|
Експертна система — це програма ЕОМ, що використовує знання і техніку міркувань людини-експерта. Особливість експерт¬ної системи, що принципово відрізняє її від інших людино-машин¬них систем, полягає у наявності в її складі підсистеми пояснення. Підсистема пояснення відповідає на питання «як» і «чому», система підводить кінцевого користувача до того або іншого ви-сновку. Наявність підсистеми пояснення задовольняє природну вимогу впевненості користувача в своїх діях. Без підсистеми по-яснення можливі дві однаково неприйнятні альтернативи: • ігнорування ЕОМ внаслідок недовіри до отриманих результатів; • абсолютна впевненість, що рішення, прийняті ЕОМ, завжди правильні і, як наслідок, перенесення відповідальності за наслід-ки прийнятих рішень на математиків та ЕОМ. В експертних системах використовуються моделі, побудовані на спеціальних формалізмах штучного інтелекту, звані логіко-лінгвістичними. Оскільки експертні системи орієнтовані на знання та маніпу-ляцію з ними, то можна сказати, що з’явився новий вид моделю-вання — моделювання пізнавальної діяльності [95], що має ши-рокий спектр застосування, в тому числі в області наукових досліджень. Характерні етапи наукових досліджень: • збирання та обробка початкових емпіричних даних; • математична і логіко-теоретична обробка даних з метою ви-явлення нових фактів, об’єктивна істинність яких має як теорети-чне, так і емпіричне обґрунтування; • побудова на основі узагальнення наукових фактів нових тео-рій, що відображають фундаментальні відносини і зв’язки дослі-джуваних процесів і явищ. Якщо перший етап наукових досліджень автоматизовано до-сить повно за рахунок застосування систем обробки даних, вико-ристання баз даних і систем управління базами даних, а також документальних і фактографічних інформаційно-пошукових сис-тем, то з автоматизацією другого і третього етапів ситуація склад¬ніша. Вирішальне значення при цьому мають математичне моделювання та обчислювальний експеримент. Це стосується наук, де можна побудувати математичні моделі. У таких науках, як медицина, біологія, геологія, хімія тощо, діяльність учених на цих етапах залишається неавтоматизованою. Ось чому такої популяр¬ності набули експертні системи, що вирішують задачі моделювання пізнавальної активності саме в таких областях науки. Пізнавальна активність передбачає, що експерти здатні: 1) накопичувати знання; 2) узагальнювати знання; 3) усвідомлювати і виявляти проблеми; 4) застосовувати думки для вирішення проблем, робити прав-доподібні висновки за неповної інформації; 5) виправдовувати свою поведінку і пояснювати свої думки; 6) взаємодіяти з іншими людьми і тим самим накопичувати знання; 7) реконструювати та реорганізовувати свої знання; 8) розуміти не тільки «букву», але й «дух» правил, викорис-товуваних у процесі думок і поведінки (звідси випливає вико- ристання часом винятків із правил, свідоме і несвідоме пору-шення їх); 9) визначати, чи знаходиться проблема на межі їх компетент-ності, зобов’язані вони вирішувати ту або іншу проблему чи ні. Як системи, орієнтовані на знання, експертні системи здатні реалізувати перші дві властивості, четверта властивість реалізо-вується як видача рекомендацій у діалоговому режимі. Третя властивість — це прерогатива людини. П’ята властивість реалі-зовується тільки в експертній системі підсистемами пояснення і довіри. Сьома властивість може бути реалізована розробниками експертної системи, інші — користувачами. Експертні системи можуть виконувати такі функції: • інтерпретація даних з метою визначення їх значення; • діагноз або визначення стану технічних і біологічних систем на основі інтерпретації даних; • контрольні спостереження (моніторингові системи) або не-перервна інтерпретація даних у реальному масштабі часу крити-чних станів об’єктів; • прогнозування розвитку майбутнього на основі моделювання теперішнього і минулого; • планування і розроблення заходів і дій для досягнення пос-тавлених цілей; • проектування або вироблення чітких вказівок щодо побудо-ви об’єктів, які відповідають поставленим вимогам. З погляду моделювання пізнавальної активності і теорії експе-ртних систем дещо в іншому, ширшому аспекті виступає поняття нових інформаційних технологій. Експертні системи приводять до масової електронної технології представлення, накопичення, використання і передачі знань. Друковані видання, в яких накопичені знання, як системи представлення знань пасивні за своєю