Что такое экспертные системы

экспертная система

интеллектуальная система-советчик, построенная на базе знаний о предметной области, а также опыта и знаний экспертов. Разработка экспертных систем является составной частью работ по искусственному интеллекту. Экспертные системы создаются для помощи в решении задач, обладающих неполнотой данных, неоднозначностью и противоречивостью, напр. постановка диагноза болезни. Работа экспертной системы в ответ на запрос пользователя предполагает обязательный диалог с ним. При этом экспертная система задаёт пользователю ряд вопросов и на основе анализа полученной информации сообщает ему своё решение, являющееся советом по данной теме или ситуации. Области применения экспертных систем: военные приложения, медицина, электроника, вычислительная техника, геология, математика, космос, сельское хозяйство, управление, финансы, бизнес и т. д. Обычно к экспертным системам относят системы, основанные на знаниях. Знания подразделяют на формализованные (универсальные знания – законы, модели, алгоритмы) и на неформализованные (эмпирические, опыт, умение, интуиция).

В чём же преимущества экспертных систем перед человеком? Экспертная система берёт на себя решение задачи, если пользователь лишь описал объект и определил цель; у экспертной системы нет предубеждений, она не делает поспешных выводов. Она работает систематизированно, рассматривая все детали, часто выбирая наилучшую альтернативу из всех возможных. База знаний постоянно пополняется и может быть очень большой. Будучи раз введёнными в неё, эти знания сохраняются навсегда. Решение задач делится на следующие этапы: описание объекта; постановка цели; определение плана (алгоритма) решения; выполнение плана (алгоритма); выдача результата. При традиционных методах решения первые три этапа, включая определение плана решения, осуществляет эксперт, а его выполнение и выдача результата доверяются компьютеру. В экспертной же системе определение плана решения выполняет компьютер.

Энциклопедия «Техника». — М.: Росмэн . 2006 .

Экспертная система

Экспе́ртная систе́ма (ЭС, англ. expert system ) — компьютерная система, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. Современные ЭС начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х получили коммерческое подкрепление. Предтечи экспертных систем были предложены в 1832 году С. Н. Корсаковым, создавшим механические устройства, так называемые «интеллектуальные машины», позволявшие находить решения по заданным условиям, например определять наиболее подходящие лекарства по наблюдаемым у пациента симптомам заболевания [1] .

В информатике экспертные системы рассматриваются совместно с базами знаний как модели поведения экспертов в определенной области знаний с использованием процедур логического вывода и принятия решений, а базы знаний — как совокупность фактов и правил логического вывода в выбранной предметной области деятельности.

Похожие действия выполняет такой программный инструмент как Мастер (англ. Wizard ). Мастера применяются как в системных программах так и в прикладных для упрощения интерактивного общения с пользователем (например, при установке ПО). Главное отличие мастеров от ЭС — отсутствие базы знаний — все действия жестко запрограммированы. Это просто набор форм для заполнения пользователем.

Другие подобные программы — поисковые или справочные (энциклопедические) системы. По запросу пользователя они предоставляют наиболее подходящие (релевантные) разделы базы статей (представления об объектах областей знаний, их виртуальную модель).

Структура ЭС интеллектуальных систем

[2] представляет следующую структуру ЭС:

Интерфейс пользователя
Пользователь
Интеллектуальный редактор базы знаний
Эксперт
Инженер по знаниям
Рабочая (оперативная) память
База знаний
Решатель (механизм вывода)
Подсистема объяснений

База знаний состоит из правил анализа информации от пользователя по конкретной проблеме. ЭС анализирует ситуацию и, в зависимости от направленности ЭС, дает рекомендации по разрешению проблемы.

Как правило, база знаний экспертной системы содержит факты (статические сведения о предметной области) и правила — набор инструкций, применяя которые к известным фактам можно получать новые факты.

В рамках логической модели баз данных и базы знаний записываются на языке Пролог с помощью языка предикатов для описания фактов и правил логического вывода, выражающих правила определения понятий, для описания обобщенных и конкретных сведений, а также конкретных и обобщенных запросов к базам данных и базам знаний.

Конкретные и обобщенные запросы к базам знаний на языке Пролог записываются с помощью языка предикатов, выражающих правила логического вывода и определения понятий над процедурами логического вывода, имеющихся в базе знаний, выражающих обобщенные и конкретные сведения и знания в выбранной предметной области деятельности и сфере знаний.

