Файл: Учебник Рекомендовано Федеральным государственным учреждением.pdf

Исторически сложились три основных подхода в моделирова­
нии ИИ.
В рамках первого подхода объектом исследований являются структура и механизмы работы мозга человека, а конечная цель заключается в раскрытии тайн мышления. Необходимыми этапа­
ми исследований в этом направлении являются построение моде­
лей на основе психофизиологических данных, проведение экс­
периментов с ними, выдвижение новых гипотез относительно механизмов интеллектуальной деятельности, совершенствование моделей и т.д.
Второй подход предполагает моделирование интеллектуальной деятельности с помощью ЭВМ. Цель работ в этом направле­
нии — создание алгоритмического и программного обеспечения, позволяющего решать интеллектуальные задачи не хуже человека.
Наконец, третий подход ориентирован на создание смешанных человеко-машинных, или, как еще говорят, интерактивных ин­
теллектуальных систем, на симбиоз возможностей естественного и искусственного интеллекта. Важнейшими проблемами в этих исследованиях являются оптимальное распределение функций между естественным и искусственным интеллектом и организация диалога между человеком и машиной.
В начале 80-х годов прошлого столетия в исследованиях по ис­
кусственному интеллекту сформировалось самостоятельное на­
правление, получившее название экспертные системы (ЭС). Цель исследований по ЭС состоит в разработке программ, которые при решении задач, трудных для эксперта-человека, получают резуль­
таты, не уступающие по качеству и эффективности решениям, получаемым экспертом. Стратегии экспертных систем основаны на знаниях эксперта.
Экспертные системы — это сложные программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и распространяющие этот опыт для консультаций менее квалифицированных пользователей. Программные средства, ба­
зирующиеся на технологии экспертных систем или инженерии знаний, получили значительное распространение в мире. Техно­
логия экспертных систем позволяет пользователю принимать решения, превосходящие его возможности. По мнению ведущих специалистов, в недалекой перспективе ЭС будут играть ведущую роль во всех фазах проектирования, разработки, производства, распределения, продажи, поддержки и оказания услуг. Технология экспертных систем, получившая коммерческое распространение, обеспечит революционный прорыв в интеграции приложений из готовых интеллектуально взаимодействующих модулей.
Экспертные системы предназначены для так называемых не­
формализованных задач, при этом они не отвергают и не заменя­
56

ют традиционного подхода к разработке программ, ориентиро­
ванного на решение формализованных задач.
Неформализованные задачи обычно обладают следующими особенностями:
— ошибочностью, неоднозначностью, неполнотой и противо­
речивостью исходных данных;
— ошибочностью, неоднозначностью, неполнотой и противо­
речивостью знаний о проблемной области и решаемой задаче;
— большой размерностью пространства решения, т. е. перебор при поиске решения весьма велик;
— динамически изменяющимися данными и знаниями.
Следует подчеркнуть, что неформализованные задачи пред­
ставляют большой и очень важный класс задач. Многие специали­
сты считают, что эти задачи являются наиболее массовым классом задач, решаемых ЭВМ.
Решение специальных задач требует специальных знаний.
Главная идея использования технологии экспертных систем за­
ключается в том, чтобы получить от эксперта его знания и, за­
грузив их в память компьютера, использовать всякий раз, когда в этом возникнет необходимость. Являясь одним из основных при­
ложений искусственного интеллекта, экспертные системы пред­
ставляют собой компьютерные программы, трансформирующие опыт экспертов в какой-либо области знаний в форму эвристиче­
ских правил. Э в р и с т и к а представляет собой некоторое зна­
ние, приобретенное человеком по мере накопления практическо­
го опыта решения аналогичных проблем. Эвристики не гаранти­
руют получения оптимального результата с такой же уверенностью, как обычные алгоритмы, используемые для решения задач в рам­
ках технологии поддержки принятия решений. Однако часто они дают в достаточной степени приемлемые решения для их практи­
ческого использования. Все это делает возможным использовать технологию экспертных систем в качестве советующих систем.
Экспертные системы имеют много особенностей. Они при­
меняются для решения только трудных практических задач. По качеству и эффективности решения экспертные системы не усту­
пают (не должны уступать) решениям специалиста. Кроме того, решения экспертных систем обладают «прозрачностью», т.е. мо­
гут быть объяснены пользователю на качественном уровне. Экс­
пертные системы способны пополнять свои знания в ходе взаи­
модействия с экспертом. Экспертные системы и системы искус­
ственного интеллекта отличаются от систем обработки данных еще и тем, что в них в основном используют символьный (а не числовой) способ представления данных, символьный вывод и эвристический поиск решения (а не исполнение известного алго­
ритма).
57

