Экспертные системы. Учебное пособие по специальности 080801 «Прикладная информатика (в информационной сфере)»

УДК 004.891 ББК 32.813я73 М20

Утверждено на заседании кафедры технологии автоматизированной обработки информации 17.05.2010 г., протокол № 15.

Рекомендовано к изданию УМС ИИБТ 26.05.2010 г., протокол № 9.

Рецензенты:

доктор физико-математических наук, доцент кафедры теоретической физики Кемеровского государственного университета

Ю. М. Басалаев;

кандидат педагогических наук, декан факультета профессионального мастерства и конкурсов,

проводимых в рамках ПНПО Кузбасского регионального ИПКиПРО

А. А. Мжельская

Малышева Е. Н.

М20 Экспертные системы [Текст]: учеб. пособие по специальности 080801 «Прикладная информатика (в информационной сфере)» / Е. Н. Малышева. – Кемерово: Кемеров. гос. ун-т культуры и искусств, 2010. – 86 с.

УДК 004.891 ББК 32.813я73

2

3

ВВЕДЕНИЕ

Всовременный век интенсивного развития компьютерной техники широкое распространение получили программные продукты, обладающие искусственным интеллектом – экспертные системы (ЭС). Их активное внедрение обусловлено способностью решения сложных задач в различных отраслях науки и техники.

Внастоящее время на первый план выдвигаются задачи интеллектуализации процессов машинной обработки информации, моделирования рассуждений человека-эксперта при решении прикладных задач из различных областей человеческого знания. Кроме того, актуальным является также полное и непротиворечивое представление самих знаний. Тенденция развития современных языков программирования показывает необходимость разработки предметно-ориентированных языков, максимально приближенных к естественному языку.

Впособии рассматривается методология разработки экспертных систем: дается общее представление о назначении и классификации ЭС, изложена технология создания экспертных систем (структура и этапы разработки ЭС). Описаны методы приобретения знаний. Рассмотрены четыре модели представления знаний (логическая, продукционная, сетевая, фреймовая) и обосновывается выбор той или иной модели в зависимости от характера предметной области и специфики решаемых задач.

Анализируются инструментальные программы, применяемые при проектировании экспертных систем (языки программирования, оболочки экспертных систем, средства автоматизации проектирования ЭС), рассматриваются функциональный, логический и объектно-ориентиро- ванный подходы к программированию экспертных систем.

Данное пособие разработано по курсу «Экспертные системы» для студентов, обучающихся по специальности 080801 «Прикладная информатика (в информационной сфере)», а также для студентов специальностей, изучающих основы искусственного интеллекта.

Учебное пособие может служить основой при изучении курса «Экспертные системы».

4

Глава 1. МЕТОДОЛОГИЯ РАЗРАБОТКИ ЭКСПЕРТНЫХ СИСТЕМ

1.1.Назначение и классификация экспертных систем

Вначале 80-х годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название «экспертные системы».

Экспертные системы (ЭС) – это сложные программные комплексы, аккумулирующие знания специалистов (экспертов) в конкретных предметных областях и предназначенные для обеспечения высокоэффективного решения неформализованных задач.

Неформализованные задачи обладают следующими особеннос-

тями:

1)ошибочностью, неоднозначностью, неполнотой и противоречивостью исходных данных;

2)большой размерностью пространства решения, т. е. перебор при поиске решения весьма велик;

3)динамически изменяющимися данными и знаниями;

4)не существует алгоритмического решения задачи, а если оно и существует, то его нельзя использовать из-за ограниченности ресурсов (время, память).

Следует подчеркнуть, что неформализованные задачи представляют большой и очень важный класс задач. Многие специалисты считают, что они являются наиболее массовым классом задач, решаемых ЭВМ.

Хорошо разработанные системы имитируют процесс рассуждения экспертов, используя это для решения специфических задач. ЭС также могут быть использованы для распространения источников редких знаний.

