ИИС

В примере, наверное, основными для фрейма "Битва" можно считать слоты с именами "субъект" и "объект".Бутву осуществляет субъект Х1 с объектом X2 в месте Х3 во время Х4, при этом получается результат Х5. Подставляя вместо всех переменных конкретные значения, получим конкретный факт-описание:

Куликовская битва

Исключение из фрейма любого слота делает его принципиально не полным, а иногда вообще бессмысленным.

Модель фрейма является достаточно универсальной, поскольку в состав фрейма могут входить слоты с именами действий, то фреймы годятся для представления как декларативных, так и процедурных знаний.

Фрейм является простым, если он не содержит в себе других фреймов. Сложный (составной) фрейм содержит в себе два и более фрейма, и по существу представляет сеть фреймов.

Фрейм позволяет отобразить все многообразие знаний о мире через:

фреймы – структуры, использующиеся для обозначения объектов и понятий (заем, залог, вексель); фреймы – роли (менеджер, кассир, клиент);

70

фреймы – сценарии (банкротство, собрание акционеров, празднование именин); фреймы – ситуации (тревога, авария, рабочий режим устройства) и др.

Фреймовая модель представления знаний – это модель, в

которой структура знаний предметной области формализуется в виде совокупности взаимосвязанных фреймов, описывающих объекты, а свойства этих объектов и факты, относящиеся к ним, описываются в структурных элементах фрейма.

Чтобы представить семантическую сеть в виде совокупности фреймов, надо уметь представлять отношения между вершинами сети. Для этого также используются слоты фреймов. Эти слоты могут иметь имена вида "Связь Y", где Y есть имя того отношения (его тип), которое устанавливает данный фрейм-вершина с другим фреймом-вершиной.

Заметим также, что в качестве значения слота может выступать новый фрейм, что позволяет на множестве фреймов осуществлять иерархическую классификацию. Это очень удобное свойство фреймов, так как человеческие знания, как правило, упорядочены по общности.

Важнейшим свойством теории фреймов является заимствование из теории семантических сетей — так называемое наследование свойств. Во фреймах наследование происходит по АКО-связям (A-Kind-Of= это), которые связывают фреймы с фреймами, находящимися на уровень выше в иерархии, откуда неявно наследуются (переносятся) значения слотов.Слот АКО указывает на фрейм более высокого уровня иерархии, откуда неявно наследуются, то есть переносятся, значения аналогичных слотов.

71

Рис.1.4 Фрагмент сети фреймов.

73

Глава 3. ЭКСПЕРТНЫЕ СИСТЕМЫ

3.1. Назначение и структура экспертных систем

Назначение экспертных систем.

В начале восьмидесятых годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название "экспертные системы" (ЭС). Цель исследований по ЭС состоит в разработке программ, которые при решении задач, трудных для эксперта-человека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом. Исследователи в области ЭС для названия своей дисциплины часто используют также термин "инженерия знаний", введенный Е.Фейгенбаумом как "привнесение принципов и инструментария исследований из области искусственного интеллекта в решение трудных прикладных проблем, требующих знаний экспертов".

Важность экспертных систем состоит в следующем:

технология экспертных систем существенно расширяет круг практически значимых задач, решаемых на компьютерах, решение которых приносит значительный экономический эффект;

технология ЭС является важнейшим средством в решении глобальных проблем традиционного программирования: длительность и, следовательно, высокая стоимость разработки сложных приложений; высокая стоимость сопровождения сложных систем, которая часто в несколько раз превосходит стоимость

74

их разработки; низкий уровень повторной используемости программ и т.п.;

объединение технологии ЭС с технологией традиционного программирования добавляет новые качества программным продуктам за счет: обеспечения

динамичной модификации приложений пользователем, а не программистом; большей "прозрачности" приложения (например, знания хранятся на ограниченном ЕЯ, что не требует комментариев к знаниям, упрощает обучение и сопровождение); лучшей графики; интерфейса и взаимодействия.

По мнению ведущих специалистов, ЭС найдут следующее применение:

ЭС будут играть ведущую роль во всех фазах проектирования, разработки, производства, распределения, продажи, поддержки и оказания услуг;

технология ЭС обеспечит революционный прорыв в интеграции приложений из готовых интеллектуальновзаимодействующих модулей.

решение, так называемых, неформализованных и слабоструктурированных задач.

