Экспертные системы

Экспертные системы

 

Экспертные системы (ЭС) возникли как значительный практический результат в применении и развитии методов искусственного интеллекта (ИИ) - 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, и 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, выполняющий 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  сохранение их длительное время. В отличии 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 связанно с тем, 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.

 

 

В таблице один приведены сравнительные свойства  прикладных задач, по наличию которых можно судить о целесообразности использования для их решения ЭС.

 

Таблица 1. Критерии применимости ЭС.

 

Применимы	Неприменимы
Не могут быть построены строгие алгоритмы или процедуры, но существуют эвристические методы решения.	Имеют эффективные алгоритмические методы.
Есть эксперты, которые способны решить задачу.	Отсутствуют эксперты или их число недостаточно.
По своему характеру задачи относятся к области диагностики, интерпретации или прогнозирования.	Задачи носят вычислительный характер.
Доступные данные «зашумленные».	Известны точные факты  и строгие процедуры.
Задачи решаются методом формальных рассуждений.	Задачи решаются процедурными методами, с помощью аналогии и интуитивно.
Знания статичны (неизменны).	Знания динамичны (меняются со временем).

 

 

 

В целом ЭС рекомендуется применять для решения следующих типов  задач:

 

- математических, решаемых обычным  путем формальных преобразований  и процедурного анализа;

- задач распознавания, поскольку  в общем случае он решаются  численными методами;

- задач, знания о методах, решения  которых отсутствуют (невозможно  построить базу знаний).

 

Общее направление искусственного интеллекта и математической лингвистики изучает проблемы компьютерного анализа и синтеза естественных языков. Применительно к искусственному интеллекту анализа означает понимание языка, а синтез – генерацию грамотного текста. Решение этих проблем будет означать создание более удобной формы взаимодействия компьютера и человека.

 

 

 

 

Качество понимания зависит от множества факторов: от языка, от национальной культуры, от самого собеседника и т.д. Вот некоторые примеры сложностей, с которыми сталкиваются системы понимания текстов.

Предложения «Мы отдали бананы обезьянам, потому что они были перезрелыми» похожи по синтаксической структуре. В одном из них местоимение они относятся к обезьянам, а в другом – к бананам. Правильное понимание зависит от знаний  компьютера, какими могут быть бананы и обезьяны. По нормам русского языка второе положение не корректно, потому что в нем местоимение ссылается не на последнее подходящее слово, однако в живой речи такое предложение очень даже может встретиться.

Свободный порядок слов может привести к совершенно иному толкованию фразы: «Бытие определяет сознание» - кто кого определяет?

В русском языке свободный порядок компенсируется развитой морфологией, служебными словами и знаками препинания, но в большинстве случаев для компьютера это представляет дополнительную проблему.

В речи могут встречаться неологизмы, например, глагол «Пятидесятирублевый» - то есть высылай 50 рублей. Система должна уметь отличать такие случаи от опечаток и правильно их понимать.

Правильное понимание омонимов -  еще одна проблема. При распознавании речи, помимо прочих, возникает проблема фонетических омонимов. Во  фразе «Серый волк в глухом лесу встретил рыжую лису» выделенные слова слышаться одинаково, и без знания, кто глухой, а кто рыжий, не обойтись (Коме того, что лиса может быть рыжей, а лес – глухим, лес также может быть рыжи (характеристика, в данном случае обозначающая преобладающий цвет листвы в лесу), в то время как лиса может быть глухой, что продолжает дополнительную проблему, вытекающую из предыдущей )

 

Главные задачи

 

• Синтез речи
• Распознавание речи
• Анализ текста
• Синтез текста
• Машинный перевод
• Вопросно-ответные системы
• Информационный поиск
• Извлечение информации
• Упрощение текста
• Технология перевода
• Робот (программа)
• Автореферат

 

Задача анализа текста (на естественном языке, в первую очередь) в общем виде может иметь два варианта: понимания текста, или извлечения смыслов.

Задача понимания текста означает полное и однозначное сопоставление (обычно небольшое) фрагмента текста некоторой формальной структуре, описывающей его смысл. Это на практике проецируется на перевод или диалог с пользователем.

Задача извлечения смыслов ставит целью выборку из текста всех элементов  понимания, полных и частичных, при этом допускается противоречивость элементов между собой. Эта задача направлена на обработку больших массивов текстов, в частности на поиск, фильтрацию, статистическую обработку