Применение ЭС может быть оправдано одним из следующих факторов:

решение задачи принесет значительный эффект, например, экономический;

5

использование человека-эксперта невозможно либо из-за недостаточного количества экспертов, либо из-за необходимости выполнять экспертизу одновременно в различных местах;

использование ЭС целесообразно при необходимости решать задачу в окружении, враждебном для человека.

Экспертные системы отличаются от систем обработки данных тем,

что в них, в основном, используются символьный (а не числовой) способ представления, символьный вывод и эвристический поиск решения (а не выполнение известного алгоритма).

Экспертные системы применяются для решения только трудных практических задач. По качеству и эффективности решения экспертные системы не уступают решениям человека-эксперта. Говорят, что решения экспертных систем обладают «прозрачностью», т. е. могут быть объяснены пользователю на качественном уровне. ЭС способны пополнять свои знания в ходе взаимодействия с экспертом.

Классификация экспертных систем

ЭС можно классифицировать по различным основаниям деления: по задаче, по связи с реальным временем, по типу ЭВМ, по степени интеграции (рис. 1).

ЭС

Рисунок 1 – Классификация экспертных систем

Классификация экспертных систем по основным классам задач

Системы интерпретации выявляют описания ситуации из наблюдаемых данных. Примером может служить интерпретация показаний измерительных приборов на предприятии химической промышленности с целью получения выводов о состоянии процесса. В системах интерпретации непосредственно используются реальные данные, а не идеальные символьные представления проблемной ситуации. В таких экспертных системах необходимой может оказаться обработка данных, которые подвержены воздействию шума, немногочисленны, неполны, ненадежны

6

или ошибочны. В них требуется использование специальных методов, направленных на извлечение характеристик из непрерывных потоков данных, сигналов или картин, и способов их символьного отображения. В системах интерпретации возможна обработка данных различных видов. Например, в системах распознавания как зрительных образов, так и речи используются естественные входные данные (визуальные изображения в одном случае и звуковые сигналы в другом) для получения характеристик и смыслового значения. В химических системах интерпретации используются данные о дифракции рентгеновских лучей или масс-спектральные данные и данные ядерного магнитного резонанса для вывода структуры соединений. В медицинских ЭС интерпретации используются измерения характеристик пациента (например, пульс, кровяное давление) с целью диагностики и лечения заболеваний. В ЭС интерпретации военного назначения используются сигналы радиолокационных станций, радио- и звуковых устройств для оценки ситуаций и идентификации целей.

Системы прогнозирования позволяют получать вероятные последствия из заданных ситуаций. Они включают:

прогнозирование погоды;

демографические предсказания;

прогнозирование ущерба, наносимого урожаю некоторой разновидностью насекомых;

получение оценки глобального спроса на нефть на основе сложившейся геополитической ситуации в мире;

предсказание того места в мире, в котором, вероятно, произойдет очередной вооруженный конфликт, на основе данных разведки;

экономическое прогнозирование;

маркетинговое и финансовое прогнозирование.

ВЭС прогнозирования на основе конкретных входных данных иногда используются имитационные модели для генерации ситуаций или сценариев, которые могут возникнуть. Имитационные модели – это программы, отражающие происходящее в реальном мире. Эти потенциальные ситуации вместе со знаниями о порождающих их процессах образуют базу для получения прогнозов.

7

Системы проектирования разрабатывают конфигурации объектов, которые удовлетворяют определенным требованиям задачи проектирования.

Примерами могут служить системы конструирования плат интегральных схем и синтеза сложных органических молекул. В системах проектирования нередко используется синтез для конструирования частичных проектов и имитации для проверки и испытания проектных решений. Из-за тесной взаимосвязи проектирования с планированием во многих системах проектирования предусматриваются механизмы, предназначенные для разработки и отладки планов с целью получения требуемого построения. Системы проектирования могут существенно экономить затраты на необязательный поиск в результате создания планов, предназначенных для получения требуемой конфигурации, и оценки их в условиях налагаемых задачей ограничений. Наиболее популярными областями применения ЭС проектирования являются молекулярная биология и микроэлектроника.