Обычно факты в базе знаний описывают те явления, которые являются постоянными для данной предметной области. Характеристики, значения которых зависят от условий конкретной задачи, ЭС получает от пользователя в процессе работы, и сохраняет их в рабочей памяти. Например, в медицинской ЭС факт «У здорового человека 2 ноги» хранится в базе знаний, а факт «У пациента одна нога» — в рабочей памяти.

База знаний ЭС создается при помощи трех групп людей:

эксперты той проблемной области, к которой относятся задачи, решаемые ЭС;
инженеры по знаниям, являющиеся специалистами по разработке ИИС;
программисты, осуществляющие реализацию ЭС.

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 — пользователь ведет диалог с ЭС, сообщая ей сведения о текущей задаче и получая рекомендации ЭС. Например, на основе сведений о физическом состоянии больного ЭС ставит диагноз в виде перечня заболеваний, наиболее вероятных при данных симптомах.

Классификация ЭС[1]

Классификация ЭС по решаемой задаче

Интерпретация данных
Диагностирование
Мониторинг
Проектирование
Прогнозирование
Сводное Планирование
Обучение
Управление
Ремонт
Отладка

Классификация ЭС по связи с реальным временем

Статические ЭС — это ЭС, решающие задачи в условиях не изменяющихся во времени исходных данных и знаний.
Квазидинамические ЭС интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.
Динамические ЭС — это ЭС, решающие задачи в условиях изменяющихся во времени исходных данных и знаний.

Этапы разработки ЭС

Этап идентификации проблем — определяются задачи, которые подлежат решению, выявляются цели разработки, определяются эксперты и типы пользователей.
Этап извлечения знаний — проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.
Этап структурирования знаний — выбираются ИС и определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решений, средств представления и манипулирования знаниями.
Этап формализации — осуществляется наполнение экспертом базы знаний. В связи с тем, что основой ЭС являются знания, данный этап является наиболее важным и наиболее трудоемким этапом разработки ЭС. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, понятном ЭС. Процесс приобретения знаний осуществляется инженером по знаниям на основе анализа деятельности эксперта по решению реальных задач.
Реализация ЭС — создается один или несколько прототипов ЭС, решающие требуемые задачи.
Этап тестирования — производится оценка выбранного способа представления знаний в ЭС в целом.

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.

См. также

Автоматизированная система управления
База знаний
Искусственный интеллект
Искусственная нейронная сеть
Логический вывод
Система поддержки принятия решений
Логическое программирование
Язык Пролог
Rete
Вопросно-ответная система

Ссылки

Иерархический рубрикатор интеллектуальных систем РИС2004-02.1-И (проект)
Глава в учебнике по Прологу, посвящённая экспертным системам
Статьи по экспертным системам: от введения до разработки
Экспертная система выбора автомобиля
Самоучитель по экспертным системам
Экспертные системы (Электронный учебник по информатике)

Литература

↑Интеллектуальные машины С.Н. Корсакова
↑Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. Учебник. — СПб.: Питер, 2000.

Субботін С. О. Подання й обробка знань у системах штучного інтелекту та підтримки прийняття рішень: Навчальний посібник. — Запоріжжя: ЗНТУ, 2008. — 341 с.
Джозеф Джарратано, Гари Райли «Экспертные системы: принципы разработки и программирование» : Пер. с англ. — М. : Издательский дом «Вильямс», 2006. — 1152 стр. с ил.
Питер Джексон Введение в экспертные системы = Introduction to Expert Systems. — 3-е изд. — М .: Вильямс, 2001. — С. 624. — ISBN 0-201-87686-8
Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ: Пер. с англ. В. А. Кондратенко, С. В. Трубицына. — М.: Финансы и статистика, 1990. — 320 с.
Уотермен Д. «Руководство по экспертным системам: Пер. с англ. под ред. В. Л. Стефанюка. — М.: «Мир», 1989: — 388 стр. с ил.

Вы можете улучшить статью, внеся более точные указания на источники.

Экспертные системы

Wikimedia Foundation . 2010 .

Экспертная система (Expert system)

Система искусственного интеллекта, включающая знания о некоторой слабо структурированной и трудно формализуемой предметной области, способная предлагать и объяснять пользователю решения задач в ней, а также эмулировать способность человека (эксперта) рассуждать и принимать решения.

Экспертные системы предназначены для решения сложных задач на основе рассуждений с использованием знаний, представленных, главным образом, в виде правил «если, то», а не с помощью обычного процедурного кода.

