Вопрос 60 экспертные и учебные системы. Основные понятия, компоненты и архитектура систем. Функциональные возможности и характеристики экспертных систем

Основные понятия, компоненты и архитектура

В 70-х годах прошлого столетия основные усилия были сконцентрированы на разработке методов представления и методов поиска. Основные усилия были сосредоточены на общих методах и приёмах программирования, которые были бы пригодны для более специализированных задач. Такой подход дал некоторые положительные результаты, но кардинального прогресса не обеспечил.

Начали развиваться специализированные системы, каждая из которых была экспертом в определенной предметной области, которые получили название экспертных систем (ЭC). По сути экспертные системы являются компьютерными программами, моделирующие действия человека-эксперта в узкой предметной области на почве накопленных знаний, составляющих базу знаний (БЗ). Сформировалась технология построения экспертных систем, получившая название инженерии знаний. Процесс построения экспертной системы не дал ожидаемых результатов вследствие своей обобщённости - разработка универсальных программ оказалась неэффективной, поскольку чем шире круг задач, которые может решать программа, тем, больше требует специфической формы взаимодействия разработчика ЭC - инженера знаний - с одним или несколькими экспертами в предметной области, для которой создается система. Инженер знаний "добывает" из экспертов процедуры, стратегии, эмпирические правила, которые они используют при решении задач и "встраивает" эти знания в экспертную систему.

Общая структура такой системы показана на рисунке (рис. 11.1).

Из рисунка видно, что в состав экспертных систем входят типовые блоки: диалоговый процессор, база знаний, планировщик. Новым блоком является подсистема объяснения.

основной задачей ЭС является помощь специалистам за счет использования знаний о проблемной области, полученных из самых разных источников: книг, пола, научно-технической документации, экспертов-специалистов и т.п. Таким образом, в экспертных системах хранится коллективный опыт, накопленный в данной проблемной области. Экспертные системы выступают как эксперты-консультанты, когда специалист обращается к ним за помощью. Задача экспертной системы - объяснить пользователю непонятное для него явление.

Поиск информации для консультации по запросу пользователя осуществляет планировщик. Предусмотрена подсистема объяснения. Она следит за работой планировщика и описывает его деятельность в сжатой форме.

В области работы со знаниями существуют следующие направления

• получение знаний из разных источников;

• получение знаний от специалистов;

• представления знаний;

• оперирования знаниями;

• поддержка принятия решений.

Исследования в направлении извлечения знаний реализуются двумя разделами: формирование качественных знаний и интеграция знаний.

Формализация качественных знаний заключается в создании методов, позволяющих переходить от знаний в текстовой форме к их аналогам, пригодным для введения в память и использования интеллектуальной системой.

Интеграция знаний заключается в необходимости создания на основе полученных знаний из разных источников непротиворечивой и взаимосвязанной системы знаний о предметной области. Знания, полученные от экспертов, необходимо оценить с точки зрения соответствия их к тем знаниям, которые накоплены системой раньше, и формализовать (подготовить к вводу в систему). Кроме того знания, полученные от различных экспертов, могут быть противоположными, и поэтому возникает задача их согласования. Архитектура обработки знаний в ЭС:

Модели продукции и логические системы - основываются на классической логической модели доказывания. Это с одной стороны логическое, исчисление вроде исчисления предикатов и его расширений, или же системы продукций, задающие элементарные шаги преобразований или умозаключений. Вследствие ориентации этих двух моделей на процедуры они лучше всего описывают процедурные знания, а модели знаний, опирающиеся на семантические сети - декларативные знания. И процедурные и декларативные знания могут сосуществовать (например, значениями некоторых слотов во фрейме могут быть продукции).

Вышеприведенные модели знаний по своей сути являются нормативными, т.е. не опираются на аналоги когнитивных структур представления знаний, которыми пользуются люди, а является следствием теоретических построений и исследований. Поэтому, вследствие недостаточного изучения форм представления знаний у человека, в психологии под влиянием исследований в области искусственного интеллекта возникло новое направление - когнитивная психология.

Для хранения и использования знаний в ЭС создаются специальные системы оперирования и представления знаний, включающих в свой состав совокупность процедур, необходимых для записи знаний, получение их из памяти и поддержания их в рабочем состоянии. Системы оперирования знаниями и представления знаний по сути являются базами знаний - природным развитием концепции баз данных. Именно в базах знаний сосредоточены основные процедуры оперирования (манипулирования) знаниями.

