 |
Знания как объект исследования и преобразования в системах искусственного интеллекта
|
|
|
|
Искусственный интеллект (ИИ) – это одно из направлений кибернетики, целью которого является разработка программно-аппаратных средств, позволяющих пользователю-непрограммисту ставить и решать свои, традиционно считающиеся интеллектуальными задачи, общаясь с компьютером на ограниченном подмножестве естественного языка.
Экспертные системы (ЭС) возникли как значительный практический результат в применении и развитии методов искусственного интеллекта – совокупности научных дисциплин, изучающих методы решения задач интеллектуального (творческого) характера с использованием ЭВМ.
Область ИИ имеет более чем сорокалетнюю историю развития. С самого начала в ней рассматривался ряд весьма сложных задач, которые, наряду с другими, до сих пор являются предметом исследований: автоматические доказательства теорем, машинный перевод (автоматический перевод с одного естественного языка на другой), распознавание изображений и анализ сцен, планирование действий роботов, алгоритмы и стратегии игр.
ЭС – это набор программ, выполняющих функции эксперта при решении задач из некоторой предметной области. ЭС выдают советы, проводят анализ, дают консультации, ставят диагноз. Практическое применение ЭС на предприятиях способствует эффективности работы и повышению квалификации специалистов.
Главным достоинством экспертных систем является возможность накопления знаний и сохранение их длительное время. В отличие от человека к любой информации экспертные системы подходят объективно, что улучшает качество проводимой экспертизы. При решении задач, требующих обработки большого объема знаний, возможность возникновения ошибки при переборе очень мала.
|
|
|
При создании ЭС возникает ряд затруднений. Это, прежде всего, связано стем, что заказчик не всегда может точно сформулировать свои требования к разрабатываемой системе. Также возможно возникновение трудностей чисто психологического порядка: при создании базы знаний системы эксперт может препятствовать передаче своих знаний, опасаясь, что впоследствии его заменят “машиной”. Но эти страхи не обоснованы, т. к. ЭС не способны обучаться, они не обладают здравым смыслом, интуицией. Но в настоящее время ведутся разработки экспертных систем, реализующих идею самообучения. Также ЭС неприменимы в больших предметных областях и в тех областях, где отсутствуют эксперты.
Экспертная система состоит из базы знаний (части системы, в которой содержатся факты), подсистемы вывода (множества правил, по которым осуществляется решение задачи), подсистемы объяснения, подсистемы приобретения знаний и диалогового процессора. При построении подсистем вывода используют методы решения задач искусственного интеллекта.
Ниже представлена структура ЭС. Пользователь, желающий получить информацию, через интерфейс посылает запрос к ЭС; решатель, пользуясь базой знаний, генерирует и выдает пользователю подходящую рекомендацию, объясняя ход своих рассуждений при помощи подсистемы объяснений.
 |  | | | |
Пользователь Инженер по знаниям Эксперт
Рис. 17. Структура экспертной системы.
Пользователь – специалист предметной области, для которого предназначена система.
Инженер по знаниям – специалист в области ИИ. Синонимы: когнитолог, инженер-интерпретатор, аналитик.
|
|
|
Интерфейс пользователя – комплекс программ, реализующих диалог пользователя с ЭС.
База знаний – ядро ЭС, совокупность знаний ПО, записанных в память на языке, понятном эксперту и пользователю. Параллельно существует БЗ во внутреннем машинном представлении.
Решатель – программа, моделирующая ход рассуждений эксперта на основании знаний, имеющихся в БЗ. Синонимы: дедуктивная машина, машина вывода, блок логического вывода.
Подсистема объяснений – программа, позволяющая пользователю получить ответы на вопрос как система приняла такое решение и почему.
Интеллектуальный редактор БЗ – программа, позволяющая инженеру по знаниям создавать БЗ в диалоговом режиме. Включает систему вложенных меню, шаблонов ЯПЗ, подсказок и других сервисных средств.
Рис. 18 Классификация систем, основанных на знаниях
Классификация по решаемой задаче:
Интерпретация данных – это одна из традиционных задач для ЭС, процесс определения смысла данных, результаты которого должны быть согласованными и корректными. Предусматривается многовариантный анализ данных. (Обнаружение и идентификация различных типов океанских судов по результатам аэрокосмического сканирования, определение свойств личности по результатам психодиагностического тестирования АВАНТЕСТ, МИКРОЛЮШЕР);
Диагностика – процесс соотнесения объекта с некоторым классом объектов и обнаружение отклонения от нормы. Диагностика и терапия сужения коронарных сосудов, диагностика ошибок в аппаратуре и математическом обеспечении ЭВМ;
Мониторинг. Основная задача мониторинга – непрерывная интерпретация данных в реальном масштабе времени и сигнализация о выходе тех или иных параметров за допустимые пределы. Контроль за работой электростанций СПРИНТ, помощь диспетчерам атомного реактора, контроль аварийных датчиков на химическом заводе – FALCON.