Э к с п е р т н о е з н а н и е — это сочетание теоретического понимания проблемы и набора эвристических правил для ее ре­
шения, которые эффективны в данной предметной области.
Большинство экспертных систем были написаны для специали­
зированных предметных областей, эти области довольно хорошо изучены и располагают четко определенными стратегиями при­
нятия решений. Несмотря на воодушевляющие перспективы экс­
пертных систем, было бы ошибкой переоценивать возможности этой технологии. Основные проблемы таковы:
— трудности в передаче «глубоких» знаний предметной обла­
сти;
— недостаток гибкости. Если людей поставить перед задачей, которую они не в состоянии решить немедленно, то они обычно сначала исследуют основные принципы и вырабатывают какую-то стратегию для перехода к решению проблемы. Экспертным си­
стемам этой способности не хватает;
— трудности в предоставлении аргументированных объяснений.
Обычно ограничиваются описанием шагов, которые были пред­
приняты в поиске решения;
— трудности в тестировании. Хотя обоснование корректности любой большой компьютерной системы достаточно трудоемко, экспертные системы проверять особенно тяжело;
— ограниченные возможности обучения на опыте.
Очевидное решение этих проблем — «заставить» программы учиться самим на опыте, аналогах или примерах. Несмотря на эти ограничения, экспертные системы доказали свою ценность во многих важных областях.
Типичная экспертная система состоит из следующих основных компонентов: интерфейс пользователя, база знаний, интерпретатор, модуль создания системы, подсистема объяснений (рис. 2.1).

t
Пользователь
___ L_L_
Интерфейс пользов
системы
Инструкции
и информация
^ Решение
и объяснение
► Знания
Рис. 2.1. Основные компоненты информационной технологии эксперт­
ных систем
от инженера по знаниям, в форму, пригодную для использования их в программе.
Подсистема объяснений — программа, позволяющая пользо­
вателю получить ответы на вопросы: «Как была получена та или иная рекомендация?» и «Почему система приняла такое решение?»
Ответ на вопрос «как» — это трассировка всего процесса получе­
ния решения с указанием использованных фрагментов БЗ, т.е. всех шагов в цепочке решений. Ответ на вопрос «почему» — ссыл­
ка на решение, непосредственно предшествовавшее полученному решению, т. е. отход на один шаг назад.
В разработке экспертных систем участвуют представители сле­
дующих специальностей:
— эксперт в проблемной области, задачи которой будет решать экспертная система;
— инженер по знаниям — специалист по разработке экспертных систем (используемые им технологию, методы называют техноло­
гией (методами) инженерии знаний);
Эксперт
Инженер
по знаниям
59

— программист по разработке инструментальных средств, пред­
назначенных для разработки экспертных систем.
Эксперт определяет знания (данные и правила), характеризу­
ющие проблемную область, обеспечивает полноту и правильность введенных в экспертную систему знаний.
Инженер по знаниям помогает эксперту выявить и структури­
ровать знания, необходимые для работы экспертной системы, осуществляет выбор инструментального средства, наиболее под­
ходящего для данной проблемной области, определяет способ представления знаний, выделяет стандартные функции (типичные для данной проблемной области), которые будут использоваться в правилах, вводимых экспертом.
Экспертная система работает в двух режимах: приобретения знаний и решения задачи (называемом также режимом консуль­
тации или режимом использования ЭС).
В режиме приобретения знаний общение с экспертной систе­
мой осуществляет эксперт (через посредничество инженера по знаниям). В этом режиме эксперт, используя модуль создания системы, наполняет систему знаниями, которые позволяют ЭС в режиме решения самостоятельно (без эксперта) решать задачи из проблемной области. Эксперт описывает проблемную область в виде совокупности данных и правил. Данные определяют объ­
екты, их характеристики и значения, существующие в области экспертизы. Правила определяют способы манипулирования с данными, характерные для рассматриваемой области.
Отметим, что режиму приобретения знаний в традиционном подходе к разработке программ соответствуют этапы алгоритми­
зации, программирования и отладки, выполняемые программи­
стом. В случае экспертной системы, в отличие от традиционного подхода, программы разрабатывает не программист, а эксперт, не владеющий программированием.
В режиме консультации общение с ЭС осуществляет конечный пользователь, которого интересует результат и (или) способ его получения. Необходимо отметить, что в зависимости от назна­
чения экспертной системы пользователь может не быть специа­
листом в данной проблемной области. В этом случае он обраща­
ется к ЭС за результатом. Если пользователь — специалист, то в этом случае он может сам получить результат, но он обращается к ЭС с целью либо ускорить процесс получения результата, либо возложить на ЭС рутинную работу. В режиме консультации дан­
ные о задаче пользователя после обработки их диалоговым ком­
понентом поступают в рабочую память. Интерпретатор на осно­
ве входных данных из рабочей памяти, общих данных о про­
блемной области и правил из базы знаний формирует решение задачи.
60