суттю. Перш ніж застосувати ці знання, необхідно спочатку знайти їх, зробити інтерпретацію для розв’язання певних проблем. Надто негнучкими є книги для оновлення і представлення нових знань. Комунікативні процеси передачі знань іншим людям за допомогою книг також негнучкі. Створення експертних систем не може здійснюватися за зви-чайною схемою: замовник—виконавець, коли відповідно до тех-нічного завдання розробник-виконавець здає замовнику готову для експлуатації систему. Це неможливо, тому що знання, якими має бути заповнена конкретна експертна система, знаходяться у замовника, а не у виконавця. Організація-виконавець (розробник) за допомогою спеціаль-них інструментальних засобів створює так звану порожню експе-ртну систему, або метасистему, орієнтовану на певну проблему або на один із класів експертних систем. Заповнення знаннями «порожньої» системи здійснюється безпосередньо у замовника спеціальними інженерами по знаннях, що входять до організації-розробника або до організації-замовника. Інженери по знаннях повинні, з одного боку, бути цілком компетентними в теорії екс-пертних систем, а з іншого — знати предметну область і вміти працювати з експертами, щоб перетворювати їх знання на фор-малізми даної експертної системи. Для формалізації знань з текс-тів і з інтерв’ю з експертами розроблено спеціальні мови. Інструментальні системи по суті є експертними системами для створення експертних систем. Природним розширенням цього стало створення експертних систем для програмування (системного і прикладного). Розподілені експертні системи. Розподілені системи штучно-го інтелекту, створені з окремих систем, необхідні при багато- аспектному діагнозі розпізнавання властивостей складних об’єк-тів, коли важлива взаємодія окремих фахівців у процесі розпізна-вання і формування плану дій. Розподілені експертні системи можуть бути реалізовані на од-ному багатотермінальному обчислювальному комплексі або на мережах ЕОМ. Гібридні експертні системи. Від традиційних експертних си-стем, заснованих на логіко-лінгвістичних моделях, гібридні екс-пертні системи відрізняються широким використанням і матема-тичних моделей. Традиційно автоматизовані системи проектування, планування і наукових досліджень будуються на математичних моделях. Але в них неможливо врахувати неформальні специфічні знання проектувальників, плановики, дослідників тощо. Тому таким важливим є об’єднання математичних моделей з логіко-лінгвістичними. Узагальнені прикладні інтелектуальні системи. Узагальне-ні прикладні інтелектуальні системи можна розглядати як розра-хунково-логічні системи, доповнені експертними підсистемами або як розподілені експертні системи із сильною обчислюваль-ною компонентою. Усі види інтелектуальних систем можуть реалізовуватися на персональних ЕОМ. Це потрібно для отримання первинних ре-зультатів застосування інтелектуальних систем і для накопичення досвіду. Величезний інтерес до експертних систем зумовлений трьома причинами: • експертні системи орієнтовані на вирішення широкого кола задач у галузях, що раніше не формалізувалися і вважалися ма-лодоступними для використання ЕОМ; • експертні системи призначені для вирішення задач у діало-говому режимі з фахівцями (кінцевими користувачами), від яких не вимагається знання програмування. Це різко розширює сферу використання обчислювальної техніки, яка в режимі експертних систем виступає як інструмент підтримки пам’яті фахівця і поси-лення його здібностей до логічного висновку; • фахівець, що використовує експертну систему при вирішенні своїх задач, може досягати, а іноді й перевершувати за результатами можливості експертів у даній царині знань, що дає змогу різко підвищити кваліфікацію рядових фахівців за рахунок акумуляції знань в експертній системі, в тому числі знань експертів вищої кваліфікації. З усіх задач, що вирішуються за допомогою експертних сис-тем, виділимо такі:
Ранг Сфера застосування 1 Проектування експертних систем 2 Медичний діагноз і консультації щодо лікування 3 Консультації і надання допомоги користувачеві за рішенням задач у різних предметних областях (у тому числі з питань забезпечення доступу користувача-непрограміста до баз даних) 4 Автоматизація програмування, перевірка та аналіз програмного забезпечення 5 Проектування надвеликих інтегральних схем Навчання в різних предметних областях 6 Технічна діагностика і вироблення рекомендацій з ремонту обладнання 7 Планування в різних предметних областях Аналіз інтерпретації даних у різних предметних областях, статистичний аналіз 8 Інтерпретація даних і планування експерименту в ході наукових досліджень у різних сферах 9 Управління проектуванням, технологічними процесами і промисловим виробництвом Аналіз і синтез електронних схем і ЛОМ Формування математичних понять, перетворення математичних виразів Експертна система включає базу знань, розв’язувальний блок, підсистему спілкування, підсистему пояснень і підсистему нако-пичування знань. Через підсистему спілкування з експертною системою пов’я-зані: кінцевий користувач — непрограмуючий фахівець; екс-перт — кваліфікований фахівець, досвід і знання якого набагато перевершують знання і досвід пересічного кінцевого користува-ча; інженер по знаннях, що володіє мовами опису знань. З експертною системою на етапі наповнення знань працюють інженер по знаннях та експерт, а на етапі експлуатації і викорис-тання — кінцевий користувач. Знання, якими має бути заповнена експертна система, включають знання першого і другого роду. Знання першого роду — це загальнозначущі факти, явища, за-кономірності-істини, визнані в даній предметній області і зафік-совані в книгах, статтях, довідниках і тощо. Знання другого ро-ду — емпіричні правила, інтуїтивні міркування і факти, які, як правило, не публікуються, але які дають можливість досвідчено-му експерту ефективно приймати рішення навіть в умовах непов-них і суперечливих початкових даних. Знання в експертній системі фіксуються в базі знань, в якій умовно можна виділити інтенсиональну та екстенсиональну (власне базу даних) частини. У складних експертних системах підсистема пояснення може бути перетворена на добре відому в дослідженні операцій систе-му аналізу рішень [57]. Крім підсистем пояснення, в експертних системах набувають розвитку спеціальні підсистеми довіри. Знання поділяються на декларативні та процедурні, що утво-рюються внаслідок здійснення процедур (алгоритмів, програм, аналітичних перетворень) над фактами як початковими даними. Успіх в реалізації експертних систем тим більший, чим більша питома вага знань першого роду щодо знань другого роду. Якщо переважають знання другого роду, то мають місце такі ситуації: • експерт не може чітко сформулювати правила прийняття рішень; • експерт просто не бажає передавати будь-кому свої знання, методи і правила, зберігаючи за собою статус унікального фахів-ця; • у досліджуваній предметній області важко знайти експерта. Певним рішенням цих труднощів є використання підсистеми накопичення знань, що дає змогу в автоматичному або напів- автоматичному режимі формувати емпіричну залежність з непов¬них даних. Підсистема накопичення знань повинна зі знань другого роду будувати знання першого роду, породжувати теорію і потім виводити нові факти. Ідея такого підходу заснована на принципах індуктивного узагальнення в інтерактивному навчанні. Отже, має місце принципово новий підхід до розроблення експертних систем. Можна виокремити такі класи експертних систем: • діагностувальні системи (найвідоміший приклад цього класу — медичні діагностувальні системи); • системи моніторингу, коли діагностика та інтерпретація від-буваються в реальному масштабі часу, коли здійснюється сигналізація про вихід параметрів об’єкта стеження за припустимі межі; • прогнозувальні системи оцінюють майбутнє на основі моде-лей минулого і теперішнього часу і здійснюють роботу з гіпоте-тичними світами майбутнього; • планувальні системи забезпечують прийняття рішень щодо оптимального розподілу ресурсів і календарного планування; • системи для проектування допомагають не тільки приймати проектні рішення, але й дають змогу виявити мотиви прийняття їх через систему пояснення; • системи для управління суміщують у собі системи плану-вання та проектування, а в ланцюгу зворотного зв’язку викорис-товуються діагностувальні та інтерпретувальні системи; • системи для навчання близькі до систем для управління, од-нак можуть бути обернені за своїм функціонуванням; у цьому випадку користувач спочатку здійснює діагностування та інтерп-ретацію, а потім використовує блоки планування або проекту-вання для впливу на об’єкт управління; далі знову здійснює діаг-ностування та інтерпретацію і використовує інтерпретувальні системи, які близькі до діагностувальних. З необхідністю інтерпретації ми постійно стикаємося, якщо за даними (в тому числі експериментальними) потрібно встановити властивості об’єкта.
|