Файл: Учебник Макаровой.pdf

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 17.07.2024

Просмотров: 1429

Скачиваний: 0

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

эвристики обычно увеличивают глубину системы, обеспечивая большее число правил для трудноуловимых аспектов отдельных случаев. В то же время эксперт и инженер по знаниям могут расширить охват системы, включая правила, управляющие дополнительными подзадачами или дополнительными аспектами экспертной задачи (метазнания).

После установления основной структуры ЭС инженер по знаниям приступает к разработке и адаптации интерфейсов, с помощью которых система будет общаться с пользователем и экспертом. Необходимо обратить особое внимание на языковые возможности интерфейсов, их простоту и удобство для управления работой ЭС. Система должна обеспечивать пользователю возможность легким и естественным образом спрашивать непонятное, приостанавливать работу и т.д. В частности, могут оказаться полезными графические представления.

На этом этапе разработки большинство экспертов узнают достаточно о вводе правил и могут сами вводить в систему новые правила. Таким образом начинается процесс, во время которого инженер по знаниям передает право собственности и контроля за системой эксперту для уточнения, детальной разработки и обслуживания.

ЭТАП 4: ОЦЕНКА СИСТЕМЫ

После завершения этапа разработки промышленной экспертной системы необходимо провести ее тестирование в отношении критериев эффективности. К тестированию широко привлекаются другие эксперты с целью апробирования работоспособности системы на различных примерах. Экспертные системы оцениваются главным образом для того, чтобы проверить точность работы программы и ее полезность. Оценку можно проводить, исходя из различных критериев, которые сгруппируем следующим образом:

критерии пользователей (понятность и "прозрачность" работы системы, удобство интерфейсов и др.); критерии приглашенных экспертов (оценка советов-решений, предлагаемых системой,

сравнение ее с собственными решениями, оценка подсистемы объяснений и др.); критерии коллектива разработчиков (эффективность реализации, производительность, время

отклика, дизайн, широта охвата предметной области, непротиворечивость БЗ, количество тупиковых ситуаций, когда система не может принять решение, анализ чувствительности программы к незначительным изменениям в представлении знаний, весовых коэффициентах, применяемых в механизмах логического вывода, данных и т.п.).

ЭТАП 5: СТЫКОВКА СИСТЕМЫ

На этом этапе осуществляется стыковка экспертной системы с другими программными средствами в среде, в которой она будет работать, и обучение людей, которых она будет обслуживать. Иногда это означает внесение существенных изменений. Такое изменение требует непременного вмешательства инженера по знаниям или какого-либо другого специалиста, который сможет модифицировать систему. Под стыковкой подразумевается также разработка связей между экспертной системой и средой, в которой она действует.

Когда экспертная система уже готова, инженер по знаниям должен убедиться в том, что эксперты, пользователи и персонал знают, как эксплуатировать и обслуживать ее. После передачи им своего опыта

в области информационной технологии инженер по знаниям может полностью предоставить ее в распоряжение пользователей.

Для подтверждения полезности системы важно предоставить каждому из пользователей возможность поставить перед ЭС реальные задачи, а затем проследить, как она выполняет эти задачи. Чтобы система была одобрена, необходимо представить ее как помощника, освобождающего пользователей от обременительных задач, а не как средство их замещения.

Стыковка включает обеспечение связи ЭС с существующими базами данных и другими системами на предприятии, а также улучшение системных факторов, зависящих от времени, чтобы можно было обеспечить ее более эффективную работу и улучшить характеристики ее технических средств, если система работает в необычной среде (например, связь с измерительными устройствами).

Пример 16.15. Успешно состыкована со своим окружением система PUFF –

513


экспертная система для диагностики заболеваний легких [10]. После того, как PUFF была закончена и все были удовлетворены ее работой, систему перекодировали с LISPa на Бейсик. Затем систему перенесли на ПК, которая уже работала в больнице. В свою очередь, эта ПК была связана с измерительными приборами. Данные с измерительных приборов сразу поступают в ПК. PUFF обрабатывает эти данные и печатает рекомендации для врача. Врач в принципе не взаимодействует с PUFF. Система полностью интегрирована со своим окружением она представляет собой интеллектуальное расширение аппарата исследования легких, который врачи давно используют.

Пример 16.16. Другая система, которая хорошо функционирует в своем окружении, – САТ-1 [8] – экспертная система для диагностики неисправностей дизелей локомотивов.

Эта система была разработана также на LISPe, а затем переведена на FORTH, чтобы ее можно было более эффективно использовать в различных локомотивных цехах. Мастер по ремонту запрашивает систему: определить возможные причины неисправности дизеля. Система связана с видеодиском,

с помощью которого мастеру дают визуальные объяснения и подсказки относительно более подробных проверок, которые ему нужно сделать. Кроме того, если оператор не уверен в том, как устранить неисправность, система предоставляет ему обучающие материалы, которые фирма подготовила предварительно, и показывает ему на видеотерминале. Таким образом, мастер по ремонту может с помощью экспертной системы диагностировать проблему, найти тестовую процедуру, которую он должен использовать, получить на дисплее объяснение, как провести тест, или получит инструкции о том, как справиться с возникшей проблемой.

