Файл: книга ии.doc

Важным свойством ЭС является наличие «дружественного» интерфейса с пользователем и системы объяснения предлагаемых решений. Обычным для ЭС является режим, при котором выдается 2…3 варианта решений с пояснением преимуществ и недостатков каждого. Это обеспечивает доверие к ЭС со стороны должностного лица и сокращение времени на уяснение и утверждение решения.

Правда, старая схема ЭС, основанных на системе правил и создававшихся на базе версий Лиспа и Пролога, сегодня не столь популярна, как раньше. Практически во всех коммерческих продуктах применяются более гибкие походы – нечеткие технологии (когда вместо обычной двоичной логики "да-нет" используется логика с бесконечным числом состояний), Bayesian-сети, учитывающие вероятности перехода узлов в другие состояния, и т. д.

Например, система MOBAL дает возможность строить модель понятия в терминах логических правил и фактов, позволяя с помощью языка поиска похожих объектов Query-by-Similarity в сочетании с нечеткой логикой создавать очень гибкие системы хранения и обработки информации.

Интеллектуальный решатель C-PRS (Procedural Reasoning System in C), написанный на стандарте ANSI C, используется НАСА, в авиапромышленности, в системах управлении перевозками и мобильными роботами. Он переносим, очень компактен и с помощью кросс-платформных компиляторов допускает встраивание практически в любое оборудование.

В России осуществлено несколько внедрений крупной ЭС контроля, управления и моделирования сложных процессов Gensym G2.

Группа адаптивных систем корпорации Microsoft трудится над совершенствованием технологии Office Assistant, которая позволяет отслеживать поведение пользователя и подсказывать ему правильные действия в запутанных ситуациях.

В открытый проект AIOS приглашаются все желающие. Он посвящен созданию ОС с элементами ИИ. В нее будут встроены технологии обработки естественной речи, автоматического решения задач и самообучения.

Коммерческие системы имеют довольно большой ценовой диапазон, и если простые настольные системы стоят несколько сотен долларов, то цена промышленных приложений возрастает в тысячу раз, что свидетельствует об их востребованности.

Рассмотрим примеры некоторых крупномасштабных экспертных систем.

MICIN — экспертная система для медицинской диагностики. Разработана группой по инфекционным заболеваниям Стенфордского университета. Ставит соответствующий диагноз, исходя из представленных ей симптомов, и рекомендует курс медикаментозного лечения любой из диагностированных инфекций. База данных состоит из 450 правил.

PUFF — анализ нарушения дыхания. Данная система представляет собой MICIN, из которой удалили данные по инфекциям и вставили данные о легочных заболеваниях.

DENDRAL — распознавание химических структур. Данная система старейшая, из имеющих звание экспертных. Первые версии данной системы появились еще в 1965 году во все том же Стенфордском университете. Пользователь дает системе DENDRAL некоторую информацию о веществе, а также данные спектрометрии (инфракрасной, ядерного магнитного резонанса и масс-спектрометрии), и та в свою очередь выдает диагноз в виде соответствующей химической структуры.

PROSPECTOR — экспертная система, созданная для содействия поиску коммерчески оправданных месторождений полезных ископаемых.

DELTA – экспертная система, оказывающая помощь обслуживающему персоналу обнаруживать и устранять неполадки в дизель-электровозах, применяя диагностические стратегии по техническому обслуживанию локомотивов.

SACON помогает инженерам определить стратегии решения конкретных задач анализа конструкций.

CARGuide помогает водителям автотранспорта находить маршруты и ориентироваться на улицах города.

PROJCON помогает руководителю проекта разработки программного обеспечения обнаруживать трудности проекта и их причины. Система консультируется с руководителем проекта и строит модель конкретного проекта и его затруднений. После возможных причин она выводит свой диагноз и объясняет процесс рассуждений.

CRIB оказывает помощь разработчикам и обслуживающему персоналу компьютеров при обнаружении неисправностей в аппаратуре и программном обеспечении компьютера.

Особенно большие успехи достигнуты в технологии создания ЭС военного назначения. По оценкам специалистов заинтересованность в создании и совершенствовании ЭС как важного инструмента обеспечения качества отработки решений должностными лицами органов военного руководства – сохранится и даже увеличится в обозримой перспективе.

§ 3.8. Трудности в разработке экспертных систем и пути их

преодоления

При разработке ЭС разработчиков поджидают различные трудности: глобальные, имеющие отношение ко всему процессу разработки или к нескольким этапам разработки, и локальные, проявляющиеся, в основном, на некотором этапе разработки.

Глобальные трудности - общие проблемы, с которыми сталкивается коллектив, пытающийся применить технологию ЭС для решения своих задач. Источником глобальных трудностей являются, по крайней мере, следующие факторы: недостаток ресурсов; ограничения существующих ЭС; длительность разработки ЭС. Рассмотрим эти факторы подробнее.