Системы диагностики выявляют неисправности системы через наблюдения, соотнося наблюдаемые поведенческие отклонения с причинами, лежащими в их основе.

Примерами могут служить системы определения причины заболеваний по наблюдаемым симптомам, локализации отказов в электрических цепях и обнаружения неисправных блоков в системах охлаждения ядерных реакторов. ЭС диагностики нередко выступают в роли консультантов, которые не только осуществляют диагностику в случае затруднений, но и взаимодействуют с пользователем с целью оказания помощи в обнаружении неполадок и после этого предлагают рекомендуемые меры по их устранению. Наибольшее количество диагностирующих экспертных систем разработано в области медицины. Одной из первых диагностических экспертных систем является ЭС MYCIN, предназначенная для диагностики и лечения инфекционных болезней.

Однако в настоящее время появляется большое число диагностических экспертных систем для использования в технических и вычислительных системах.

Системы планирования специализируются на задачах составления плана действий. Примерами таких систем могут служить системы разработки плана по применению ряда химических реакций к группам атомов с целью получения сложного органического соединения или создания

8

плана воздушного налета для снижения боеспособности вооруженных сил противника. Планирующие системы нередко должны отвергать некоторую конкретную линию поведения или часть плана из-за того, что она не укладывается в рамки ограничений задачи, и переходить к более ранней точке или ситуации, из которой анализ должен начинаться заново. Поэтому в некоторых ЭС планирования решаемая задача разбивается на ряд подзадач, которые стремятся упорядочить таким образом, чтобы избежать повторного планирования из неудачно выбранных точек. Наиболее частой сферой приложения для ЭС планирования служат химия, электроника, военное дело. Например, экспертная система планирования TATR осуществляет планирование воздушных налетов на аэродромы противника.

Системы мониторинга сравнивают наблюдения поведения системы со стандартами, которые представляются определяющими для достижения цели. Эти решающие выявления соответствуют потенциальным недостаткам на предприятии. Примером может служить экспертная система REACTOR, следящая за показаниями аппаратуры в ядерных реакторах. Системами мониторинга фиксируется наблюдаемое поведение, подтверждающее их «представления» о нормальном поведении или их предположения о возможных отклонениях в поведении. Системы мониторинга по самой своей природе имеют дело со временем и должны осуществлять зависящую как от обстановки, так и от времени интерпретацию фиксируемого ими поведения. Это может означать необходимость запоминания всех значений, которые принимал некоторой параметр в системе в различные промежутки времени, так как скорость и знак изменения могут иметь не менее важное значение, чем само действительное значение рассматриваемого параметра в любой момент времени.

Существует много экспертных систем мониторинга: от контроля движения воздушных потоков до задач управления сбором налогов.

Системы обучения диагностируют ошибки при изучении дисциплины, подсказывают правильные решения. Они аккумулируют знания о гипотетическом «ученике» и его характерных ошибках, затем в работе диагностируют слабости в познаниях обучаемых и находят соответствующие средства для их ликвидации.

Системы управления и контроля адаптивно управляют всеобщим поведением системы. Для осуществления этого система управления должна периодически интерпретировать текущую ситуацию, предсказы-

9

вать будущее, диагностировать причины ожидаемых проблем, формулировать план устранения этих проблем и осуществлять мониторинг его выполнения для обеспечения успеха.

Классификация экспертных систем по классу задачи представлена в таблице 1.

Рассмотренные классы задач ЭС, определяющие проблемные области, решаются в различных предметных областях. Области применения существующих в настоящее время ЭС охватывают медицину, геологию, научные исследования в области химии и биологии, военное дело, инженерное дело, космическую технику, метеорологию, экологию, производство, управление процессами, юриспруденцию, маркетинг, финансы, банковское дело и другое.

Таблица 1 – Классификация экспертных систем по классу задачи