ЭТАП 6: ПОДДЕРЖКА СИСТЕМЫ

При перекодировании системы на язык, подобный Си, повышается ее быстродействие и увеличивается переносимость, однако гибкость при этом уменьшается. Это приемлемо лишь в том случае, если система сохраняет все знания проблемной области и это знание не будет изменяться в ближайшем будущем. Однако, если экспертная система создана именно из-за того, что проблемная область изменяется, то необходимо поддерживать систему в инструментальной среде разработки.

 

Пример 16.17. Удачным примером ЭС, внедренной таким образом, является

 

XCON (R1) – ЭС, которую фирма DEC использует для комплектации ЭВМ

 

семейства VAX. Одна из ключевых проблем, с которой столкнулась фирма

 

DEC, – необходимость постоянного внесения изменений для новых версий

 

оборудования, новых спецификаций и т.д. Для этой цели XCON

 

поддерживается в программной среде OPS5.

 

КЛЮЧЕВЫЕ ПОНЯТИЯ

Анализ:

Интеллектуальный редактор БЗ

морфологический

Интерфейс пользователя

прагматический

Кибернетика "черного ящика"

семантический

Лабиринтный поиск

синтаксический

Нейрокибернетика

База знаний

Нейрокомпьютер

Данные

Нейронные сети (нейросети)

Знания:

Перцептрон

глубинные

Подсистема объяснений

декларативные

Поле знаний

поверхностные

Представление знаний

процедурные

Продукционная модель

Инженер по знаниям

Пролог

514


Рефал

Экспертная система:

Решатель

диагностика

Семантическая сеть

интерпретация данных

Ситуационное управление

мониторинг

Транспьютер

обучение

Фрейм:

планирование

образец

прогнозирование

роль

проектирование

ситуация

ЭС по классификации:

структура

автономные

сценарий

гибридные

экземпляр

динамические

Эвристика

квазидинамические

Эвристическое программирование

статические

ВОПРОСЫ ДЛЯ САМОПРОВЕРКИ

Перечислите основные направления искусственного интеллекта. Что такое нейросеть?

Где применяются нейрокомпьютеры? Что такое "эвристика"?

Что такое "ситуационное управление"?

Из каких этапов состоит анализ текста при переводе? Перечислите три поколения роботов.

Перечислите уровни обработки данных. Перечислите уровни обработки знаний.

Что является основой любой интеллектуальной системы? Чем отличаются глубинные знания от поверхностных? В чем выражаются процедурные знания?

Что такое продукционная модель? Какова цель обратного вывода?

Из чего состоит семантическая сеть? Какие бывают фреймы?

Что такое АКО-связь?

Что такое наследование свойств?

Что входит в состав экспертной системы? Кто такой инженер по знаниям?

Перечислите классификацию экспертных систем по типу решаемых задач. Что такое интегрированная экспертная система?

Что такое "стыковка экспертной системы"? Что происходит при извлечении знаний? Кто участвует в структурировании знаний?

Какие языки используются при формализации?

Чем отличается исследовательский прототип от действующего?

Как связаны универсальность программного средства и количество работы по созданию готовой экспертной системы?

ЛИТЕРАТУРА

1.Байдун В.В., Бунин А.И. Средства представления и обработки знаний в системе FRL/PS // Всесоюзная конференция по искусственному интеллекту: Тез. докл., т.1. - Минск, 1990.

2.Кирсанов Б.С., Попов Э.В. Отечественные оболочки экспертных систем для больших ЭВМ //

Справочник по искусственному интеллекту, т.1. - М.: Радио и связь, 1990.

3. Ковригин О.В., Перфильев К.Г. Гибридные средства представления знаний в системе СПЭИС // Всесоюзная конференция по искусственному интеллекту: Тез.докл. т.2. - Переславль-Залесский, 1988.

515


4.Николов С.А. и др. Анализ состояния и тенденции развития информатики. Проблемы создания экспертных систем // Исследовательский отчет под ред. С.А. Николова. - София: Интерпрограмма, 1991.

5.Попов Э.В. (ред). Динамические интеллектуальные системы в управлении и моделировании. - М.:

МИФИ, 1996.

6.Поспелов Д.А. Искусственный интеллект: фантазия или наука? - М.: Радио и связь, 1986.

7.Справочник по искусственному интеллекту в 3-х т. / Под ред. Попова Э.В. и Поспелова Д.А. - М.: Радио и связь, 1990.

8.Соловьев С.Ю., Соловьева Г.М. Вопросы организации баз знаний в системе ФИАКР // Экспертные системы: состояние и перспективы / Под ред. Д.А. Поспелова. - М.: Наука, 1989.

