2. Состав и функции экспертныхсистем

Возросшая популярностьэкспертных системи их значительное распространение в разных отраслях человеческой деятельности привели к тому, что программные продукты, созданные для любых потребностей человека, их авторы начали называть «экспертнымисистемами». Основанием для этого послужили недостаточно четкие определения таких систем. В данном случае следует выяснить, какие типичные «умственные» процедуры выполняет человек-эксперт, а какие — способна выполнить система, которая претендует на название экспертной. Чем больше процедур она может выполнить, тем более у нее оснований называться экспертной системой.

Специалисты, которые принимают решение, обычно совершают такие «умственные» процедуры:

• делают вывод на основании анализа полных, неполных и ненадежныхзнаний;

• объясняют и обосновывают, почему они пришли к тому или другоговывода;

• пополняют свои знания, заново их систематизируют, учатся на своем и чужом опыте;

• делают исключения из правил, используют противоречивую и неправдоподобную информацию;

• определяют уровень своей компетентности, то есть то, могут ли они принимать решение в данном случае илинет.

Перечислены процедуры в полном объеме не выполняются ни одной программной системой: обычно они ограничиваются первыми двумя. Поэтому бытует мысль, что принципиальным отличиемэкспертных системстоит считать их возможность воспроизводить отрывочные, неточные и противоречивые знания и манипулировать ими. Они должны выполнять рассуждение не только и не столько на основе формальной (математической) логики, сколько на основе компьютерной, то есть приближенной к

человеческой логике, причем система должна уметь объяснять, почему она пришла к тому или другого вывода. Эти функции система сможет выполнить, еслибудетсодержать нижеперечисленные компоненты. Кратко охарактеризуем функции основных блоков экспертнойсистемы.

База знанийс помощью тех или других моделей отображает знание эксперта о предметной области, способах анализа фактов, которые поступают, и методике выводов, то есть порождение новых знаний на основании имеющихся знаний и знаний, которые поступили. Факты и правила существуют в разных видах знаний человека-эксперта. Наиболее признанными и широко используемыми в современных экспертных системах имеются такие виды знаний:

• глубинные и поверхностные;

• качественные иколичественные;

• приближенные (неопределенные) и точные(определенные);

• конкретные иобщие;

• описательные ипринудительные.

Эти виды знаний в зависимости от специфики предметной отрасли и квалификации проектировщика (инженера из знаний) с той или другой мерой адекватности могут быть поданы с помощью одной или нескольких семантических моделей. К самым распространенным моделям принадлежат:логические, продукционные, фреймовыеисемантические сети.

Логическиемоделибазируютсянапредставлении знанийвсистеме логики предикатовпервогопорядка.

Вывод новых знаний осуществляется на основании силлогизмов. Правила формальной логики постепенно расширяются, приближаясь к «человеческой» логике. Последняя характеризуется нечеткостью, в связи с чем целесообразным является выделение модальной, многозначительной, немонотонной, псевдофизической и другими видами логики.

Продукционные моделиподают знание в форме предиката первого порядка, а правила манипулирование ими — с помощью конструкций «если—то». База правил состоит из множественного числа фраз типа:

ЕСЛИ РЕНТАБЕЛЬНОСТЬснизилась

И ПРИБЫЛЬувеличилась

ТО СЕБЕСТОИМОСТЬ ПРОДУКЦИИувеличилась.

Фреймовое представлениезнаний отбивает систематизированную в виде единственной теории психологическую модель памяти человека. Основной элементмодели

• фрейм — является отображением структуры данных для описания концептуальных (понятийных) объектов. Информация, которая касается одного фрейма, содержится в слоте. Все фреймы взаимозависимые и образуют единственную систему, в которой соединены факты (описательные знания) и правила манипулированиеими.

Семантическая сеть —наиболее удобная и понятная для экспертов модель представления знаний. Подсемантической сетью, как правило, имеютв видуграф, узлы которого отвечают понятиям или объектам.

Логические выводы могут основываться на прямом или обратном рассуждениях. Прямая цепочка связана с рассуждениями, которые ведутся от данных к цели рассуждения, а обратный — от цели к данным — используется для доказательства рассуждения. Обратный вывод базируется на графе И/ИЛИ, что связывает в единое целое факты и выводы. Оценка этого графа и является логическим выводом. При этом оцениваются только те части графа, которые касаютсявывода.

Прямое рассуждение характеризуется простотой выбора правил, однако часто приводит к неуправляемому режиму постановки вопросов в диалоге и, как правило, к снижению быстродействия системы.

Блок логических выводовдолжен быть приспособлен к работе с ненадежными данными, что приближает экспертную систему к реальной действительности. Для этого

разработанные нечеткая логика, коэффициенты уверенности, мера доверия и тому подобное.

Блок объясненийтакже играет важную роль: система должна уметь объяснить, как она пришла к тому или другому выводу. В экспертных системах, основанных на правилах, объяснения получают обычно прослеживанием еще раз тех шагов рассуждения, которые привели к данному выводу.