Проектирование – подготовка спецификаций на создание «объектов» с заранее определенными свойствами. Под спецификацией понимается полный набор документов. В задачах проектирования тесно связаны два основных процесса ЭС: процесс вывода решения и процесс объяснения. Проектирование конфигураций ЭВМ, синтез электрических цепей.
Прогнозирование – позволяет предсказывать событий на основании имеющихся данных, логически выводить вероятные следствия из данных ситуаций. Предсказание погоды – WILLARD; оценки будущего урожая – PLANT; прогнозы в экономике - ECON.
|
|
|
Планирование – нахождение планов действий объектов, способных выполнять некоторые функции. Для выведения логических последствий планируемой деятельности используются модели поведения реальных объектов. Планирование поведения робота – STRIPS, планирование промышленных заказов – ISIS, эксперимента – MOLGEN.
Обучение – системы обучения с помощью компьютера диагностируют ошибки и подсказывают правильные решения. Они аккумулируют знания о гипотетическом ученике, о его характерных ошибках и способны диагностировать слабости в познаниях обучаемых и находить средства их ликвидации.
Управление – функция организованной системы, поддерживающая определенный режим деятельности. Такого рода ЭС осуществляют управление поведением сложных систем в соответствии с заданными спецификациями. Управление газовой котельной GAS, управление системой календарного планирования Project Assistant.
Поддержка принятия решений – это совокупность процедур, обеспечивающая лицо, принимающее решение, необходимой информацией и рекомендациями. Выбор стратегии выхода фирмы из кризисной ситуации Crisis, выбор страховой компании Choice.
В общем случае все системы, основанные на знаниях, можно подразделить на системы, решающие задачи анализа, и на системы, решающие задачи синтеза. Задачи анализа: интерпретация данных, диагностика, поддержка принятия решения. Задачи синтеза: проектирование, планирование, управление. Комбинированные задачи: обучение, мониторинг, прогнозирование.
Классификация по связи с реальным временем:
Статические ЭС разрабатываются в предметных областях, в которых база знаний и интерпретируемые данные не меняются во времени. Они стабильны. (Диагностика автомобиля).
Квазидинамические ЭС интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом во времени. (Производство лизина).
|
|
|
Динамические ЭС работают в сопряжении с датчиками объектов в режиме реального времени с непрерывной интерпретацией поступающих в систему данных.
Автономные ЭС работают непосредственно в режиме консультаций с пользователем для специфически «экспертных» задач;
Гибридные ЭС представляют программный комплекс, агрегирующий стандартные пакеты прикладных программ (мат статистику, линейное программирование, СУБД) и средства манипулирования знаниями.
Следует отметить, что разработка гибридных систем являет собой задачу на порядок более сложную, чем разработка автономной ЭС. Стыковка не просто разных пакетов, а разных методологий порождает целый комплекс теоретических и практических трудностей.
Коллектив разработчиков
Как правило, коллектив разработчиков (КР) включает пользователя, эксперта, инженера по знаниям, программиста, менеджера, технического помощника. КР схож с группой администратора БД.
К пользователю предъявляются самые низкие требования, поскольку его не выбирают.
Эксперт – чрезвычайно важная фигура, его подготовка определяет уровень компетенции БЗ.
Программист. Поскольку современные ЭС – сложнейшие и дорогостоящие программные комплексы, программисты должны иметь опыт и навыки разработки программ.
Инженер по знаниям – это одна из самых малочисленных, высокооплачиваемых и дефицитных специальностей в мире. Он должен отличаться широтой взглядов, деликатностью, внимательностью, интеллигентностью, коммуникабельностью, умением слушать и задавать вопросы, уверенностью в себе, чувством юмора и обаянием. Специалист в области искусственного интеллекта должен иметь максимальные оценки по тестам как вербального, так и невербального интеллекта. Ему необходимы навыки и умения для грамотного и эффективного проведения процессов извлечения, концептуализации и формализации знаний. Он имеет дело со всеми формами знаний: Z1 – знания в памяти человека (знаком с элементами психологии и механизмами мышления – логическим и ассоциативным), Z2 – материальные носители знаний (широкая общенаучная подготовка), Z3 – поле знаний (системный анализ, теория познания, кластерный и факторный анализ), Z4 – знания, описанные на языках представления знаний (продукционные языки, семантические сети, фреймы), Z5 – база знаний на машинных носителях информации (владение ЭВМ, знание одного из языков программирования).
|
|
|
