Обзор экспертных систем

При устранении неисправностей ЭС и  его функционирование эксперта производит изменения в базе знаний (добавляет, стирает и модифицирует некоторые  факты и правила), углубляет и  указывает познание, происхождение  полученных результатов.

Квалифицированные или начинающие студенты-медики и пациенты могут быть потребителями ЭС, например, в боевой обстановке медицины, желая знать аромат болезни, разработки, доступного опыта ее обработки, медицины, их положительных и отрицательных влияний.

Подобие техник, используемых в ЭС и системах поддержки принятия решений, составы, что они оба обеспечивают высокий уровень поддержки принятия решений. Но одновременно есть также  некоторые различия.

Сходство технологий, используемых в ЭС и системах поддержки принятия решений, состоит в том, что все они обеспечивают высокий уровень поддержки принятия решений. Но в то же время есть и существенные различия.

ЭС может объяснить рассуждения  в ходе получения решения, и это  является частым, эти пояснения кажутся  более важными для потребителя чем решение.

ЭС - меньше дискеты, поскольку сочинение  базы знаний и принятого механизма  логического вывода накладывает  определенные ограничения на круг решенных задач.

Разработка ЭС принятие во внимание неполноты и нерезкости познания требует очень большие расходы очень интеллектуального труда и время.

С точки зрения обработки и представления  информации, основные компоненты в  ЭС: интерфейс потребителя, базы знаний, интерпретатора, модуля создания системы. Эксперт использует интерфейс для  ввода информации и команд в ЭС и получений выходных данных от этого. Ввод информации может быть выполнен посредством меню, команд, естественного  языка и собственного интерфейса, и поскольку выходные данные кажутся  не только решение, но также и необходимые  пояснения. Система должна объяснить  каждый шаг рассуждений, проводящих к решению о задаче.

База знаний содержит факты, описывающие  проблемную область, и также логическую корреляцию этих фактов и их обработку  по правилам. Правило - определение, которое необходимо сделать в данной особой ситуации, и составах двух частей: условия, которые могут быть выполнены или нет, и движения, которые должны быть произведены, если данное условие выполняется.

Обработка познания в определенном порядке выполняется интерпретатором. Интерпретатор - движение, какая техника  уменьшается до последовательного  рассмотрения ряда правил. Если содержание условия в правиле, наблюдается, выполненные определенные действия, и проблемный вариант решения дается потребителю.

Модуль создания системы служит для создания коммутируемого (иерархия) правил. Таким образом, есть два подхода, которые могут быть проявлены  как принцип модуль создания системы: использование алгоритмических  языков программирования (специально для ЭС языки ПРОЛОГ и ЛИСП, а  также языки высокого уровня) или  оболочек ЭС (RT Works от Talarian, США, COMDALE/С от Сomdale Teсhn, СOGSYS от SС, ILOG Rules от ILOG). Но наибольшее распространение получила система G2. Для тех, кто решил самостоятельно создать свою ЭС, можно посоветовать программное обеспечение Expert System Creator 1.7.

ЭС может подвергнуться полностью  функциям, какая производительность обычно требует привлечение опыта  персонажа-эксперта, или играть роль ассистента по персонажу, принимая решение. Другими словами, система (технический или социальный), требуя принятие решений, может сразу получить это от программы или через увеличенное звено - персонаж, который связывается с программой. Тот, кто принимает решение, может быть экспертом с собственными правами, и в этом случае программа может "выровнять по ширине" существование, повышая эффективность его работы. Альтернативный вариант - человек, разогревающийся сотрудничество с такой программой, может достигнуть с ее справкой большего количества качественных результатов. Вообще говоря, корректное выделение функций между персонажем и машиной - одно из ключевых условий высокой эффективности реализации ЭС.

