Методическое пособие 391

-способность прерывания решения задач в связи с необходимостью получения дополнительных данных и знаний от пользователей, моделей, параллельно решаемых подпроблем.

Для синтезирующих динамических экспертных систем наиболее применимы следующие проблемные области:

-проектирование - определение конфигурации объектов с точки зрения достижения заданных критериев эффективности и ограничений, например, проектирование бюджета предприятия или портфеля инвестиций;

-прогнозирование - предсказание последствий развития текущих ситуаций на основе математического и эвристического моделирования, например, прогнозирование трендов на биржевых торгах;

-диспетчирование - распределение работ во времени, составление расписаний, например, планирование графика освоения капиталовложений;

-планирование - выбор последовательности действий пользователей по достижению поставленной цели, например, планирование процессов поставки продукции;

-мониторинг - слежение за текущей ситуацией с возможной последующей коррекцией. Для этого выполняется диагностика, прогнозирование, а в случае необходимости планирование и коррекция действий пользователей, например, мониторинг сбыта готовой продукции;

-управление - мониторинг, дополненный реализацией действий в автоматических системах, например, принятие решений на биржевых торгах.

По степени отображения сущностных аспектов того или иного объекта знания делятся на две категории: поверхностные

иглубинные. Поверхностные знания основаны на частных результатах или опытах, они свидетельствуют о видимых (лежащих на поверхности) взаимосвязях между сущностями предметной области. Они не обязательно подтверждаются строгой теорией и, как правило, носят субъективный характер.

91

Глубинные знания основаны на общепризнанной теории и строгой аксиоматике, отображающих структуру и природу сущностей проблемной области и закономерности их связей. Как правило, глубинные знания носят характер абстракций, аналогий, схем и обобщений, фундаментальных законов и объективных закономерностей. Они более устойчивы, чем поверхностные. Но современные интеллектуальные системы работают в основном с поверхностными знаниями. Это связано с тем, что на данный момент достаточно сложно выявлять глубинные структуры знаний и работать с ними.

Отличие поверхностных и глубинных знаний может проиллюстрировать следующий пример. Поверхностное знание об электрическом звонке – «если нажать на кнопку, раздастся звук», а глубинное знание об этом объекте – принципиальная электрическая схема.

По степени определенности знания принято делить на «жесткие» (определенные) и «мягкие» (расплывчатые). Определенные знания дают однозначные ответы на вопросы, которые могут возникнуть по поводу свойств сущностей проблемной области (ПО) и характера отношений между ними. Расплывчатые знания на эти же вопросы дают, как правило, вариантные или неопределенные ответы. Современная тенденция в развитии ЭС состоит в том, чтобы от широкого применения жестких поверхностных моделей в большинстве задач переходить к мягким глубинным.

Экспертные системы, построенные с использованием логической модели знаний или на основе продукционной модели, работают с поверхностными знаниями. А экспертные системы, основанные на фреймовой модели, семантических сетях могут работать с глубинными знаниями. Практически для всех классических моделей представления знаний возможен переход от жестких знаний к мягким.

По решаемой задаче ЭС классифицируются на системы интерпретации и визуализации данных, системы диагностики,

92

системы мониторинга и прогноза, системы проектирования и планирования, обучающие системы.

ЭС интерпретации и визуализации чаще всего применяются в экономических системах. Различные расчетные экономические коэффициенты проще анализировать, если они представлены в наглядном виде, например, в простейшем случае, визуализированы с помощью различных диаграмм. В том случае, если показатели находятся в определенной зависимости, необходимо использовать более сложную визуализацию. В том случае, если визуализация невозможна, используют развернутые пояснения, например, в текстовом виде. Важно, чтобы пояснения были краткими (снижали объем данных, требуемых для запоминания) и содержали выводы о причинах и следствиях, зависимостях, возможных решениях и их последствиях. Для решения задач интерпретации используется теория математического и статистического анализа данных.

ЭС диагностики были разработаны одними из первых. Совместно с ЭС мониторинга они решают задачи непрерывной диагностики технических объектов. Т.е. такие ЭС выполняют процесс отнесения объекта к некоторому классу и обнаружения места и вида неисправности. Неисправность - это отклонение от нормы. Такая трактовка позволяет с единых теоретических позиций рассматривать и неисправность оборудования в технических системах, и заболевания живых организмов, и всевозможные природные аномалии.

Особенность ЭС мониторинга состоит в том, что часто необходимо учитывать очень большое число параметров, непрерывно поступающих от сотен и даже тысяч датчиков с различным типом шкал. При этом часто необходимо придерживаться реального масштаба времени для того, чтобы вовремя дать сигнал тревоги.

ЭС планирования и проектирования имеют много общего с системами визуализации и интерпретации. С

93

помощью таких систем можно разрабатывать, например, чертежей или бизнес-планы.

ЭС прогнозирования логически выводят вероятные следствия из заданных ситуаций. В прогнозирующей системе обычно используется параметрическая динамическая модель, в которой значения параметров «подгоняются» под данную ситуацию.

ЭС обучения диагностируют ошибки при изучении какой-либо дисциплины с помощью ЭВМ и подсказывают правильные решения. Они аккумулируют знания о гипотетическом «ученике» и его характерных ошибках, затем в работе они способны диагностировать слабости в познаниях обучаемых и находить соответствующие средства для их ликвидации.

По степени интеграции с другими программными средствами, ЭС делятся на автономные и гибридные. Автономные ЭС работают непосредственно в режиме консультаций с пользователем только для «экспертных» задач, при решении которых не требуется привлекать традиционные методы обработки данных (расчеты, моделирование и т. д.).

Гибридные ЭС представляют программный комплекс, агрегирующий стандартные пакеты прикладных программ (например, математическую статистику, линейное программирование или системы управления базами данных) и средства манипулирования знаниями. Это может быть интеллектуальная надстройка над пакетом прикладных программ или интегрированная среда для решения сложной задачи с элементами экспертных знаний. Разработка ЭС на основе гибридного подхода является гораздо более сложной задачей, чем разработка автономной ЭС.

По способу учета времени ЭС делятся на статические, динамические и квазидинамические. Статические ЭС разрабатываются в предметных областях, в которых база знаний и интерпретируемые данные не меняются за время решения задачи. Квазидинамические ЭС интерпретируют

94

ситуацию, которая меняется в течение некоторого фиксированного интервала времени: изменения снимаются периодически и анализируется динамика полученных показателей по отношению к предыдущему измерению. Динамические ЭС работают с изменяющимися во время решения задачи данными, часто в сопряжении с датчиками объектов, иногда в режиме реального времени с непрерывной интерпретацией поступающих данных.

3.6. Этапы разработки экспертной системы

особенности применения экспертных систем обусловливают сложность и большую трудоемкость их разработки по сравнению с другими подклассами ИИС. Поэтому в

В настоящее время сложилась определенная технология разработки экспертных систем, которая включает следующие шесть этапов: идентификация, концептуализация, формализация, выполнение, тестирование, опытная эксплуатация.

Этап идентификации проблемной области включает определение назначения и сферы применения ЭС, подбор экспертов и инженеров по знаниям, выделение ресурсов, постановку и параметризацию решаемых задач, неформальное описание задачи.

Сфера применения экспертной системы характеризует тот круг задач, который подлежит формализации. Обычно сложность решаемых в экспертной системе проблем должна соответствовать трудоемкости работы эксперта в течение

95

нескольких часов. Более сложные задачи имеет смысл разбивать на совокупности взаимосвязанных задач, которые подлежат разработке в рамках нескольких экспертных систем.

При проектировании ЭС типичными ресурсами являются источники знаний, время разработки, вычислительные средства и объем финансирования. Для эксперта источниками знаний служат его предшествующий опыт по решению задачи, книги, известные примеры решения задач, а для инженера по знаниям — опыт в решении аналогичных задач, методы представления знаний и манипулирования ими, программные инструментальные средства. При определении времени разработки обычно имеется в виду, что сроки разработки и внедрения ЭС составляют, как правило, не менее года (при трудоемкости 5 чел.-лет). Определение объема финансирования оказывает существенное влияние на процесс разработки, так как, например, при недостаточном финансировании предпочтение может быть отдано не разработке оригинальной новой системы, а адаптации существующей.

После предварительного определения контуров разрабатываемой экспертной системы инженеры по знаниям совместно с экспертами осуществляют более детальную постановку проблем и параметризацию системы. К основным параметрам проблемной области относятся следующие:

-класс решаемых задач (интерпретация, диагностика, коррекция, прогнозирование, планирование, проектирование, мониторинг, управление);

-критерии эффективности результатов решения задач (минимизация использования ресурсов, повышение качества продукции и обслуживания, ускорение оборачиваемости капитала и т.д.);

-критерии эффективности процесса решения задач (повышение точности принимаемых решений, учет большего числа факторов, просчет большего числа альтернативных вариантов, адаптивность к изменениям проблемной области

96

и информационных потребностей пользователей, сокращение сроков принятия решений);

- цели решаемых задач (выбор из альтернатив, например, выбор поставщика или синтез значения, например, распределение бюджета по статьям);

-подцели (разбиение задачи на подзадачи, для каждой из которых определяется своя цель);

-исходные данные (совокупность используемых факторов);

-особенности используемых знаний (детерминированность/ неопределенность, статичность/динамичность, одноцелевая/ многоцелевая направленность, единственность/множественность источников знаний).

На этапе построения концептуальной модели создается целостное и системное описание используемых знаний, отражающее сущность функционирования проблемной области. От качества построения концептуальной модели проблемной области во многом зависит насколько часто в дальнейшем по мере развития проекта будет выполняться перепроектирование базы знаний. Хорошая концептуальная модель может только уточняться (детализироваться или упрощаться), но не перестраиваться.