9.Уотермен Д. Руководство по экспертным системам: Пер. с англ. - М.: Мир, 1989.

10.Хейес-Рот и др. Построение экспертных систем / Под ред. Ф. Хейес-Рота, Д. Уотермена, Д.

Лената. - М.: Мир, 1987.

11.Хорошевский В.Ф. Управление проектами в интеллектуальной системе PIES Workbench // Изв. РАН, серия "Техническая кибернетика". - 1993. -5.

12.Цейтин Г.С. Программирование на ассоциативных сетях // ЭВМ в проектировании и

производстве. - Л.: Машиностроение, 1985. Вып. 2.

13.Шенк Р., Бирнбаум Л., Мей Дж. К интеграции семантики и прагматики. Новое в зарубежной лингвистике: Вып. XXIV. Компьютерная лингвистика. - М.: Прогресс, 1989.

14.Хювянен Р., Сеппянен М. Мир ЛИСПА. В 2-х т. - М.: Мир, 1991.

ГЛАВА 17. ИНЖЕНЕРИЯ ЗНАНИЙ

17.1.ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ ПОЛУЧЕНИЯ ЗНАНИЙ

17.2.ПРАКТИЧЕСКИЕ МЕТОДЫ ИЗВЛЕЧЕНИЯ ЗНАНИЙ

17.3.СТРУКТУРИРОВАНИЕ ЗНАНИЙ

Центральной проблемой при создании интеллектуальных информационных технологий является адекватное отображение знаний специалиста в памяти компьютера. Это привело к развитию нового направления в информатике инженерии знаний, где определяется соотношение человеческого знания и его формализованного (информационного) отображения в ЭВМ. Инженерия знаний изучает и разрабатывает вопросы, связанные с получением знаний, их анализом и формализацией для дальнейшей реализации в интеллектуальной системе.

Цель главы дать обзор основных теоретических аспектов

инженерии знаний и познакомить с некоторыми практическими методами работы инженеров по знаниям.

ПОСЛЕ ИЗУЧЕНИЯ ГЛАВЫ ВЫ ДОЛЖНЫ ЗНАТЬ:

Подходы к получению знаний при разработке экспертных систем Теоретические проблемы, возникающие при извлечении знаний

Особенности психологических и лингвистических факторов, которые необходимо

учитывать инженеру по знаниям Влияние философии познания на работу инженера по знаниям

Методы инженера по знаниям при работе с источником знаний Методы извлечения знаний Суть экспертных игр

Методы извлечения знаний из текстов Структурирование полученных знаний

Формирование понятийной и функциональной структуры предметной области Каким образом формализуются знания и формируется база знаний

17.1. ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ ПОЛУЧЕНИЯ ЗНАНИЙ

Стратегии получения знаний

516


Психологический аспект Лингвистический аспект Гносеологический аспект

СТРАТЕГИИ ПОЛУЧЕНИЯ ЗНАНИИ

Существует несколько стратегий получения знаний. Наиболее распространенные: приобретение; извлечение; формирование.

Под приобретением знаний понимается способ автоматизированного построения базы знаний посредством диалога эксперта и специальной программы (при этом структура знаний заранее закладывается в программу). Эта стратегия требует существенной предварительной проработки предметной области. Системы приобретения знаний действительно приобретают готовые фрагменты знаний в соответствии со структурами, заложенными разработчиками систем. Большинство этих

инструментальных средств специально ориентировано на конкретные экспертные системы с жестко обозначенной предметной областью и моделью представления знаний, т.е. не являются универсальными. Например, система TEIRESIAS [18], ставшая прародительницей всех инструментариев для приобретения знаний, предназначена для пополнения базы знаний системы MYCIN или ее дочерних ветвей, построенных на "оболочке" EMYCIN [10] в области медицинской диагностики с использованием продукционной модели представления знаний.

Термин извлечение знаний касается непосредственного живого контакта инженера по знаниям и источника знаний. Авторы склонны использовать этот термин как более емкий и более точно

выражающий смысл процедуры переноса компетентности эксперта через инженера по знаниям в базу знаний экспертной системы.

Термин формupование знаний традиционно закрепился за чрезвычайно перспективной и активно развивающейся областью инженерии знаний, которая занимается разработкой моделей, методов и алгоритмов анализа данных для получения знаний и обучения. Эта область включает индуктивные модели формирования гипотез на основе обучающих выборок, обучение по аналогии и другие методы.

Таким образом, можно выделить три стратегии проведения стадии получения знаний при разработке экспертных систем (рис. 17.1).

Рис. 17.1. Три стратегии получения знаний

На современном этапе разработки экспертных систем в нашей стране стратегия извлечения знаний, по-видимому, является наиболее актуальной, поскольку промышленных систем приобретения и формирования знаний на отечественном рынке программных средств практически нет.

Извлечение знаний это процедура взаимодействия эксперта с источником знаний, в результате которой становятся явными

517