4. Экспертные системы

Экспертная система
— это программный комплекс, который оперирует знаниями в определенной предметной области с целью выработки рекомендаций или решения проблем.
ЭС может полностью взять на себя функции эксперта или играть роль ассистента для человека, принимающего решение.
Технология ЭС – одно из направлений искусственного интеллекта.
Экспертная система – один из немногих видов систем искусственного интеллекта.

Экспертная система - совокупность методов и средств организации, накопления, применения информационных ресурсов и знаний для решения сложных задач в определенной предметной области.
Экспертная система – направление исследований в области искусственного интеллекта по созданию вычислительных систем, умеющих принимать решения, схожие с решениями экспертов заданной предметной области.
Экспертная система – компьютерная программа, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации.
Экспертная система - набор программ, выполняющий функции эксперта при решении задач из некоторой предметной области.
Экспертная система – это интеллектуальная компьютерная программа, которая может давать советы, консультировать, проводить анализ и ставить диагноз на уровне специалиста в некоторой узкой предметной области
в отличие от других программных продуктов, используют при работе не только данные, но еще знания и специальные механизмы вывода решений и новых знаний на основе имеющихся.

ЭС предназначены для так называемых неформализованных задач, таких как:
1.Интерпретация
2.Прогнозирование
3.Диагностика
4.Планирование
5.Контроль и управление
6.Обучение или инструктаж
7.Медицинская диагностика
ЭС особо востребованы в областях, где наблюдается недостаток специалистов или существует реальная опасность для их жизни (атомные электростанции).
ЭС находят широкое применение
● в медицине,
● микроэлектронике,
● геологии,
● военном деле,
● навигации и т.д.
Неформализованные задачи обычно обладают следующими особенностями
ошибочностью, неоднозначностью, неполнотой и противоречивостью исходных данных;
ошибочностью, неоднозначностью, неполнотой и противоречивостью знаний о проблемной области и решаемой задаче;
большой размерностью пространства решения, т.е. перебор при поиске решения весьма велик;
динамически изменяющимися данными и знаниями.

Типовые задачи, решаемые ЭС:
* извлечение информации из первичных данных (потоков данных, баз данных и т.д.);
* диагностика неисправностей (как в технических системах, так и в человеческом организме);
* структурный анализ сложных объектов (например, химических соединений);
* выбор конфигурации сложных многокомпонентных систем (например, распределенных компьютерных систем);
* планирование последовательности выполнения операций, приводящих к заданной цели (например, выполняемых промышленными роботами).

Особенность ЭС
Экспертные системы и системы искусственного интеллекта отличаются от систем обработки данных тем, что в них в основном используются символьный (а не числовой) способ представления, символьный вывод и эвристический поиск решения (а не исполнение известного алгоритма).
Решения экспертных систем обладают "прозрачностью", т.е. могут быть объяснены пользователю на качественном уровне.
Это качество экспертных систем обеспечивается их способностью рассуждать о своих знаниях и умозаключениях.
Экспертные системы способны пополнять свои знания в ходе взаимодействия с экспертом.

Первые ЭС
В 1965 году в Стэндфордском университете (Stanford University) Эдвард Фейгенбаум, Джошуа Ледерберг начали работы по созданию первой экспертной системы DENDRAL.
Задача – создать компьютерного помощника, который мог бы определять путем расчета молекулярную структуру химических соединений.
Проблемы:
1) построение гибкой программы, оперирующей с многочисленными знаниями и работающей по правилам логики ("если - то");
2) создание базы данных, включающую знания многих специалистов в органической химии;
3) отделение механизма логического вывода от базы знаний.
В 70-е ЭС стали ведущим направлением в области искусственного интеллекта. Создано множество разнообразных экспертных и диагностических систем, большая часть которых действует и сегодня.
Самыми известными из них являются MYCIN, служащая для диагностики и лечения инфекционных заболеваний, и PROSPECTOR, предназначенная для геологической разведки месторождений полезных ископаемых.

Классификация ЭС

Преимущества ЭС:
1. Постоянство.
2. Легкость передачи.
3. Устойчивость результатов.
4. Стоимость.
Преимущества ЭС перед человеком – экспертом:
1. У них нет предубеждений.
2. Они не делают поспешных выводов.
3. Они выбирают наилучшее оптимальное решение из всех возможных.
4. База знаний может быть очень большой.
Недостатки ЭС:
1. Здравый смысл.
2. Творческий потенциал.
3. Обучение.
4. Сенсорный опыт.
Отличия от других программ:
1. Компетентность.
2. Символьные рассуждения.
3. Глубина.
4. Самосознание.
5. Использование не только данных , но и знаний.

