Сравнительный анализ экспертных систем двух поколений

Критерий	Экспертные системы 1-го поколения	Экспертные системы 2-го поколения
Представление знаний	Функционирование системы осуществляется на основе знаний, полученных от эксперта; полученные в процессе эксплуатации знаний не накапливаются. Использование какой - либо одной из следующих моделей представления знаний: фреймы, семантические сети или продукции. Методы представления знаний позволяют описывать только статические предметные области.	Используются не поверхностные знания в виде эвристических правил, как в ЭС первого поколения, а глубинные, представляющие собой теории предметных областей и общие стратегии решения проблем. Знания организованы в виде составных иерархических представлений, включающих сети фреймов, продукции и логические модели. Система имеет не только модель предметной области, но и модель самой себя, что позволяет ей эффективно определять границы своей компетентности. ЭС может решать задачи динамических предметных областей, т.е областей, знания о которых могут изменяться непосредственно в процессе вывода. Система включает средства для одновременной работы с несколькими моделями предметной области, отличающимися друг от друга уровнями детализации.
Механизм вывода	Получения новых заключений с помощью вывода на знаниях. Реализация вывода только при условии полноты знаний и данных. Скачкообразная потеря способности ЭС находить решение даже при незначительном выходе задач за пределы области ее компетентности. Неспособность найти приближенный ответ, если для вывода точного решения ответа нет всех требуемых данных или отсутствуют подходящие правила вывода. Несоответствие схемы вывода ЭС схеме рассуждений эксперта. Отсутствие средств имитации процессов, протекающих в предметной области, что не позволяет задавать вопросы вида «Что будет, если...».	Замена принятого в ЭС 1-го поколения вывода решения на его обоснование, т.е. вместо дедукции используется аргументация, что более свойственно человеческим рассуждениям. При обосновании решения основной операцией становится поиск аргументов, подтверждающих утверждение, которое система должна отвергнуть, либо доказать. Сочетание достоверного (дедуктивного) и правдоподобного вывода, т.е. вывода, в котором каждому получаемому заключению присваивается некоторый вес, характеризующий степень его достоверности.
Интерфейс пользователя	Отсутствие средств настройки на конкретного пользователя. Жесткость диалога - ответы пользователя должны быть представлены в строго определенном виде и формате. Получаемые от пользователя в процессе работы сведения не запоминаются . Несогласованность вопросов, задаваемых системой пользователю в процессе проведения экспертизы, хотя каждый вопрос вполне логичен, в их последовательности может отсутствовать целенаправленность. Избыточность совокупности вопросов ЭС, адресованных пользователю, невозможность построить для каждой экспертизы оптимальную серию вопросов.	ЭС включает модель пользователя, которая дает возможность организовывать взаимодействие с ним в оптимальной форме, т.е. в форме, при которой решение задачи будет получено за минимальное время. В такой модели учитываются особенности работы конкретного пользователя, специфика решаемых задач и типичные для него сценарии диалога.
Объяснение полученных результатов	Механистичность построения объяснений, формулируемых путем объединения аргументации, которая содержится в каждом из применяемых правил. Несовершенство механизма объяснения полученного решения, состоящее в том, что пользователь получает либо тривиальную аргументацию, либо она не удовлетворяет всех потребностей пользователя.	Возможность формирования более интеллектуальной системы объяснения;
Приобретение знаний и обучение	Пополнение знаний системы и контроль их непротиворечивости «вручную». Несовпадение структуры знаний о предметной области в ЭС с их организацией у эксперта; это приводит к появлению пробелов в знаниях ЭС. Отсутствие способности к обучению.	Имеются средства управления процессом наполнения ЭС знаниями и настройки на предметную область, позволяющие выбирать модель представления знаний, в наибольшей степени соответствующую структуре знаний эксперта. ЭС имеет средства для самостоятельного извлечения знаний из базы данных и выдвижения гипотез и построения их обоснований; обучаться на примерах. Система способна анализировать имеющиеся у нее знания, обнаруживая противоречия между старыми и новыми знаниями, устанавливать факт их ошибочности. Для разрешения противоречий или при необходимости получить недостающие данные система по собственной инициативе обращаться к пользователю. В этом проявляется одно из важнейших свойств ЭС второго поколения - их активность.

35. Типы задач, решаемых ЭС, и их области применения В настоящее время технология экспертных систем используется для решения различных типов задач.

• Интерпретация - анализ информации с целью определения ее смысла.

• Диагностика - классификация и поиск неисправностей в живых и неживых системах, основанные на результатах интерпретации.

• Мониторинг - непрерывный процесс интерпретации сигналов и выдача сообщений в си- туациях, требующих вмешательства системы более высого уровня или человека.

• Предсказание - прогнозирование хода событий в будущем на основании модели прошлого и настоящего.

• Планирование - подготовка программы действий, которые необходимо выполнить для до- стижения сформулированных целей.