Отличительные особенности ЭС. Экспертные системы и системы искусственного интеллекта отличаются от систем обработки данных следующими основными чертами:

в них в основном используются символьный (а не числовой) способ представления; используется символьный вывод и эвристический поиск

решения (а не исполнение известного алгоритма);

75

ЭС применяются для решения только трудных практических задач, для решения которых нужны экспертные знания;

ЭС дает пользователю «готовое» решение, которое по качеству и эффективности не уступает решению эксперта-человека;

решения экспертных систем обладают "прозрачностью", т.е. могут быть объяснены пользователю на качественном уровне. Это качество экспертных систем обеспечивается их способностью рассуждать о своих знаниях и умозаключениях; экспертные системы способны пополнять свои знания в ходе взаимодействия с экспертом, а также в процессе самообучения (т.н. машинное обучение);

Как уже отмечалось, ЭС предназначены, главным образом, для решения практических задач, возникающих в слабо структурированной и трудно формализуемой предметной области. ЭС были первыми системами, которые привлекли внимание потенциальных потребителей продукции искусственного интеллекта.

Однако сэкспертными системами связаны некоторые распространенные заблуждения.Заблуждение первое: ЭС будут делать не более (а скорее даже менее) того, чем может эксперт, создавший данную систему. Для опровержения данного постулата можно построить самообучающуюся ЭС в области, в которой вообще нет экспертов, либо объединить в одной ЭС знания нескольких экспертов, и получить в результате систему, которая может то, чего ни один из ее создателей не может.Заблуждение второе: ЭС никогда не заменит человека-эксперта.

76

Предметные области для экспертных систем.

Предметная область – это совокупность реальных или абстрактных объектов, связей и отношений между этими объектами, а также процедур преобразования этих объектов для решения возникающих задач.

В нашей стране современное состояние разработок в области экспертных систем можно охарактеризовать как стадию всевозрастающего интереса среди широких слоев экономистов, финансистов, преподавателей, инженеров, медиков, психологов, программистов, лингвистов. К сожалению, этот интерес имеет пока достаточно слабое материальное подкрепление - явная нехватка учебников и специальной литературы, отсутствие символьных процессоров и рабочих станций искусственного интеллекта, ограниченное финансирование исследований в этой области, слабый отечественный рынок программных продуктов для разработки экспертных систем.

Поэтому распространяются "подделки" под экспертные системы в виде многочисленных диалоговых систем и интерактивных пакетов прикладных программ, которые дискредитируют в глазах пользователей это чрезвычайно перспективное направление. Процесс создания экспертной системы требует участия высококвалифицированных специалистов в области искусственного интеллекта, которых пока выпускает небольшое количество высших учебных заведений страны.

Традиционно знания существуют в двух видах - коллективныезнания, которыми обладают большинство людей, и личныезнания, которыми обладают специалисты (эксперты).

77

Если большая часть знаний в предметной области представлена в виде коллективного опыта (например, высшая математика), эта предметная область не нуждается в экспертных системах (рис.3.1а).

Если в предметной области большая часть знаний является личным опытом специалистов высокого уровня (экспертов), если эти знания по каким-либо причинам слабо структурированы, такая предметная область скорее всего нуждается в экспертной системе (рис. 3.1б).

Рис.3.1. Соотношение коллективных и личных знаний в предметной области.

Необходимо отметить, что в настоящее время технология экспертных систем используется для решения различных типов задач (интерпретация, предсказание, диагностика, планирование, конструирование, контроль, отладка, инструктаж, управление) в самых разнообразных проблемных областях, таких, как финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, металлургия, горное дело, химия, образование, промышленность, телекоммуникации и связь и др.Однако степень охвата

78

решаемых задач существенно отличается для различных предметных областей.

На первый взгляд кажется, что создание единой ЭС (или ИИС), охватывающей все предметные области, возможно. Это - глубокое заблуждение. Прежде всего, следует учитывать, что для решения всех возможных задач во всех предметных областях необходимо бесконечное число фактов и правил. Даже если бы такая система была создана, понадобилось бы длительное время на наполнение ее знаниями. Более того, сегодня еще нет вычислительной машины, способной хранить и обрабатывать такой объем информации, поэтому пока нужно ограничиться только проблемными областями, в которых объѐм информации не слишком велик, и ее можно обработать в программе.

Таким образом, применение ЭС реально только для узких предметных областей, а если быть более точным, то для решения конкретной задачи в предметной области.

Классификация экспертных систем

Класс "экспертные системы" сегодня объединяет несколько тысяч различных программных комплексов, которые можно классифицировать по различным признакам

(рис.3.2).

79