Результат концептуализации проблемной области обычно фиксируется в виде наглядных графических схем на объектном, функциональном и поведенческом уровнях моделирования:

-объектная модель описывает структуру предметной области как совокупности взаимосвязанных объектов, отражает знания о составе объектов, их свойствах;

-функциональная модель отражает действия и преобразования над объектами;

-поведенческая модель рассматривает взаимодействия объектов во временном аспекте, отражает изменение состояний

97

объектов в результате возникновения некоторых событий, влекущих за собой выполнение определенных действий.

Первые две модели описывают статические аспекты функционирования проблемной области, а третья модель - динамику изменения ее состояний.

На этапе формализации базы знаний осуществляется выбор метода представления знаний. В рамках выбранного формализма осуществляется проектирование логической структуры базы знаний. Выходом этапа формализации является описание того, как рассматриваемая задача может быть представлена в выбранном формализме и определение способов манипулирования знаниями.

Цель этапа выполнения - создание одного или нескольких прототипов ЭС, решающих требуемые задачи. Затем на данном этапе по результатам тестирования и опытной эксплуатации создается конечный продукт, пригодный для промышленного использования. Разработка прототипа состоит в программировании его компонентов или выборе их из известных инструментальных средств и наполнении базы знаний.

Главное в создании прототипа заключается в том, чтобы этот прототип обеспечил проверку адекватности идей, методов и способов представления знаний решаемым задачам. Создание первого прототипа должно подтвердить, что выбранные методы решений и способы представления пригодны для успешного решения, по крайней мере, ряда задач из актуальной предметной области, а также продемонстрировать тенденцию к получению высококачественных и эффективных решений для всех задач предметной области по мере увеличения объема знаний.

После разработки первого прототипа ЭС-1 круг предлагаемых для решения задач расширяется, и собираются пожелания и замечания, которые должны быть учтены в очередной версии системы ЭС-2. Осуществляется развитие ЭС- 1 путем добавления "дружественного" интерфейса, средств для

98

исследования базы знаний и цепочек выводов, генерируемых системой, а также средств для сбора замечаний пользователей и средств хранения библиотеки задач, решенных системой.

Выполнение экспериментов с расширенной версией ЭС- 1, анализ пожеланий и замечаний служат отправной точкой для создания второго прототипа ЭС-2. Процесс разработки ЭС-2 итеративный. Он может продолжаться от нескольких месяцев до нескольких лет в зависимости от сложности предметной области, гибкости выбранного представления знаний и степени соответствия управляющего механизма решаемым задачам (возможно, потребуется разработка ЭС-3 и т.д.). При разработке ЭС-2, кроме перечисленных задач, решаются следующие:

-анализ функционирования системы при значительном расширении базы знаний;

-исследование возможностей системы в решении более широкого круга задач и принятие мер для обеспечения таких возможностей;

-анализ мнений пользователей о функционировании

ЭС;

-разработка системы ввода-вывода, осуществляющей анализ или синтез предложений ограниченного естественного языка, позволяющей взаимодействовать с ЭС-2 в форме, близкой к форме стандартных учебников для данной области.

Если ЭС-2 успешно прошла этап тестирования, то она может классифицироваться как промышленная экспертная система.

В ходе этапа тестирования производится оценка выбранного способа представления знаний в ЭС в целом. Для этого инженер по знаниям подбирает примеры, обеспечивающие проверку всех возможностей разработанной ЭС.

Различают следующие источники неудач в работе системы: тестовые примеры, ввод-вывод, правила вывода, управляющие стратегии.

99

Показательные тестовые примеры являются наиболее очевидной причиной неудачной работы ЭС. В худшем случае тестовые примеры могут оказаться вообще вне предметной области, на которую рассчитана ЭС, однако чаще множество тестовых примеров оказывается слишком однородным и не охватывает всю предметную область. Поэтому при подготовке тестовых примеров следует классифицировать их по подпроблемам предметной области, выделяя стандартные случаи, определяя границы трудных ситуаций и т.п.

Ввод-вывод характеризуется данными, приобретенными в ходе диалога с экспертом, и заключениями, предъявленными ЭС в ходе объяснений. Методы приобретения данных могут не давать требуемых результатов, так как, например, задавались неправильные вопросы или собрана не вся необходимая информация. Кроме того, вопросы системы могут быть трудными для понимания, многозначными и не соответствующими знаниям пользователя. Ошибки при вводе могут возникать также из-за неудобного для пользователя входного языка. В ряде приложения для пользователя удобен ввод не только в печатной, но и в графической или звуковой форме.

Выходные сообщения (заключения) системы могут оказаться непонятны пользователю (эксперту) по разным причинам. Например, их может быть слишком много или, наоборот, слишком мало. Также причиной ошибок может являться неудачная организация, упорядоченность заключений или неподходящий пользователю уровень абстракций с непонятной ему лексикой.

Наиболее распространенный источник ошибок в рассуждениях касается правил вывода. Важная причина здесь часто кроется в отсутствии учета взаимозависимости сформированных правил. Другая причина заключается в ошибочности, противоречивости и неполноте используемых правил. Если неверна посылка правила, то это может привести к употреблению правила в неподходящем контексте. Если

100