Процедуры оперирования знаниями подразделяются на следующие основные классы:

a) пополнения знаний;

b) классификация знаний;

c) обобщение (агрегирование) знаний;

d) вывод с помощью знаний.

Абсолютное большинство знаний людей, которые есть в текстовом виде, принципиально неполны. Воспринимая тексты, мы будто пополняем их за счет известной нам информации, имеющей отношение к тексту (ему релевантная). Процедуры аналогичного типа должны реализовываться и в базах знаний. Новые знания, поступающие в БЗ вместе с уже имеющимися в базе после работы процедур пополнения знаний должны сформировать расширения имеющихся знаний, вовсе не эквивалентно простому накоплению информации. Особое место среди этих процедур занимают псевдофизические логики (времени, пространства, действий и т.д.), которые опираясь на законы внешнего мира пополняют информацию в БЗ.

Процедуры классификации обеспечивают системное хранения знаний в ЭС, т.е. образование определенных структур, что облегчает поиск нужных знаний и обеспечивает поддержание работоспособности БЗ. Эти процедуры есть двух основных типов:

1) родовидовая классификация (по типу "часть - целое");

2) ситуативная классификация (в одно множество объединяются знания, релевантные к некоторой типовой ситуации).

В этой области искусственного интеллекта исследования тесно связаны с кластерным анализом - теорией классификации, существующей в качестве самостоятельной науки.

Процедуры агрегации и абстрагирования приводят к абстрактным знаниям, не имеющих прямого прообраза в реальном мире. Во многих случаях абстрагирования от отдельных элементов описания, отдельных фрагментов знаний об объектах или явлениях реализуется в процессе классификации. Обобщение может происходить на протяжении нескольких шагов. Манипулирование абстрактными знаниями повышает интеллектуальные возможности систем, позволяя оперировать общими категориями и получать общие результаты.

Вывод на основе знаний реализуется с помощью метода резолюций, квазиаксиоматичних систем и систем правдоподобного вывода и зависит от модели, которая использована для представления знаний. Если для представления знаний используются логические системы или продукции, или знания, представленные в казуальной форме, то вывод на знаниях будет близким к стандартному логическому выводу, и в этом случае в ЭС используются методы, основанные на идее резолюции.

Вывод в ЭС существенно отличается от методов формальной математической логики по характеру объектов, к которым этот процесс применяется. В основу функционирования всех систем, изучаемых математической логикой, положен принцип монотонности. Согласно этому принципу, если какое то утверждение выводится в данной логической системе, то никакая дополнительная информация не может изменить его правильности, то есть логическая система является закрытой. В отличие от логических систем базы знаний и базы данных ЭС является принципиально открытыми системами, т.е. новая информация может изменить ситуацию, и сделанный ранее вывод может оказаться неверным.

Эта ситуация, а именно немонотонность вывода в открытых системах, вызывает достаточно существенные трудности. И хотя в последнее время сторонники логических методов в искусственном интеллекте делают попытки построить логические системы с возможностью немонотонного вывода, полученные результаты достаточно скромные.

Открытость - это не только немонотонность выводов, но и отсутствие строгой аксиоматичности, как следствие представления знаний о предметных областях. В классических логических системах аксиомы описывают "вечные" логические истины, истинные для любой предметной области. В отличие от этого в ЭС каждая предметная область использует собственные, специфические, истинные только в ней утверждения. Поэтому такие системы являются по сути квазиаксиоматическими, в которых в процессе длительного вывода возможна смена исходных аксиом, и как следствие изменение результата вывода.

Характерной для открытых ЭС является неполнота и нечеткость информации о предметной области и процессах, которые в ней происходят, неточность входной информации, неполная уверенность в правильности квазиаксиом. Как следствие выводы в интеллектуальных системах принципиально имеют приближенный, правдоподобный характер в отличие от классических формально-логических систем. Таким образом достоверность вывода является лишь составляющей теории вывода, которая интенсивно развивается.

Кроме того в ЭС целесообразно применить основные особенности размышлений и аргументации, характерных для людей, рассуждения по аналогии и ассоциациями, опыт специалистов по их профессиональным умениям в определенной предметной области, формирование выводов в системе имеющихся прагматических ценностей и много других приемов, которыми люди пользуются в своей повседневной практике. Внедрение таких приемов обеспечит большую гибкость, "человечность" и адаптированность ЭС.