Необходимо отметить, что в настоящее время технология экс­
пертных систем используется для решения различных типов задач
(интерпретация, предсказание, диагностика, планирование, кон­
струирование, контроль, отладка, инструктаж, управление) в са­
мых разнообразных проблемных областях, таких как финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, металлургия, образова­
ние, телекоммуникации и связь и др.
Ниже приведены примеры крупномасштабных экспертных систем.
MICIN — экспертная система для медицинской диагностики.
Разработана группой по инфекционным заболеваниям Стенфорд­
ского университета. Ставит соответствующий диагноз исходя из представленных ей симптомов и рекомендует курс медикаментоз­
ного лечения любой из диагностированных инфекций. База дан­
ных состоит из нескольких сотен правил.
PUFF — анализ нарушения дыхания. Данная система пред­
ставляет собой MICIN, из которой удалили данные по инфекци­
ям и вставили данные о легочных заболеваниях.
DENDRAL — распознавание химических структур. Данная система старейшая из имеющих звание экспертных. Первые вер­
сии данной системы появились еще в 1965 г. все в том же Стен­
фордском университете. Пользователь дает системе DENDRAL некоторую информацию о веществе, а также данные спектроме­
трии (инфракрасной, ядерного магнитного резонанса и масс- спектрометрии), и та в свою очередь выдает диагноз в виде соответ­
ствующей химической структуры.
PROSPECTOR — экспертная система, созданная для содей­
ствия поиску коммерчески оправданных месторождений полезных ископаемых.
2.2. С м ы сл экспер тного анализа
Способность выполнить экспертный анализ — это не только наличие определенных знаний и уровня квалификации. Для это­
го нужно обладать и очень специфическими навыками и умени­
ем разобраться в конкретной ситуации в данной предметной об­
ласти.
Ранее было сказано, что экспертная система должна обладать знаниями. Просто способность выполнять некоторый алгоритм, например производить анализ списка элементов на наличие какого-либо свойства, явно не отвечает этому требованию. Это все равно, что дать первому случайному прохожему список вопро­
сов и ответов и ожидать от него успешного выполнения поиска и
61

устранения неисправностей в системах определенного типа. Рань­
ше или позже, но он обязательно столкнется с ситуацией, не предусмотренной в том списке, которым его снабдили.
Знания, которыми обладает программа, должны быть сконцен­
трированы в определенной предметной области. Случайный набор имен, дат и мест событий, сентенций из классиков и т. п. — это отнюдь не те знания, которые могут послужить основой для про­
граммы, претендующей на способность выполнить экспертный анализ. Знания предполагают определенную организацию и ин­
теграцию, т. е. отдельные сведения должны соотноситься друг с другом и образовывать нечто вроде цепочки, в которой одно зве­
но «тянет» за собой следующее (причинно-следственная связь).
Недостаточно получить доступ к оперативной документации — необходимо получить в свое распоряжение специалиста (или программу), способного справиться с возникшими проблемами.
Экспертная система может полностью взять на себя функции, выполнение которых обычно требует привлечения опыта специ­
алиста, или играть роль ассистента для человека, принимающего решение. Другими словами, система (техническая или социаль­
ная), требующая принятия решения, может получить его непо­
средственно от программы или через промежуточное звено — че­
ловека, который общается с программой. Тот, кто принимает решение, может быть экспертом со своими собственными права­
ми, и в этом случае программа может оправдать свое существова­
ние, повышая эффективность его работы. Альтернативный вари­
ант — человек, работающий в сотрудничестве с такой программой, может добиться с ее помощью результатов более высокого каче­
ства. Правильное распределение функций между человеком и машиной является одним из ключевых условий высокой эффек­
тивности внедрения экспертных систем.
Перечень типовых задач, решаемых экспертными системами, включает:
— извлечение информации из первичных данных (таких, как сигналы, поступающие от гидролокатора);
— диагностика неисправностей (как в технических системах, так и в человеческом организме);
— структурный анализ сложных объектов (например, химиче­
ских соединений);
— выбор конфигурации сложных многокомпонентных систем
(например, распределенных компьютерных систем);
— планирование последовательности выполнения операций, приводящих к заданной цели (например, выполняемых промыш­
ленными роботами).
Хотя известны и «обычные» программы, специализирующиеся на определенных задачах из представленного перечня (или ана­
62