Исследования в этой области  концентрируются на разработке и  реализации компьютерных программ, способных к эмуляции (чтобы подражать, отыграть назад) тех арен деятельности персонажа, которые требуют взгляды, определенный навык и сохраненный опыт. Задачи принятия решений, распознавания образов и понимания естественного языка касаются их. Эта техника уже успешно применяется в некоторых областях техников и светского срока службы - органическая химия, поиск минеральных веществ, медицинской диагностики. Список типичных задач решенный ЭС, включает:

- Экстракция информации от первичных данных (таких как сигналы, приходящие от гидролокатора);

- Диагностика неправильного функционирования (и в технических системах, и в человеческом теле);

- Структурный анализ трудных объектов (например, химические вещества);

- Выбор конфигурации трудных многокомпонентных систем (например, распределенные компьютерные системы);

- Планируя последовательности производительности операций, приводящих к данной цели (например, исполнимая программа промышленными роботами).

Хотя "нормальные" программы, специализирующиеся на определенных задачах от представленного  списка, известны также (или подобный им в соприкасающихся ареалах), ЭС это возможно выбрать в отдельном, достаточно хорошо отличительном классе программ. Точное формальное определение ЭС, который удовлетворил бы все, не существует, но есть много знаков, свойственных до некоторой степени всем ЭС.

ЭС отличается от другого наличия  прикладных программ следующих признаков:

- Модели, не очень материальные (или другой) природа определенной проблемной области, сколько механизма размышления о персонаже в отношении решения о задачах в этой области. Это по существу отличает ЭС от систем математического моделирования или машинно-генерируемого формирования изображений;

- Система, помимо производительности вычислительных операций, формирует определенные причины и выводы, будучи основанной на том познании, с которым это выделяет. Познание в системе представляется, как правило, на каком-то специальном языке и сохранено отдельно от фактически кода программы, который формирует выводы и причины. Это принимается, чтобы назвать этот компонент программы базой знаний;

- При решении о задачах ядра - эвристические и приближенные методы, которые, в отличие от алгоритмического, не всегда гарантируют успех. Эвристика, в основном, является правилом влияния, которое в типе машины представляет некоторое познание, полученное персонажем в процессе накопления практического опыта решения о подобных проблемах. Такие методы приблизительны: сначала, они не требуют исчерпывающую начальную информацию, во-вторых, есть определенный уровень доверия (или неопределенность), что предлагаемое решение - истина.

ЭС отличается от других прикладных программ наличием следующих признаков:

- ЭС имеют дело с сюжетами операций реального мира, с которыми обычно требуют наличие значительного опыта, который был сэкономлен персонажем. Набор программ от области искусственного интеллекта - особенно исследование и основное внимание в них дается абстрактным математическим проблемам или упрощенным разновидностям настоящих проблем (иногда их имя "игрушечные" проблемы), и цель производительности такой программы - “увеличение уровня интуиции” или снимающего метода. ЭС строго объявили практическую направленность в научной или коммерческой области;

- Одна из основных характеристик ЭС - ее производительность, то есть скорость получения результата и ее надежности (надежность). Программы исследований искусственного интеллекта могут а не быть очень быстрыми, возможно согласовать и с существованием в них отказов в отдельных местоположениях, поскольку это - инструмент исследования вместо программного продукта.;

- ЭС должен обладать возможностью объяснить, почему такое решение предлагается и доказывать его обоснованность. Потребитель должен получить всю информацию, необходимую для этого, чтобы быть гарантированным, что решение это принимается “не от потолка”. В отличие от этого программы исследований "связываются" только с творцом, которого и столь (наиболее вероятно) знает, на каком базируется его результат. ЭС это проектируется, рассчитывая на взаимодействие с различными потребителями, для которых его работа должна быть прозрачной.

1.3 Функции экспертных систем

Приобретение знаний.

Приобретение знаний - это передача возможного опыта решения проблемы от некоторого источника знаний и преобразование его в вид, который позволяет использовать эти знания в программе.

Передача познания выполняется  в ходе достаточно многих твердых  и обширных интервью между экспертом  в разработке ЭС (мы назовем далее  ее инженера по знаниям), и эксперт  в определенной области данных, способной  достаточно точно, чтобы сформулировать опыт, доступный для этого. По существующим оценкам такой метод возможно генерировать от двух до пяти “элементов познания” (например, правила влияния) в день. Конечно, это очень низкая скорость именно поэтому много исследователей - историков рассматривает функцию сбора познания как один из основных "критических параметров" техники экспертных систем.