Характеристики ЭС
Помимо выполнения вычислительных операций ЭС формирует определенные соображения и выводы, основываясь на тех знаниях, которыми она располагает.
Знания в ЭС представлены на специальном языке и хранятся отдельно от программного кода, который и формирует выводы и соображения.
Этот компонент программы принято называть базой знаний.
ЭС характеризуются производительностью, т.е. скоростью получения результата и его достоверностью (надежностью).
ЭС должна за приемлемое время найти решение, которое было бы не хуже, чем то, которое может предложить специалист в этой предметной области.
ЭС должна обладать способностью объяснить (обосновать) принятое решение.

Структура экспертных систем
решатель (интерпретатор);
рабочая память (РП), называемая также базой данных (БД);
база знаний (БЗ);
компоненты приобретения знаний;
объяснительный компонент;
диалоговый компонент.

ППП – пакеты прикладных программ

База данных (рабочая память) предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи.
База знаний (БЗ) в ЭС предназначена для хранения долгосрочных данных, описывающих рассматриваемую область (а не текущих данных), и правил, описывающих целесообразные преобразования данных этой области.
Решатель, используя исходные данные из рабочей памяти и знания из БЗ, формирует такую последовательность правил, которые, будучи примененными к исходным данным, приводят к решению задачи.
Компонент приобретения знаний автоматизирует процесс наполнения ЭС знаниями, осуществляемый пользователем-экспертом.
Объяснительный компонент объясняет, как система получила решение задачи (или почему она не получила решение) и какие знания она при этом использовала, что облегчает эксперту тестирование системы и повышает доверие пользователя к полученному результату.
Диалоговый компонент ориентирован на организацию дружественного общения с пользователем как в ходе решения задач, так и в процессе приобретения знаний и объяснения результатов работы.

Режимы функционирования
ЭС может функционировать в 2-х режимах
Режим ввода знаний — в этом режиме эксперт с помощью инженера по знаниям посредством редактора базы знаний вводит известные ему сведения о предметной области в базу знаний ЭС.
Режим консультации (режим использования) — пользователь ведет диалог с ЭС, сообщая ей сведения о текущей задаче и получая рекомендации ЭС.

В режиме приобретения знаний общение ЭС осуществляет эксперт через посредничество инженера по знаниям.
В этом режиме эксперт, используя компонент приобретения знаний, 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 объекты, их характеристики и значения, существующие в области экспертизы. Правила определяют способы манипулирования с данными, характерные для рассматриваемой области.

В режиме консультации общение с ЭС осуществляет конечный пользователь, которого интересует результат и (или) способ его получения.
В режиме консультации данные о задаче через интерфейс пользователя поступают в рабочую память. На основе входных данных из рабочей памяти, общих данных о проблемной области и правил базы знаний с помощью механизма логического вывода формируется решение задачи.
ЭС при решении задачи не только исполняет предписанную последовательность операций, но и предварительно формирует ее.

Базовые функции ЭС
1. Приобретение знаний
2. Представление знаний
3. Управление процессом поиска решения
4. Разъяснение принятого решения

1. Приобретение знаний
- это передача потенциального опыта решения проблемы от некоторого источника знаний и преобразование его в вид, который позволяет использовать эти знания в программе.
Передача знаний выполняется в процессе длительных и пространных собеседований между специалистом по проектированию экспертной системы
Таким методом можно сформировать от двух до пяти "элементов знания" в день - низкая производительность.

1. Приобретение знаний : причины низкой производительности
Специалисты в узкой области, как правило, пользуются собственным жаргоном.
Факты и принципы, лежащие в основе многих специфических областей знания эксперта, часто не могут быть формализованы
Для того чтобы решить проблему в определенной области, недостаточно просто обладать суммой знаний о фактах и принципах в этой области.
Экспертный анализ включает и многие вещи, кажущиеся эксперту само собой разумеющимися

2. Представление знаний
Исследования направлены на отыскание методов формального описания больших массивов информации с целью их последующей обработки.
Формальное описание означает упорядочение в рамках какого-либо языка, обладающего достаточно четко формализованным синтаксисом и семантикой, увязывающей смысл выражения с его формой.
Ведется интенсивная работа по созданию языков представления (representation languages).
Языки представления - компьютерные языки, ориентированные на организацию описаний объектов и идей.
Основными критериями доступа к представлению знаний являются логическая адекватность, эвристическая мощность и естественность, дружественность к пользователю.

3. Управление процессом поиска решения
Как осуществляется доступ к знаниям и как они используются при поиске решения?
Какие знания нужны в той или иной конкретной ситуации? Как ими распорядиться?
Какую стратегию выбрать для решения данной задачи?

4. Разъяснение принятого решения
Представление информации о поведении экспертной системы важно по многим причинам.
* Пользователи, работающие с системой, нуждаются в подтверждении того, что в каждом конкретном случае заключение, к которому пришла программа, в основном корректно.
* Инженеры, имеющие дело с формированием базы знаний, должны убедиться, что сформулированные ими знания применены правильно, в том числе и в случае, когда существует прототип.

* Экспертам в предметной области желательно проследить ход рассуждений и способ использования тех сведений, которые с их слов были введены в базу знаний. Это позволит судить, насколько корректно они применяются в данной ситуации.
* Программистам, которые сопровождают, отлаживают и модернизируют систему, нужно иметь в своем распоряжении инструмент, позволяющий заглянуть в "ее нутро" на уровне более высоком, чем вызов отдельных языковых процедур.
* Менеджер системы, использующей экспертную технологию, который в конце концов несет ответственность за последствия решения, принятого программой, также нуждается в подтверждении, что эти решения достаточно обоснованы.

Способность системы объяснить методику принятия решения иногда называют прозрачностью системы. Под этим понимается, насколько просто персоналу выяснить, что делает программа и почему.
Отсутствие достаточной прозрачности поведения системы не позволит эксперту повлиять на ее производительность или дать совет, как можно ее повысить.
Прослеживание и оценка поведения системы — задача довольно сложная и для ее решения необходимы совместные усилия эксперта и специалиста по информатике.

Наиболее известные/распространённые ЭС
CLIPS — весьма популярная оболочка для построения ЭС (public domain).
OpenCyc — мощная динамическая ЭС с глобальной онтологической моделью и поддержкой независимых контекстов.
WolframAlpha — поисковая система, интеллектуальный «вычислительный движок знаний».
MYCIN — наиболее известная диагностическая система, которая предназначена для диагностики и наблюдения за состоянием больного при менингите и бактериальных инфекциях.
HASP/SIAP — интерпретирующая система, которая определяет местоположение и типы судов в Тихом океане по данным акустических систем слежения.
Акинатор - интернет-игра. Игрок должен загадать любого персонажа, а Акинатор должен его отгадать, задавая вопросы. База знаний автоматически пополняется, поэтому программа может отгадать практически любого известного персонажа.

Особенности работы ЭС
ЭС при решении задачи не только исполняет предписанную последовательность операции, но и предварительно формирует ее. Если реакция системы не понятна пользователю, то он может потребовать объяснения:
"Почему система задает тот или иной вопрос?", "как ответ, собираемый системой, получен?".

Необходимые условия создания ЭС
1) существуют эксперты в данной области, которые решают задачу значительно лучше, чем начинающие специалисты;
2) эксперты сходятся в оценке предлагаемого решения, иначе нельзя будет оценить качество разработанной ЭС;
3) эксперты способны вербализовать (выразить на естественном языке) и объяснить используемые ими методы, в противном случае трудно рассчитывать на то, что знания экспертов будут "извлечены" и вложены в ЭС;
4) решение задачи требует только рассуждений, а не действий;
5) задача не должна быть слишком трудной (т.е. ее решение должно занимать у эксперта несколько часов или дней, а не недель);
6) задача хотя и не должна быть выражена в формальном виде, но все же должна относиться к достаточно "понятной" и структурированной области, т.е. должны быть выделены основные понятия, отношения и известные (хотя бы эксперту) способы получения решения задачи;
7) решение задачи не должно в значительной степени использовать "здравый смысл" (т.е. широкий спектр общих сведений о мире и о способе его функционирования, которые знает и умеет использовать любой нормальный человек), так как подобные знания пока не удается (в достаточном количестве) вложить в системы искусственного интеллекта.