Недостаток ресурсов для создания ЭС выражается в нехватке человеческих, программных и аппаратных ресурсов. В связи с относительной новизной направления практически отсутствуют инженеры по знаниям, очень мало специалистов по разработке инструментальных средств (ИСр) для систем ИИ и ЭС.

Ограничения программных ресурсов выражаются в слабом развитии ИСр, что приводит к чрезмерной длительности и трудоемкости разработки ЭС.

Ограничения аппаратных ресурсов выражаются в отсутствии в России символьных ЭВМ, ориентированных на разработку ЭС и систем ИИ. На Западе последовательные символьные ЭВМ (типа ЛИСП-машин) серийно выпускаются с 1981 года. С 1985 г. в США начат серийный выпуск параллельных символьных ЭВМ.

Ограничения существующих ЭС можно разделить на ограничения, присущие существующим инструментальным средствам, и на ограничения, присущие собственно ЭС.

К ограничениям собственно ЭС следует отнести следующие:

крайне слабые возможности по работе с динамическими мирами, требующими представления времени и (или) пространства;

недостаточные возможности ЭС по генерации умозаключений, основанных на здравом смысле;

ЭС плохо распознают ситуации, когда пользователь выходит за рамки их возможностей (что приводит к непредвиденным неудачам);

как правило, ЭС не, способны определить несогласованность (противоречивость) знаний, объяснить причину несогласованности и устранить ее.

К ограничениям инструментальных средств можно отнести следующее:

они могут оказать очень малую помощь в процессе приобретения и корректировки знаний в наиболее трудоемком аспекте разработки ЭС;

существующие инструментальные средства, как правило, не позволяют использовать смешанное представление (например, правила и фреймы).

Процесс разработки ЭС довольно длительный и это является существенным ограничением при выборе данного способа реализации задачи. При имеющейся в настоящее время технологии затрачивается от пяти до десяти человеко-лет на создание ЭС, решающей не слишком сложную задачу.

Локальные трудности - это трудности, с которыми сталкивается инженер по знаниям при создании ЭС.

С целью резкого сокращения сроков и снижения стоимости создания ЭС разработаны и продолжают разрабатываются различные инструментальные средства, что позволит, по мнению зарубежных специалистов, сократить затраты на разработку ЭС примерно в 10 раз. Основу таких средств составят специализированные оболочки (и ИСр) и системы создания и поддержания баз знаний (БЗ).

Специализированные оболочки и инструментальные средства (в отличие от универсальных оболочек в инструментальных средствах) ориентируются на определенный тип приложений (например, оболочка для диагностики технических средств Micro In Ate, ИСр для моделирования боя Symtactias, оболочка для финансовых приложений. FFAST). Специализированные оболочки и ИСр (по сравнению с универсальными) являются более эффективными и, кроме того, благодаря специализации могут содержать общие сведения о данном классе приложений, что позволяет существенно упростить, ускорить и удешевить процесс приобретения знаний.

Системы создания и поддержания баз знаний предназначены для автоматизации процесса приобретения знаний на всех этапах разработки ЭС. Подобная система обычно ориентируется на класс инструментальных средств, в первую очередь на класс оболочек ЭС.

Оболочка ЭС – это одно из инструментальных средств создания ЭС, основным свойством которой является то, что она содержит все компоненты ЭС в готовом виде и их использование не предполагает программирования, а сводится лишь к вводу в оболочку знаний о проблемной области. Примеры типичных оболочек, разработанных для ПЭВМ, приведены в табл.3.5.

Таблица 3.5

Типичные оболочки ЭС, предназначенные для работ на ПЭВМ

В отличие от оболочек ЭС системы создание и поддержания БЗ называют оболочками приобретения знаний. Примерами таких систем являются NeoETS, KEATS, TOE.

Устранение трудностей, возникающих при создании гибридных систем, объединяющих ЭС с традиционными программами, осуществляются следующими путями:

создание интегральных инструментальных средств, ограниченно сочетающих методы инженерии знаний с методами традиционного программирования;

создание инструментальных средств для ЭС не на базе символьных языков, а на базе языков традиционного программирования (например, Си, Ассемблер);

повышение конкурентоспособности символьных ЭВМ (по сравнению с ПЭВМ) за счет существенного снижения их стоимости.

С целью создания динамических ЭС осуществляются следующие мероприятия.

Во-первых, начинают появляться первые оболочки и инструментальные средства, предназначенные для работы в системах реального времени: Picon, G2. Появление таких средств позволяет резко расширить сферу применения ЭС и начать их использование в ранее недоступных областях: комплексная автоматизация производства, автоматизированные испытания, управление промышленным производством, операции на рынке ценных бумаг, робототехника и т.п.

Во-вторых, в рамках ЭС происходит объединение программ, знаний, ЭВМ и специального оборудования, обеспечивающего как восприятие и анализ изменяемого окружения (например, сигнальные ЭВМ и нейронные сети), так и воздействие на него.

В-третьих, расширяются исследования и производство параллельных символьных и сигнальных ЭВМ.