• Проектирование - разработка подробной документации, предназначенной для создания объектов, удовлетворяющим специфицированным требованиям. Области использования ЭС: финансы, военное дело нефтяная и газовая промышленность энергетика, транспорт фармацевтическое производство космос, металлургия горное дело,химия образование целлюлозно-бумажная промышленность телекоммуникации и связь и этот список непрерывно увеличивается. На протяжении 1960 - 1985 гг. успехи ИИ касались в основном исследовательских разра- боток, которые демонстрировали пригодность СИИ для практического использования. Начиная примерно с 1985 г. (в массовом масштабе с 1988 - 1990 гг.), в первую очередь ЭС, а в послед- ние годы системы, воспринимающие естественный язык (ЕЯ-системы), и нейронные сети (НС) стали активно использоваться в коммерческих приложениях

36. Медицинские экспертные системы позволяют врачу не только проверить собственные диагностические предположения, но и обратиться к компьютеру за консультацией в трудных диагностических случаях.

Экспе́ртная систе́ма (ЭС, expert system) — компьютерная программа, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. ЭС начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х получили коммерческое подкрепление.

Область исследований, посвященная формализации способов представления знаний и построению экспертных систем (ЭС), называют «инженерией знаний». Этот термин введен Е. Фейгенбаумом и в его трактовке означает «привнесение принципов и средств из области искусственного интеллекта в решение трудных прикладных проблем, требующих знаний экспертов». Иными словами, экспертные системы применяются для решения неформализованных проблем, к которым относятся задачи, обладающие одной или несколькими характеристиками из следующего списка:

- задачи не могут быть представлены в числовой форме;

- исходные данные и знания о предметной области неоднозначны, неточны, противоречивы;

- цели нельзя выразить с помощью четко определенной целевой функции;

- не существует однозначного алгоритмического решения задачи.

Все вышеперечисленные свойства являются типичными для медицинских задач, так как в большинстве случаев они представлены большим объемом многомерных, запутанных, а порой и противоречивых клинических данных. ЭС позволяют решать задачи диагностики, дифференциальной диагностики, прогнозирования, выбора стратегии и тактики лечения и др.

Весьма существенно, что работа с экспертными системами может вестись удалённо (телемедицина)

Наиболее важные области применения экспертных систем:

Диагностика неотложных и угрожающих состояний в условиях дефицита времени

Ограниченные возможности обследования

Скудная клиническая симптоматика

Быстрые темпы развития заболевания

Общий принцип, положенный в основу формирования медицинских экспертных систем, - включение в базу знаний синдромов, отражающих состояние всех основных систем органов.

В создании экспертных систем участвуют, как правило, врач-эксперт, математик и программист. Основная роль в разработке такой системы принадлежит эксперту-врачу.

У полностью оформленной экспертной системы присутствуют 4 основных компонента (блока):

База знаний

Машина вывода

Модуль извлечения знаний

Система объяснения принятых решений

Кроме того, хорошая экспертная система имеет блок для пополнения базы знаний – система с обучением.

Экспертные системы позволяют не только производить раннюю доклиническую диагностику, но также оценивать сопротивляемость организма и его предрасположенность к заболеваниям, в том числе онкологическим

37. «Интеллект искусственный – 1) условное обозначение кибернетических систем и их логико-математического обеспечения, предназначенных для решения некоторых задач, обычно требующих использования интеллектуальных способностей человека; 2) совокупность функциональных возможностей электронно-вычислительной машины (ЭВМ) решать задачи, ранее требовавшие обязательного участия человека» (Там же, с. 54).

Искусственный интеллект – одно из новейших направлений науки, появившееся в середине 60-х г.г. ХХ в. на базе вычислительной техники, математической логики,программирования, психологии, лингвистики, нейрофизиологии и других отраслей знаний. Искусственный интеллект – это образец междисциплинарных исследований, где соединяются профессиональные интересы специалистов разного профиля. Само название новой науки возникло в конце 60-х гг,. а в1969 г. в Вашингтоне (США) состоялась первая Всемирная конференция по искусственному интеллекту.

38-39.

40. В рамках первого подхода объектом исследований являются структура и механизмы работы мозга человека, а конечная цель заключается в раскрытии тайн мышления. Необходимыми этапами исследований в этом направлении являются построение моделей на основе психофизиологических данных, проведение экспериментов с ними, выдвижение новых гипотез относительно механизмов интеллектуальной деятельности, совершенствование моделей и т.д.

Второй подход в качестве объекта исследования рассматривает ИИ. Здесь речь идет о моделировании интеллектуальной деятельности с помощью вычислительных машин. Целью работ в этом направлении является создание алгоритмического и программного обеспечения вычислительных машин, позволяющего решать интеллектуальные задачи не хуже человека.

Наконец, третий подход ориентирован на создание смешанных человеко-машинных, или интерактивных интеллектуальных систем, на симбиоз возможностей естественного и искусственного интеллекта. Важнейшими проблемами в этих исследованиях является оптимальное распределение функций между естественным и искусственным интеллектом и организация диалога между человеком и машиной.

Самыми первыми интеллектуальными задачами, которые стали решаться при помощи ЭВМ были логические игры (шашки, шахматы), доказательство теорем. Американский кибернетик А. Самуэль составил для вычислительной машины программу, которая позволяла ей играть в шашки, причем в ходе игры машина обучалась или, по крайней мере, создавала впечатление, что обучается, улучшая свою игру на основе накопленного опыта. В 1962 г. эта программа сразилась с Р. Нили, сильнейшим шашистом в США и победила