Экспертная система состоит из следующих элементов:

База знаний — семантическая модель, описывающая предметную область и позволяющая отвечать на такие вопросы из нее, ответы на которые в явном виде отсутствуют в базе. Она является основным компонентом интеллектуальных и экспертных систем.
Машина логического вывода — система, моделирующая механизм рассуждений и оперирующая знаниями и данными с целью получения новых сведений из знаний и других данных. Обычно такая машина использует программно реализованный механизм дедуктивного логического вывода или механизм поиска решения в сети фреймов или семантической сети.
Подсистема объяснений — система, позволяющая пользователю получать ответы на вопрос: «Как было получено то или иное решение?»
Подсистема общения — обеспечивает ведение диалога с пользователем, в ходе которого система запрашивает у него необходимые факты для процесса рассуждения. Также подсистема общения предоставляет возможность человеку в определенной степени контролировать и корректировать ход рассуждений экспертной системы.

Впервые экспертные системы были представлены в 1965 году в ходе программы Heuristic Programming Project Стэнфордского университета под руководством Эдварда Альберта Фейгенбаума, которого и считают «отцом» экспертных систем.

Экспертные системы получили распространение в 1980-х и являлись одними из первых действительно успешных программных средств искусственного интеллекта.

Экспертные системы

Экспертные системы-компьютерная система, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. Современные экспертные системы начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х годах получили коммерческое подкрепление. Предшественники экспертных систем были предложены в 1832 году С. Н. Корсаковым, создавшим механические устройства, так называемые «интеллектуальные машины», позволявшие находить решения по заданным условиям, например, определять наиболее подходящие лекарства по наблюдаемым у пациента симптомам заболевания

Цель: Выявить области, в которых наиболее активно используются экспертные системы

1) Изучить принципы функционирования и обучения экспертных систем

2) Выделить области применения экспертных систем

3) Выявить ограничения в использовании экспертных систем

Гипотеза: Может ли ЭС полностью заменить специалистка – эксперта в разрешении проблемной ситуации

Историческая хронология событий:

2.Сравнение и анализ найденного материала.

3.Проведение опроса по данной проблеме.

Эксперт – это человек, который благодаря обучению и опыту может делать то, что мы все, остальные люди делать не умеем; эксперты работают не просто профессионально, но быстро и эффективно. Они хорошо умеют распознавать в проблемах, с которыми сталкиваются, примеры тех типовых проблем, с которыми они уже знакомы. Очень важно подчеркнуть, что эксперт должен не только знать, но и уметь. Именно этим свойством отличаются базы данных от баз знаний – базы знаний активны.

Экспертные системы как отдельное направление выделилось из общего русла исследований по искусственному интеллекту в начале 80-х г.г. Основным предметом исследований нового направления являются знания – их приобретение, представление и использование. Специалисты, работающие в этой области все чаще используют для ее наименования термин «инженерия знаний».

Очень значимым отличием экспертных систем от классических программ, работа которых основана на точных данных является то, что экспертные системы могут ошибаться. Причина ошибок лежит в том, что знания специалистов, как и знания, заложенные в экспертные системы, не точны. Важно, по крайней мере, чтобы экспертные системы ошибались не чаще, чем ошибается человек-эксперт.

Т.о. можно сформулировать следующее определение экспертной системы. Экспертная система – это вычислительная система, в которую включены знания специалистов о некоторой узкой предметной области в форме базы знаний. Экспертные системы должны уметь принимать решения вместо специалиста в заданной предметной области.

Выводы: Таким образом, цель и задачи работы были полностью достигнуты, а именно экспертные системы применяются для решения только трудных практических (не игрушечных) задач. По качеству и эффективности решения экспертные системы не уступают решениям эксперта-человека. Решения экспертных систем обладают прозрачностью, т.е. могут, быть объяснены пользователю на качественном уровне (в отличие от решений, полученных с помощью числовых алгоритмов, и в особенности от решений полученных статистическими методами). Это качество экспертных систем обеспечивается их способностью рассуждать о своих знаниях и умозаключениях. Экспертные системы способны пополнять свои знания в ходе взаимодействия с экспертом. Необходимо отметить, что в настоящее время технология экспертных систем используется для решения различных типов задач (интерпретация, предсказание, диагностика, планирование, конструирование, контроль, отладка, инструктаж, управление) в самых разнообразных проблемных областях, таких, как финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, металлургия, горное дело, химия, образование, целлюлозно-бумажная промышленность, телекоммуникации и связь и др.

Результаты опроса: