ее память знания, выявлять в них противоречия, автоматически обнаруживать закономерности, использовать их для предсказания и извлекать новые знания из данных.

Экспертные системы первого поколения получили массовое распространение лишь в медицинской диагностике. В них нашли отражение фундаментальные медицинские знания и опыт врачей-профессионалов по учету существенных связей между болезнями и симптомами. Такие системы являлись электронными справочниками, подготовленными опытными профессионалами, и использовались для массового применения в процессе обучения медицинского персонала. Дальнейшее развитие медицинских ЭИС было связано с использованием в них нечетких выводов.

Значимость экспертных интеллектуальных систем первого поколения

Значимость ЭИС первого поколения заключается в том, что в них отработаны теоретические основы искусственного интеллекта и экспертных систем, методы внутреннего представления внешнего мира и логического вывода решений. Приобретенный опыт по конкретизации и углублению накопленных знаний явился необходимым трамплином для массового развертывания дальнейших работ по прикладному применению средств и методов искусственного интеллекта.

Второе поколение экспертных интеллектуальных систем (ЭИС)

ЭИС второго поколения – это динамические системы реального времени (ЭИС РВ) составили основное направление работ по созданию ЭИС в период 1996—2000 гг. Значимость инструментальных средств реального времени определяется тем, что только с помощью подобных средств создаются стратегически значимые приложения в таких областях, как управление непрерывными производственными процессами в химии, фармакологии, производстве цемента, продуктов питания и т.п., аэрокосмические исследования, транспортировка и переработка нефти и газа, управление атомными и тепловыми электростанциями, финансовые операции, связь и многие другие.

Классы задач, решаемых ИС (информационных систем) РВ (реального времени), таковы: мониторинг в реальном масштабе времени, системы управления верхнего уровня, системы обнаружения неисправностей, диагностика, составление расписаний, планирование, оптимизация, системы-советчики оператора, системы проектирования.

Требования, предъявляемые к системам, работающим в реальном времени:

• представлять изменяющиеся во времени данные, поступающие от внешних источников, обеспечивать хранение и анализ изменяющихся данных.

• выполнять временные рассуждения о нескольких различных асинхронных процессах одновременно (т.е. планировать в соответствии с приоритетами обработку поступивших в систему процессов).

• обеспечивать механизм рассуждения при ограниченных ресурсах (время, память). Реализация этого механизма предъявляет требования к высокой скорости работы системы, способности одновременно решать несколько задач.

• обеспечивать "предсказуемость" поведения системы, т.е. гарантию того, что каждая задача будет запущена и завершена в строгом соответствии с временными ограничениями. Например, данное требование не допускает использования в экспертной системе реального времени механизма "сборки мусора", свойственного языку LISP.

• моделировать "окружающий мир", рассматриваемый в данном приложении, обеспечивать создание различных его состояний.

• протоколировать свои действия и действия персонала, обеспечивать восстановление после сбоя.

• обеспечивать наполнение базы знаний для приложений реальной степени сложности с минимальными затратами времени и труда (необходимо использование объектно-ориентированной технологии, общих правил, модульности и т.п.).

• обеспечивать настройку системы на решаемые задачи (проблемная/предметная ориентированность).

• обеспечивать создание и поддержку пользовательских интерфейсов для различных категорий пользователей.

• обеспечивать уровень защиты информации (по категориям пользователей) и предотвращать несанкционированный доступ.

Специфические требования, предъявляемые к ЭИС РВ, приводят к тому, что их архитектура отличается от архитектуры статических систем. В архитектуру ЭИС РВ введены новые компоненты - подсистемы моделирования внешнего мира, связи с внешним окружением, учета временной логики обрабатываемых событий. Эти системы обладают более удобными средствами взаимодействия. Они стали "активными" ЭИС, стали играть роль активного помощника пользователя (партнерские системы) или исполнительного механизма в автоматизированных системах управления (управленческие ЭИС).

Технология построения современных АСУ уже предусматривает обработку комплекса взаимоувязанных задач и потоков информации обрабатываемых процессов, что определило применение в них динамических ЭИС, обрабатывающих динамическую обстановку. Это потребовало более глубокой проработки методологических вопросов создания и применения ЭИС. В динамических системах результаты измерений множества параметров потоковой информации обрабатываются и выдаются оператору в виде информации о ходе функционирования АСУ, меньшей по объему, но более содержательной .

ЭИС РВ должны обеспечивать выполнение временного интервала, в течение которого реакция ЭИС на входное воздействие не превышает заданного значения (1%, 5% и т.д.), определяемого необходимой точностью моделирования конкретной АСУ (так называемого показателя постоянной реального времени — ПРВ). Так, например, для бортовых ЭИС РВ эта постоянная находится в интер вале микро- и миллисекунды, что требует оптимизации построения ЭИС, максимального учета специфики системы и решаемых в ней задач.

Данные системы обладают средствами самостоятельного извлечения знаний из данных, поступающих в систему в ходе ее создания и эксплуатации. На этом основании системы второго поколения способны обнаруживать противоречия между имеющимися и вновь поступающими знаниями и данными (проверка адекватности базы знаний) и частично обладают средством извлечения, представления и обработки нечетких неопределенных, неточных и недоопределенных знаний (так называемых знаний с НЕ-факторами).

Обработка нечетких знаний и создание нечетких ЭИС составляют основное содержание работ в области ЭИС в настоящее время. Область управления явилась одной из предпосылок возникновения идеи нечетких множеств [4], которая помогла решить проблему надежности в экспертных системах. Почти все ЭИС управления обеспечивают нечеткое управление. В области практического применения число нечетких ЭИС уже значительно превысило число традиционных ЭИС.

