Экспертная система

Термин «искусственный интеллект» впервые был предложен на семинаре с аналогичным названием в Дартсмутском колледже в США в 1956 г. В дальнейшем различными учеными были даны следующие определения искусственного интеллекта:

• ИИ – ветвь информатики, которая связана с автоматизацией интеллектуального поведения;

• ИИ – это наука о вычислениях, которые делают возможными восприятие, логический вывод и действие;

• ИИ – это информационная технология, связанная с процессами логического вывода, обучения и восприятия.

Синтезируя подобные определения введем следующее рабочее определение:

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ – это одно из направлений информатики, целью которого является разработка компьютерных систем, способных выполнять функции традиционно считающиеся интеллектуальными, - понимание языка, логический вывод, использование накопленных знаний, обучение, планирование действий и так далее. Основными направлениями исследований в области искусственного интеллекта являются доказательство теорем, обучение и выявление закономерностей, общение на естественном языке, распознавание образов, компьютерное зрение.

Одной из компонент ИИ являются сильные методы решения задач, или методы, основанные на знаниях. Реализацией методов основанных на знании стала разработка экспертных систем.

ЭКСПЕРТНАЯ СИСТЕМА – это вычислительная система, в которую включены знания специалистов о некоторой проблемной области и которая в пределах этой области способна принимать экспертные решения. В отличие от систем обработки данных в экспертных системах используется символьный (а не числовой) способ представления, символьный вывод и эвристический поиск решения (установление истины с помощью наводящих вопросов (т.н. сократическая беседа)) (а не готовое решение).

К разработке экспертной системы необходимо привлекать инженеров по знаниям, экспертов в данной предметной области и конечных пользователей. Инженер по знаниям является экспертом по языку ИИ и представлению. Его главная задача – выбрать программный и аппаратный инструментарий для проекта, помочь эксперту в данной области членораздельно сформулировать необходимую информацию, а также реализовать ее в корректной и эффективной базе знаний. Часто инженер по знаниям изначально не знаком с предметной областью.

Знания о предметной области обеспечивает эксперт. Экспертом предметной области обычно является тот человек, который работал в этой области и понимает принципы решения ее задач, знает приемы решения, может обеспечить управление неточными данными, оценку частичных решений и имеет другие навыки, делающие его экспертом. Эксперт в предметной области отвечает за передачу этих навыков инженеру по знаниям.

В большинстве приложений основные проектные ограничения определяет конечный пользователь. Обычно разработка продолжается до тех пор, пока пользователь не будет удовлетворен. Навыки и потребности пользователя учитываются в течение всего цикла разработки.

Одной из первых экспертных систем была система DENDRAL, разработанная в Стэнфорде в конце 60-х. DENDRAL была задумана для определения строения органических молекул из химических формул и спектрографических данных о химических связях в молекулах. Поскольку органические молекулы обычно очень велики, число возможных структур этих молекул также весьма внушительно. DENDRAL решает проблему большого пространства перебора, применяя эвристические знания экспертов-химиков к решению задачи определенной структуры.

Программа MYCIN, разработанная в середине 70-х, в которой использовались знания экспертов медицины для диагностики и лечения бактериальных инфекций крови, одной из первых обратилась к проблеме принятия решений на основе ненадежной или недостаточной информации. Многие методики разработки экспертных систем, использующиеся сегодня, были впервые разработаны в рамках данного проекта.

К числу других классических экспертных систем относится программа PROSPECTOR, определяющая предполагаемые рудные месторождения и их типы, основываясь на геологических данных о местности; программа INTERNIST, применяемая для диагностики в сфере медицины внутренних органов; программа Dipmeter Advisor, интерпретирующая протоколы бурения нефтяных скважин.

Цель исследований в области экспертных систем состоит в разработке программ (устройств), которые при решении задач, трудных для эксперта-человека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом. В большинстве случаев экспертные системы решают трудноформализуемые задачи или задачи, не имеющие алгоритмического решения.

Интерпретация – формирование высокоуровневых выводов из наборов строк данных.

Прогнозирование – проектирование возможных последствий данной ситуации.

Диагностика – определение причин неисправностей в сложных ситуациях на основе наблюдаемых симптомов.

Проектирование – нахождение конфигурации компонентов системы, которая удовлетворяет целевым условиям и множеству проектных ограничений.

Планирование – разработка последовательности действий для достижения множества целей при данных начальных условиях и временных ограничениях.

Мониторинг – сравнение наблюдаемого поведения системы с ее ожидаемым поведением.

Инструктирование – помощь в образовательном процессе по изучению технической области.

Управление – управление поведением сложной среды или системы.

Разработка экспертных систем требует нетрадиционного жизненного цикла разработки, основанного на раннем прототипировании и постепенной модификации кода. Обычно работа с системой начинается с попытки инженера по знаниям описать процессы, происходящие в данной предметной области. Этому помогает взаимодействие с экспертом в данной области. Адекватность описания достигается с помощью предварительных интервью с экспертами и наблюдения за ними в процессе работы. Далее инженер по знаниям и эксперт начинают процесс извлечения знаний по решению проблем. Выделяют три стратегии получения знаний при разработке систем, основанных на знаниях [56]:

1. Приобретение знаний. Это означает получение знаний с использованием компьютера при наличии подходящего программного инструментария.