Причин такой низкой производительности предостаточно. Перечислим только некоторые  из них:

- Специалисты в узкой области, как правило, говорят на собственном жаргоне, который трудно преобразовать на нормальный "человеческий" язык. Но смысл вульгарного "слова" полностью не очевиден, именно поэтому дополнительные вопросы для спецификации его логического или математического значения требуются многие. Например, эксперты в военной стратегии говорят об “агрессивной демонстрации” с внешней военной мощью, но таким образом не могут объяснить, чем такая "агрессивная" демонстрация отличается от демонстрации, которые делают не, переносят угрозы;

- Факты и принципы, базовые много специфических областей познания эксперта, не может быть точно сформулирован с точки зрения математической теории или решительной модели, какие свойства - четкое углубление. Так, эксперт в финансовой области может знать, что достоверные события могут стать причиной роста или понижения цитат в фондовой бирже, но он чего-либо Вам не говорит точно о механизмах, которые приводят к такому результату, или о количественной оценке влияния этих факторов. Статистические модели могут помочь сделать общий долгосрочный прогноз, но, как правило, такие методы не работают относительно блюд определенных движений на кратковременных антрактах;

- Решить проблему в определенной области, эксперту недостаточно просто, чтобы обладать общим количеством познания фактов и принципов этой области. Например, квалифицированный эксперт знает, какой вид информация, которую требуется выделить для оператора этого или того мнения, различные источники информации и поскольку возможно разделить соревнование на простом, который может быть решен более или менее независимо, то, сколько достоверны. Открывать в ходе интервью такое познание, которое является основанным на личном опыте и ужасно признании формализации, намного более трудным, чем получить простой список любых фактов или общих принципов;

- Четный в очень узкой области, исполнимой программе персонажем, очень часто необходимо поместить квалифицированный анализ в достаточно обширное окружение, которое не включает также много вещей, стандартных эксперту, отдельно понятому, но для чуждого вида ни в коем случае те, которые не.

Представление знаний.

Представление знаний - еще одна функция  экспертной системы. Теория представления  знаний - это отдельная область  исследований, тесно связанная с  философией формализма и психологией. Предмет исследования в этой области - методы ассоциативного запоминающего устройства информации, подобной тому, что существует в мозге персонажа. В результате основное внимание уделяют логической, вместо биологической стороне процесса, понижая подробные сведения материальных преобразований.

Исследования в области представления  знаний, разработанного в направлениях раскрытия принципов работы хранения персонажа, создания теорий экстракции сходимости от хранения, распознавания  и восстановления. Некоторые из достигнутых  результатов, которые приводят создание компьютерных программ, которые смоделировали  различные методы привязки понятий (концептов). Были компьютерные приложения, которые могли обнаружить до некоторой  степени необходимые "элементы" познания на определенном этапе решения  о некоторой проблеме. Должным  образом психологическая надежность этих теорий, увянутых в фон, и основное, помещает с точки зрения искусственного интеллекта проблематика, занял их возможность служить инструментом для работы с новой информацией и строениями управления.

В области представления экспертных систем методов познания формального описания массивов полезной информации с целью их последующей обработки посредством символического интереса расчетов. Формальное описание означает оптимизировать в рамках любого языка, обладающего достаточно точно формализованным синтаксисом создания прессования и того же самого уровня семантикой, координируя смысл прессования с его формой.

Символические расчеты означают производительность нечисленных операций, в которых символах и символьных строениях для представления могут быть созданы различный концептов и соотношения промежуточный.

В области языков представления  искусственного интеллекта - машинные языки, ориентированные на устройство описаний объектов и идей, в противовесе  к статическим наборам последовательных команд или хранению простых элементов данных, разрабатываются. Основные критерии доступа к представлению познания - логическое соответствие, эвристическая емкость и естественность, органичность нотации.