- •5 Июля 2007 года, протокол № 6
- •Назначение и принцип построения экспертных систем (эс)
- •Основные компоненты эс
- •Механизм вывода – средство машинного мышления Прямая цепочка рассуждений
- •Искусственный Интеллект (ии)
- •Структурная схема простейшей экспертной системы (эс)
- •Разработка экспертной системы Основные режимы работы
- •Обратная цепочка рассуждений
- •База знаний и структуры данных при обратной цепочке рассуждений.
- •База знаний
- •Проблемы Искусственного Интеллекта
- •Представление знаний
- •Модель доски объявлений (Модель классной доски)
- •Фреймовая модель( теория м. Минского)
- •Языки представления знаний, основанные на теории фреймов
- •Модель семантической сети
- •Пример использования модели семантической сети
- •Восприятие и распознавание образов с использованием систем Искусственного Интеллекта
Московский Авиационный Институт
(Государственный Технический Университет)
МАИ
Лекции по курсу
«Искусственный Интеллект и Экспертные Системы»
Семестр I
Павлова Н.В.
Утверждено в качестве учебно-методического пособия
на заседании кафедры 303
5 Июля 2007 года, протокол № 6
Москва 2007
Назначение и принцип построения экспертных систем (эс)
В 80-х годах в рамках исследований по искусственному интеллекту сформировалось направление инженерии знаний или ЭС. В задачу этого направления входят исследования и разработка программ и устройств, использующих знания (не данные) и процедуры вывода для решения задач, которые являются трудными даже для людей – экспертов.
Сейчас принято для ЭС два определения.
Определение 1. Это сложные программы, которые манипулируют знаниями в целях получения удовлетворительных или эффективных решений в узкой предметной области.
Определение 2. Это информационные системы, построенные на принципе Искусственного Интеллекта (ИИ), которые способны в некоторой предметной области решать задачи, принимать решения и получать выводы, которые может сделать только квалифицированный специалист – эксперт.
Таким образом, эти программы манипулируют символами, знаниями, но не данными. Они работают, не реализуя некоторый алгоритм, как традиционная программа, а формируя этот алгоритм во время решения, как человек, принимающий решение. Как и человек, могут ошибаться, но они должны учиться на своих ошибках.
Среди систем искусственного интеллекта экспертные системы выделяются двумя особенностями:
практической направленностью (решают задачи в узкой предметной области);
понятностью пользователю всех действий ЭС, благодаря тому, что эти системы должны иметь два блока, один из которых – блок объяснений, запоминает все действия ЭС по принятию решений и может объяснить их пользователю; а второй блок обеспечивает диалог с пользователем на естественном языке.
Рассмотрим особенности ЭС.
Работают они с неформализованными знаниями.
Знания принято делить на:
формализованные и
неформализованные.
Формализованные – знания, которые формулируются в виде строгих суждений, отражают универсальные знания. Это законы, формулы, модели, алгоритмы.
Неформализованные – обобщение многолетнего опыта работы и интуиции специалистов, работающих над каким-то конкретным вопросом. Это эмпирические приёмы и правила, которые строго математически не доказаны, но дают хороший результат.
Формулировку неформализованной задачи дал Ньюэлл в 1969 году.
Неформализованная задача – это задача, обладающая хотя бы одной из следующих трёх особенностей, перечисленных ниже.
Алгоритмическое решение задачи либо неизвестно, либо не может быть использовано из-за ограниченных ресурсов ЭВМ.
Задача не может быть определена в числовой форме, требуется её символическое представление.
Цель решения не может быть записана в виде определённой целевой функции.
Неформализованные задачи обладают неполнотой, ошибочностью, неоднозначностью, противоречивостью знаний: как исходных данных, так и правил, по которым принимается решение.
Сами ЭС в силу этого обладают следующими особенностями:
алгоритм решения не известен заранее, а строится самой системой с помощью рассуждений, которые базируются на эвристических принципах;
ясность полученных решений, так как система «осознаёт», как их получила и объясняет это пользователю;
система способна приобретать новые знания как от эксперта при создании, так и сама на своих ошибках;
система обладает дружественным интерфейсом по отношению к пользователю, то есть общается с ними на естественном языке и объясняет свои действия.
В настоящее время ЭС решают следующие типы задач:
принятие решений в условиях неопределённости и неполноты знаний;
интерпретация символов и сигналов, в том числе, распознавание образов и речи;
предсказание;
диагностика;
конструирование;
планирование;
управление и контроль.