2. Формирование знаний. Под этим понимают по­лучение знаний с использованием программ обучения при наличии репрезентативной (т.е. достаточно пред­ставительной) выборки примеров принятия решений в предметной области и соответствующих пакетов при­кладных программ.

3. Извлечение (выявление) знаний. Сюда относят получение знаний без использования вычислительной техники путем непосредственного контакта инженера по знаниям с источником знаний, в результате кото­рого становятся явными структура его представлений о предметной области, а также процесс рассуждений специалистов при принятии решения.

Потенциальные источники знаний включают в себя экспертов, специальную литературу (учебники, справоч­ники, отчеты, истории болезни и т.п.), справочно-норма-тивные сведения, набор данных (базы данных), личный опыт и др.

Коммуникативные методы охватывают все виды контактов с живым источником знаний — экспертом, а текстологические методы обусловливают извлечение знаний из документов и специальной литературы (мето­дик, пособий, руководств, отчетов, статей, моногра­фий, учебников, справочников и т.п.).

В процессе наблюдения инженер по знаниям находится рядом с экспертом во время его профес­сиональной деятельности или ее имитации. Инженер по знаниям записывает все действия эксперта, его реплики и объяснения. Протоколы наблюдений тща­тельно расшифровываются, а затем обсуждаются с экспертом.

Протоколирование «мыслей вслух» происходит подобно наблюдению и заключается в том, что экс­перт комментирует и объясняет свои действия и реше­ния, демонстрируя всю цепочку рассуждений.

Наиболее распространенными методами извлече­ния знаний в настоящее время являются активные индивидуальные методы, прежде всего — анкети­рование. Инженер по знаниям заранее составляет анкету, которую использует затем для опроса несколь­ких экспертов. При этом анкета может заполняться как экспертом, так и самим инженером по знаниям. В последнем случае анкетирование близко к интер­вьюированию. Основное отличие интервью заключа­ется в том, что оно позволяет инженеру по знаниям разнообразить ситуацию общения.

Свободный диалог — это беседа инженера по знаниям и эксперта, в которой нет жесткого плана и вопросника.

Основное достоинство групповых методов извле­чения знаний заключается в возможности одновре­менного извлечения знаний из нескольких экспертов.

Их взаимодействие вносит в этот процесс элемент принципиальной новизны от наложения разных взгля­дов и позиций.

Метод круглого стола предусматривает обсужде­ние какого-либо вопроса, когда несколько экспертов участвуют в нем с равными правами. Для уменьшения опасности получения односторонних и однобоких зна­ний на круглый стол приглашают представителей раз­личных научных школ и разных поколений.

Мозговой штурм, или мозговая атака, — это ме­тод раскрепощения и активизации творческого мыш­ления. Основная его идея заключается в отделении процедуры генерирования идей в замкнутой группе специалистов от процесса анализа и оценки высказан­ных идей. Участникам штурма (обычно до 10 человек) предлагается высказывать любые идеи на заданную тему, но не критиковать их. Обычно высказывается свыше 50 идей. Оценивают идеи эксперты, не уча­ствующие в штурме; при этом 10-15 % идей оказыва­ются разумными, а некоторые бывают весьма ориги­нальными.

Плодотворность моделирования реальных ситуа­ций в играх подтверждается практически во всех об­ластях науки и техники. Игровые методы уже давно получили широкое распространение и в обучении, например, деловые, педагогические, диагностические (медицинские) игры. Игры нашли применение и в извле­чении знаний, когда с экспертом (экспертами) играет инженер по знаниям, берущий на себя какую-либо роль (учителя, врача, пользователя экспертной системы и т.п.). Главное в игре состоит в том, чтобы эксперты раскре­постились и раскрыли себя.

Методы извлечения знаний из текста наименее разработаны. Однако, как мы знаем, в процессе учения основным источником знаний для учащихся являются тексты: конспекты лекций, учебная и специальная ли­тература.

После выполнения этих обязательных этапов инженер по знания строит прототип.

Этот прототип должен быть способен решать проблемы из данной области и обеспечить испытательный стенд для проверки предварительных проектных решений. Когда прототип готов, инженер по знаниям и эксперт в предметной области испытывают и уточняют знания путем решения конкретных задач и устранения дефектов. Если предположения, сделанные при проектировании прототипа, оказываются корректными, прототип можно поступательно расширять до тех пор, пока он не превратится в окончательную систему.

Каковы же характеристики экспертной системы?

1. Экспертная система ограничена определенной сферой экспертизы.

2. Экспертная система способна рассуждать при сомнительных данных.

3. Она способна объяснить цепочку рассуждений понятным способом (в отличие от решений, полученных с помощью числовых алгоритмов, и в особенности от решений, полученных статистическими методами).

4. Она строится так, чтобы имелась возможность постепенного наращивания системы.

5. Чаще всего она основана на использовании правил.

6. На выходе она выдает совет – не таблицы из цифр, не картинки, а четкий совет.

7. Она экономически выгодна.