Основным отличием ЭИС РВ от экспертных систем первого поколения является интегрированность. На основе объединения с традиционными информационными технологиями они становятся гибридными системами (интеллектуальными комплексами моделирования), включающими эвристический компонент и комплекс имитационных моделей (расчетные методики, статистический анализ, математические модели, базы данных), что значительно расширяет их возможности и обеспечивает их синергетический (нелинейный) характер. Разработка двух тенденций по интеграции и децентрализации знаний позволила реализовать преимущество различных видов представления знаний и повысила качество и универсальность систем.

Предпочтение, отдаваемое схеме с использованием динамических моделей, объясняется, прежде всего, возможностью управления процессами перманентных изменений больших многоэлементных объектов, к которым можно отнести, например, регионы государства с их сложной инфраструктурой, системы, органы и пункты управления и др.

Создание таких систем привело к разработке нового подхода к математическому моделированию, позволяющему проводить качественное моделирование с использованием информации в виде фактов и данных. Такие комплексы включают расчетный (имитационный) компонент, обеспечивающий количественные решения, и эвристический (логический) компонент, позволяющий успешно решать качественные задачи.

Направление гибридных экспертных интеллектуальных систем

Направление гибридных ЭИС предполагает объединение процедурных методов моделирования с недетерминированными методами вывода, используемыми в технологии ЭИС. Причем ЭИС могут рассматриваться в составе моделирующих комплексов, а имитационные программы — в составе ЭИС как инструмент решения. Такой подход к созданию комплексов моделирования представляет новый подход к созданию и использованию математического и программного обеспечения.

В настоящее время при разработке ЭИС наметилась тенденция проведения их разработки без инженера по знаниям. Повсеместное применение персональных ЭВМ, повышение компьютерной грамотности экспертов-пользователей позволяют перейти к созданию ЭИС самими экспертами.

Ожидается, что накопление знаний путем непосредственного диалога с экспертом без вмешательства промежуточного элемента в создании ЭИС — инженера по знаниям, а также извлечения их из протоколов экспериментов, использование устного диалога, статей, инструкций, руководств, чертежей, схем будут основным направлением формирования знаний при построении перспективных ЭИС.

Третье поколение экспертных интеллектуальных систем (ЭИС)

Интеллектуальные интегрированные комплексы моделирования

В наше время происходит переход к разработке и применению ЭИС третьего поколения ( 2007—2010 гг.) - интеллектуальным интегрированным комплексам моделирования. Главный смысл смены концепций (парадигмы) создания ЭИС и использования средств ИИ — это переход от предположений, справедливых только для изолированных систем ИИ, и от индивидуальных, автономных систем к распределенной обработке информации и разработке мультиагентных ИС .

Главной особенностью перспективных систем является их распределенность, обеспечение обработки и применение распределенных знаний. Основой для создания перспективных ЭИС являются результаты, имеющиеся в области методов обнаружения закономерностей, распознавания образов, структурно-логического анализа данных и знаний, математической лингвистики, а также достигнутый опыт в разработке ЭИС. В создаваемых в настоящее время экспертных системах уже имеются отдельные вышеуказанные элементы.

Перспективные ЭИС (экспертные интеллектуальные системы) должны обеспечивать обработку смыслов, а не только знаний и данных. Эти системы могут анализировать фразы естественного языка и строить соответствующие их семантическому содержанию сетевые структуры. ЭИС становится способной понимать смысл сообщений, формируемых в естественной форме, и синтезировать фразы, относящиеся к данной предметной области. Для этих целей актуальной задачей становится разработка систем распознавания управленческих ситуаций. Важная ее особенность заключается в том, что результат распознавания должен отражать смысл ситуации, который в нее вкладывают пользователи, эксперты, лица, принимающие решение (ЛПР). Для решения данной проблемы подготовлена хорошая теоретическая и практическая базы в области искусственного интеллекта и накопленный опыт создания и использования ЭИС, в том числе извлечения смысловой информации из Internet .

Перспективная ЭИС (экспертная интеллектуальная система) должна строить модель исследуемой проблемной области, т. е. создавать ее теорию, строить модель пользователя (ученика, обучаемого) и модель самой себя, чтобы оптимизировать процесс формирования модели исследуемой операции (ситуации) в сознании обучаемого.

Логический вывод перспективных ЭИС позволит имитировать человеческую способность рассуждений по аналогии и находить близость анализируемой и эталонной ситуаций (с помощью набора уже исследуемых ситуаций и хранящихся в памяти ЭВМ). Такой прием позволяет существенно ускорить процесс логического вывода, особенно в больших базах знаний.

Блок анализа данных создаваемых систем должен обеспечивать обработку больших массивов разнотипных данных, представленных в триаде "объект—свойство—время". Программы распознавания позволяют в процессе обучения обнаруживать закономерные связи между описывающими и целевыми характеристиками объектов и использовать эти закономерности в процессе распознавания новых объектов. Перспективные ЭИС должны иметь средства автоматической поддержки и даже улучшения своих рабочих характеристик в ходе эксплуатации и поддержания гомеостатического состояния.

Главной отличительной функцией интеллектуальной гибридной экспертной системы является умение давать правильные предсказания, рекомендации на основе обработки поступающих данных и выявления устойчивых (закономерных) связей между характеристиками данных.

Возможный вариант перспективной ЭИС приведен на рисунке.